FXシステムトレードのプログラムをいくつか作ってみて分かった課題とその解決法について - Qiita
以下の通りいくつか、システムトレードのプログラムを作ってきましたが、継続的（長期ではなく短中期でも安定して）に勝つには課題があることが分かったので書いておきます。 ※コメント欄に画像のリンク張ってたりしてるので、そちらもご覧ください ディープラーニングでFXのシステムトレーディングをするコードを書いた - Qiita 機械学習を用いたオレオレFXシステムトレーディングプログラムのロジック解説 - Qiita ディープラーニングでFXのシステムトレーディングをするコードを書いた (2) -RNN/LSTM編- - Qiita xgboostによる決定木アンサンブル学習でFXのシステムトレードするコードを書いた - Qiita 市場は常に変化しており1つのアルゴでは対応しきれない（ように思えた） 当たり前かもしれないが、機械学習でアルゴを作っても勝てる期間と勝てない期間が出てくる（数カ月とかの
科学と機械学習のあいだ：変量の設計・変換・選択・交互作用・線形性
機械学習はそもそも汎用的な枠組みであり基本的には対象分野に依らず利活用できる。従って、分野を限定して物質科学に機械学習を活用するなどと言う場合、その本質的難所の大部分は、有効な変量の設計・変換・選択・交互作用・線形性などに関する、いわゆるfeature engineeringの問題に帰する。特に、科学研究では端的な説明因子や共通パターンの探究こそが目的であることが多く、その場しのぎではない方法論が期待されている。本発表では、医薬品、機能制御剤、有機EL材料、食品、化粧品、と波及範囲が広い有機低分子について、その物性の予測と生物活性の予測の違いを例に、関わってきた問題・方法・課題について紹介する。 http://ibisml.org/ibis2016/session3/
コンピュータはベストセラーを予測できるか
＜コンピュータによる全文解析でベストセラーが予測できる、とする書籍が近々米国で出版され、既に賛否両論を巻き起こしていている＞ ベストセラーの秘訣が「解読」出来たという、出版関係者にとって気になる本が近々米国で出版される。全文解析という、非マーケティング系の技術を使ったアプローチが最大のポイントで、すでに賛否両論を巻き起こしているようだ。もし有効性が認められ、普及すれば、編集者の仕事にも影響を及ぼしそうだ。 全文解析が導くベストセラーのアルゴリズム 「ベストセラー」の秘密を掴むことは、出版界の永遠のテーマで、本のテーマにもなってきた。9月20日にマクミラン系のセント・マーティンズ社から刊行される『ベストセラー・コード』(The Bestseller Code: Anatomy of the Blockbuster Novel Hardcover, by Jodie Archer, Matth
A survey of machine learning for big data processing - EURASIP Journal on Advances in Signal Processing
Review Open access Published: 28 May 2016 A survey of machine learning for big data processing Junfei Qiu1, Qihui Wu1, Guoru Ding1, Yuhua Xu1 & …Shuo Feng1 Show authors EURASIP Journal on Advances in Signal Processing volume 2016, Article number: 67 (2016) Cite this article There is no doubt that big data are now rapidly expanding in all science and engineering domains. While the potential of thes
Fashion Tech x Machine Learning/twm_fashion_ml
Outfit Generation and Style Extraction via Bidirectional LSTM and Autoencoder
Springer Series in Statistics Trevor Hastie RobertTibshirani Jerome Friedman Springer Series in Statistics The Elements of Statistical Learning Data Mining,Inference,and Prediction TheElementsofStatisticalLearning During the past decade there has been an
Springer Series in Statistics Trevor Hastie RobertTibshirani Jerome Friedman Springer Series in Statistics The Elements of Statistical Learning Data Mining,Inference,and Prediction TheElementsofStatisticalLearning During the past decade there has been an explosion in computation and information tech- nology. With it have come vast amounts of data in a variety of fields such as medicine, biolo- gy
人工知能によるコンテンツ生成と著作権 - 人工知能に関する断創録
今朝の読売新聞に面白い記事があったのでご紹介。 AI芸術著作権は？ 人工知能（AI）が自動的に作った楽曲や小説は「誰の作品」になるのか。政府は「AIアート」が将来、本格的に普及するとみて、 年明けから著作権のあり方について議論を始める。 そもそも著作権を認めるべきなのか、「これはこのAIの作品だ」ということをどう証明するのかなど、 整備すべきルールは多岐にわたる。 読売新聞 2015年12月30日 この記事では人工知能芸術の事例として 短編小説生成システム「きまぐれ人工知能プロジェクト 作家ですのよ」 自動作曲システム「Orpheus」 の2つが取り上げられている。このような人工知能システムで作ったコンテンツの著作権はどうなるのか？というお話だった。著作権は作者の死後50年間とされているが、人工知能は死なないので保護期間が問題になるそうだ。システム（サービス）停止から50年でいいのでは？と
Machine Learningのカレンダー | Advent Calendar 2015 - Qiita
URLYou can post either your article on Qiita or your blog post. About reserved postingIf you register a secret article by the day before the same day, it will be automatically published around 7:00 on the same day. About posting periodOnly articles submitted after November 1 of the year can be registered. (Secret articles can be registered anytime articles are posted.)
データサイエンティストを目指すというかデータ分析を生業にするなら読んでおきたい初級者向け5冊＆中級者向け12冊（2015年冬版） - 渋谷駅前で働くデータサイエンティストのブログ
(Photo via VisualHunt) 追記 2017年3月現在の最新書籍リストはこちらです。 最近になってまた色々とデータサイエンティストを目指す人向けのお薦め書籍リストとか資料リストとかが出てきてるんですが、個人的には何かと思うところがあるので僕も適当にまとめておきます。偏りありまくり、完全に主観で決めたリストなので文句が出まくるかと思いますが、もはや毎回のことなのでご容赦を。 なおこちらのリストはあくまでもビジネスの現場でデータ分析を生業にする（しようとしている）人たち向けのものであり、研究者含めたガチ勢の方々向けのものではありませんのでどうか悪しからずご了承下さい。 ちなみに毎回言ってますが、アフィリエイトは全くやっていないのでここに貼られたリンクを踏んで皆さんが購入されても僕の懐には一銭も入りません。拙著だけはそもそも例外ですが（笑）。*1 初級者向け5冊 一応初級者向けと
DeepLearningを使った実装を纏めてみた - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は全然です。 Deep Learning 一言で言うとただの深層学習ですが、 作り手や用途によって構造が全然違います。 今回は逆引き辞典よろしく、Deep Learningの実装のリンク集を作ってみました。 今回はライブラリは問わず、掲載します。 Caffe、Theano（Lasagne）、Torch7、Chainerなんでもござれです。 後日、追記するかも・・・ Neural Network（Full Connected） Auto Encoder Auto Encoder Denoising AutoEncoder Convolutional AutoEncoder Convolutional Neural Network Convolutional Neural Network R-CNN Fast-RCNN Faster-RCNN Recurren
Human-level concept learning through probabilistic program induction | Science
Human-level concept learning through probabilistic program induction Brenden M. Lake1,*, Ruslan Salakhutdinov2, Joshua B. Tenenbaum31Center for Data Science, New York University, 726 Broadway, New York, NY 10003, USA.2Department of Computer Science and Department of Statistics, University of Toronto, 6 King's College Road, Toronto, ON M5S 3G4, Canada.3Department of Brain and Cognitive Sciences, Ma
SVM のチューニングのしかた（２） - ほくそ笑む
さて、前回は交差検証の説明で終わってしまいましたが、今回はちゃんと SVM のチューニングの話をします。 チューニングの手順としては、 グリッドサーチで大雑把に検索する。 最適なパラメータがありそうなところを絞って再びグリッドサーチを行う。 という2段階のグリッドサーチを行います。 1段階目：グリッドサーチで大雑把に検索する SVM のチューニングは tune.svm() という関数を用いて行います。 チューニングのやり方は、単純にグリッドサーチを行っているだけです。 パラメータの値をいろいろ変えてみて、正答率の一番いい値をベストパラメータとして出力します。 プログラムは下記のようになります。 gammaRange = 10^(-5:5) costRange = 10^(-2:2) t <- tune.svm(Species ~ ., data = iris, gamma=gammaRan
グリッドサーチ結果の可視化 - ビジネスと技術の狭間で
春がもう少しで来そうでなかなか来ないもどかしい季節ですね。こんばんは。 最近Rのパッケージの関数を見るのが面白いなと感じる様になりました。 私はあまりコーディングをしないので得意ではないのですが、 下手なりに色々書き換えたりして、自分の欲求を満たすものに作り変えていくのは なかなか悪くない趣味だなと思っています。 というところで、以前id:hoxo_mさんのブログ SVM のチューニングのしかた（２） - ほくそ笑む を読んでtune.plotカッコいいなあ、 もっと汎用的に使えたら嬉しいなぁと思ったのを思い出し、 勉強がてら色々書き換えてみました。 本当は元のe1071で行っている様にfilled.contourを使いたかったのですが、 私の力不足で図の配置が上手くコントロールできなかったため断念しました。 そのためカッコよさは激減しています。 グラフィックパラメータ周り難しい。。 li
機械学習アルゴリズムまとめ | 株式会社フルスピード - Growth Seed
みなさんこんにちは。アナリストの荒木です。近い将来さまざまな仕事がロボットに置き換わっていくと多くの人が予想しており、そのコアテクノロジーの一つが機械学習です。GoogleがDeepMindを買収したことで機械学習という言葉も身近になりつつありますが、すでにamazonレコメンドや画像認識などで活躍しています。 そこで今回は、ウェブ担当者が「機械学習ってどんなことをやっているのだろう？」という場合に勉強できるスライドをまとめました。 ↓【無料DL】「SEO内部対策チェックシート」を無料ダウンロードする 機械学習によるデータ分析まわりのお話機械学習でどんなことをしているのかをまとめたスライドです。データのこと・機械学習のこと・評価のこと・分析のことの4部構成で、データマイニングの一連の流れを学ぶことができます。 Deep LearningGoogleの猫認識例で有名になった手法を紹介したスラ
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
9 Distance Measures in Data Science
[PDF]Machine Learning for Systems and Systems for Machine Learning Jeff Dean Google Brain team
Google Arts & Culture Experiments - t-SNE Map Experiment
CCRi - An industry leader in geospatial storage, visualization, and analysis
http://www.coveo.com/
ファッションアイテムの類似画像検索を実装してみました/Fashion Tech Meetup #2 LT
