GitHub - oreilly-japan/ml-at-work: 電子書籍『仕事ではじめる機械学習』のサポートリポジトリですYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
仕事ではじめる機械学習
TOPICS Database 発行年月日 2018年01月 PRINT LENGTH 248 ISBN 978-4-87311-825-3 FORMAT PDF EPUB ソフトウェアエンジニアの間でも一般的な言葉になった「機械学習」。本書では、その機械学習やデータ分析の道具をどのようにビジネスに生かしていけば良いのか、また不確実性の高い機械学習プロジェクトの進め方などを「仕事で使う」という観点から整理します。 プロジェクトのはじめ方や、システム構成、学習のためのリソースの収集方法など、読者が「実際どうするの？」と気になるであろう点を中心にまとめています。上司に「人工知能でいい感じの成果を出してくれ」とあいまいな指示をされたとき、本書で学んだことが活きてくるに違いありません。 著者有賀さんの対談記事: 第1回 第2回 第3回 第4回 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた
Feature Engineering for Machine Learning
Scalars, Vectors, and SpacesDealing with CountsBinarizationQuantization or BinningLog TransformationLog Transform in ActionPower Transforms: Generalization of the Log TransformFeature Scaling or NormalizationMin-Max ScalingStandardization (Variance Scaling)ℓ2 NormalizationInteraction FeaturesFeature SelectionSummaryBibliography Bag-of-X: Turning Natural Text into Flat VectorsBag-of-WordsBag-of-n-G
Generative Adversarial Networks for beginners
Practical Generative Adversarial Networks for BeginnersYou can download and modify the code from this generative adversarial networks tutorial on GitHub here. According to Yann LeCun, “adversarial training is the coolest thing since sliced bread.” Sliced bread certainly never created this much excitement within the deep learning community. Generative adversarial networks—or GANs, for short—have dr
Caption this, with TensorFlow
Attention readers: We invite you to access the corresponding Python code and iPython notebooks for this article on GitHub. Image caption generation models combine recent advances in computer vision and machine translation to produce realistic image captions using neural networks. Neural image caption models are trained to maximize the likelihood of producing a caption given an input image, and can
5 software development trends shaping enterprise
Get the O'Reilly Programming Newsletter and receive weekly insight from industry insiders. The following piece was first published in the newsletter. Open source software development, infrastructure disruption and re-assembly, machine learning, and customer-first design are part of a perfect storm shaping the next massive digital transformation. You know the one that is creating amazing startups t
The Resurgence of C Programming
This is the full ebook “The Resurgence of C Programming,” by Mike Barlow. A downloadable edition of this ebook is also available. Way back in the early 1970s, learning C was a rite of passage for many students. By today’s standards, it’s not a very high-level language. But back in those early days, long before the arrival of Java and Python, C was considered high level, especially when compared to
Achieving cloud-native operability with microservices, DevOps, and continuous delivery
Software developers like to make lists of three things and then say, smugly, “Pick any two.” For example, the Project Management triangle is good, fast, cheap (pick any two), and the CAP Theorem offers consistency, availability, and partition tolerance (pick any two). When working with cloud-native software, you don’t have the luxury of picking just two items from the trio of microservices, DevOps
Beautiful JavaScript
About This BookConventions Used in This BookUsing Code ExamplesSafari® Books OnlineHow to Contact Us Classical InheritancePrototypesMixinsThe BasicsThe Use CaseClassic MixinsThe extend FunctionFunctional MixinsAdding OptionsAdding CachingAdviceWrapup What About “eval Is Evil”?History and InterfacePerformanceCommon UsesA Template CompilerSpeedMixing LanguagesDependencies and ScopesDebugging Generat
実践 機械学習システム
本書は、実際に手を動かしながらシステムを作成し、そのエッセンスを身につけることを目的とした機械学習システムの実践的な解説書です。「データといかに向き合うか」という視点から、生のデータからパターンを見つける方法を解説します。Pythonと機械学習の基本、ライブラリの使い方をはじめ、具体的な例に基づいたデータセット、モデル化、レコメンドと、その改良、音声や画像の処理など、より重要な問題についても解説します。さらに、テキストや画像、音声に対して機械学習の手法を適用する方法を学び、機械学習関連技術の評価方法や、最適な選択を行うための比較方法について学びます。本書で学んだツールと知識があれば、実際の問題を解決できる独自のシステムを作成できるようになるでしょう。 謝辞 原書の監修者について はじめに 1章 Pythonではじめる機械学習 1.1 機械学習と Pythonはドリームチーム 1.2 本書
電子書籍『実践 機械学習』の無料ダウンロードが可能に！
機械学習の基礎について解説した電子書籍『実践 機械学習 ― レコメンデーションにおけるイノベーション』がHadoop情報サイト「Hadoop Times」から無料でダウンロードできます。 著者は『Mahoutイン・アクション』の著作でもお馴染みのTed DunningとEllen Friedman。Apache Mahoutプロジェクトでプロジェクトマネジメント委員やコミッタとして活躍しながら、MapR社でチーフアプリケーションアーキテクトやコンサルタントを務めている両氏が、機械学習の初学者のために書き下ろしたの一冊です。50ページほどの手軽なボリュームながら、レコメンデーションを洗練させるための重要なエッセンスが詰まっています。 機械学習とレコメンデーションについて学習したいけれど、どこから始めればよいか迷っているという方は、手始めに本書を読むところから始めてみてはいかがでしょうか。 H
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
GitHub - wesm/pydata-book: Materials and IPython notebooks for "Python for Data Analysis" by Wes McKinney, published by O'Reilly Media