タグ

2017年9月12日のブックマーク (5件)

  • ハイパーパラメータ自動調整いろいろ - Qiita

    Kerasでハイパーパラメータの自動調整いろいろ ディープラーニングを使う際の大きな課題の一つがハイパーパラメータのチューニングです。 ニューラルネットワークのニューロン数やドロップ率、ラーニング率といったパラメータを調整し、より良いモデルを作る必要があります。 どのパラメータ値が良いのかは先例や経験から決めることができますが、始めてのモデルを使う場合は、やはりパラメータのチューニングをしなければなりません。 ハイパーパラメータ・チューニングの方法は手動調整と自動調整があります。 手動でパラメータを試していくよりも、やはり自動調整でパラメータを探索していくほうが便利です。 パラメータ自動調整の方法 ニューラルネットワークに限りませんが、機械学習のパラメータ調整を行う方法は多種多様にあります。以下に例を挙げます。 ランダム・サーチ RandomizedSearchCV: ランダムにパラメータ

    ハイパーパラメータ自動調整いろいろ - Qiita
    jusuke
    jusuke 2017/09/12
  • CentOS7で機械学習の環境をさくっと作る手順 - Qiita

    はじめに 中古パソコンを使って機械学習の環境を整備するということを始めたので、備忘のために手順をメモしておきます。 主な手順 CentOSのダウンロードとインストール yumにてPython3関連のソフトウェア取得 pip3にてPython3のライブラリ取得 Jupyter Notebookの設定 CentOSのダウンロードとインストール 以下のリンク先でisoファイルを入手できます。 Download CentOS isoファイルのデータをDVDまたはUSBメモリに書き込み、パソコンへインストールします。 インストールが終われば、再起動してログイン。 IPアドレスを確認するために以下のコマンドを実行。

    CentOS7で機械学習の環境をさくっと作る手順 - Qiita
    jusuke
    jusuke 2017/09/12
  • 高校生にWeb上でプログラミングを教え始めたエンジニアがこの8ヶ月間で得た気づき - Qiita

    画像: N高等学校課外授業(N予備校)での生放送授業のブラウザ上での見た目、コメントが書ける 目次 はじめに 教えることになったきっかけ Web企業にエンジニアとして就職できるようになる、というミッション 既存のWeb教材に感じた問題意識 「各自進められるゲームブック形式の教材」と「徹底的にフォローする生放送授業」 コンセプトをもとに構成されたコースと内容 ゼロからプログラミングができるようになった人が生まれた日 永劫、プログラミングは一部の天才たちのためのものか? プログラミング学習のモチベーションの課題と対応 まじめなオタクたちが社会をよくしようと頑張ること さいごに はじめに 自分はこの8ヶ月間、Web上で非対面のプログラミング教育、具体的にはHTML教材と生放送授業を中心としたプログラミング教育をN高等学校の生徒に行ってきました。 ここに書かれている内容は、これからプログラミング教

    高校生にWeb上でプログラミングを教え始めたエンジニアがこの8ヶ月間で得た気づき - Qiita
    jusuke
    jusuke 2017/09/12
    “思考の整理学”
  • パナソニック、三次元距離センサ3D LiDAR開発--自律移動ロボットなどに活用

    パナソニックオートモーティブ&インダストリアルシステムズ社は9月11日、周囲にある物体までの距離と方向を正確に計測できる三次元距離センサ3D LiDARを開発したと発表した。自律移動ロボットの安定走行に貢献するという。2018年1月にサンプル出荷を予定している。 3D LiDARは、パルス状に発光するレーザ光を対象物に照射し、反射した散乱光が戻ってくるまでの時間から距離を計測するセンサ。パナソニックは、光ディスクドライブ事業で培った光学設計技術とモータ制御技術の活用することで、独自構造を用いたレーザスキャン技術を開発。垂直方向60度、水平方向270度の広角スキャンを実現した。 特に垂直方向の計測範囲を広くすることで、路面上の障害物や路面の凹凸状態の正確な検知が可能。スキャン範囲や解像度も可変できるため、人が行き交う施設内や屋外を走行する自律移動ロボットの普及加速に貢献するとしている。 パナ

    パナソニック、三次元距離センサ3D LiDAR開発--自律移動ロボットなどに活用
    jusuke
    jusuke 2017/09/12
  • Yahoo!の異常検知フレームワーク"EGADS"

    Yahoo!がOSSとして開発している異常検知フレームワーク "EGADS" (Extensible Generic Anomaly Detection System) について書いた次の論文を読んだ: Generic and Scalable Framework for Automated Time-series Anomaly Detection (KDD 2015) リアルタイムなデータをモデリングする種のアルゴリズムの実装とはどうあるべきなのか、という話は難しい。 僕も異常検知や情報推薦のためのアルゴリズムをパッケージ化してみてはいるものの、 時系列データの入力、モデリング、予測、出力といったコンポーネントをいかに切り分けて実装するか バッチとオンラインアルゴリズムのバランスをいかに取るか どこまで自動化して、どこにヒューリスティクスを取り入れる余地を残すか といった点は当に悩ま

    Yahoo!の異常検知フレームワーク"EGADS"
    jusuke
    jusuke 2017/09/12