3. ニューラルネットワークの基礎¶ ここでは，ニューラルネットワーク (Neural Network) についてその概要を紹介していきます．画像認識などに用いられる Convolutional Neural Network (CNN) や，自然言語処理などに用いられる Recurrent Neural Network (RNN) といった手法は，ニューラルネットワークの一種です． ここではまず，最もシンプルな全結合型と呼ばれるニューラルネットワークの構造について説明を行ったあと，複数の入力データと望ましい出力の組からなる学習用データセットを準備したとき，どうやってニューラルネットワークを学習させればよいのか（教師あり学習の仕組み）について解説を行います． ニューラルネットワークによって表現される複雑な関数を，現実的な時間で学習するための誤差逆伝播法（バックプロパゲーション）と呼ばれるアル
ニューラルネットワークの理論（順伝播）
こちらのコンテンツは最新の情報ではない可能性があります。無料で学べる最新のコンテンツは Python&機械学習入門コース や 脱ブラックボックスコース をぜひご利用ください。 ニューラルネットワークの数学（順伝播） 本章では、ディープラーニングの基礎と題してディープラーニングをフレームワークを用いて実装できることを目標にしています。そのうえでディープラーニングの基礎となるニューラルネットワークのアルゴリズムとそれに必要な数学を紹介します。 ディープラーニングも内部の基礎はニューラルネットワークですが、画像や自然言語処理といったタスクに向けた特定のネットワークの構造を持っていたり、これから紹介する層の数を深く複雑にした場合でもうまく学習できるような工夫がされているため、基本的なニューラルネットワークとは切り分けて解説を行います。より発展的な内容は、画像処理の基礎や自然言語処理の基礎の章で紹介
団塊のしわ寄せで氷河期世代が不幸に？20年間の給料データで判明「世代間格差」の真実 | 週刊ダイヤモンドの見どころ | 週刊ダイヤモンド
年収推移で5世代を比較 清水建設の5年後年収は？ 団塊、バブル、就職氷河期、ゆとり──。どの世代が恵まれていて、どの世代が割を食っているのか？ 「団塊の世代の雇用を守るために氷河期世代が不幸になった」「少子高齢化で生じた社会構造の変化のしわ寄せが、氷河期世代に集中している」 日本経済が停滞した平成の30年間で起きたこととして、こういったことが指摘されてきた。 そして現在、就職難の憂き目に遭った氷河期世代も、課長や部長として企業を支える時代となった。ところが、上のバブル入社組にポストの多くを牛耳られ、下の世代に対してはハラスメントや働き方改革の面で細心の注意を払わなければならないという板挟み状態で今も苦しめられている。 もちろん、バブル入社組やゆとり世代も悩みは尽きないだろう。さらにはOBとなった団塊の世代は時に「勝ち逃げ」とやゆされるが、業界や会社ごとに実際に置かれている状況は異なるはずだ
はじめての統計的因果推論 - 岩波書店
因果推論の基本的な考え方を図とことばで平易に説明し、シンプルな事例によりポイントを直感的なイメージで示す。推定結果の解釈・利用における注意点や質的研究との関連も丁寧に解説。数式はあまり得意でないが統計的因果推論の原理を理解したい初学者、分析対象のありようを深く研究したいと望む人に最適。（カバーイラスト＝渡辺ペコ） はじめに BOX 0.1 そもそもなぜ「ちがい」と「しくみ」の両面から見ていくのか 第Ⅰ部 因果推論の基本的な考え方 1 因果と相関と「特性の分布の(アン)バランス」 1.1 まず、「対象のありよう」を丁寧に考えよう 1.2 相関と因果と、特性の分布のバランス 1.3 基本的なゴールとしての「特性の分布のバランシング」 BOX 1.1 「共変量のバランシング／処置Tと特性Cが独立」のイメージをつかむ 1.4 そもそも何が揃うと「因果関係」といえるのか? BOX 1.2 因果概念を
株式会社メルカリ（以下、メルカリ）は、ESG推進に向けて2023年度に取り組んだ活動とその結果をまとめた「FY2023.6 Impact Report」（インパクトレポート、以下「Impact Report」）を公開しましたので、お知らせいたします。 https://merc.li/8NQedvgQa ※[12/15 16:00 更新] Impact Report本文の以下の内容について改訂を行いました。 改定内容：P55,コーポレート・ガバナンス体制図に関する記載を修正。 ※[10/27 12:00 更新] Impact Report本文の以下の内容について改訂を行いました。 改訂内容：P24, 今年の削減実績のグラフを修正。P51, 一部数値の誤記を修正。P59, 情報セキュリティ管理体制に関する記載と図表を修正。 メルカリは、事業を通じて環境や社会に貢献する「プラネット・ポジティブ」
機械学習をやる上で線形代数はどのように必要になるのか
株式会社pipon代表取締役。 キャリアはADK(広告代理店)でテレビ広告運用をして残業120時間するが、ネット広告では自分の業務がAIで自動化されていることに驚愕する。そこで、機械学習受託会社に転職し、技術力を身につけた後、piponを創業。現在、製薬業界、大手監査法人、EC業界、様々な業界でAI受託開発事業を運営。 はじめに 大学で学んだ線形代数は、様々な理論の基本となる考え方で、機械学習で用いられるアルゴリズムの中でも活用されています。 線形代数を知らなくても機械学習はできますが、なぜそのアルゴリズムで解を出せるのかを理解したい場合、線形代数の考え方を知っておく必要があります。 今回は、機械学習における線形代数の必要性について述べます。 線形代数とは 線形代数とは、線形空間に関する学問で、代数学の一分野です。簡単に言うと、行列やベクトルの性質を色々考える学問です。 理系の大学の授業で
風音屋では、データエンジニア、データアナリスト、データコンサルタントを募集しています。 書籍執筆者やOSSコントリビューターなど、業界を代表する20名以上のアドバイザーと一緒にベストプラクティスを追求できる環境です。 ぜひカジュアルトークをお申し込みください。 風音屋（@kazaneya_PR）代表 ゆずたそ（@yuzutas0）です。 この記事は、Google Cloud Champion Innovators Advent Calendar、BigQuery Advent Calendar、datatech-jp Advent Calendar 2023 24日目の記事となります。 2023年11月に、Google Cloud Next Tokyo ‘23 というカンファレンスで「大学におけるデータ分析の授業」について話をしました。 この記事は発表内容の文字起こしとなります。講演スライ
多重共線性を回避するには？ - 統計ER
多重共線性（たじゅうきょうせんせい）があるかどうかを確認する必要があるとはよく聞くが、確認して多重共線性があった場合はどうすればよいのか？ 多重共線性とは？多重共線性はなぜ問題なのか？そして多重共線性を回避するにはどうすればよいか？についてまとめた。 ＞＞もう統計で悩むのを終わりにしませんか？ ↑1万人以上の医療従事者が購読中 多重共線性とは？ 多重共線性があるとなぜ問題なのか？ 多重共線性を回避するには？ 1. その変数をモデルに投入するのをあきらめる 2. 主成分回帰 Principal Component Regression PCR を行う まとめ 多重共線性とは？ 回帰分析は、変数Xで変数Yを予測する式を作ることが目的だ。重回帰分析は変数Xが二つ以上の式を予測する。 変数Yを決める要因は色々あるはず。例えば、体重 Y は、身長と一番相関するが、当然食べる量に関係する。食べる量だけ
情報Ⅱ解説動画：文部科学省
【情報Ⅱ】情報と情報技術を活用した問題発見・解決の探究 [1]「情報Ⅱにおける探究とは」(文部科学省/mextchannelにリンクします) [2]「何から始める？探究のいろは」(文部科学省/mextchannelにリンクします) [3]「ヒントはどこにでもある！探究のゴール」(文部科学省/mextchannelにリンクします) 【情報Ⅱ】コミュニケーションとコンテンツ [0]コミュニケーションとコンテンツ (文部科学省/mextchannelにリンクします) [1]ニーズをとらえたコンテンツ!動画制作「学校紹介の動画を作ろう」 (文部科学省/mextchannelにリンクします) [1]ニーズをとらえたコンテンツ!動画制作「学校紹介の動画を作ろう」スライド (PDF:9.0MB) [2]ユーザー中心のコンテンツ!Webサイト制作「文化祭のWebサイトを作ろう」 (文部科学省/mex
【衝撃】研究者「発達障害児の問題行動は『感覚異常』と『胃腸の症状』が特性の重症度よりも強く独立して関係している」 : 凹凸ちゃんねる 発達障害・生きにくい人のまとめ
論文Autism ResearchにAcceptされました！自閉やADHDの発達障害の子どもの問題行動には、感覚の問題やお腹の症状が、特性の重症度そのものよりも強く独立して関係しているかもですよ、という論文です。こちらも長かったから嬉しいです！共著の先生方、ご協力いただいた患者さん達に感謝です。 pic.twitter.com/E7WeIWgI1i — 黒川 駿哉 / 児童精神科医 (@shunya5) May 22, 2021 引用元 こちら論文publishされました。short reportです。ふぁぼりつください！ Gastrointestinal symptoms and sensory abnormalities associated with behavioral problems in children with neurodevel… https://t.co/nEfrB
機械学習の代表的なアルゴリズム19選 機械学習をはじめとしたAI技術がさまざまな場面で利用されるようになっており、データサイエンティストは、解析に使用するデータやアルゴリズムを調整して機械学習モデルを作成します。 機械学習を活用するには「教師あり学習」「教師なし学習」といった学習手法を選択し、レコメンド、需要予測、異常検知などの目的に応じてアルゴリズムを使い分ける必要があります。 今回の記事では、データサイエンスやAI開発実務でよく利用される「機械学習アルゴリズム」について特徴や用途などを中心に紹介します。 線形回帰 線形回帰は、統計分析の基本としてよく用いられている理論です。回帰分析では、変数xと相関関係のあるyの値を予測できます。1つの従属変数yと、1つあるいは複数の独立変数xの関係を予測するわけです。比較的単純なモデルである線形回帰は、売上予測や保険会社のリスク評価などのビジネス利用
ここでは、３つ以上の変数をあつかう線形の重回帰分析を学びます。 アメリカのマサチューセッツ州北東部にある大都市、ボストン市の住宅価格をさまざまな説明変数を用いて分析してみます。 ⑴ ライブラリをインポートする # 数値計算に必要なライブラリ import numpy as np import pandas as pd # グラフを描画するパッケージ import matplotlib.pyplot as plt # 機械学習ライブラリscikit-learnの線形モデル from sklearn import linear_model
社会科学の研究方法や研究手法についての総論系テキストを紹介する。この10年ぐらいで大分日本語の本が増えてきたように思うので，割と攻略しやすくなっているのではないだろうか。 学年別の目標設定とお薦めテキスト 学部1～3年生 レポートの作法に慣れる 戸田山和久（2012）『新版 論文の教室』NHKブックス。 レポートの書き方に関する本は無数にあるが，とりあえずこれを読んでおけば良いと思う。 佐藤望編・湯川武・横山千晶・近藤明彦（2020）『アカデミック・スキルズ（第３版）』慶應義塾大学出版会。 大学生の学び全般（ノートテイク、情報収集、クリティカル・シンキングなど）に関するテキストは非常に数が多く、また平易に書こうとして失敗している物が多いが、このテキストはわりとよかった。 本多勝一（2015）『新版 日本語の作文技術』朝日文庫。 木下是雄（1981）『理科系の作文技術』中公新書。 日本語の書
【資格試験対策】ディープラーニングG検定【キーワード・ポイントまとめ】 - ITとかCockatielとか
last update : 2021/2/24 last update : 2021/2/24 はじめに １．📘人工知能（AI）とは（人工知能の定義） AIの定義 人工知能レベル AI効果 ロボットとの違い 歴史 ✅ 💻ENIAC ✅ ダートマス会議 ✅ 第１次AIブーム ✅ 第２次AIブーム ✅ 第３次AIブーム ２．📘人工知能をめぐる動向 2-1.📘探索・推論 探索・推論の手法 ✅ 探索木 ✅ ハノイの塔 ✅ ロボットの行動計画 ✅ ボードゲーム ✅ コスト ✅ Mini-Max法 ✅ α-β法 ✅ モンテカルロ法 2-2.📘知識表現 知識表現 ✅ 💻ELIZA（イライザ） ✅ エキスパートシステム ✓ 💻DENDRAL ✓ 💻マイシン（MYCIN） ✅ 意味ネットワーク ✅ Cycプロジェクト オントロジー（ontology） ✅ セマンティックウェブ ✅ ヘビーウェ
統計検定2級を取得しました。 メモがわりになにを勉強したかなどを書いておきます。 確実に1発で受かりたい！って人のためになる記事を書いたつもりです。 ▼受験の経緯 データ系の仕事をしているため、もともと統計の分野に興味があったこと、経済学部出身なので触れたことがあったこと、統計検定3級を受験して合格していたことから、2級も受けようかなーと思い、受験に至る。 ▼スコア(受験結果) 88点 / 100点中 でした。 合格ラインは60点。全部で34問なので、21問くらい解ければ受かる感じです。 (追記) 後日、優秀成績賞と書かれた賞状が送られてきました。 賞状もらった他の方の記事を読んでいると、85点以上で「優秀成績賞」、90点以上で「最優秀成績賞」がもらえる感じがしますね。 ▼統計検定3級との難易度の差 統計検定2級は、統計検定3級の範囲にプラスでt検定、χ2乗検定、F検定、確率密度関数、分散
2021年11月(1) 2021年09月(1) 2020年11月(2) 2020年10月(1) 2020年08月(1) 2020年07月(4) 2020年04月(1) 2020年02月(1) 2020年01月(2) 2019年09月(2) 2019年08月(4) 2019年07月(5) 2019年04月(1) 2019年03月(1) 2018年10月(2) 2018年09月(1) 2018年01月(1) 2017年11月(2) 2017年10月(4) 今回は多重共線性（Multicollinearity、マルチコ）について実例を元に解説したいと思います。 マルチコは、よく問題になるなる言われるわりに、実際に問題になっているのを見たことがないという方も多いでしょう。院生同士の研究会でマウントの取り合いに使われるくらいの存在かもしれません。 たまたまツイッターを見ていたら、神戸大学の藤村直史先
引き続き、統計検定のお勉強。 coublood.hatenablog.com 今回は統計検定というよりは統計学の分析の内容です。 ■ 重回帰分析 (重)回帰分析といえば、作成した回帰式を利用して、何らかのデータを予測するもの。 その分析対象の目的変数は連続的な数値データである必要があります。 ★単回帰分析 → 一つの説明変数から目的変数を予測 = ★重回帰分析 → 複数の説明変数から目的変数を予測 = よくあるのが、ある町にお店を出店します。その場合に、候補の地点が複数ある場合にどの地点にお店を出せばいいかを分析する場合というのがあります。 この時、例えば 「半径1km以内の人口」 「最寄りの競合店舗との距離」 「1時間あたりに通る人の数」 など、様々な条件があります。 これらの条件はいっぱいあり、どういう条件を重要視するか、どういう条件で分析するかといったことは人により異なるでしょうし、
【チートシート】G検定の試験当日のカンペ
はじめに G検定に向けたカンペを作っておこうと思う。 ネットと書籍の情報だと、カンペはOKらしいので、 2021年7月の公式サイトのシラバスに乗っている単語を中心に記載する。 カンペ 人工知能の定義 人工知能とは何か コンピュータを使って、学習・推論・判断など人間の知能のはたらきを人工的に実現したもの。 AI効果 人工知能で何か新しいことが実現され、その原理が分かってしまうと、「それは単純な自動化であって知能とは関係ない」と結論付ける人間の心理的な効果 人工知能とロボットの違い ロボット：あらかじめプログラムされた動作を正確に行う。自己判断で進めることはできない。 人間で例えると「体」 人工知能：自立して発展していく。自ら学習して精度を高めることができる仕組み。 人間で例えると「脳」 エージェント 事前に定義された目標を達成するためのコードまたはメカニズム 「チャットボット」「ソフトウェア
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
メディカルAI専門コース オンライン講義資料
メルカリ、2023年度版 「Impact Report」（インパクトレポート）を公開
大学のデータ分析の授業で Google Cloud を活用した話（登壇文字起こし）
機械学習の代表的なアルゴリズム19選 | AIdrops
2. Pythonで綴る多変量解析 2-1. 重回帰分析(scikit-learn) - Qiita
社会科学（特に経営学）の研究方法論・研究手法のテキスト18冊 | odahajime.jp
【統計検定2級CBT】合格率を上げる方法 - マジックペンの会場はやめておいた方がいい - Qiita
多重共線性（Multicollinearity）は何が問題なのか――日本の選挙研究の実例から
統計検定２級への道 その13 -重回帰分析- - Cou氏の徒然日記