15 min rule: when stuck, you HAVE to try on your own for 15 min; after 15 min, you HAVE to ask for help.- Brain AMA https://t.co/MS7FnjXoGH
Rachel Thomas on Twitter: "15 min rule: when stuck, you HAVE to try on your own for 15 min; after 15 min, you HAVE to ask for help.- Brain AMA https://t.co/MS7FnjXoGH"
15 min rule: when stuck, you HAVE to try on your own for 15 min; after 15 min, you HAVE to ask for help.- Brain AMA https://t.co/MS7FnjXoGH
Time Series Prediction with Deep Learning in Keras - MachineLearningMastery.com
Time Series prediction is a difficult problem both to frame and address with machine learning. In this post, you will discover how to develop neural network models for time series prediction in Python using the Keras deep learning library. After reading this post, you will know: About the airline passengers univariate time series prediction problem How to phrase time series prediction as a regress
人工知能をビジネス活用する際の“覚悟と努力”とは？
国内の”知の最前線”から、変革の先の起こり得る未来を伝えるアスキーエキスパート。KDDI研究所の帆足啓一郎氏による人工知能についての最新動向をお届けします。 人工知能の技術の発展に関する華やかな話題が連日メディアを賑わしている。また、実際に「人工知能」の活用をうたうサービスを提供する大小さまざまな企業が登場している。この流れを受け、自社のビジネスにも人工知能が活用できるのではないか？と、考えている読者も多いだろう。確かに、人工知能はうまく利用すればあらゆる事業の助けになりえる技術である。しかし、有効活用するためには気をつけなければならないポイントも多い。そこで今回は、技術としての人工知能をきちんと活用するために、ユーザである人間にとって必要な心がけについて紹介したい。 深層学習というブレークスルー 人工知能に興味を持っている読者であれば、どこかで以下の動画を見たことがあるかもしれない。 P
Deep Learning学習処理の高速化技術を開発 : 富士通
English PRESS RELEASE （技術） 2016年8月9日 株式会社富士通研究所 Deep Learning学習処理の高速化技術を開発 「AlexNet」においてGPU1台と比較し64台の並列化で27倍となるなど、世界最高速度を実現 株式会社富士通研究所（注1）（以下、富士通研究所）は、スーパーコンピュータのソフトウェア並列化技術を応用し、複数のGPUを使ってDeep Learningの学習速度を高速化するソフトウェア技術を開発しました。 従来、Deep Learningの高速化手法において、GPUを搭載した複数のコンピュータをネットワークで結合した並列化では、10数台を超えるとコンピュータ間のデータ共有時間が増加するため、次第に並列化の効果が得られにくくなることが課題でした。今回、このデータ共有を効率よく行う並列化技術を新規に開発し、世界で広く利用されているオープンソースソ
How to read: Character level deep learning
How to read: Character level deep learning UPDATE 30/03/2017: The repository code has been updated to tf 1.0 and keras 2.0! The repository will not be maintained any more. 2016, the year of the chat bots. Chat bots seem to be extremely popular these days, every other tech company is announcing some form of intelligent language interface. The truth is that language is everywhere, it’s the way we co
Deep Learning Javaプログラミング 深層学習の理論と実装 - インプレスブックス
「はじめに」より抜粋 ディープラーニングによって人工知能の実現に大きな一歩を踏み出したのは間違いない。一方で、ディープラーニングはまだまだ難解な分野であり、なかなか個人での学習が進めづらい分野だと思われているのが現実である。そこで本書では、ディープラーニングの理論と実装をきちんと習得するために、基礎となる機械学習のアルゴリズムをはじめ、ディープラーニングの理解に必要な数式や理論について図を交えながら一から学んでいく。…中略… 実装についても、簡潔でわかりやすいコードで書いているので、Javaの経験が浅くても問題ない。その場合、本書がJavaとディープラーニング双方の学びに役立てば幸いである。 著者プロフィール ◎ 巣籠悠輔（すごもり ゆうすけ） Gunosy、READYFORの創業メンバーとして、エンジニアリング、デザインを担当。大学院修了後は電通にてデジタルクリエイティブの企画・制作、デ
CodeIQについてのお知らせ
2018年4月25日をもちまして、 『CodeIQ』のプログラミング腕試しサービス、年収確約スカウトサービスは、 ITエンジニアのための年収確約スカウトサービス『moffers by CodeIQ』https://moffers.jp/ へ一本化いたしました。 これまで多くのITエンジニアの方に『CodeIQ』をご利用いただきまして、 改めて心より深く御礼申し上げます。 また、エンジニアのためのWebマガジン「CodeIQ MAGAZINE」は、 リクナビNEXTジャーナル( https://next.rikunabi.com/journal/ )に一部の記事の移行を予定しております。 今後は『moffers by CodeIQ』にて、 ITエンジニアの皆様のより良い転職をサポートするために、より一層努めてまいりますので、 引き続きご愛顧のほど何卒よろしくお願い申し上げます。 また、Cod
LeNet - Convolutional Neural Network in Python - PyImageSearch
In today’s blog post, we are going to implement our first Convolutional Neural Network (CNN) — LeNet — using Python and the Keras deep learning package. The LeNet architecture was first introduced by LeCun et al. in their 1998 paper, Gradient-Based Learning Applied to Document Recognition. As the name of the paper suggests, the authors’ implementation of LeNet was used primarily for OCR and charac
The Best GPUs for Deep Learning in 2023 — An In-depth Analysis
OverviewThis blog post is structured in the following way. First, I will explain what makes a GPU fast. I will discuss CPUs vs GPUs, Tensor Cores, memory bandwidth, and the memory hierarchy of GPUs and how these relate to deep learning performance. These explanations might help you get a more intuitive sense of what to look for in a GPU. I discuss the unique features of the new NVIDIA RTX 40 Amper
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
ディープラーニング・深層学習を勉強する人におすすめの本など紹介 - Qiita
GitHub - daviddao/awesome-very-deep-learning: ♾A curated list of papers and code about very deep neural networks
TechCrunch | Startup and Technology News
GitHub - tiny-dnn/tiny-dnn: header only, dependency-free deep learning framework in C++14
Amazon.co.jp: ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装: 斎藤康毅: 本
Deep Learning のための Multi Layer Perceptron (数学的基礎から学ぶ Deep Learning with Python; MPS Yokohama Deep Learning Series) - Qiita
Deepdrive
Amazon.co.jp: Deep Learning Javaプログラミング 深層学習の理論と実装 (impress top gear): 巣籠悠輔: 本
GitHub - kevinlin311tw/caffe-cvprw15: :heart::coffee: Deep Learning of Binary Hash Codes for Fast Image Retrieval (CVPRW15)
GitHub - matthiasplappert/keras-rl: Deep Reinforcement Learning for Keras.
GitHub - fchollet/keras-resources: Directory of tutorials and open-source code repositories for working with Keras, the Python deep learning library
