「やさしく学ぶ機械学習を理解するための数学」「プログラミングのための線形代数」で機械学習で使う数学を基礎から復習した - karaage. [からあげ]
機械学習・画像処理の基礎を身につけたい 冬休み、機械学習・画像処理に関する本を読んでました。機械学習とか画像処理の本だと、最近はTensorFlow、scikit-learnやOpenCVというフレームワーク、ライブラリの使い方に終始しているものも多くて、そういうものばっかやっていると、確かにすぐ凄いことができたりもするのですが、あんまりにもブラックボックスで黒魔術っぽいというか、自分を勘違いしそうになるのも怖いし、ライブラリのバージョンが変わるだけで使えなくなり右往左往する自分が惨めになってしまうのも事実です。 やっぱり、そういう流行りに左右されない基礎も大事だなと思い、基礎から数学をベースに数式から逃げずに説明している本を選んでみました。 やさしく学ぶ 機械学習を理解するための数学のきほん アヤノ＆ミオと一緒に学ぶ 機械学習の理論と数学、実装まで 作者:立石 賢吾（LINE Fukuo
![「やさしく学ぶ機械学習を理解するための数学」「プログラミングのための線形代数」で機械学習で使う数学を基礎から復習した - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/da1fd96cef5cf2f39c8f889f08ccf80d6f8a7dca/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20180106%2F20180106110056.jpg)
Qiitaで見る機械学習のトレンド＜2018年夏＞ - Qiita Zine
『Machine Learning (機械学習)』をテーマに開催された「Qiita × Microsoft 共催 MeetUp」。 当記事ではその際に発表された「Qiitaと機械学習」の内容をまとめてご紹介します。 なお、MeetUpでは、クックパッドの染谷氏による機械学習のサービス開発について、日本マイクロソフトの畠山氏の Microsoft AI Platform についてのプレゼンもありました。 その内容についてはこちらの記事でご紹介していますので、あわせてご覧ください。 発表者：東峰裕之 IncrementsにてQiitaやQiita Teamのデザイナー兼コミュニティマネージャとして、コミュニティの活性化に従事。 Qiitaのタグから見る機械学習のトレンド Qiitaにはタグという機能があります。 ユーザーの皆さんに記事にタグをつけて投稿してもらうことで、タグページを通してどんな
【機械学習を基本から丁寧に】TensorFlow Eager Executionで単回帰の実行 - HELLO CYBERNETICS
理屈編 問題設定 損失関数 損失を小さくする勾配法 損失の減少はいつ終わるのか 学習がうまくいく更新の大きさ 学習がうまくいかない更新の大きさ 実践編 実行環境 必要なライブラリの準備 問題設定 モデルの設計と損失関数 tf.keras.Modelクラスでモデルの雛形を作る 損失関数 勾配の計算 パラメータの更新 実験 初期状態のモデル 学習後のモデル 本当に学習は上手く行ったのか コード全体 多項式フィッティングへの発展 理屈編 問題設定 ここでは最も単純な線形回帰である単回帰について説明します。 これは、入力変数がスカラーで $x$ １つ、出力変数もスカラーで $y$ １つのときに、 $x$ と $y$ の関係を一次式で表そうというものです。 データセット $D={(x_1, y_1), (x_2, y_2), \cdots, (x_N, y_N)}$がある時に（ $x_i, y_i$
Machine Learning について学べる新しいデジタルトレーニング | Amazon Web Services
Amazon Web Services ブログ Machine Learning について学べる新しいデジタルトレーニング こんにちわ。 アマゾン ウェブ サービス ジャパン、プロダクトマーケティング エバンジェリストの亀田です。 今年の1月に、AWSがご提供している機械学習案連サービスの、無料のトレーニングコースについてご案内しました。このコースはクラウドのスキルを磨いたり Machine Learning (ML)を学びやすくするために提供しており、「ディープラーニングの概要 (Introduction to Deep Learning)」や「Amazon SageMaker の概要 (Introduction to Amazon SageMaker)」といった新しいコースが含まれています。 こちらの日本語版がリリースされましたので、みなさんにご案内いたします。 オンデマンドウェビナー
成長を止めない機械学習のやり方 / Don't stop 'til you get enough (data).
https://manabiya.tech
Googleの研究者が教える、良い機械学習プロダクトを実装するための43のルール
Google のリサーチ・サイエンティストである Martin Zinkevich 氏によって書かれた、機械学習を使った良いプロダクトを開発するためのコツを集めた記事。エンジニアが良い機械学習プロダクトを作るには、機械学習の専門知識が無いことに苦心するのではなく、得意なエンジニアリングの技術を活かすことが重要、というのが主な趣旨です。 紹介記事：Rules of Machine Learning: Best Practices for ML Engineering はじめに ほとんどの問題はエンジニアリングに関する問題である 性能向上は、良い機械学習のアルゴリズムではなく、良い素性によってもたらされる 機械学習の前に ルール1. 本当に必要になるまで機械学習を使わない ルール2. まず指標を設計、実装する ルール3. ヒューリスティックが複雑になりすぎる前に、機械学習に移行する フェーズI
機械学習アルゴリズム チート シート - デザイナー - Azure Machine Learning
Note デザイナーは、従来の事前構築済みコンポーネント (v1) とカスタム コンポーネント (v2) の 2 種類のコンポーネントをサポートします。 これら 2 種類のコンポーネントには互換性がありません。 従来の事前構築済みコンポーネントは、主にデータ処理や、回帰や分類などの従来の機械学習タスク向けの事前構築済みのコンポーネントを提供します。 この種類のコンポーネントは引き続きサポートされますが、新しいコンポーネントは追加されません。 カスタム コンポーネントを使用すると、独自のコードをコンポーネントとしてラップすることができます。 これは、ワークスペース間での共有と、Studio、CLI v2、SDK v2 インターフェイス間でのシームレスな作成をサポートします。 新しいプロジェクトでは、AzureML V2 と互換性があり、新しく更新され続けるカスタム コンポーネントを使用するこ
東京大学の松尾研究室が無料公開している「Deep Learning基礎講座演習コンテンツ」の自主学習方法 - karaage. [からあげ]
新たな教育プログラム「DL4US」が開始しています。 2019年5月に、松尾研究室の新たなディープラーニングの無料教材「DL4US」が公開されています。「Deep Learning基礎講座演習コンテンツ」のバージョンアップ版の位置付けなので、今から学習する方はこちらに取り組んだ方が良いかと思います。 Dockerを使った環境構築方法を紹介している記事を書いたので、もし良ければ以下記事参照下さい。 Deep Learning基礎講座演習コンテンツが無料公開 以下のようなサイトが無料公開されていました。 学習に自由に使用してよいとのことです。ただ、肝心の使用方法が詳しく書いてないので、初心者には環境構築が厳しく、簡単に環境構築できる人にとっては、知っている内容のところが多い気がして、内容が良いだけにもったいなと感じました。 そこで、ちょっと初心者向けに環境構築の補足をしてみたいと思います。 そ
![東京大学の松尾研究室が無料公開している「Deep Learning基礎講座演習コンテンツ」の自主学習方法 - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/78e7c0ea2c263bc676ec2c74bae93e76d7853fd9/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20180127%2F20180127134253.png)
休日に1,200円で機械学習にとっつけるなんて、いい時代になった
機械学習をいつかやりたかった・・・ 技術系ブロガー界隈では数年前から機械学習の話題が時にバズっています。 今季見るべきアニメを機械学習で推薦する – はこべにっき ♨ ご注文は機械学習ですか？ – kivantium活動日記 どっちも結構古めの記事ですが、難しそうな記事をサラッと書いてるのが凄いカッコイイ！！ 僕もこんなことできたらモテるのに！！ でも僕は高校から数学を捨ててましたし、大学ももちろん文系。 難しい数学を使うであろう「しっかりとした機械学習」の習得はたぶん無理・・・。 機械学習の界隈では、入門はCourseraでスタンフォード大学が提供する”Machine Learning”コースが最高とか言われているようですが、 プログラミングの課題提出もあるのでバカな僕には難しいでしょう。 スタンフォードの授業とか普通に考えてハードルが高すぎます。 例の機械学習コースが良いらしいと知りな
”仕事で始める機械学習”の要点をまとめてみたらとても良い入門書だった
最近、販売された仕事で始める機械学習を買ったので、購入を考えられている方や機械学習を始めたいと思っている方に読んで、参考になればと思います。 この記事の目的と全体の流れただ読むのと、アウトプット（ブログに書く）前提で読むのとはインプットの質が違うということがわかったので、ブログに書きながら理解していく形を取ります。 全体の流れとしては、章の要約。あぁこの内容知ってるなって人は買わずに済むし、わからないこと多いという人は購入を検討して頂ければ。（出版関係者でもなければ、アフィリエイトなどの営利目的でもなく、いち消費者としての個人的意見になります。 ご了承ください。） 結論から言うと（書評）いままでのオライリーのデータサイエンス本だと英語から翻訳したのでわかりにくい日本語が非常にうっとうしいのですが、 この本は、日本の方が書かれており、日本語スムーズに理解できます。 また、非常に論理立てられて
オライリーから「仕事ではじめる機械学習」が出版されます
どういう本なの？まえがきのスクリーンショットを貼りましたが、この本は多くの機械学習の本とは異なり、機械学習の実務で使えるようになるために知りたい、機械学習を含めたシステムのアーキテクチャや機械学習プロジェクトの進め方、効果検証をどうするのかということをまとめました。 めざすところのイメージ既に多く刊行されているTensorFlowやChainerでディープラーニングをしてみようというものでもなければ、機械学習の理論をわかりやすく解説するといった類のものでもありません。ゼロから作るDeep LearningやCourseraのMachine Learningで学んだけど、実際の仕事に活かすにはどうしたら良いだろう？という疑問に答えているつもりです。また、大学の講義などで機械学習は学んだけど、実際仕事で機械学習のプロジェクトを進めるときはどうすればいいんだろう？という人にも得るものがあると思い
機械学習の超初心者が、みんなが良いと言う記事を読んでまとめてみた - たくさん調べたことをまとめるブログ
機械学習をやるまえに スライドで「機械学習とは」を感じよう 必ずと言っていいほど紹介されてる動画 日本語なので聞きやすそうな動画 これだけは読んでおきたい初心者向けの本 実際に簡単なサンプルを試してみよう！（すぐできる！） なんで動いてるのか 機械学習にはたくさんの手法があることを知る スライドで「Deep learningとは」を感じよう 勉強のための 環境構築 をしよう 勉強のためのプログラムを書こう ライブラリごとの初歩記事 真似していろいろつくってみよう 最後に、なんだかすごそうな人の紹介 機械学習について勉強したいので調べてみたのですが、同じ情報源を良いと言ってる人が多い印象でした。 それだけ実践的な情報が少ないのかもしれませんが。。 「この本、さっき読んだ記事でもおすすめしてたな。あれ、この記事もだ。」 なんてことが多々。 そこで、機械学習をやる前に情報を整理したいと思い、この
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
機械学習をやりたい入門者はCourseraのアンドリュー先生の無料Web講義がおすすめ！【システム概要や授業内容まとめ】｜ウィリスの宇宙交信記