運営元のロゴ Copyright © 2007-2025 All Rights Reserved by Gijutsu-Hyoron Co., Ltd. ページ内容の全部あるいは一部を無断で利用することを禁止します。個別にライセンスが設定されている記事等はそのライセンスに従います。
機械学習 はじめよう 記事一覧 | gihyo.jp
運営元のロゴ Copyright © 2007-2025 All Rights Reserved by Gijutsu-Hyoron Co., Ltd. ページ内容の全部あるいは一部を無断で利用することを禁止します。個別にライセンスが設定されている記事等はそのライセンスに従います。
Apache Mahout - Overview
For Creating Scalable Performant Machine Learning Applications Download Mahout Apache Mahout(TM) is a distributed linear algebra framework and mathematically expressive Scala DSL designed to let mathematicians, statisticians, and data scientists quickly implement their own algorithms. Apache Spark is the recommended out-of-the-box distributed back-end, or can be extended to other distributed backe
速水桃子「パターン認識と機械学習入門」
東京大学 松尾研究室が主催する深層強化学習サマースクールの講義で今井が使用した資料の公開版です． 強化学習の基礎的な概念や理論から最新の深層強化学習アルゴリズムまで解説しています．巻末には強化学習を勉強するにあたって有用な他資料への案内も載せました． 主に以下のような強化学習の概念やアルゴリズムの紹介をしています． ・マルコフ決定過程 ・ベルマン方程式 ・モデルフリー強化学習 ・モデルベース強化学習 ・TD学習 ・Q学習 ・SARSA ・適格度トレース ・関数近似 ・方策勾配法 ・方策勾配定理 ・DPG ・DDPG ・TRPO ・PPO ・SAC ・Actor-Critic ・DQN（Deep Q-Network） ・経験再生 ・Double DQN ・Prioritized Experience Replay ・Dueling Network ・Categorical DQN ・Nois
情報推薦システム入門 - 共立出版
なぜ衝動買いしてしまうのか？ 蓄積されるあなたの思考（嗜好） この1冊で推薦システムの体系を網羅 本書は、推薦システムに関する基本的な技術から最先端のトピックまでを体系的にまとめられており、情報推薦分野の概観を把握するのに最適の入門書である。推薦システムは、情報検索や情報フィルタリング、文書分類など、さまざまな研究領域における基礎となり、機械学習やデータマイニング、知識ベースシステムなど、異なる分野の手法が用いられている。本書では、これらの分野の概説が丁寧に説明されている。学生から社会人までにお勧めする。日常から経験している情報推薦技術とは何か、いかにして推薦内容を決めているのかについて体系的に学べる入門書！ 第1章 はじめに 1.1 第1部：基本概念への手引き 1.2 第2部：最新動向 第2章 協調型推薦 2.1 ユーザベースの最近傍推薦 2.2 アイテムベースの最近傍推薦 2.3 評価
米スタンフォード大学が「機械学習」「データベース」「人工知能」の無料オンライン授業を今秋から開始 − Publickey
米スタンフォード大学は、今秋から同大学で行われているコンピュータサイエンスの講義のうち、3つのコースをオンラインで無料公開することを発表しました。 公開されるのは、「Machine Learning」（機械学習）、「Introduction to Databases」（データベース入門）、「Introduction to Artificial Intelligence」（人工知能入門）の3コース。どのコースも今年の10月に開講し12月に終了する3カ月間の予定。コースによっては実際の講義とほぼ同様の宿題も用意され、提出すると自動採点してくれるようです。 機械学習のコースを担当するAndrew Ng准教授は発表の中で次のようにコメントしています。 “Both in the United States and elsewhere, many people simply do not have a
グーグル、機械学習システム構築プロジェクトの成果を公表
Googleは、究極の機械学習システムを構築しようと努めており、その試みから独自の教訓を得ることができた。 このプロジェクトは、地球外生命体の探索プロジェクトにちなんで「Seti」という開発コード名が付けられており、Googleが「困難な予測問題」と呼ぶ問題を解決するために膨大なデータセットが用いられている。同社は、米国時間4月6日の公式ブログへの投稿で、このプロジェクト名を明らかにしつつ、エンジニアリングの限界を認めた。 Googleによると、同社の共同創設者であるSergey Brin氏およびLarry Page氏にとって、機械学習は好まれるトピックとなっており、翻訳アルゴリズムや語義の理解の改善を図る上で有用であると考えられているという。しかしながら、当然ではあるが、非常に複雑な概念でもあり、こうしたシステムを利用することができたGoogleのコンピュータ科学者にさえも難題を突きつけ
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
The War Against Spam: A report from the front line
Lessons learned developing a practical large scale machine learning system