frasco.iofrasco.io 2024 著作権. 不許複製 プライバシーポリシー
確率的プログラミングライブラリ「Edward」まとめ – かものはしの分析ブログ
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト Edwardで何ができるのか知らなかったので、忘備録として残しておきます。 目次 ・Edwardとは ・Edwardでできること ・参考スライド ・参考文献 Edwardとは ・LDAで有名なコロンビア大のBlei先生の研究室で、2016年より開発されている確率的プログラミング(( プログラミング言語の変数をモデルの構成要素として使うプログラミング))のPythonライブラリ。 ・積み木のように明快な形で確率的モデリングを行うことができる。（モデル→推論→評価 を一括
TensorFlowのデータフォーマットTFRecordの書き込みと読み込み方法
TFRecordを使用する理由 TFRecordの作り方 ExampleレコードとSequenceExampleレコード Fashion MNISTをTFRecord化してみる TFRecordの中身を確認する方法 TFRecordの読み込み方 実際に実装してみる TFRecordを使用する まとめ 参考 TensorFlowが推奨しているTFRecordというデータセットのフォーマットがあります。 TFRecordを使いこなせるようになると、大規模なデータを効率的に学習できるようになることがあります。 本記事では、TFRecordの使い方をマスターできるように読み書きする方法を解説し、実際にQueueRunnerを使った実装をしてみます。 TFRecordを使用する理由 TFRecordの中身はProtocol Bufferというバイナリフォーマットです。一度TFRecordを作成するこ
ゼロから作りながら覚えるAPI Gateway環境構築 | DevelopersIO
こんにちは、臼田です。 みなさん、Lambdaしていますか？ Lambdaと合わせてAPI Gatewayを使う場面も何かとあるかと思います。 本ブログでは様々なAPI Gatewayの記事があり、下記のまとめも参考になります。 【まとめ】API Gatewayを学ぶための記事まとめ しかし、ゼロからAPI Gatewayを構築して、実際に今後APIの実装を行なって行こうとする時に何からやればいいかわからない、ということもあるかと思い今回その手順をまとめようと思いました。 本ブログの趣旨 本稿は以下の内容を意識して作成しました。 これからAPI Gatewayを使ってAPIを構築しようとしている人向け API Gatewayと、連携するLambdaのモック、それに付随したIAMを作成する とりあえずAPI Gatewayの環境を作成し、APIの実装やバックエンドのロジックに取り掛かれるよう
RubyKaigi参加レポート 〜RubyData Workshop 2017に参加した〜 | Recruit Tech Blog
2017年度新卒エンジニアの三上(@mikaji_jp)です。現在はWebアプリケーションエンジニアとしてRailsアプリケーションの開発を行っています。9月18日~20日の期間、広島にて開催された RubyKaigi 2017 に参加してきました。 今回はその中でワークショップとして開催された、「RubyData Workshop 2017」の内容を紹介します。 RubyData Workshop 2017 今年のRubyKaigiでは、データサイエンスに関するセッションに注目しました。RubyKaigiといえばRubyの言語仕様や今後の進化の方向性、またRuby on Railsに関するセッションがほとんどだと思っていた1)個人的にRubyでテキストエディタ作った話が面白かったです。のですが、今年はデータサイエンスに関するセッションが多かったのが特徴的でした。そこで、イベント中にRub
ゼロからDeepまで学ぶ強化学習 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ロボットから自動運転車、はては囲碁・将棋といったゲームまで、昨今多くの「AI」が世間をにぎわせています。 その中のキーワードとして、「強化学習」というものがあります。そうした意味では、数ある機械学習の手法の中で最も注目されている(そして誇張されている・・・)手法ともいえるかもしれません。 今回はその強化学習という手法について、基礎から最近目覚ましい精度を出しているDeep Q-learning(いわゆるドキュン、DQNです)まで、その発展の流れと仕組みについて解説をしていきたいと思います。 本記事の内容をベースに、ハンズオンイベントを開
即戦力のAIエンジニアの育成を目指すDIVE INTO CODEの1000時間トレーニングとは?
近頃、人工知能(AI)を取り入れようとする企業が増えている一方、AIを活用するための人材が不足していると言われている。世界を見てもAIを使いこなせる人材は希少であり、国内に限るとほんの一握りしかいないだろう。そんな現状を救うべく、DIVE INTO CODEは、世界で即戦力になりうるAIエンジニアを育成している。今回、同社で教育責任者を務める中尾亮洋氏に、同社のAI人材の育成について話を聞いた。 「お金も環境もない」AIの教育環境で世界に遅れをとる日本 中尾氏はもともと汎用AI開発に携わっていたが、「日本は、AI人材を育成するための予算もなければ、環境もない」と、日本のAI人材育成の窮状を訴える。 こうした日本に比べ、米国では、GoogleやFacebookといった海外のITベンダーのAI関連の研究の成果が日々報道されているように、AIを学ぶための環境が整備されているという。例えば、米国で
VSCodeでのPythonのデバッグと、Dockerコンテナ環境に接続してリモートデバッグする方法 - Qiita
経緯 この記事はPyCon JP 2017 Development Sprintsでの取り組みと、 その後の勉強会(Nagoya.Swift+ 9月度勉強会 - connpass)での取り組みをまとめたものです。 注記 下記の内容は2017年当時のものであり、現在ではよりよい方法があります。下記の内容に従って環境構築を行うのは、次の観点でおすすめできません。 pyenv が必要になるケースはかなり限定される一方、環境の構成に与える影響が大きいので導入には慎重になるべき Docker Container への接続を行った後のデバッグ手法については Remote Development でより容易に実現できる 例えば次に従うことで、Docker Container を開発環境として利用できます。 下記の内容は 2017 年当時の環境を知るための資料として残しますが、現在でもこの手順に従うことを
PythonユーザのためのJupyter実践入門 - JupyterユーザーによるPython ユーザーのためのJupyterの本 - Witch on the Other Shore
2017年9月9日に、書籍『PythonユーザのためのJupyter[実践]入門』（以下、本書）が発売になりました。僕含めた4名の著者による共著本です。 PythonユーザのためのJupyter[実践]入門 作者: 池内孝啓,片柳薫子,岩尾エマはるか,@driller出版社/メーカー: 技術評論社発売日: 2017/09/09メディア: 大型本この商品を含むブログを見る 何の本か 書名に Jupyter とあるとおり、Jupyter Notebook を取り扱った書籍です。同時に、pandas 基礎、Matplotlib および Bokeh 詳解をメインコンテンツとした書籍でもあります。 jupyter.org 本書の見出しを以下に記載します。 第1章: Jupyter Notebookを導入しよう 第2章: Jupyter Notebookの操作を学ぼう 第3章: pandasでデータを
機械学習でニュースからカテゴリを推定するサイトを作った話 - Qiita
サイト テキストエリアにニュースの本文を入れて判定ボタンをクリックすると、「国内」「海外」「IT/経済」「スポーツ」「芸能」のうち、一番近いカテゴリを出力するサイトを作りました。 50000件のニュース記事を学習させて、テストを回したときは93.2%の正答率だったので、そこそこ精度はあるはず。 実装 Facebookが無料で公開している自然言語の機械学習ツールことFasttextを使いました。 facebookresearch/fastText: Library for fast text representation and classification. これはpythonのツールではなくバイナリのコマンドなので、前処理さえしてしまえばPythonのコードを一切書かずに文章のカテゴリ推定ができます。 大まかな手順は以下 某ニュースサイトから記事をせっせとスクレイピング 文章をMecab
📚最近弊社で買ったデータ分析入門書📚 - 弥生開発者ブログ
はじめに こんにちは、Misoca開発チームの洋食（yoshoku）です。 Nintendo Switchを自宅近くの電器屋さんに買いに行ったらなかったので、あきらめてPS Vitaを買いました。 ゲームアーカイブスにある、PC Engineの「夢幻戦士ヴァリス」に大満足です。なんで、あんな薄着で戦うのでしょうか。 本の紹介 私はMisocaでは主にデータ分析を担当しています。 社内で参考書リストが欲しい!!というバイブスが上がってきました。 せっかくなので、ブログで世界に共有することにしました。 確率統計・線形代数 scikit-learnとかをたたくだけでも機械学習アルゴリズムを利用することはできますが、 アルゴリズムの特性を理解した上で適切に使う・結果を解釈するには、数学の知識があった方が良いです。 というわけで、復習・自習するために良いかなと思うモノを選びました。 高専生を対象とし
RubyのパパMatzさんに、RubyKaigi2017の見所を聞いてみた - ZOZO TECH BLOG
こんにちは、VASILYバックエンドエンジニアの塩崎です。 RubyKaigi2017の開催時期が間近に迫っていますが、皆さんの広島グルメ探訪の予定はいかがでしょうか？ 今年のRubyKaigiにはVASILYから4人が参加する予定で、そのうちの3人は初参加です。 発表の要旨はすでに公開されていて以下のページで確認できますが、まだどれを見て回ろうかを決めかねている人もいるかと思います。 http://rubykaigi.org/2017/schedule そこで、Rubyのパパであり、VASILYの技術顧問でもあるまつもとゆきひろさん（以下、Matzさん）にRubyKaigi2017の見所を聞いてみました。 この記事がRubyKaigiに参加をされる方々の参考になれば幸いです。 注） Matzさんは事前にすべての発表内容を正確に把握しているわけではないため、ここで紹介した内容がRubyKa
PHP, Python, Golang を NGINX Unit で動かしてみた - /var/log/study
NGINX Unit ホームページは以下 www.nginx.com もしくはミラーだけどGitHubが以下となる github.com RestAPIやJSONで設定できる、phpのPHP-FPMやpythonのwsgiサーバーなど言語ごとのアプリケーション・サーバーを集約したアプリケーションサーバーという感じ。なのでNginxの後ろで動くサーバーという認識で大丈夫なのかな? まだversionは0.1なので、今後どんどん成長していくはず。 現状は以下に対応しているとのこと Python 2.6, 2.7, 3 PHP 5, 7 Go 1.6 or later ざっくりとした所感 プロダクトに関して 言語ごとのミドルウェア運用がNGINX Unitに集約されて嬉しい可能性がある Docker + NGINX Unit も嬉しいが、NGINX Unitだけでも十分に嬉しいかも ベンチマーク
必見イベント目白押し！2017年9月「AI／ディープラーニングの秋」へのお誘い
AI・ディープラーニングがテーマのイベントを2017年9月に連続開催！ 角川アスキー総合研究所は、2017年9月に “人工知能 (AI)” や “ディープラーニング（深層学習）” を主テーマとした、さまざまな内容の講座／セミナーを連続開催します。ディープラーニングを創作・趣味へ活用するためのセミナーから、AIやディープラーニング技術のビジネス導入検討に関する研修的講義まで、今回4つの内容をご用意。各イベントについて開催日順にご紹介します。 9月6日（水）は【創作分野へのディープラーニング活用】がテーマ 2017年9月6日（水）開催するのは『創作とディープラーニングの出会い → AI時代のコンテンツ制作はいかに変容していく？』と題したセミナー。講師としてご登壇いただくのは、2015年11月に『ディープラーニングでおそ松さんの六つ子は見分けられるのか？』というブログ記事で、いち早く画像認識（識
機械学習を勉強するときはDockerを使うと便利 - あさのひとりごと
いまお仕事の関係で、機械学習の教科書的な書籍を読んだりオンライン講座を受講したりしながらサンプルやチュートリアルを動かして勉強しています。 機械学習を勉強するときは、Pythonの環境を構築し、JupyterNotebookを使って、実際に手と頭を動かしながら行うのが効率的です。が、アルゴリズムの理論そのものの理解がすでにしんどい上、過学習対策のための正則化、汎化性能の評価、クロスバリデーション、不均衡データや少ないデータはどうすればいいか、などなどいちいち難しいことを数多く勉強しなければなりません。 その上、、、、機械学習での学習は、1度やれば終わり！ではなく、パラメータチューニングしたり、データを増やしたり加工したりしながら、繰り返しなんども行う必要があります。一見ビジネス寄り＆アカデミックな雰囲気を醸し出していますが、実際のところは、非常に泥臭い作業のオンパレードです。 が、、、、、
Chalice の 1.0.0 GA がリリースされました | DevelopersIO
こんにちは、藤本です。 現地時間 7/31 に Chalice の 1.0.0 GA がリリースされました。 Chalice – 1.0.0 GA Release プレビュー版が登場して、1年ちょっとで遂に GA リリースとなりました。（既に GA リリース済みかと思ってた。 【新機能】Python Serverless Microframework for AWS(プレビュー版)が登場！ Chalice Chalice は API Gateway + AWS Lambda for Python の API 環境を実行するサーバレスフレームワークです。サーバレスフレームは SAM(Serverless Application Model) や Serverless Framework など既に多く存在しますが、Chalice はシンプルで Python ユーザーが簡単にサーバレス環境を管理
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
Why We Switched from Python to Go
NGINX Unitでpython wsgiサーバーを動かす - Qiita
404 PAGE NOT FOUND
『ゼロから作る Deep Learning』の代わりになりそうな情報 - Qiita
