はじめに — 機械学習帳import torch x = torch.tensor([1., -1.]) w = torch.tensor([1.0, 0.5], requires_grad=True) loss = -torch.dot(x, w).sigmoid().log() loss.backward() print(loss.item()) print(w.grad)
初心者向けTellus学習コース
初心者向けTellus学習コース 本教材は2020年度に提供した教材のため、Tellusの画面やAPIが現在の仕様と異なっている部分がありますのでご注意ください。 2018年度にリリースした衛星データをクラウド上で分析できる日本発の衛星データプラットフォーム「Tellus」は、2019年度にTellusをより多くの方にご活用いただけるようeラーニング講座を応募者への抽選登録制で提供してまいりましたが、2020年3月から、プログラミングと機械学習の基礎が学習できる「Tellus Trainer」と「初心者向け Tellus 学習コース」の2つのeラーニング講座を公開制限なしで提供することとなりました。 本教材「Tellus初心者向け学習コース」では、Python初心者向け教材となる基礎編と、Pythonで学ぶ実践的な衛星データ解析となる地理空間情報解析編（応用編）に分かれます。 基礎編では、
競馬予想 機械学習(LightGBM)で回収率100%超えたと思ったら、やらかしてた話 - Qiita
謝意 注意!!! この記事は完全にやらかしています ストックしてくれた人、申し訳ないです。 @hal27 様の指摘で気づくことができました、ありがとうございます。 ・やらかしたこと スクレイピング段階から致命的なミスを犯しました。 レース時点から前走3レース分のデータを取得していたつもりですが、実はスクレイピング実行時刻から最新の3レース分の情報を取得していました。 ただ、前走の情報を全く使わずに予測したところ、平均して90%ほどの回収率だったので、 正しいデータを使っても、100%は超えれるんじゃないかと思っています。 やり直します! この記事はやらかしちゃっててるんだなと思いながら見て下さい。（特に前走情報のスクレイピング部分に気を付けてください） はじめに 最近データ分析にはまっています。 データ分析コンペのKaggleをやっていて、私がよく思うのは「売上予測？もっと面白いテーマはな
機械学習で使う数学入門(社内勉強会) | DevelopersIO
社内勉強会で 機械学習で使う数学入門 の話をしました。 話した内容をブログにします。 目次 AI/ML/DL 人工知能(AI) 機械学習(ML) 深層学習(DL) 機械学習(モデル) MLの問題例 どう機械学習の問題を解くか 機械学習(目的関数) どのようにモデルの良し悪しを測るか 目的関数 目的関数の具体例1 目的関数の具体例2 微分 そもそも微分とは 微分でできること 勾配降下法 微分 まとめ 線形代数 線形代数とは 線形代数でできること 線形代数 まとめ 確率・統計 確率変数・確率分布 条件付き確率 ベイズの定理 混同行列(Confusion Martix) 確率・統計 まとめ 数学をどれくらい学ぶか とりあえず読もう 数式 微分 線形代数 確率・統計 自分の数学の勉強方法 Chainerチュートリアル Project Euler(プロジェクトオイラー) おわりに 参考 AI/ML/
かものはしの分析ブログ – データ分析などの情報を不定期で更新
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト 都内の事業会社で分析やWebマーケティングの仕事をしている「SKUE」と申します。大学・大学院では経済学を通じて統計解析を行うなどしておりました。 企業に勤めてからは、機械学習やテキストマイニングなどに関心を持つに至りました。 このブログでは、今後仕事で使いたいなと思うような情報をメインに扱っています。仕事で使ったものは載せれないので、できるだけ先回りして面白いものを扱っていけたらなと思います。 スライドシェアなど
ブラウザで動く落書き判定モデルの作り方 - エクサウィザーズ Engineer Blog
はじめに データセット モデル 学習 インターフェイスと使い方 1.ページを開く 2.絵を描く 3.判定させる 4.結果を見る 実行例 まとめ はじめに こんにちは。エクサウィザーズAIエンジニアの須藤です。 昨年の弊社忘年会の出し物として、落書き判定モデルを作りました。 お題に合わせて絵を書いて、AIにそれと判定させたら勝ちになるゲームです。 思いのほかちゃんと判定してくれて、ほっとしました。 取り立てて目新しさはありませんが、皆さんにも遊んでいただきたいと思い、ここで紹介します。 exaBaseのモデル詳細ページで実際に遊べます。 ブラウザだけで動作しますので、お気軽にお試しください。 データセット Googleが提供しているQuick, Draw!というゲームのデータを使用します。 これは、お題に合う絵を描いて、AIに判定してもらうというゲームです。 制限時間は20秒で、AIが候補に
趣味で機械学習を駆使して「ラーメン二郎bot」を作ったら、役員に褒められ人脈も広がり、仕事のモチベーションがグッと上がった話 | HRナビ by リクルート
ラーメン二郎をディープラーニングで判定!? ラーメンフリークではなくても、「ラーメン二郎」の名前を耳にしたことは、一度くらいはあるだろう。濃厚な豚ベースのスープと極太麺が織りなす力強い味、丼からあふれんばかりの豪快な盛りつけを愛するラーメン二郎ファンは、「ジロリアン」と呼ばれ、関東を中心に40ある店舗（2017年11月現在）の前に今日も列をなしているはずだ。 そんな熱狂的なファンを擁するラーメン二郎は、いわゆる本部統制型の飲食チェーン店ではない。そのため内装や製法、具材、味、盛り付けが店舗ごとに異なる。こうした各店の違いや個性に目をつけ、ディープラーニングでどの店舗のラーメンかを画像で見分けるモデルを開発した人物がいる。NTTコムウェアで道路の不具合検知システムの技術開発に携わっている土井賢治さんだ。 ギーク仲間にウケたい一心で開発に着手 NTTコムウェア株式会社 ビジネスインキュベーショ
「人工知能ってどこでダウンロードできるんですか？」→無理です
人工知能を理解している人と、全く分かっていない人を隔てる壁の1つに「人工知能はどこかでインストールできるプログラムだ」という誤解があります。私自身、「ダウンロードして使ってみたいんだけど」と相談された経験が何度もあります。 2017年現在、ビジネスの現場で「人工知能」という言葉が使われるとき、それが指し示す意味はほぼ「ディープラーニング（深層学習）」と同義です。そのため、Googleの機械学習ライブラリ「TensorFlow」や、Preferred Networksが開発したライブラリ「Chainer」がそうしたプログラムだと言えなくもありません。 しかし、これらは人工知能そのものを作れる汎用的なプログラムとはいえません。あくまで、人工知能が物事を学んだり、判断したりするための基準である「アルゴリズム」を作成するプログラムにすぎないためです。そのため、課題や状況に合わせて作り込む必要があり
Kerasで多変量LSTM - Qiita
単変量の時系列はkerasでもよく見るのですが、株価や売上などを予測する時などには複数の要因が関わってきますので、今回は複数の時系列データを使って予測してみました。 ソースの紹介 コード 「MACHINE LEARNING MASTERY」で紹介されているコードを基本に、多変量対応にしました。 Time Series Prediction with LSTM Recurrent Neural Networks in Python with Keras jupyterで見れるコードの全貌はこちら https://github.com/tizuo/keras/blob/master/LSTM%20with%20multi%20variables.ipynb データ サンプルデータは以下から拝借しました。一番左のice_salesを予測します。 アイスクリームの売れ方 ice_sales yea
サービスをつくるエンジニアが機械学習を学ぶべき3つの理由 - freee Developers Hub
こんにちは。freee 共同創業者 CTO の横路です。 freeeは現在、「スモールビジネスに携わるすべての人が創造的な活動にフォーカスできるよう」というミッションのもと、テクノロジーによる中小ビジネスのバックオフィス効率化とデータドリブンな経営意思決定支援を実現すべく、スモールビジネスAIラボチームを立ち上げて活動しています。 その中で、サービス・プロダクトづくりをリードし顧客に価値を届けてきたソフトウェアエンジニアこそ機械学習を学び、顧客の課題解決のいちオプションとして身につけはじめるべきだという実感を得たので、エンジニアリング対象としての機械学習について紹介します。 サービスをつくるエンジニアが機械学習を学ぶべき3つの理由 サービス開発で顧客に価値を届けるソフトウェアエンジニアこそが機械学習を学ぶべきだと思う理由は、以下の3つです。 サービスが対象としているトピックについて 深いド
人工知能はラーメン二郎を識別するか - Qiita
はじめに LINE BOT AWARDS向けにレコーディングダイエットのサービスを作ってみました 料理の画像を上げるとAIが自動的に識別してカロリー情報を返却してくれるというものです 要するにこの記事はそのサービスのステマなので早速BotのQRコードを貼っておきます！ 技術的には Qiitaなので技術面をご紹介。 Tensorflow上のInception-v3で料理の判定(Gunicorn + flaskでWebAPI化） LINE Messaging APIとのやりとり部分はHubot上で動作 アダプタはこちら 管理画面はRuby on Railsでさらっと ランタイム入り乱れてて、マイクロサービスアーキテクチャって感じです 後日このあたりの詳細は別の記事にしたいなと思っています。 ＃特にInception-v3でオリジナル画像でトレーニングするのは結構大変だったのでそのへんとか。 2
線画着色webサービスPaintsChainerを公開した - Qiita
http://paintschainer.preferred.tech こちらに先月記事にした線画の着色のデモを公開しました！！ 反響の大きかった皆さんに試していただけます！！（ちょっと期待値が上がり過ぎてないといいですがｗ） http://qiita.com/taizan/items/cf77fd37ec3a0bef5d9d 以前の記事『初心者がchainerで線画着色してみた。わりとできた。』はこちら。 ⇓そしてこちらがもじゃくっきーさんの使用例になっております。 GPUを使っている関係上アクセスが集中したりすると遅くなったりサーバーが落ちたりする可能性もありますが、生暖かく見守っていただければと思います。←たくさんの方に広まったこともあって、めっちゃ重くなっています。ぐぬぬぬ 画面はこんな感じっす。 線画ファイルを選択するととりあえず自動で塗ってくれます。 ※ただし、現状ではgifや
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
オープンソースのローコードPython機械学習ライブラリ「PyCaret 1.0.0」登場
データ収集からディープラーニングまで全て行って競馬の予測をしてみた - Qiita
機械学習のための数学入門
機械学習技術とその数理基盤
Large Scale Jirou Classification - ディープラーニングによるラーメン二郎全店舗識別
Google、機械学習ライブラリ「TensorFlow 1.0」正式版を初リリース 新コンパイラー「XLA」採用、8GPU環境で7.3倍、64GPU環境で58倍高速化