新卒1,2年目に自己投資してQoL上がったもの - mizchi's blog 上記エントリに便乗。ポイントは、 家具や家電はかさばるしめったに買い換えない上に毎日つかう。多少高くても納得できるものを買っとけ 毎日やる“面倒なこと”は“やらなくていいように”暮らしをデザインすべき。そこには金をかけるべし 7/7 20:20 はてなブログはamazon貼りつけで、デフォルトでははてなのアフィIDが付いちゃうようです。削除しました嫌アフィのひとすみませんでした。いくら売上あったかはわたしもわかりませんｗ ドラム式洗濯乾燥機 日立 9.0kg ドラム式洗濯乾燥機 【左開き】ピュアホワイトHITACHI ビッグドラム BD-V1500L-W 出版社/メーカー: 日立 メディア: エレクトロニクス この商品を含むブログを見る これは高いけどガチでおすすめ。朝、家を出る前にスイッチを入れておけば、夜に
早いもので、2014年も残り僅か。 この一年も様々な素晴らしい製品との出会いがありました。 という事で、2011年から毎年やっている「コレ買って良かったモノ」を今年もご紹介したいと思います！ 『買って本当に良かった！』と思うものは、おすすめしたい！ 2014年に私( @nori510)が買って、とても満足したモノたちです。それではどうぞ！ おすすめしたい2014年に買って良かった製品 12個 今回ご紹介するのは、今年購入した生活雑貨からガジェット類まで様々なモノの中から、買って良かったなぁと思ったモノ計12個。 1万円以下でノンフライ！シロカ コンベクションオーブン 開けた袋を簡単密封！100均の『ハンディーシーラー』 コスパ抜群！Amazonベーシック 『Bluetoothスピーカー』 使い勝手が良すぎるsonyBluetoothノイキャンイヤホン『MDR-NWBR20N』 凍ったフロン
坂口博信さん、成田賢さんが2024年6月22日放送のJ-WAVE『ゆう坊とマシリトのKosoKoso放送局』の中で初期『ファイナルファンタジー』シリーズなどを手がけた天才プログラマー、ナーシャ・ジベリについて話していました。 （鳥嶋和彦）やっぱり当時は（開発が）早いよね。 （坂口博信）最長で10ヶ月ですね。 （Naz Chris）ドラクエも早かったんですよね。 （堀井雄二）1なんか半年ぐらいで、2もそのぐらい作っていて。すぐ出したからね。で、3」でやっと1年かかったという話なんで。 （Naz Chris）当時のファミコンのゲームって、そんなもんなんですか？ 平均的に1年以内で開発できるんですか？ （堀井雄二）容量が少ないんでね、分量がなかったんだよね。1で64KBしかないんで。そこに絵を入れて、音楽を入れて、プログラムをしてっていう。 （坂口博信）そうですね。成田が言ったようにナーシャって
機械学習システム開発や統計分析を仕事にしたい人にオススメの書籍初級5冊＆中級10冊＋テーマ別9冊（2019年1月版） - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Pixabay) この記事は以前の書籍リスト記事のアップデートです。 機械学習エンジニアやデータサイエンティストとして（もしくはそうではない職名であったとしても）機械学習システム開発や統計分析を仕事にしたい人なら、最低限これだけは読んでおいて損はないだろうという書籍を初級向け5冊、中級向け10冊選定しています。ただし、以前とは若干異なり「仕事にする」イコール「プロフェッショナルを目指す」ということで、特に初級向けリストを若干レベルアップさせています。中には初学者でも結構読みこなすのが難しい本だけになっているかもしれませんが、中級向けリストに進む上でどうしてもこれだけは読破して欲しいという願望も込めました、ということで。 完全にお馴染みのネタなので特に説明することはないかと思いますが、言うまでもなく以下のリストは完全なる僕個人の独断と偏見で、最近出版されたり自分で読んだ本
Pythonには「NumPy」や「Pandas」などデータ分析に役立つライブラリが充実しており、中にはPythonからRを呼び出すことができるライブラリもあります。 これからデータ分析を始めるエンジニアのために、Pythonでのデータ分析に関する入門スライドを13個まとめてご紹介いたします。 データ分析の初心者向けのスライドを中心にピックアップしていますので、これからデータ分析を学びたいというエンジニアの方はぜひご覧ください。 【ご自身のデータ分析スキルの価値を知りたい方はご相談ください】 ・市場価値を知りたい方の個別相談会 ・キャリアアップを目指す方の個別相談会 ・転職のタイミングや業界動向を知りたい方の相談会 10分でわかるPythonの開発環境 10分でわかるPythonの開発環境 from Hisao Soyama Pythonを書く前にやっておくべき開発環境の構築についてまとめた
LEDのメリットとして、蛍光灯のように高速で点滅しないのでチカチカした感じが一切せず、白熱灯や蛍光灯のように熱くならず、しかも消費電力は低く、蛍光灯のように点灯直後は薄暗いというようなこともない、というのがあげられますが、実際にはどのような明るさになり、そして各社のLED電球にはどのような差があるのでしょうか？ というわけで、前回の「スペック＆価格編」で予告したとおり、今度は実際に同じ条件下で光らせてみて、どれぐらい明るいのか、どのような感じの色合いになるのか？といった気になる点を実験してみました。また、画像ではわからない感覚的な部分や印象などもメモしておきました。各社によって随分と違っているため、自分の好みの明るさと色味のLED電球を知るための役に立てば幸いです。参考になりそうな部分は参考にして下さい。 実験結果の詳細は以下から。 ◆白色系統のLED電球を比較 まずは白色系統のLED電球
機械学習の問題 については以前に紹介したので、次はどんなデータを収集し、どんな機械学習アルゴリズムを使うことができるのかを見ていきましょう。本投稿では、現在よく使用されている代表的なアルゴリズムを紹介します。代表的なアルゴリズムを知ることで、どんな技法が使えるかという全体的なイメージもきっとつかめてくるはずですよ。 アルゴリズムには多くの種類があります。難しいのは、技法にも分類があり拡張性があるため、規範的なアルゴリズムを構成するものが何なのか判別するのが難しいということですね。ここでは、実際の現場でも目にする機会の多いアルゴリズムを例にとって、それらを検討して分類する2つの方法をご紹介したいと思います。 まず1つ目は、学習のスタイルによってアルゴリズムを分ける方法。そして2つ目は、形態や機能の類似性によって（例えば似た動物をまとめるように）分ける方法です。どちらのアプローチも非常に実用的
Web開発におけるコンピュータサイエンス - 機械学習編2 - Hatena Developer Blog
この教科書は、はてなサマーインターンの講義資料として作成されたものです: https://github.com/hatena/Hatena-Textbook 機械学習編1（基礎編）では、最も初歩的な分類器である単純パーセプトロンを題材に、機械学習の基本について勉強しました。機械学習編2（実用編）では、実問題に機械学習を適用する上でのコツや、各種の機械学習アルゴリズムの使い分け、高次元データへの対処法、といったトピックについて解説していきます。 実問題に機械学習を適用する タスクを定義する データを特徴ベクトルに変換する 評価方法を決める 正解データの正例と負例は均等に ベースラインとなる手法を実装する 実データに向き合うときの心構え 機械学習のワークフロー 1. 前処理 データセット作成 サンプリング 特徴抽出 欠損値・欠測値への対応 値のスケーリング 特徴選択 次元削減 2. 学習 モデ
B'zの歌詞をPythonと機械学習で分析してみた 〜LDA編〜 - 下町データサイエンティストの日常
1. 本Part概要 前PartではB'zの歌詞を「TF-IDF」を用いた分析を行いました。 本Partではトピックモデルの一つである「LDA」を用いた分析についてお話しします。 pira-nino.hatenablog.com 2. LDAとは 2.1 LDAのイメージ 先に簡単な説明をしてしまいます。 LDAは「たくさんの文書データから単語のグルーピングを行う」モデルです。 このグループ1つ1つを「トピック」と呼びます。 例えば、大量のニュース記事にLDAを適用する例を考えます。 ニュース記事データにLDAを適用した例 LDAでは「各トピック（トピック数は予め指定）における各単語の所属確率」が算出されます。 理論的なことはさておき、文書データから単語をいくつかのグループに自動で分けてくれる手法 との理解で大丈夫です。 よく勘違いされることとして以下の2点を示します。 トピック数（いくつ
ちゃお・・・† 舞い降り・・・† 先日、前処理大全という本を読んで自分なりに何か書きたいなと思ったので、今回は自然言語処理の前処理とそのついでに素性の作り方をPythonコードとともに列挙したいと思います。必ずしも全部やる必要はないので目的に合わせて適宜使ってください。 前処理大全[データ分析のためのSQL/R/Python実践テクニック] 作者:本橋 智光技術評論社Amazon 前処理 余分な改行やスペースなどを除去 with open(path) as fd: for line in fd: line = line.rstrip() アルファベットの小文字化 text = text.lower() 正規化 (半角/全角変換などなど) import neologdn neologdn.normalize('ﾊﾝｶｸｶﾅ') # => 'ハンカクカナ' neologdn.normalize
Kaggle参戦記 〜入門からExpert獲得までの半年間の記録 & お役立ち資料まとめ〜 - ML_BearのKaggleな日常
これはなに？ デジタルマーケター 兼 プロダクトマネージャー 兼 データアナリスト (肩書長い…) の私が Kaggle に挑戦した約半年間の記録です。現時点で2つのコンペに真面目に取り組んで2つの銀メダル(入賞)を獲得出来ています。 Kaggle挑戦期間を通して、有識者の素晴らしい資料に助けられたのでとても感謝しています。同じような志を持つ方に自分の記録が少しでも役に立てばと思い、有用な資料のリンク集に私のKaggle参戦記ポエムをつけてまとめてみました。 自分の得意領域で勝負しようと思ってテーブルデータのコンペばかり選んでいるのでDeepLearning系の話は全然ないです、すみません。 目次 プロローグ Kaggleへの興味の芽生え 初参戦 → 即撤退 ガチ参戦に向けた修行 初ガチコンペデビュー 初ガチコンペ…、のはずが。 初ガチコンペ参戦 ベースモデル作成 特徴量エンジニアリング
コスティキャンのゲーム論
** 言葉ではなく、デザインのみが、ゲームを語ってくれる ** ---- コスティキャンのゲーム論 ---- この記事は、1994年に英国のＲＰＧ雑誌"Interactive Fantasy" に掲載された。 〔目次〕 ・そもそも「ゲーム」とは何なのか？ －「ゲーム」は、パズルではない －「ゲーム」は、玩具ではない －「ゲーム」は、ストーリーではない －「ゲーム」には、参加者が必要である ・それで「ゲーム」とは結局のところ何なのか？ －意志決定 －目標 －障害物 －資源管理 －ゲームトークン －情報 ・「ゲーム」を魅力的なものにする他の要素 －相互支援と交渉 －雰囲気 －シミュレーション －多彩な展開 －感情移入 －ロールプレイ －プレーヤー同士の交流 －劇的な盛り上がり ・全てのゲームはダイスの下で兄弟である はじめに 世の中には様々なゲームがある。その種類たるや膨大なものだ。 ファミコ
勤務先の社内勉強会で、機械学習を用いた文書推薦*1に関する基本的なことがらについて説明しました。その資料を公開します。 プログラマのための文書推薦入門 from y-uti 数学やコンピュータサイエンスを専門的に学んでいないエンジニアでも理解しやすいように、できるだけ数式を使わずに説明したつもりです。厳密性にはこだわっていないので、専門家からはあちこちツッコミを受ける内容かもしれません。 プログラマ向けということで、実際にコンピュータ上で動作を確認できるように、Wikipedia のデータを対象にして類似文書検索を行うスクリプトを作成しました。GitHub に置いてあります。 y-uti/document-recommendation · GitHub *1:推薦というより情報検索、類似文書検索という方が適切だったかもしれません。
雑にですが，知ってるサイトやチュートリアルをまとめたくなったのでまとめてみました．夏ですし． 適宜更新しています． 最終更新 2018年02月03日 チュートリアル 言語処理100本ノック 言語処理100本ノック 2015 東工大の岡崎先生が作られたチュートリアルです． 他大学の研究室でも利用されています． 簡単な内容からはじまるので，プログラミングの導入としてもいいと思います． NLPプログラミングチュートリアル Graham Neubig's Teaching Carnegie Mellon UniversityのGraham Neubig先生のチュートリアルです． Githubにサンプルコードが公開されています． 各チュートリアルにはテストがついているので，実装が正しいかを確かめることができます． 扱っているトピックが広いので，かなり勉強になると思います． ソフト 形態素解析器 日本
最初から買っておけばよかったものまとめ | Joekyo.com
概要 長いこと一人暮らししてるけど、いま考えるといろいろと買い物に失敗していることに気づく。買い物に失敗している原因を考えてみると、最終的にどうあるべきかというヴィジョンがないことが最大の要因な気がする。だからその場しのぎで色々買って、最後に後悔するという流れにしかならないわけだ。 ここを見た人が同じ轍を踏まないように、また自分自身で再確認するためにブログに書いておこうと思う。 先に自分がたどり着いた結論みたいなものをまとめておく。 可能な限り集約する なるべく床に物を置かない 物理媒体より電子媒体 統一感を大事にする プラスチック製品はなるべく避ける 使うものの質を下げることは、生活の質を下げることに等しい 生活の質を下げることは、人生の質を下げることに等しい リビングまわり テレビ テレビは不要だという人でもパソコンは必要だと思うので、後述する PC 用ディスプレイとして使用するために
一休.com で 1 年半の間に取り組んできた改善内容について - 一休.com Developers Blog
この記事は一休.comアドベントカレンダー2017の 8 日目です。 一休.com の宿泊開発基盤のお手伝いをしている id:shiba-yanです。 はてなインターン時代の縁で naoya さんから声をかけていただき、基本フリーランスですが一休で週に 3 日ほどの作業を 2016 年 4 月から行っています。 最近は shibayan とも一緒に改善を進めている 4ヶ月の間に一休.comで起きた変化 - zimathon blog 2016 年 4 月末から現在までに、一休社内でどのようなことに取り組んできたか、公開できる範囲で思うままに書いていきます。長いです。 ユニットテスト基盤 新しいメールテンプレート メール配信基盤 宿泊クラウド移行 移行方法の調査・検証 実行環境の調査・検証 アプリケーションの分離と整理 AppVeyor での CI / CD 本番環境の移行 その後の運用 宿
東日本と西日本の境界線を機械学習で引いてみました． セキュリティ分野の M1 が機械学習をお勉強する際に，モチベ維持のため面白そうなテーマを選んだらこうなった！というもの． なので本体の論文とか，学術的貢献とかはないです...が，そういった視点から見ていただけるのはとても嬉しいです！ 市町村単位，藩単位など，県境以外で境界線を引けないか？というコメントを多くいただいていますので，今後そういった方面への掘り下げもやっていきたいです．Read less
売れ筋ランキングではなく、価格.comのレビュー・クチコミの評価をベースに「その年ユーザーにもっとも支持された（満足度の高い）製品」を選出する「価格.comプロダクトアワード」の最新版が発表されました。どれもこれも「なるほど、これになるのか」というような感じのチョイスになっており、知っておいて損はない一覧になっています。 価格.com - 価格.comプロダクトアワード2012 http://kakaku.com/productaward/ パソコン本体カテゴリ プロダクト大賞「Nexus 7 16GB」(Google) AV家電カテゴリ プロダクト大賞「BRAVIA KDL-55HX850」(SONY) カメラ関連カテゴリ プロダクト大賞「D800 ボディ」（ニコン） パソコン関連カテゴリ プロダクト大賞「Intel 330 Series SSDSC2CT120A3K5」（Intel）
ディープラーニングは、人間の脳の中のニューロンとシナプスの回路をコンピューターの電子回路で真似て、それを何層にも重ねた手法。この手法が思いの外、成果を上げているので、人工知能に注目が集まっている。英誌エコノミストも最近の号で人工知能を特集するなど、ビジネスマンの間でも人工知能は今、ちょっとしたブームだ。 ディープラーニングは、人間の脳の中のニューロンとシナプスの回路をコンピューターの電子回路で真似て、それを何層にも重ねた手法。この手法が思いの外、成果を上げているので、人工知能に注目が集まっている。英誌エコノミストも最近の号で人工知能を特集するなど、ビジネスマンの間でも人工知能は今、ちょっとしたブームだ。 しかしディープラーニングのように人間の脳を模倣しなくても、コンピューターを賢くさせる手法はほかにもある。例えば「トピックモデリング」。トピックモデリングは、多数の文書を読み込むことで傾向を
食べログ代理店が「有料店舗会員になると順位も上がり悪いクチコミ排除できますよ」 と勧誘した事を店に暴露され食べログ運営のカカクコムが店に抗議を行う:ハムスター速報
食べログ代理店が「有料店舗会員になると順位も上がり悪いクチコミ排除できますよ」 と勧誘した事を店に暴露され食べログ運営のカカクコムが店に抗議を行う Tweet カテゴリニュース 1 ：名無しさん＠涙目です。(東京都)：2011/11/22(火) 13:16:27.83 ID:zQl7VHuJ0 ?PLT(12003) ポイント特典 口コミサイト「食べログ」また″代理店偽装″トラブルか 巨大化ゆえの落とし穴 今回「食べログ」に反旗をひるがえしたのは、有楽町にあるトルコ料理店。ことの発端は、同店に再三かかってくる「食べログ」の営業マンからの、「有料店舗会員にならないか」というセールス電話だった。「実際に私共も、お宅のお店さんに伺って口コミを書かせてもらいますから、結果、ポイントも上がり、順位を上げることも可能ですよ」「よい口コミを、ページの目立つところに配置し、悪い口コミを目立たない場所へ
とりあえずスーパーマリオが動いて一段落したので覚えているうちに感想書いていく。 (この記事の情報量は、デバッグは大変、以上) 動機 単に好奇心。ただ、ファミコンのエミュレータに着手したのはこれで3回目になる。 1度目は10年前の身内ハッカソンのとき。このときはC言語で実装してて強引にHELLO, WORLD!を表示するだけで終わった。 実装の続きをしたかったけど、この後は忙しくなってしまって挫折している。 2度目は2年前で、過去の心残りを精算するためにGo言語で着手したのだけど、CPUの実装が終わった後ぐらいからまた忙しくなって挫折している。 今回は2年前のGoコードの続きからコミットを積んでここまで来たので、一応リベンジ成功....と言って良いんじゃないかな、たぶん。 過程 PPUの実装は最初からinternal register(v,t,x,w)を使う方法にした(PPU scrolli
現役の翻訳・通訳だが、やっぱり英語習得は"マネ"と"パクリ"だと思う : ライフハックちゃんねる弐式
2011年05月16日 現役の翻訳・通訳だが、やっぱり英語習得は"マネ"と"パクリ"だと思う Tweet 0コメント ｜2011年05月16日 18:00｜英語・海外｜Editタグ ：英単語発音 >http://hatsukari.2ch.net/test/read.cgi/news/1303823591/「英語なんて単語15000語･定型句4000･高校文法、これ覚えるだけなのに何でお前ら出来ないの？」ニュース速報板より12 ：(東京都)：11/04/26 22:18 ID:SHDuEKcS0 だって、正確な発音言えないから1語も覚えられないし・・・・・どゆあんだすたん？ 28 ：(埼玉県)：11/04/26 22:24 ID:x8JkejI00 >>12 全部カナカナでおぼえろ コツは「Ｌ」は「ゥ」だ これ電気関連だから全部暗記しろ electricity(ｲﾚｸﾄﾘｽｨﾃｨ) ele
データマイニングコンペティションサイト Kaggle にも Deep Learning ブームがきてるかと思ったのでまとめる - 糞糞糞ネット弁慶
概要 最近話題の Deep Learning，NIPS や ICML，CVPR といった世界の話だろうと思っていたら Kaggle で Deep learning が去年一件，今年に入って更に一件優勝していたのでまとめる． Kaggle Kaggle: Your Home for Data Science おなじみのデータマイニングコンペティションサイト．データと目的関数が与えられた上で最も高いスコアを出したチームに賞金が出る． 最近では KDD Cup や http://www.kaggle.com/c/challenges-in-representation-learning-the-black-box-learning-challenge:title=ICML2013 workshop competition]，や RecSys2013 Competition，レストランレビューサイ
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
【画像】 吉野家の500円ピザが酷いと話題に 1 名前： キン肉バスター(埼玉県)：2013/08/17(土) 09:46:27.17 ID:IqIEu93JP 吉野家ＨＤ子会社がピザ専門店 吉野家ホールディングス（ＨＤ）の子会社で、たい焼きやたこ焼きの店を運営する「ピーターパンコモコ」は１２日、ピザ専門店を始める計画を明らかにした。９月末にも第１号店を東京都杉並区に出し、数年以内に１００店の開業を目指す。 ピーターパンコモコの栗原幹雄社長は「低価格でもっちりとした食感のナポリ風ピザ専門店をやりたい」としている。計画では約５０平方メートルの店舗にカウンターとテーブルの二十数席を用意。 「マルゲリータ」など５種類前後の直径２０センチのピザを５００円で提供する。 http://www.sankeibiz.jp/business/news/130813/bsg1308130500001-n1.h
リクルート、人工知能研究所として新生「Recruit Institute of Technology」が誕生。～世界的権威をアドバイザーに招聘し、グローバル規模のAI研究を開始～ | リクルートホールディングス
株式会社リクルートホールディングス（本社：東京都千代田区 代表取締役社長 兼 CEO：峰岸真澄、以下「リクルート」）は、「Recruit Institute of Technology」（以下、RIT）を人工知能（AI）の研究所として再編し、AI分野の世界的権威を新たにアドバイザーとして迎え、リクルートグループ各社と連携したグローバル規模のAI研究を開始したことをお知らせいたします。 １．新生RIT誕生の背景 リクルートは、「2020年に総合人材サービス領域でグローバルNo.1、2030年に人材領域・販売促進支援領域でグローバルNo.1」という中長期な戦略ビジョンの実現に向け、破壊的技術（Disruptive Technology）としてのAI研究に着目し、2015年4月1日より、AI分野の研究所として新生RITをスタートさせました。これに際して、AI分野の世界的権威を新たにアドバイザーと
前回、株式の時系列データを分析する話で、後半にちょっとだけ機械学習の話をしました。今日は機械学習ライブラリ scikit-learn に触れます。 scikit-learn といえば以前にも簡単なクラスタリングの例をあげたり、サポートベクトルマシンやクラスタリングで問題を解く、 TF-IDF を計算する、回帰モデルの可視化、 DBSCAN によるクラスタリングといったことをしてきましたが、あらためてライブラリの機能を整理します。 機械学習と言うと難しい数学を駆使するイメージがつきまといますが、完成度の高いライブラリを使えば利用者が機械学習の手法そのものを実装しなくても利用することはできます。もちろん手法の内容に対する理解は必要ですが、せっかく scikit-learn という事実上デファクトとも言えるライブラリが存在するのですから、これを使うところから入門していくのが良いかと思います。 以
ニューラルネットによる単語のベクトル表現の学習 〜 Twitterのデータでword2vecしてみた - 病みつきエンジニアブログ
最近にわかにword2vecが流行っています。ので、乗っかってみました的記事です。 理論に関してはあまり詳しくしらないので、印象だけで語っているかもしれません。何かありましたらTwitterかコメント等でご指摘いただけますと幸いです。 ちなみに、失敗した話が多いです。 word2vecと単語のベクトル表現 word2vecは、機械学習の分野で使われる、ニューラルネットというモデルを使ったツール／ライブラリです*1。名前の通り、wordをvectorにします。vectorにする、というのは、ベクトル表現を獲得するということで、意味(みたいなもの)の獲得というか、素性の獲得というか。 単語のベクトル表現の獲得自体は、別にword2vecにしかないわけではありません。言い換えると、昔からあります。LDAを使って単語のトピック分布のようなものを学習したり(vingowでやりました)。余談ですが、こ
【随時更新】Kaggleテーブルデータコンペできっと役立つTipsまとめ - ML_BearのKaggleな日常
これはなに？ Kaggleのテーブルデータコンペに参加するときに役立つ(と思う)Tipsを Kaggle Coursera の授業メモに色々追記する形でまとめたものです 自分で理解できている内容を中心にまとめました。各種資料の内容はまだまだ理解できていない内容が多く、今後も随時更新していきます(随時更新できるように勉強します)。 この記事に書いてあるTipsをどのように活かしたかはKaggle参戦記に書いたので、併せてどうぞ。 参考文献 主として以下の資料の内容をピックアップさせていただきました。引用を明記していない部分は(ほぼ100%) Kaggle Coursera の内容です。 Kaggle Coursera kaggle_memo by nejumiさん Kaggleで世界11位になったデータ解析手法〜Sansan高際睦起の模範コードに学ぶ Kaggle TalkingData F
TOP > 工作 > 網戸に描かれたＦＦ３全ジョブのドット絵がすばらしくおっさんホイホイｗｗｗｗｗｗｗｗ Tweet カテゴリ工作 0 ：ハムスター２ちゃんねる 2014年6月18日 18:45 ID：hamusoku 網戸にFFⅢ 全ジョブ描いてみた 網戸にFFⅢ 全ジョブ描いてみた #8bit_shugei pic.twitter.com/n7VrB5wska— じぇにはら (@rurue0111) 2014, 6月 18 1 :ハムスター名無し2014年06月18日 18:57 ID：lTkZ1r8U0 その発想はあったにしても、実行する努力がすごい。 2 :ハムスターちゃんねる2014年06月18日 18:57 ID：NXf6tI.g0 すげぇぇぇ！ 他のドット絵も見たくなるレベル 3 :ハムスターちゃんねる2014年06月18日 18:57 ID：P8CT8CTr0 そんな発想は
機械の代わりに人間が学習入門
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...Shuyo Nakatani
自然言語処理の教科書はもう全部FSNLP一冊でいいんじゃないかな - EchizenBlog-Zwei
自然言語処理の優秀なエンジニア各位にオススメ本を聞くと大抵FSNLP(Foundations of Statistical Natiral Language Processing)という答えが返ってくる。またブログ等でFSNLPを絶賛している方も多い。 私は自然言語処理は長尾本で満足してしまっていたのでFSNLPは読んでいなかったのだけれど､長尾本は現在入手困難ということもあって入手しやすい自然言語処理の教科書があるといいなと思っていたのでFSNLPを読んでみた。 その結果。自然言語処理の教科書はもう全部FSNLP一冊でいいんじゃないかな。という結論に至ったので全力でFSNLPを推薦する記事を書くことにした。 参考： ［を］FSNLP @ytoさん 自然言語処理の定番の教科書まとめ - 生駒日記 @mamorukさん Perl で自然言語処理 @overlastさん ざっと読んでみてFSN
1. The document discusses various statistical and neural network-based models for representing words and modeling semantics, including LSI, PLSI, LDA, word2vec, and neural network language models. 2. These models represent words based on their distributional properties and contexts using techniques like matrix factorization, probabilistic modeling, and neural networks to learn vector representatio
はじめまして@vimmodeです。普段はMNTSQというリーガルテックの会社で自然言語処理をしています。今回はBERTとBERTまでの流れを簡単に紹介します。 自然言語処理で今やデファクトスタンダードとなりつつであるBERT。登場当時はモデルの複雑さに伴う計算環境や計算リソースの確保が難しく気軽に動かせなかったが、ColabやKaggleカーネル環境が整備されたきたおかげで誰でも気軽に使えるようになりました。 また、haggingface社が公開したBERTと関連モデルのラッパーライブラリであるtransformersによりわずか10行程度でBERTモデルを記述できます。 一方、自然言語処理を始めて間もない段階でいきなりBERTを突きつけられても理解の壁が高いと思いますので、今回は数式やコードを使わずにBERTに至るまでの流れを簡単に紹介したいと思います。 ※これらはあくまで私の理解であり
【データ分析の必読10冊+差をつける10冊＋100冊超】データサイエンス、データ分析、機械学習関連の本 - Qiita
【データ分析の必読10冊+差をつける10冊＋100冊超】データサイエンス、データ分析、機械学習関連の本本機械学習数学データ分析データサイエンス Update版2023年版データ分析の100冊を書きましたよ！ 必読10冊を更新。データサイエンス、データ分析、機械学習周りでおすすめ図書10選のような記事は良く見ますが、網羅的な紹介記事はあまり見かけないので自分が欲しいと思い書きました。私よりたくさん読んでいる方は多々いらっしゃると思いますが、記事を書いてくださいな。 別の観点でデータ分析プロジェクトのフェーズ毎の参考書籍紹介という記事を新たに書きました。 データ分析の各フェーズ（データ分析プロジェクト全体-ビジネス状況の理解-データの理解-データの準備-モデルの作成-評価-展開）毎に参考書籍を紹介しています。 本記事の対象と想定 Qiitaはプログラマやコンピューター系技術者のための記事と思っ
電源コード替えたら音が格好良くなった : 痛いニュース(ﾉ∀`)
電源コード替えたら音が格好良くなった 1 名前： ガリソン(茨城県) 投稿日：2008/01/06(日) 22:28:54.06 ID:2Fx3kvto0 ?PLT 求めたのは音質より感覚 仕事仲間が持ってきた、１本の電源コードがきっかけだった。 「これがいいんだよ」写真家の青木健二さん（３９）は、意味がよくわからないまま、オーディオセットのコードをつけ替えた。いきなり音が格好良くなった。電源コードだけで？ 「衝撃的でしたよ。で、これはもっとすごいのを買うしかないって、いろいろ調べてＰＡＤ というメーカーにたどりついてね。『一番すごいの下さい』みたいな。太いケーブルに電磁波 を防ぐ液体が封入されてるんですよ。１メートルが１０万円だったか３０万円だったか」 えーと、電源コードですよね…。 「そう。ところが、買って帰ってつけてみたら、最悪。音がこもっちゃって。言われました。 これは最高級（ハイ
5 テキサスクローバーホールド(関西・東海) :2014/01/13(月) 13:04:23.57 ID:XMENaekTO これは酷いｗｗ 8 ジャンピングカラテキック(SB-iPhone) :2014/01/13(月) 13:04:54.87 ID:Hqcic7MoP アナグラムか。これはクイズなんだよ。 10 ジャンピングカラテキック(dion軍) :2014/01/13(月) 13:06:13.40 ID:T2lOW32jP 祝！新成人おめでとうございます が正解か 11 ジャンピングカラテキック(庭) :2014/01/13(月) 13:06:34.66 ID:sSRGQW9SP こらじゃないのか 12 バックドロップ(東京都) :2014/01/13(月) 13:07:18.23 ID:9QZBueRV0 ですおｗｗ 15 16文キック(兵庫県) :2014
代表的な機械学習手法一覧 - Qiita
概要 本ページは、代表的な機械学習の手法の特性について独自に簡単にまとめたページです。 （ご意見、ご指摘等あったらご連絡ください。） 世の中のスタンダードなものとして下記もあるので、それを踏まえてご参照いただければと思います。 - ScikitLearn Choosing the right estimator - Microsoft Azure Machine Learning Studio の機械学習アルゴリズム チート シート - 朱鷺の杜Wiki 機械学習 教師データあり 回帰 (一般化)線形回帰 ロジスティック回帰 サポートベクターマシーン(SVM) 木 決定木（CART) 回帰木 ランダムフォレスト 勾配ブースティング木 ニューラルネットワーク(NN) パーセプトロン 畳み込みニューラルネットワーク(CNN) 再起型ニューラルネットワーク(RNN) 残差ネットワーク(ResNe
推薦システムのアルゴリズム
Algorithms of Recommender Systems ⟨ http://www.kamishima.net/ ⟩ Release: 2016-09-26 21:53:16 +0900; 9645c3b i 2007 11 [ 07] 2008 1 [ 08a] 2008 3 [ 08b] 3 (1) (3) GitHub https://github.com/tkamishima/recsysdoc TYPO GitHub pull request issues I II III IV V ii J. Riedl J. Herlocker GroupLens WWW iii 𝑥 𝑋 𝐱 𝐗 𝑥 𝑦 𝑋 𝑌 𝐱 𝐲 𝑛 𝑚 {1, … , 𝑛} {1, … , 𝑚} 𝑦 𝑦 𝑥 x 𝑎 𝑟𝑥𝑦 𝑥 𝑦 ̄ 𝑟𝑥
有名どころな機械学習手法の年表 - 木曜不足
ちょっと機械学習の比較的有名なモデルやアルゴリズムの初出について年表を作ってみた。 って今週末用の資料なんだけどねｗ 1805 Method of Least Squares 1901 PCA (Principal Component Analysis) 1905 Random Walk -1925 Logistic Regression 1936 Fisher's Linear Discriminant Analysis 1946 Monte Carlo Method 1948 n-gram model 1950 RKHS (Reproducing Kernel Hilbert Space) 1950s Markov Decision Process -1957 Perceptron 1958 Kalman Filter 1960s Hidden Markov Model -1961 N
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
ひとり暮らし用「高くてもこれ買っとけ」リスト - UXエンジニアになりたい人のブログ
買って良かったモノまとめ~2014年~ | nori510.com
坂口博信 ナーシャ・ジベリの天才的プログラミングを語る
データ分析・解析をやりたいエンジニアにおすすめ！Pythonの入門スライド13選
LED電球はどれがベストなのか、実際に買って比較してみました～実際の明るさ編～
機械学習アルゴリズムへの招待 | POSTD
自然言語処理の前処理・素性いろいろ - Debug me
プログラマのための文書推薦入門 (社内勉強会の発表資料) - y_uti のブログ
自然言語処理を自習したくなったら参考になりそうなサイトなど - 鴨川にあこがれる日々
機械学習を用いた東西日本の境界線決定
「価格.comプロダクトアワード2012」まとめリスト、ユーザーに最も支持された満足度の高い製品はコレ
ディープラーニングだけがAIじゃない。トピックモデルの第一人者に聞く機械学習の未来 | TheWave
ファミコンエミュレータ実装の感想 - ichirin2501's diary
【画像】 吉野家の500円ピザが酷いと話題に - 痛いニュース(ﾉ∀`) : ライブドアブログ
scikit-learn から学ぶ機械学習の手法の概要 - Qiita
網戸に描かれたＦＦ３全ジョブのドット絵がすばらしくおっさんホイホイｗｗｗｗｗｗｗｗ:ハムスター速報
Statistical Semantic入門 ~分布仮説からword2vecまで~
自然言語処理でBERTまでの流れを簡単に紹介 - moriyamaのエンジニアリング備忘録
【悲報】 千葉県の成人式で前代未聞の大事故が起こるｗｗｗｗｗｗｗｗｗｗｗｗ （画像あり）