Abstract We explore building generative neural network models of popular reinforcement learning environments. Our world model can be trained quickly in an unsupervised manner to learn a compressed spatial and temporal representation of the environment. By using features extracted from the world model as inputs to an agent, we can train a very compact and simple policy that can solve the required t

by Henti Smith 私たちヒトは寝ているときに夢を見ますが、夢の内容はとりとめがなく馬鹿馬鹿しいモノであることがほとんど。そんな夢の中で「人工知能に1993年発売の名作FPSゲーム『DOOM』をプレイさせる」という実験を、ディープラーニングの研究者たちは行っているとMotherboardが報じています。 World Models https://worldmodels.github.io/ Watch a Computer Learn to Play ‘DOOM’ Inside a Dream - Motherboard https://motherboard.vice.com/en_us/article/43bxjj/watch-deep-learning-ai-computer-play-doom-dream 「夢の中で現実世界に通じるスキルを学習し、起きている最中にそれを生

How to easily Detect Objects with Deep Learning on Raspberry Pi This post demonstrates how you can do object detection using a Raspberry Pi. Like cars on a road, oranges in a fridge, signatures in a document and teslas in space. The real world poses challenges like having limited data and having tiny hardware like Mobile Phones and Raspberry Pis which can’t run complex Deep Learning models. This p

筆不精なのでこのブログも放置気味だったのですが、まあ流石にそろそろ少しずつでも今まで貯めた込んだものを書き残した方が良い気がしてきた。 なので、これからなんか書いていきます。 最初はDeep Learningの記事にしようとも思ったけど、社内勉強会でLDAをまとめてたのを思い出したのでまずはこれから書こうと思います。 注意書き 理論 1.LDAの前に「トピックモデル」とは 2.LDAとは*2 3.LDAで使う確率分布 カテゴリカル分布（マルチヌーイ分布） Dirichlet(ディリクレ)分布 4.確率的生成モデル 5.グラフィカルモデル表現 6.LDAの解釈 7.経験ベイズ(Empirical Bayes) 8.変分ベイズ法(Variational Bayesian methods) 9.平均場近似(Mean field approximation) 10.変分下限とKullback-Le

Artificial Intelligence (AI) is the mantra of the current era. The phrase is intoned by technologists, academicians, journalists and venture capitalists alike. As with many phrases that cross over from technical academic fields into general circulation, there is significant misunderstanding accompanying the use of the phrase. But this is not the classical case of the public not understanding the s

BOEチーフエコノミストのアンドリュー・ホールデンが、ビッグデータをテーマに講演している（H/T Mostly Economics）。 その中で、ビッグデータに対する経済学者とデータサイエンティストの態度の違いについて以下のように述べている。 The first thing to say is that Big Data and data analytic techniques are not new. Nonetheless, over recent years they have become one of the most rapidly rising growth areas in academic and commercial circles. Over that period, data has become the new oil; data analytic techniq

Kaggle BlogOfficial Kaggle Blog ft. interviews from top data science competitors and more!

なぜかここ2-3年くらい「仕事のモチベーションはなんですか？」っていう質問を受け取るんですね。 おそらく、仕事のモチベーションがなくて困っている人が多いのかなあ、と解釈しました。そして、探し続けて疲れちゃっている感じもするんですよね。 というわけで、そういう人に向けて記事を書いてみようと思います。 ---✂--- まず、考えておきたいのが、モチベーションとはなんぞや、という話です。はい、簡単ですね。「なんかする時の動機づけ」です。 ただ、動機づけっていう言葉がたぶんわかりづらいんですよね。目的意識、みたいな感じなんだと思いますが、それでもよくわからない。 「モチベーションってよくわからない」となった結果、日本だとモチベーションという単語が拡大解釈されちゃったんだと思います。 で、モチベーションについて悩んでいる人に話しを聞くとよくある間違いがいくつかありました。 ---✂--- まずその1