Pythonコードを交えて学ぶ関数解析 - noppoman - BOOTH
■本書の内容 本書は関数解析の入門書ですが、関数解析はとても抽象的な理論を多く扱います。よって、プログラミングで表現可能な理論に関してはPythonを用いてその理論を再現し、抽象的な概念をある程度コードで追えるようなことをひとつの目標としています。扱う分野に関しては、目次を御覧ください。また、noteで第2章までの試し読みを公開しておりますので、本書に興味を持っていただいた方は先に試し読みを読まれることをおすすめします。 試し読みはこちら: https://note.com/noppoman/n/n7f208564351d ページ数: 189P + まえがき、あとがき等 ■サポートページ ソースコードや正誤表については以下のサポートページへアクセスください。 https://github.com/noppoMan/learning-functional-analysis-with-pyth
本の要約サイト flier (フライヤー) - 1冊10分で読めるビジネス書の要約サイト/おすすめ本を新刊から名著までご紹介
「あかるく・たのしく・すこやかに」といった標語を学校などでよく見かける。小学校に入ると、たくさんのクラスメートがいる。そ...
DeepXplore: Automated Whitebox Testing of Deep Learning Systems <a rel="nofol...
DeepXplore: Automated Whitebox Testing of Deep Learning Systems https://arxiv.org/abs/1705.06640 DNNのテストのために、複数のDNNで予測結果が異なる、もしくは各ニューロンが活性化したかどうかで定義されるニューロンカバレッジを増やすようなテストケースの生成を行うというもの。 「あるDNNだけ予測結果が異なる」ことと「まだ活性化したことのないニューロンが活性化する」ことの２つを組み合わせた目的関数で勾配法で最適化する（ただし、それだとあり得ない入力を生成してしまうので、勾配をそのまま適用する代わりにドメインの制約を反映した形に変更したうえで適用してる）。 DNNの振る舞いのコーナーケースを突くような入力の生成という意味では、敵対的サンプル(adversarial example)を生成などもあっ
Machine Learning Testing: Survey, Landscapes and Horizons
This paper provides a comprehensive survey of Machine Learning Testing (ML testing) research. It covers 144 papers on testing properties (e.g., correctness, robustness, and fairness), testing components (e.g., the data, learning program, and framework), testing workflow (e.g., test generation and test evaluation), and application scenarios (e.g., autonomous driving, machine translation). The paper
KaggleOpsを考える ~ MLflow + Colaboratory + Kaggle Notebook ~ - GMOインターネットグループ グループ研究開発本部
2020.10.05 KaggleOpsを考える ~ MLflow + Colaboratory + Kaggle Notebook ~ こんにちは。次世代システム研究室のY. O.です。 筆者はデータ分析のスキルアップのためにkaggleというデータ分析プラットフォームを活用しています。kaggleを始めてから約2年間を経て、スキルアップの枠を超え、趣味・生活の一部・etc.になってきてしまっているのも認めざるを得ません。。。 今回は、先日kaggleの自然言語処理コンペ（Tweet Sentiment Extraction）で2位になった結果を題材に、振り返りの意味を込めて”こうしておけば良かった”という点をMLOpsの観点でまとめていきたいと思います。 ここで、kaggleを取り巻くMLOpsの構成をKaggleOpsと勝手に呼ぶこととし、少なくとも筆者は今後のコンペでも以下にまとめ
若手から見たリモートワーク時代のチームビルディング | BLOG - DeNA Engineering
2020 年 4 月にコロナの影響による緊急事態宣言が発令されて久しい今日この頃ですが、多くの会社でリモートワークが余儀なくされ働き方が大きく変わりました。 DeNA がリモートワーク可能な体制へと迅速に切り替えていく中で、私自身リモートワークによる業務が9割以上を占めました。私や私の所属するチームだけでなく日本中でも働くことに対する考え方が大きく変わるタイミングだったのではないでしょうか。（DeNAでは緊急事態宣言が発令される前には全社的にリモートワークがすでに可能なレベルにまで整備され、とてもスピーディーにリモートワークへと移行できました。制度や勤務体制など様々な整備をしてくださったことにとても感謝しています。） その中で、私たちがチームのコミュニケーションや課題を改善するためにどう工夫したのかをお伝えすることで読んでくださる方のチームのチームビルディングの一助にして欲しいと願っていま
GitHub - rlabbe/Kalman-and-Bayesian-Filters-in-Python: Kalman Filter book using Jupyter Notebook. Focuses on building intuition and experience, not formal proofs. Includes Kalman filters,extended Kalman filters, unscented Kalman filters, particle filters,
Kalman and Bayesian Filters in Python Introductory text for Kalman and Bayesian filters. All code is written in Python, and the book itself is written using Jupyter Notebook so that you can run and modify the code in your browser. What better way to learn? "Kalman and Bayesian Filters in Python" looks amazing! ... your book is just what I needed - Allen Downey, Professor and O'Reilly author. Thank
Variational Autoencoders with Tensorflow Probability Layers
Posted by Ian Fischer, Alex Alemi, Joshua V. Dillon, and the TFP Team At the 2019 TensorFlow Developer Summit, we announced TensorFlow Probability (TFP) Layers. In that presentation, we showed how to build a powerful regression model in very few lines of code. Here, we will show how easy it is to make a Variational Autoencoder (VAE) using TFP Layers. TensorFlow Probability LayersTFP Layers provide
TensorFlow Probability のツアー
TensorFlow Probability のツアー コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 この Colab では、TensorFlow Probability の基本的な機能の一部を紹介します。 依存関係と前提条件 Import Toggle code from pprint import pprint import matplotlib.pyplot as plt import numpy as np import seaborn as sns import tensorflow.compat.v2 as tf tf.enable_v2_behavior() import tensorflow_probability as tfp sns.reset_defaults() sns.set_context(context='talk',fon
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
ずっと真夜中でいいのに。OFFICIAL STORE "闇なべ魔法専門店
GitHub - eugeneyan/applied-ml: 📚 Papers & tech blogs by companies sharing their work on data science & machine learning in production.
GitHub - jamarju/riiid-acp-pub: Riiid! Answer Correctness Predction 3rd place solution
Facebook、リアルタイムにデータをグラフ化する「Visdom」、オープンソースとして公開
【2020年新人研修資料】ナウでヤングなPython開発入門
What is Data Science at Lyft?
【漫画】パラダイムシフト①ぼくんち こんな感じの漫画です、表現とか苦手.. | -EMI- さんのマンガ | ツイコミ(仮)
yuooka - Overview
Kalman-and-Bayesian-Filters-in-Python/12-Particle-Filters.ipynb at master · rlabbe/Kalman-and-Bayesian-Filters-in-Python
probability/tensorflow_probability/examples at main · tensorflow/probability
Google Colab