【Ruby Kaigi 2017レポート】Rubyでデータサイエンスは出来るのか？
Housmart高松です。 2017年9月18-20日の3日間、広島で開催されたRuby Kaigi 2017に参加してきました。Ruby Kaigi自体は去年に引き続き2回目の参加となります。 今年も様々なトピックがありましたが、今回は私が注目しているテーマの1つである “Ruby x データサイエンス” の観点からRuby Kaigiの参加レポートをします。 Rubyコミュニティのデータサイエンスへの取り組み ここ2-3年で機械学習・ディープラーニングやデータサイエンスを業務で使うことはどんどん普通のことになってきています。 この領域はほとんどがPython/R/Scalaなどで行われており、最近までRubyでデータサイエンスをやるのは実質不可能な状態でした。 ですが、Rubyが言語としてこれらの領域をサポートするかは、Rubyのこれからを考える意味でもとても重要になります。 これらの
能動学習で効率的に教師データを作るツールをGoで書いた - yasuhisa's blog
みなさん、教師データ作ってますか?! 機械学習のツールも多くなり、データがあれば簡単に機械学習で問題を解ける環境が整ってきました。しかし、データ作成は重要ながらも未だに大変な作業です。最近、私もいくつかのドメインで教師データを作る機会があったので、能動学習を使ってコマンドラインから簡単に教師データ作成(アノテーション)ができるツールを作ってみました。 今回は能動学習で教師データを作る意義と、作ったツールの使い方について簡単に書きます。 問題設定 能動学習を使って教師データを効率的にアノテーション go-active-learningを試してみる ダウンロード/インストール 能動学習でアノテーション おまけ: Go言語を使って得られた効用/感想 問題設定 例があったほうが説明しやすいので、問題設定を先に。 あなたはエンジニアが集まるSlackチャンネルに、最近人気の技術エントリを定期的に投稿
機械学習に関する書籍『Model-Based Machine Learning』のアーリーアクセス版が公開、マイクロソフトリサーチの研究者が執筆：CodeZine
機械学習に関する書籍『Model-Based Machine Learning』が、アーリーアクセス版として、6月11日現在Web上で公開されている。執筆は、Microsoft Research Cambridgeの研究者であるJohn Winn氏とChristopher Bishop氏。 本書は、機械学習の中でも「model-based machine learning」に着目するもの。目次は下記のとおり。現在、第4章「Uncluttering Your Inbox」まで公開されており、残りは完全版で公開される予定。 How can machine learning solve my problem? 1. A Murder Mystery 2. Assessing People's Skills 3. Meeting Your Match 4. Uncluttering Your In
scikit-learn: machine learning in Python
Simple and efficient tools for predictive data analysis Accessible to everybody, and reusable in various contexts Built on NumPy, SciPy, and matplotlib Open source, commercially usable - BSD license Classification Identifying which category an object belongs to. Applications: Spam detection, image recognition. Algorithms: Gradient boosting, nearest neighbors, random forest, logistic regression, an
数学を避けてきた社会人プログラマが機械学習の勉強を始める際の最短経路 - Qiita
巷ではDeep Learningとか急に盛り上がりだして、機械学習でもいっちょやってみるかー、と分厚くて黄色い表紙の本に手をだしたもののまったく手が出ず（数式で脳みそが詰む）、そうか僕には機械学習向いてなかったんだ、と白い目で空を見上げ始めたら、ちょっとこの記事を最後まで見るといいことが書いてあるかもしれません。 対象 勉強に時間が取れない社会人プログラマ そろそろ上司やらお客様から「機械学習使えばこんなの簡単なんちゃうん？」と言われそうな人 理系で数学はやってきたつもりだが、微分とか行列とか言われても困っちゃう人 この記事で行うこと 数学の基礎知識に慣れるための、数式が最初から出てこないプログラマ向けの数学入門書の紹介 機械学習の初学者には鉄板の、オンライン講座（MOOC）の機械学習コース紹介 環境 WindowsでもMacでもLinuxでも大丈夫(MATLAB/Octaveというツール
リプするとマルコフ連鎖で一句読む機能を@.haiku_searcherに追加しました - クフでダローバルな日記
お待たせしました。新機能搭載です。 @mazamachi 過去ツイで川柳一句できました。「自分のなバグを探すで終止形」— 偶然俳句ツイートbot (@haiku_searcher) 2015, 3月 19 機能としては、@haiku_searcherに「詠んで」を含むリプをすると、その人の過去200ツイートを取得し「一次マルコフ連鎖」を用いて俳句/川柳を作るというものです。ちょっとした人工知能(無能?)的なものだと思ってください。 また、「詠んで」に加えて「ちゃんと」も含むリプをすると「二次マルコフ連鎖」を用いるのでそれなりに文章として成立した俳句が出来るはずです。しかし、生成に時間がかかる、結局普通の俳句探索になりがち、あんまり面白くないという理由から、オススメしません。 こんな感じで、普通の俳句が見つけられやすいです。 @mazamachi 過去ツイで俳句が一句できました。「柿食えば鐘
数式をnumpyに落としこむコツ
Tokyo.SciPy #2 にて発表した、数式(あるいは数式入りのアルゴリズム)から実装に落とす場合、何に気をつけるのか、どう考えればいいのか、というお話。 対象は、どうやって数式をプログラムすればいいかよくわからない人、ちょっとややこしい数式になると四苦八苦してしまい、コードに落とすのにすごく時間がかかってしまう人、など。 ここでは実行速度についてはひとまずおいといて、簡潔で間違いにくい、ちゃんと動くコードを書くことを目標にしています。
L1正則化で重みが0につぶれる理由
L1正則化、つまり正則化項としてL1-normを使うとパラメタの大部分が0につぶれてモデルがコンパクトになるよという話をよく聞くと思います。初めて聞くと、何で？と思われるかと思います。先日の岡野原握手会でもこの話題がさらっとでて、@hillbigさんはよく微分した形でこれを説明しています（「押すなよ押すなよー」）。私は目的関数の形で理解した方がわかりやすいと思っているので、それを紹介。 まず、正則化項の入っていない凸な目的関数を考えます。 普通パラメタベクトルは多次元なので、多次元の山みたいな形になりますが、ここでは1次元だと思いましょう。この時点で最適値は（頂点の位置）は3です。これに正則化項を足します。L2だとこんな形をしています、というか0を中心とする放物線です。 足しましょう。 足すと0に向かってシフトすることがわかるでしょう。L2正則化の式は原点中心の山なので、元の山（頂点がどこ
第1回Machine Learning Casual Talksにてパーソナライズ・ニュースでの機械学習事例について発表しました #MLCT
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog レコメンデーション技術の村尾です。 先日（6月6日）、クックパッドで開催された Machine Learning Casual Talks（#MLCT） において、Yahoo! JAPANの提供しているパーソナライズ・ニュース（あなたにおすすめの記事）での、機械学習（Machine Learning）の活用事例について講演を行いました。 MLCTという機械学習についてのかなりニッチなイベントであったにも関わらず、聴講者募集から枠が埋まるまでに30分程度しかかからなかったと聞き、この分野で普段業務を行われている、または関心のあるエンジニアの多さと、熱量の大きさに驚かされました。 ちなみに"Casual"について事前の認識合わせを全く
隠れマルコフモデル(HMM)の式変形をちゃんとやる - Qiita
はじめに みんな！メリークリスマス！ Machine Learning Advent Calendar 2012の24日目を担当させて頂く@teramonagiです。想像以上にガチンコ勢だらけでビックリです。お手柔らかにお願いします。 本日の内容 さて、内容ですがみんな大好きPRML の第13章「系列データ」に載っている２つのトピック HMMの最尤推定（Baum-Welchアルゴリズム） フォワード・バックワードアルゴリズム について、詳しく式変形した計算ノートを作成しましたというお話です。 計算ノート自体はGithubにて公開いたしております ファイル本体はこちら⇒ファイル（PDF) 一応チェックはしていますが、誤字脱字やら計算ミスがあると思いますので、皆さまからのプルリクエストお待ちしております！ 最後に 主催者である@naoya_tさん、このような機会を作っていただきありがとうござい
計算論的神経科学と機械学習 - Qiita
@torotoki です。Machine Learning Advent Calendar 2012 7日目は、俗に言う脳科学とよばれる神経科学（neuroscience）の中でも計算論的神経科学（computational neuroscience）という分野です。学問的な入門書ではまず、脳の神経細胞の仕組みや、多々のニューロンの数理モデルを学びますが、そういったものは参考文献の良書にまかせて、計算論的神経科学とは何であるか、ということについて書きたいと思います。 計算論的神経科学とは 神経科学の目標として脳のしくみを理解するというものがありますが、どうしたら本当に脳を理解したと言えるのかは難しい問題です。この計算論的神経科学では、数理モデルを用いて理論的、トップダウン的に推論し、それを実際の脳の構造や実験結果などボトムアップ的知見と対照することにより、脳のしくみを理解しようとする分野で
機械学習界隈の情報収集方法 - kisa12012の日記
こんにちは．Machine Learning Advent Calendar (MLAC) 2013の14日目を担当します，[twitter:@kisa12012]です．普段は博士学生として，各地を放浪しながら機械学習の研究をしてます．今回の記事はボストンで執筆しています．現地時間(EST)での締切は守ったのでセーフ…ですよね？ 本日は機械学習の技術的な内容の話ではなく，筆者が実践している機械学習関連の情報収集方法について纏めます*1．大きく分けて，学会情報の管理・論文情報の収集・その他の三種について述べたいと思います．今回のトピックの多くは他の分野にも通用する話になっているかと思います．他の分野の方がどのように情報収集されているのかも気になるところです． 学会情報の管理 まずは学会情報の管理についてです．機械学習に関連するカンファレンスは（特に近年乱立気味で）非常に沢山あります．全てをチ
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
Haskell Data Analysis Cookbook
基礎と応用を行き来できる人材が日本には少ないという話