機械学習について調べてみたら、3行のソースコードを入れるだけで機械学習できるサービスがあった（前編） | 株式会社LIG(リグ)｜DX支援・システム開発・Web制作
人物紹介：うらら LIGブログDevRelチャンネル担当のエディター。テクニカルエディターを目指し、プログラミングやIoTについて鋭意勉強中。最近ハマっているのはUnity。 森の中から失礼します。ちょっと調べものをしていまして……。 先週からLIGブログの編集部一同で「調べてみた」連載を始めました。私は毎週日曜に記事を出すことに。せっかくの日曜なので、IoTやテクノロジーで “日曜大工” をしてみたいと思います。 今週のテーマとして取り上げたのは機械学習。これは機械が自分で学習する技術のことです。機械に仕事を任せてサボりたい技術的にとても面白そうだったので、調べてみました。 そもそも機械学習って何？ 機械学習（machine learning）とは、簡単に言うと「機械（コンピューター）にたくさんのデータを読み込ませ、解析することでアルゴリズムを作ること」です。最大の長所は、人の手でデータ
sklearn.svm.SVR
sklearn.svm.SVR¶ class sklearn.svm.SVR(*, kernel='rbf', degree=3, gamma='scale', coef0=0.0, tol=0.001, C=1.0, epsilon=0.1, shrinking=True, cache_size=200, verbose=False, max_iter=-1)[source]¶ Epsilon-Support Vector Regression. The free parameters in the model are C and epsilon. The implementation is based on libsvm. The fit time complexity is more than quadratic with the number of samples which ma
全脳アーキテクチャ若手の会
全脳アーキテクチャ若手の会は、脳や人工知能、そしてそれらが与える影響について興味がある、すべての方のためのコミュニティです。 詳しくはAboutページ、またはFacebook、YouTubeチャンネル、connpassをご覧ください。
Probabilistic Graphical Models 輪読会 #1
グラフィカルモデル輪読会での発表資料です。 http://wbawakate.connpass.com/event/31613/
Machine Learning with Scikit Learn (Part I) - 人工知能に関する断創録
今年の7月に開催されたSciPy2015の講演動画がEnthoughtのチャンネルで公開されている。今年も面白い講演が多いのでいろいろチェックしている。 今年の目標（2015/1/11）にPythonの機械学習ライブラリであるscikit-learnを使いこなすというのが入っているので、まずはscikit-learnのチュートリアルを一通り見ることにした。 Part IとPart IIを合わせると6時間以上あり非常に充実している。IPython Notebook形式の資料やデータは下記のGitHubアカウントで提供されている。ノートブックをダウンロードし、実際に手を動かしながらチュートリアルを進めると理解がより進むかもしれない。 あとで振り返りやすいように内容を簡単にまとめておきたい。 1.1 Introduction to Machine Learning 機械学習システムの流れ。教師あ
リダイレクトの警告
表示中のページから http://hope.c.fun.ac.jp/mod/resource/view.php?id=14583 にリダイレクトしようとしています。 このページにリダイレクトしないようにする場合は、前のページに戻ってください。
Active Learning 入門
【DL輪読会】Efficiently Modeling Long Sequences with Structured State SpacesDeep Learning JP
人間と学習機械がより効率良く協力する「能動学習」 | さくらのナレッジ
注目が高まる能動学習 いま機械学習の応用が猛烈な勢いで進んでいます。大勢のソフトウェアエンジニアが機械学習に取り組んでいて、機械学習への応用を狙ったクラウドサービスも登場してきました。こうした動きの中でジワジワと注目の高まっている技術が、学習効率を高める手法である「能動学習（Active Learning）」です。 ソニーコンピュータサイエンス研究所所長の北野宏明氏は、先日開かれたイベント「THE NEW CONTEXT CONFERENCE 2016」のパネルディスカッションで「能動学習は、メディアではほぼ取り上げられていないが重要だ」と指摘しました。機械学習で一大ブームになっている「深層学習（Deep Learning）」に比べると、能動学習はまだ大きな話題にはなっていませんが、今後重要性が高まってくることは間違いなさそうです。 「どのデータにラベル付けをするか」に注目する 能動学習に
半教師あり学習のモデル仮定 - でかいチーズをベーグルする
Machine Learning Advent Calendar 2014の12日目。 最近半教師あり学習に興味があってちょっと勉強してみたのでそれについて書いてみる。自分が勉強した時に読んだ文献も下の方に書いたのでもし興味があれば。 半教師あり学習はラベル付きデータに加えてラベル無しデータも使って学習できるということですごく魅力的なんだけど、何も考えずに使うと教師あり学習より精度が落ちることがよくある。 ラベル無しデータはその名の通りどのクラスに属すかが分かっていないデータなので、何かしらの モデル に基いてそのデータがどのクラスに属するかを仮定してやらないといけない。つまりデータの分布（モデル）に仮定を置かないといけない。半教師あり学習をする上ではこれが 一番重要。 Introduction to Semi-Supervised Learningのp.15にもこう書いてある。 the
教師なし学習 - Sideswipe
これは 人工知能アドベントカレンダー の12日目の記事です。 前回は機械学習の大まかな解説をしました。今回はそのうちの教師なし学習(unsupervised learning)について詳しく見ていきましょう。 教師なし学習とはなにか 教師なし学習は、学習対象のデータはあるが、それが何かという正解（文脈によってはラベル、教師信号ともいう）は与えられていないので、どうにかしてなにかしらの構造や法則を見出すための手法です。 大抵の場合、クラスタリング系のアルゴリズムを扱うことが多いので、ここでもクラスタリングを中心にします。 クラスタリングとはなにか クラスタリング(clustering)は機械学習に限らずによく使われる言葉なので親しみやすいかと思います。 簡単に言えば、与えられたデータに対して、似たような物をまとめる処理です*1。 たとえば、以下の図を見てください。いくつかの図形が書いてありま
統計的機械学習入門
統計的機械学習入門(under construction) 機械学習の歴史ppt pdf 歴史以前 人工知能の時代 実用化の時代 導入ppt pdf 情報の変換過程のモデル化 ベイズ統計の意義 識別モデルと生成モデル 次元の呪い 損失関数, bias, variance, noise データの性質 数学のおさらいppt pdf 線形代数学で役立つ公式 確率分布 情報理論の諸概念 (KL-divergenceなど) 線形回帰と識別ppt pdf 線形回帰 正規方程式 正規化項の導入 線形識別 パーセプトロン カーネル法ppt pdf 線形識別の一般化 カーネルの構築法 最大マージン分類器 ソフトマージンの分類器 SVMによる回帰モデル SVM実装上の工夫 クラスタリングppt pdf 距離の定義 階層型クラスタリング K-means モデル推定ppt pdf 潜在変数のあるモデル EMアル
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
目次スライドを作成したい:PowerPoint2013基本講座