【総計５万はてブ！】QiitaのAdvent Calendarのはてブ数をNode.jsで集計してRactive.jsで表示する
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 総はてブ数: 50,681 総記事数: 3,818/5,350 テーマ数214 【完走✕】1位 Git はてブ数合計: 2018, 記事数: 22 【完走○】2位 Vim はてブ数合計: 1887, 記事数: 25 【完走✕】3位 クローラー／スクレイピング はてブ数合計: 1759, 記事数: 24 【完走✕】4位 Yahoo! JAPAN Tech はてブ数合計: 1700, 記事数: 22 【完走○】5位 Pepabo はてブ数合計: 1622, 記事数: 25 【完走○】6位 Webアプリエンジニア養成読本 はてブ数合計: 14
機械学習クソ素人の俺がプロダクトをリリースするまでの2ヶ月で覚えたこと - Qiita
scikit-learnでちょっとした機械学習をするのは、LAMPでちょっとしたWebアプリをつくるよりも簡単です。 下記に自分が入門してから2ヶ月間で覚えたことをまとめました。 ハイライト 重要だと思ったこと3つ 機械学習の概要 scikit learnについて Google Prediction API,Mahout,Spark,Cythonについてそれぞれ一言所感 重要だと思ったこと3つ 1.機械学習に明るい友人をもつこと どんな技術でもそうだけど、友人に聞いて概要を先に掴んでおくと自信を持って進めることができます。この自信を持っていると心が折れにくくなります。 @fukkyyに「入門サイトは難しい用語つかってビビらせてくるけど、ライブラリを使えば機械学習はこわくない」と教わり、巷にある入門サイトを無視してライブラリをたたき始めたので入りやすかったです。 @ysks3nに次元削除や各
機械学習の学習とWolframAlpha - Qiita
皆さん、機械学習の勉強って楽しいですけど、正直キツくないですか？ 何がキツイって、結局のところ数学なんじゃないかと思います。 数学があまり強くない自分は、RやPythonで可視化してみたり、実装してみたり、単純に情報をググってみたりすることが結構多いですが、僕がもう一つやる選択肢が、Wolfram Alphaで数式や関数、分布を検索することです。 これがあまり有名じゃないみたいなので紹介します。 Wolfram Alphaとは 自分は、「統計情報や数学的な理論などの、事実を探せる検索エンジン」と認識しています。Webではなく、膨大なデータベースと数学処理エンジンに問い合わせをしている感じです。 ただ、彼らが作っているaboutページには、 http://www.wolframalpha.com/about.html 例えば「Tokyo」を検索すると、人口や地図上の場所、面積、現在の時間や気
OCamlとSLAPで作る型安全ニューラルネット（と深層学習） - Qiita
この投稿は Machine Learning Advent Calendar と ML Advent Calendar の18日目の記事です． 今日は関数型プログラミング言語 OCaml と線形代数演算ライブラリ SLAP を使った型安全なニューラルネットワークの実装について書きたいと思います．最近，深層学習とかいうニューラルネットの応用が流行っていますし，一方で，関数型プログラミング言語とかいうのも流行っているので，2つの流行に（むりやり同時に）のってみました． 私はOCaml を使って，次元の合わない行列演算をコンパイル時に検出する機能を持った変な線形代数演算ライブラリ Sized Linear Algebra Package (SLAP) を作っています．世の中には便利な線形代数ライブラリ（BLAS とか LAPACK とか）や数値計算言語（MatLab とか R とか）が沢山ありま
機械学習のエンターテイメント・アート分野への応用 - Qiita
機械学習のエンターテイメント・アート分野への応用事例 機械学習って応用分野として * 診断 * レコメンダシステム * 金融工学 ってあるぐらいだし、研究が進むと人の生活がより便利になるんだろうなぁと思います。 一昔前はGoogle Newsが集めたニュース記事の中から自分が読みたいのを選んでたのに、最近だとキュレーションアプリが興味ありそうな記事を提供してくれちゃってるし、人がしなきゃいけないことってどんどん減ってく気がします。 でも僕は便利系のことよりもエンターテイメント、アート分野のように面白いことをやることに興味があるので、その辺の事例を調査してみました。 AARON AARON コンピュータ画家として有名な彼です。世界初人工知能で絵を描かせているプロジェクトです。内部のアルゴリズムまでは調べてませんが、描いたものをフィードバックさせて学習する機能もついてるのだとか。 Evolve
CaffeでDeep Learning つまずきやすいところを中心に - Qiita
はじめに 近年Deep Learningへの注目が高まっていますが、多くの場合膨大なデータを必要とすること、学習にはGPU計算環境が必要であったりなど、独特の敷居の高さがあります。この記事では、この敷居を大きく下げるであろうCaffeについて紹介します。ただ、Caffeを紹介する記事はすでに良いものがたくさんあり、そもそも公式documentがかなり充実しているので、今回は躓きやすい部分や他の記事があまり触れていない部分を中心に紹介していきます。 Caffeって何？ CaffeはDeep Learningのフレームワークの一つです。Deep Learningは一般に実装が難しいとされていますが、フレームワークを使えばかなり手軽に扱うことができます。 代表的なフレームワークには、 Caffe theano/Pylearn2 Cuda-convnet2 Torch7 などがあります。この中でも
ニューラルネットワークと深層学習(和訳) - Qiita
とりあえず読んでみたい、という方は：「ニューラルネットワークと深層学習」日本語訳のページをご覧ください。 Deep Learningってのがマジヤバイらしい・・・でも、取っかかりがつかめない・・・ ここ最近、Deep Learningの盛り上がりが凄いですね。私の中でも、深層学習を覚えなきゃ、置いてかれてしまい、ついには自分の仕事までAIに奪われるのでは、という危機感と、逆に今Deep Learningを使えるようになれば未来の発明者になれるのでは、という期待感が高まり、Deep Learningを勉強しなくては、と思い続けていました。 しかしながら、私はDeep Learningがどうしても理解できませんでした。これまで何十種類ものDeep Learningの教材を試してきました。しかし、Deep Learningがどうしても理解できませんでした。しかし、世の中にある文書で、なかなかとっ
RBMから考えるDeep Learning ～黒魔術を添えて～ - Qiita
ずいぶん遅くなりましたが、ひとまず完成です。疑問点・翻訳ミスを始めとした指摘がありましたら、どしどしお願いします(14/12/18)。 1週間あるから大丈夫だろうとたかを括っていたら、あっという間に投稿日になってしまいました。本当はPylearn2を使ってRBMを学習させようと考えていたのですが、役に立つ内容を書くには時間が足りなさすぎるので、お茶を濁します。 今回の目標 Restricted Boltzmann Machine及びDeep Belief Networkの基本的な動作原理を知る "A Practical Guide to Training Redstricted Boltzmann Machine"(GE Hinton, 2012)で黒魔術(RBMの性能を引き出すコツ)を学ぶ 先日、以下のような発表をしました。今回の内容は以下のスライドの焼き直し・改良を含みます。参考にどう
ゼロからはじめた統計のお勉強の軌跡（おすすめテキスト編） - Qiita
こんにちわ、昨日今日のデータエンジニア ひろぽん(hiroponius)です。 データ分析の部署でお仕事するようになって１年、 それまでのWeb（しかもフロント）系とはぜんぜん異なるノウハウが要求される中、 「このままでは円滑な業務遂行に差し支えが、統計の勉強せんと！」 「Rとかちゃんと使えるように！」 「ていうか、データともっと深い感じになりたい！」 ということで、まさに今年2014年がんばった軌跡、主に参考にした本について。 たぶん、以下のような状況でなおかつ統計学勉強したいなーと思ってる人に、 ちょっと役に立つ内容になってるはず、です。 （学習するにあたってのマイルストーンは統計検定2級合格レベルです。） いわゆる文系、ちゃんとした数学教育は高校まで 中学校課程の数学までは理解できる／具体的な数式で解ける 微分積分は「見たことあるし解いてたはずなんだけど忘れた...」 Σ... がん
pythonで遺伝的アルゴリズム - Qiita
必要にせまられて，pythonでgenetic algorithmを作成した．実際にはこれをスパコンでの特殊用途のために変更するから，汎用的でなくなる．．． アルゴリズムは以下： 特徴として： numpyやscipyなどが必要． ある目的のために，multiprocessingを利用して並列に関数値評価を行っている． 適応度を計算するルーチンも評価関数とは別にGAに外から与えなければいけない． ベストな値は保存して，ルーレット選択を行う． 終了判定は世代の上限のみ． ソースコードはここに載せるものなのかどうか悩ましいが．．． 使い方は面倒だから載せない．mainルーチンを見れば分かっちゃうかな． 以前のソースコードでは，multiprocessingを使った並列処理が間違っていて，並列処理になっていなかった． このバージョンでは，一応並列処理ができているはず．．． u""" Genetic
機械学習って何ですか？ - Qiita
はじめに 機械学習 (Machine Learning)って何だろう？ 「機械」が「学習」するの？ 「機械」ってロボットとかAIとかいうやつ？ どうやって「学習」するの？ 普通の人には分からない何かで出来てるの？ そもそも何なの？！ という疑問とか質問とか苛立ちがある人はきっといると思います。（少なくとも僕はそう思ってる） それについてざっくり答えてみます。 ##何に使われてるの？ 色々使われてる。本当に色々なところで使われている。 例えば、Amazonとかのオススメ機能とか。 （例： 伊藤計劃の『虐殺器官』を買ったら、フィリップ・K・ディックの『アンドロイドは電気羊の夢を見るか?』がオススメされたり） 後は下の例を見てください。 日常にある機械学習の応用例 ##で、一体何なの？ 困ったら、Wikipediaを見てみましょう。 http://ja.wikipedia.org/wiki/%E
機械学習はじめの一歩に役立つ記事のまとめ - Qiita
「機械学習」というワードになんとなく惹かれつつも、具体的にやりたいことがあるわけでもないので、手を動かすことなくただひたすら**「いつかやる」**ために解説記事やチュートリアル記事を集める日々を過ごしていたのですが、このままじゃイカン！と Machine Learning Advent Calendar に参加登録してみました。 が、やはり何もしないまま当日を迎えてしまったので、お茶濁しではありますが、せめて「機械学習ってどんな手法やライブラリがあって、どんな応用先があるのか？」というあたりをざっくり把握して最初に何をやるのか方向付けをするためにも、たまりにたまった機械学習系の記事をいったん整理してみようと思います。 機械学習の概要 特定のライブラリや手法の話ではなく、機械学習全般に関する解説。 機械学習チュートリアル@Jubatus Casual Talks 冒頭に、 初めて機械学習を聞
はじめるDeep learning - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? そうだ、Deep learningをやろう。そんなあなたへ送る解説記事です。 そう言いながらも私自身勉強しながら書いているので誤記や勘違いなどがあるかもしれません。もし見つけたらご連絡ください。 Deep learningとは こちらのスライドがとてもよくまとまっています。 Deep learning つまるところ、Deep learningの特徴は「特徴の抽出までやってくれる」という点に尽きると思います。 例えば相撲取りを判定するモデルを構築するとしたら、普通は「腰回りサイズ」「マゲの有無」「和装か否か」といった特徴を定義して、それを
ナイーブベイズでツンデレ判定してみた - Qiita
input=>ちょっと、何！？ びっくりすんじゃん……。 category: tsundere input=>君が大好きで。すっごく大好きでね。 category: not_tsundere input=>……気安く触んないでよ、バカ。 category: tsundere input=>人ラブ！俺は人間が好きだ！愛してる！ category: not_tsundere よい...。 #やったこと ##ふつうのスパム判定の場合 スパムのテキストとそうでないテキストをそれぞれコンピュータに学習させて、新しく入力されたテキストがスパムかどうかを判定します。 ...つまらん ##ツンデレ判定の場合 ツンデレのテキストとそうでないテキストをそれぞれコンピュータに学習させて、新しく入力されたテキストがツンデレかどうかを判定します。 楽しい！！ #データの用意 学習を行うためには当然学習データが必要で
機械学習をはじめよう - Qiita
Introduction 「機械学習」 みなさんはどうやってこの言葉に出逢いましたか？ 最近よく聞くから？友達にやってみないかと誘われて？ もしあなたが今この記事を読んで機械学習という言葉を知ったのなら、それは私にとってとても喜ばしいことです。 でも、いざ始めてみると... 難しいですよね。 本屋でパターン認識と機械学習をパラパラっとめくってみて「うっ...」っとなった方もいるんじゃないでしょうか。 じつは、機械学習の理論のかなりの部分は難解な数式で構成されています。 初めからその数式に挑もうとすると... 難しくて挫折しそうになります。 もしあなたが機械学習のアルゴリズムを完全に、どこまでも深く理解したいのなら数式をいじり倒す必要があります。 しかし、アルゴリズムを実装してみたり、実際に使ってみるだけなら、そんなに深く理解する必要はありません。数式を完全に理解しなくても、アルゴリズムの動
機械学習をこれから始める人に押さえておいてほしいこと - Qiita
いしたーです。アルバイトで機械学習やってます。こんにちは。 とある勉強会に出席したときに、「機械学習をやりたいけどわからないことが多い」という意見を聞いたので、いくつかアドバイスを載せておきます。 読む前の注意 研究についてのアドバイスは書いていません。趣味で機械学習をやろうと思っている方が対象です。 この記事は他の方の意見をまとめたものではありません。私個人の経験に基づいて書いたものです。よって、この記事の内容はほとんど「私の意見」です。 以上2つの注意点を踏まえた上でお読みください。 「機械学習で何をしたいのか」を決めてほしい 機械学習を学ぶ前に、機械学習を使って何をしたいのかを決めてください。 機械学習は数式がたくさん登場したり、難しい概念を理解しなければならなかったりすることがあります。 やりたいことを決めてから学ぶと、今自分はある目的を達成するために学んでいるんだと思うことができ
大量のニュースから興味関心のある話題をベイジアン分類で抽出する - Qiita
前々回はニュースデータを収集するために RSS/Atom フィードを利用する話を書きました。 RSS/Atom フィードには全文配信と要約配信があり、昨今ではページビューを稼ぐため要約配信、特にリンクがリダイレクトになっているものや、本文がカラのものが多いという話をしました。 全文配信 … タイトル、リンク、それに記事本文全体を含むフィード 要約配信 … タイトル、リンク、記事の一部のみまたは本文がカラのフィード フィードデータをためる方法 前回は一部で最近話題の Fastladder のセットアップ方法を紹介し、付属のクローラーを使ってサーバーのデータベースにフィードを溜めるという方法を説明しました。 いずれ別の記事で詳しく述べますが Fastladder はサーバー設置型な上、ソースコードは公開されていますので、クローラー自体を自作することも可能です。 また fluentd は柔軟なロ
高速、高精度、省メモリな線形分類器、SCW - Qiita
使用しているデータセットはscikit-learnの手書き文字認識用のものです。 上がSCW、下がscikit-learnのSVCで学習、分類した結果です。timeは学習にかかった時間、accuracyは精度を表しています。 結果を見ればわかるように、SCWは非常に高速に学習することができます。 また、SCWは逐次学習が可能です。すなわち、データをひとつずつ入力しても学習することができます。つまり、データを全てメモリ上に展開して学習させなくてもよいのです。 精度はデータセットに依存します。というのも、SCWは線形分類器だからです。 線形分離不可能なデータに対してはSCWでは精度が落ちてしまいますが、線形分離可能、もしくはそれに近いかたちで分布しているデータに対しては高い精度を得ることができます。 scikit-learnの手書き文字認識データセットは線形分離可能だったようで、精度100%と
広告と機械学習 - Qiita
Machine Learning Advent Calendar向けの記事です。 普段はGunosyという会社で社長業をしながら社長をしています。 ざっくりいうと 結論だけ知りたい人はここだけ 広告における機械学習の応用の多くはCTR予測や運用の最適化のため(クエリー予測とか)の予測問題 今後は「CVRの予測」や「アクティブなユーザーの予測」がホットな話題になる(加えてその運用をどう最適化するかといった話題も) 現在は検索エンジンの応用例が多い。今後はディスプレイ広告やタイムライン広告への応用が増えていく 個人のユーザー属性を集めることが今まで以上にメディアのビジネス的に重要になる 広告や推薦エンジンに限らずドメイン知識は非常に重要。ドメイン知識と機械学習の知識を持ったエンジニアが意思決定に携わる会社は今後大きくのびる(と思う) 広告について 最近はもっぱら広告の開発をしており、広告分野で
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
Machine Learning - Qiita Advent Calendar 2014 - Qiita
