This domain may be for sale!
この教科書は、はてなサマーインターンの講義資料として作成されたものです: https://github.com/hatena/Hatena-Textbook この章では機械学習について、Webサービスの開発で必要とされる知識を中心に、とくに自然言語処理にフォーカスしながら解説します。 Webサービス開発と機械学習 実現困難な機能の例 闇雲な実装 もう少しましな実装 機械学習によるパラメータ決定 分類問題のための機械学習手法 パーセプトロン 判別アルゴリズム 学習アルゴリズム 特徴量のとり方 形態素解析 量をともなう特徴 組み合わせ特徴量 モデル 機械学習の種類 教師あり学習 分類 (質的変数の予測) 回帰 (量的変数の予測) 教師あり学習でのデータセット 教師なし学習 クラスタリング 次元削減(次元圧縮) 頻出パターンマイニング 異常値検出 アルゴリズムの評価 訓練データとテストデータ 学
人工知能は万能ではありません。人工知能にも向く仕事と向かない仕事があります。また、どんな人工知能かによっても向き不向きがあります。前回は人工知能の分類を試みました(関連記事:機械学習や深層学習ばかりが人工知能じゃない)。今回は、人工知能をどのように使い分けるかのコツを紹介していきます。 2種類の人工知能をあらためて比較 まずは、人工知能はどういうものかをおさらいしましょう。前回までに説明したとおり、人工知能は、記号処理的人工知能と、非記号処理的人工知能に分けることができます。 記号処理的人工知能は、厳密に「記号」を定義してトップダウン的に処理を進めます。これに対して、パターン認識などの非記号処理的人工知能は、厳密な記号を定義せず、多数のパターンを収集・分析し、それをベースにボトムアップ的に処理を進めます。両者の比較を表に示します。
Deep Learningを勉強するにあたって内容がまとまっている教材についてリスト化しました。 無論ここに挙げたもの以外にも充実した教材は多数存在します。また、全てを読んだり観たりしたわけではありませんので、コメントは参考程度に考えてください。 (追記) ときどき追記/編集していきます。 (以下、一部敬称略) Bengio オンライン本 Yoshua Bengio, Ian Goodfellow and Aaron Courville http://www.iro.umontreal.ca/~bengioy/dlbook/version-07-08-2015/dlbook.html 現在Web上で閲覧可能。 いつか出版される。終盤はまだ執筆中。 これ一冊で根っこの理論はバッチリそう。天下のBengioさんなので情報の信頼性、網羅性、深みは高い。全部やると分量すごい。 Nielsen オン
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
処理を実行中です
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