データサイエンティスト養成読本機械学習入門編の振り返りと補足 - sfchaos's blog
9月10日，技術評論社より「データサイエンティスト養成読本 機械学習入門編」が発売され，おかげさまで約1ヶ月後には増刷が決定しました． お読みいただいた方々に深くお礼申し上げます． データサイエンティスト養成読本 機械学習入門編 (Software Design plus) 作者: 比戸将平,馬場雪乃,里洋平,戸嶋龍哉,得居誠也,福島真太朗,加藤公一,関喜史,阿部厳,熊崎宏樹出版社/メーカー: 技術評論社発売日: 2015/09/10メディア: 大型本この商品を含むブログ (7件) を見るまた，出版日の夜には，KDDIウェブコミュニケーションズ様で刊行記念イベントが行われました． 「データサイエンティスト養成読本 機械学習入門編」刊行記念イベント 私も著者の一人として参加させていただきました． 足元が優れない中ご参加いただいた方々，会場を提供いただいたKDDIウェブコミュニケーションズ様，
駄目絶対音感 - 驚異のアニヲタ社会復帰の予備
声優統計第四号において、駄目絶対音感の例として、レベルネオのCMの声優を日笠陽子と誤答する例が紹介されている。実際には早見沙織である。 声優の声の解析は声優統計および自分自身においても長らく滞っている分野であり、声優統計第五号がいろんなまとめサイトで取り上げられてバズっていた間にネット難民だった自分は取り残されていた。 そんなこんなで1月の間は信号解析について勉強していたのだが、ブログの更新も全然ｪ…だったため、適当に下書き状態で書き進めつつ、がんばって書いた。というのも、一記事の情報量が多ければ多いほどIFの高い雑誌に採択されやすい適当に拡散されていろんな人の目に留まりやすいのですごい分量になっている…と思う(下書きの最初の時点では全然ｪ…) 基本的にはPythonで音声信号処理のPythonスクリプトとMiyazawa’s Pukiwiki 公開版のmatlabスクリプトをRに書き下し
第44回 データマイニング+WEB ＠東京 ( #TokyoWebmining 44th ) − 大規模分散・パーソナライズ 実活用 祭り −を開催しました - hamadakoichi blog
2015/03/21 "第44回 データマイニング+WEB ＠東京 ( #TokyoWebmining 44th ) − 大規模分散・パーソナライズ 実活用 祭り −" を開催しました。 第44回 データマイニング+WEB ＠東京 ( #TokyoWebmining 44th ) − 大規模分散・パーソナライズ 実活用 祭り − Eventbrite Google グループ 会場提供し運営を手伝って下さった SmartNews のみなさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。会場参加、USTREAM参加ともに多くの方々の参加を嬉しく思っています。 参加者ID・バックグラウンド一覧 参加者Twitter List : tokyowebmining-44 参加者セキココ：第44回 データマイニング+WEB ＠東京 セキココ (作成してくれた [T
RとPythonによるデータ解析入門
講演者: 椿 真史 氏 (産業技術総合研究所 人工知能研究センター 研究員) 概要: 本講演では、創薬・材料科学への機械学習応用について紹介する。特に近年、グラフ構造データに対する深層学習手法であるグラフニューラル（畳み込み）ネットワークが流行しており、創薬や材料で扱われる分子化合物や結晶について、その物性や機能を高精度で予測できるようになってきた。その一方で、深層学習のモデリング自体が機械学習コミュニティのみで肥大化し、結果の解釈性だけでなく、量子物理・化学の観点から様々な問題もある。本講演を通して、深層学習の科学データへの応用に関する正と負の側面について議論したい。 Link: https://stair.center/archives/events/ai-seminar-026
可視化周辺の進化がヤヴァイ～rChartsを中心として～
TDD bootcamp 札幌2.0 http://atnd.org/events/15811 の自己紹介で使った資料です。
統計を学びたい人へ贈る、統計解析に使えるデータセットまとめ - ほくそ笑む
はじめに 統計解析の手法を学ぶのに、教科書を読むのは素晴らしい学習方法です。 しかし、教科書で理論的なことを学んだだけでは、統計手法を使いこなせるようにはなりません。 統計解析手法を身につけるには、実際のデータについて手法を適用し、パラメータを変えるなどの試行錯誤を行い、結果を考察するというような経験を積むことが大切です。 それでは実際のデータをどうやって手に入れましょうか？ 実験や調査をして実際のデータを得るのは大変でお金もかかります。 幸運なことに、世の中には適度なサイズの自由に使えるデータがたくさん存在します。 例えば、統計言語 R には、100以上ものデータセットがデフォルトで付属しています。 ただし、不幸なことに、それらのほとんどは英語で説明が書かれています。 英語は、いつかは乗り越えなければならない壁ですが、最初のうちはちょっと避けて通りたいところです。 というわけで、今日は、
The R language, for programmers
Outline Introduction Assignment and underscore Variable name gotchas Vectors Sequences Types Boolean operators Lists Matrices Missing values and NaNs Comments Functions Scope Misc. Other resources Introduction I have written software professionally in perhaps a dozen programming languages, and the hardest language for me to learn has been R. The language is actually fairly simple, but it is unconv
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
