[B! 機械学習] mitsutoのブックマーク

Google Colaboratoryを使えば環境構築不要・無料でPythonの機械学習ができて最高 - karaage. [からあげ]

Google Colaboratoryが便利最近、Google Colaboratoryがちょっと気になっていたのですが、タダケン (id:tadaken3)さんの以下記事に分かりやすく使い方が書いてあったのをきっかけに試して見ました。結論から言うと、これ良いですね。Google Colaboratoryには以下の特徴（利点）があります。ローカルPCに必要なのはブラウザ（Google Chrome）のみクラウド上にPython環境がありPython2/3 両方使える機械学習に必要なライブラリは、ある程度プリインストールされている（numpy, matplotlib, TensorFlow等）必要なライブラリは !pip installでインストールできる日本語フォントも（ちょっと工夫すれば）使える無料で使える。なんとGPUも12時間分を無料で使える！これ死角無さすぎでは…

mitsuto 2019/03/28

機械学習

リンク

Google Colabの知っておくべき使い方 – Google Colaboratoryのメリット・デメリットや基本操作のまとめ

機械学習エンジニア界隈で話題沸騰となっているGoogle Colaboratory（グーグル・コラボレイトリー）。本記事では概要とGoogle Colabの知っておくべき基本的な使い方をまとめました！すでに機械学習をやっている方や、これから機械学習を学んでみたいと考えている方で、下記のような事を感じたことはありませんか？「訓練やデータ処理をやるのにローカルPCだと処理に時間がかかりすぎる」「機械学習用にクラウド環境を立てたけど…思ったより費用が高い」「機械学習は色々とライブラリが多くて環境構築がしんどい」もし一つでも当てはまるものがあれば、Google Colabがそんな悩みを解決してくれます！機械学習の開発環境の新基準となる可能性も高いGoogle Colab、概要や基本的な使い方をみていきましょう。 Google Colaboratoryとは？ Google Colab（略式

mitsuto 2018/10/11

リンク

私の会社の機械学習経験ゼロの「ディープラーニングおじさん」が会社のAI戦略を動かすまで - karaage. [からあげ]

ディープラーニングおじさん私の会社には「ディープラーニングおじさん」がいます。「います」といっても私が勝手に一人で心の中でそう呼んでいるだけですが…ともかく、今日はその「ディープラーニングおじさん」が、機械学習経験ゼロから、最終的に会社を動かすまでの華麗なる軌跡を紹介したいと思います。なお、会社に関する情報は、私の都合である程度、虚実入り混じった情報になることご了承ください。今回の話で伝えたいことに関しては、影響は無い範囲とは思っています。ディープラーニングおじさんの華麗なる軌跡自分のツイートを「ディープラーニングおじさん」で検索したら、最初に引っかかったのが2016年10月ころでした。もう1年半くらい前ですね。自分も個人で少しだけディープラーニング試したりしてるので、ディープラーニングおじさんに少しだけ自分の知ってる情報を提供してみたけど、おじさん何も聞かずに特攻しててワロタw

mitsuto 2018/10/09

リンク

機械学習に数学が必要と聞いて勉強を始めたがなかなか進まない - 調べるブログ

Pythonを利用した機械学習が人気だ。筆者が勤務する会社でも先輩が機械学習の勉強をしているようで、エンジニアの教養の一つとして筆者も始めてみることにした。数学の勉強が進まないというのが初夏の話で、じつはいきなり数学で挫折した。工学部を出ていて社会人になってすぐに微分・積分やら仕事で使っていたというのにこの体たらく。久々の数学ということで「やさしく学ぶ」というキーワードに惹かれて書籍を読んでみたが序盤で既に公式がよくわからない。これはあれだ、学生時代の公式暗記と問題を解く、なんてやり方では全く歯が立たない。やさしく学ぶ機械学習を理解するための数学のきほんアヤノ＆ミオと一緒に学ぶ機械学習の理論と数学、実装まで作者: 立石賢吾（LINE Fukuoka株式会社）出版社/メーカー: マイナビ出版発売日: 2017/09/20 メディア: Kindle版この商品を含むブログを

mitsuto 2018/10/09

機械学習

リンク

OSSベースの機械学習が強い理由

英語版はこちら。 TensorFlowの登場以降、OSSベースの機械学習の盛り上がりは加速しています。Kerasの作者のFrançois Cholletさんの言葉が、この状況を非常に端的に表しています。これだけでも十分だとは思いますが、この記事では、なぜオープンソースの機械学習が強いのか、最近のどういった流れがあるのかを整理したいと思います。 tl;dr機械学習やDeep Learningのフレームワークが充実してきた論文が査読前に公開され、他社も簡単にアルゴリズムの検証ができるようになった多くのプレーヤーの参戦により、アカデミアでの機械学習の研究がレッドオーシャン化した他社にないアルゴリズムで一発勝負、実装は秘密、というアプローチが厳しい牧歌的な時代5年前10年前の世界では、先端の機械学習に取り組んでいるのは大学などの研究室、大企業の研究所や一部の先進的な企業がほとんどでした。特に、ラベ

mitsuto 2017/08/14

機械学習

リンク

機械学習でも定番のPythonライブラリ「NumPy」の初心者向け使い方チュートリアル - paiza times

秋山です。私は主にPythonを使って開発をしているので、以前Pythonの便利なライブラリやフレームワークを紹介する記事を書いたのですが（後でリンク貼りますね）、今回はその記事でも紹介したNumPy（なむぱいと読みます）という数値計算用ライブラリの使い方チュートリアルを書きたいと思います。 NumPyは機械学習やディープラーニングなどを学ぶ上でも前提知識とされることが多いため、これからその辺の分野の勉強をしてみたい人の参考になればと思います。チュートリアルの実行環境は、ブラウザだけでPythonもNumPyも使えるオンラインのプログラミング実行環境「paiza.IO (パイザ・アイオー)」を使っていきます。 ■NumPyにおける配列 NumPyにおける配列は"ndarray"という形式になっていて、このndarrayはいろいろな機能を持っています。まず、普通のリストをndarray