全てのモデルは間違っている、しかしいくつかはとんでもなく間違っている - Qiita
最近別の記事で、コロナウイルスの感染者数に関するデータはその背景を理解することなしに使うのは危険であるという内容の話をしましたが、今回は、コロナウイルスの感染者数を予測するモデルを使うときには気をつけなくてはいけない、という内容のエッセイがイギリスにおける統計学の学会である、王立統計学会（Royal Statistical Society）の中にあるデータ・サイエンス部のトップの人によって出されていました。 とくにそのモデルを作る人（科学者）、モデルによって出される数字を伝える人（ジャーナリスト）、モデルから得られる情報をもとに政策を作る人（政治家）は、責任が大きく、さらに間違いによる影響や被害が大きいだけに細心の注意を払うべきで、そのためのガイドラインを6つのルールとしてまとめています。 これは、コロナウイルスなどの感染症ウイルスの予測モデルに関わる人達だけでなく、広く一般の我々にとって
Jochen Görtler
I am a consulting software engineer and research scientist. I develop hand-tailored visualization systems that help my clients make sense of complex data and machine learning models. I'm based in Germany and I have a Ph.D. in computer science. Jochen Görtler ✌️ Build understanding. The systems I develop typically leverage a combination of frontend and backend components. Because of this, I have ex
数理モデリングの哲学
研究会は1100人を超える登録者にYouTube配信を行い，盛会のうちに終了しました．ご参加ありがとうございました． 日程： 2020年11月21日，22日 【招待講演】 合原一幸，甘利俊一，池上高志，伊庭幸人，蔵本由紀，篠本滋，土屋和雄，西浦廉政 【戦略提案】 石井信，郡宏，寺前順之介，引原隆士，深井朋樹 【特別出演】 塚田稔，設楽宗孝 【討論参加】 青柳富誌生，大泉匡史，樺島祥介，唐木田亮，小山慎介，酒井裕，中尾裕也，中江健 趣旨: 数理モデル解析には高度な解析技術が必要とされてきましたが，現代では様々なアプリケーションが開発され，誰もが手軽に利用できるようになりました．このような変化のなかで，理論研究者はどういう方向を目指せば良いのでしょうか．本研究会では，数理モデリング研究の開拓者たちをお呼びして，彼らがこれまで研究を進めた背景の哲学を語っていただきます．また現在最前線で活躍中の研
【書籍紹介】ガウス過程と機械学習 - HELLO CYBERNETICS
はじめに 目次とコメント 0章 たった５分でガウス過程が分かってしまう 1章 線形回帰モデル 2章 ガウス分布 3章 ガウス過程 4章 確率的生成モデルとガウス過程 5章 ガウス過程の計算法 6章 ガウス過程の適用 7章 ガウス過程による教師なし学習 ガウス過程のライブラリ GPy GPyTorch GPflow はじめに 既に機械学習界隈の中で気になった方は手に取っているであろう「MLP ガウス過程と機械学習」の紹介です。 ガウス過程と機械学習 (機械学習プロフェッショナルシリーズ) 作者: 持橋大地,大羽成征出版社/メーカー: 講談社発売日: 2019/03/09メディア: 単行本（ソフトカバー）この商品を含むブログを見る ガウス過程と言えば、「ベイズ」や「カーネル法」、「確率過程」など、難しそうな言葉のオンパレードで、どうも機械学習を学びたての人にとっては敬遠しがちなものである印象が
NumPyroの基本を変化点検知で見る - HELLO CYBERNETICS
はじめに NumPyro基本 ライブラリの準備 確率分布 transoforms モジュール （tfp.bijector相当） 変化点検知 データ モデル 事前分布からのサンプリングでモデルの動作確認 MCMC推論 結果確認 はじめに TFUGベイズ分科会にてPPLについて話しました。改めてPPLを複数比較してみたことで、一層NumPyrpの書きやすさにほれぼれとしました。 www.hellocybernetics.tech 現状、PPLをまとめると 通常利用：Stan より低レベルを触れる研究用途：TensorFlow Probability 深層生成モデル及びベイズニューラルネットの変分推論 : Pyro 上記及び高速なMCMC : NumPyro という具合です。実際、速度やインターフェースの書きやすさを見るとNumPyroが個人的には抜けているのですが、一方でバックエンドがJaxで
TensorFlow User Group Meetup - ベイズ分科会 - 資料一覧 - connpass
「TensorFlow User Group Meetup - ベイズ分科会」の資料一覧です。
Control as Inference (強化学習とベイズ統計)
The document discusses control as inference in Markov decision processes (MDPs) and partially observable MDPs (POMDPs). It introduces optimality variables that represent whether a state-action pair is optimal or not. It formulates the optimal action-value function Q* and optimal value function V* in terms of these optimality variables and the reward and transition distributions. Q* is defined as t
ノンパラメトリックベイズ
• – • • – • • } , , , { 2 1 N X x x x L = ) | ( Θ X p Θ • – • – ) | ( Θ X p ) | ( Θ x p ∏ = = Θ 6 1 ) | ( k x k k p θ x } , , , , , { 6 5 4 3 2 1 θ θ θ θ θ θ = Θ ∏∏ = = = Θ N n k x k k n X p 1 6 1 , ) | ( θ 1 ) | ( 6 1 = = Θ ∑ ∫ = k k d p θ x x } , , , { 2 1 N X x x x L = n x • – • – • Θ Θ ) | ( X p Θ ) | ( X p Θ • } , , , , , { 6 5 4 3 2 1 θ θ θ θ θ θ = Θ ∏∏ = = = Θ N n k x k k n X p 1 6 1 , ) |
公平な機械学習へ向けての技術と課題 - Qiita
はじめに Machine Learning Summer School 2020 でなされた、機械学習の公平性についてのレクチャー(by Prof. Moritz Hardt)が面白かったので勉強用にノートを残します。もとのレクチャーの動画はYoutubeに公開されています。この記事内で引用しているスライドは特に指定しない限り、レクチャーのスライドから引用しています。 Link集 [動画Part1][動画Part2][スライド] TL;DR 「センシティブ情報はデータに含まれないから差別していない」は通用しない センシティブ情報を保護するために満たすべき基準が提案されている しかし、これは差別的扱いを完全には防げない 特に、データのSelection Biasがあると、差別的な扱いにつながってしまう 因果関係を考慮した基準ならSelection Biasがあっても差別的な扱いをある程度は防
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
須山敦志 Suyama Atsushi on Twitter: "「機械学習が予測する理屈は人間が理解できなくてもOK」っていうのは分からんでもない気がしますが、「理解」という事柄についてもう少し掘り下げる必要があると思います。続く"
「データは真実」はほんとうか
須山敦志 Suyama Atsushi on Twitter: "これはかなりあるあるで、多くの教師ありのシチュエーションだと前処理(スケーリングとか)とk近傍法で他の手法と大差ない。どころか説明しやすい。 https://t.co/F2YtXr4Wsn"
須山敦志 Suyama Atsushi on Twitter: "こちらのスレッドでTFUGで当日残ってしまった質問にお答えします。 https://t.co/oLqyeRhWcB #tfug"
ひとりで作る画像検索
HELLO CYBERNETICS on Twitter: "確率的グラフィカルモデルでマルコフブランケットがどうのこうのとか、メッセージパッシングがどうのこうのとか難しいこと言わずに、観測変数と潜在変数の関係や何がローカルに効いて何がグローバルに効いてるのかを可視化するツールとして、機械学習の最初に導入すべきな気がする。"
Kazunori Sato on Twitter: "これ面白かった。2D画像から3Dモデルを推測する微分可能レンダラーの話。ここでもドメイン知識とDNN設計が緻密に組み合わされてて、CG分野の既知のモデルのパラメータをいかにDNNで推測するかという問題に帰着するアプローチ。なるほど… https://t.co/TkERvBk2pT"
須山敦志 Suyama Atsushi on Twitter: "「すべての雑用、すべての業務、すべての職業を消し、そして自分も失業する、永遠に」というネオエクスデスみたいな価値観の座右の銘を持っています"
Yuta Kashino on Twitter: "（´-`）.｡oO( 共立の「時系列解析」，今はあまり興味がない自己回帰型の時系列解析ですが，一応買いました．単位根検定のバリエーションやフラクショナルブラウン運動や長期記憶時系列など，まあ実戦ではほぼ利用可能性のなさすぎる内容で… https://t.co/RaLwuTQb8r"
データマイニング・機械学習分野の概要
TensorFlow Probability によるベイズモデリング入門