[B! 学習] sanukiteのブックマーク

機械学習モデルを作成する - Training

Microsoft Learn では、対話的な方法で、従来の機械学習の概要を理解することができます。これらのラーニングパスは、ディープラーニングのトピックに移行するための優れた基盤にもなり、各自の生産性を向上させます。最も基本的な従来の機械学習モデルから、探索的データ分析やカスタマイジングのアーキテクチャまで、ブラウザーを離れることなく、概念的内容や対話型の Jupyter Notebook を簡単に把握することができます。知識と興味に応じて自分のパスを選択してください。オプション 1: 完全なコース: 機械学習のためのデータサイエンスの基礎ほとんどのユーザーには、このパスがお勧めです。これには、概念の理解を最大限に高めるカスタムフローを備えた、他の 2 つのラーニングパスと同じモジュールがすべて含まれています。基になる概念と、最も一般的な機械学習ツールでモデルを構

sanukite 2020/01/16

学習

リンク

ディープラーニング初心者向けの日本語学習サイト、PFNが無償公開

Preferred Networksは4月10日、自社で開発するオープンソースの深層学習フレームワーク「Chainer」に関する日本語の学習サイト「ディープラーニング入門：Chainer チュートリアル」を無償公開した。機械学習を勉強するために必要な数学や統計学、プログラミング言語Pythonなどを基礎から学べるという。機械学習やディープラーニング（深層学習）の仕組みや使い方を理解したい大学生や社会人向けのオンライン教材を公開。大学の授業、企業の研修、商用セミナーなどで誰でも無料で使用できる。サイト内では機械学習やディープラーニングの基礎的な理論を始め、Pythonの使い方や、NumPy、scikit-learn、Pandasなどのライブラリを用いた実装の他、微分、線形代数、確率・統計なども学べる。 Chainer チュートリアルでは、ブラウザ上でPythonのコードを実行できるGoo

sanukite 2019/04/13

リンク

機械学習初心者が約10ヶ月でメダルより大切なものを獲得できた話【kaggle Advent Calendar 17日目】 - ギークなエンジニアを目指す男

本記事は、kaggle Advent Calendar 2018の17日目の記事です。 qiita.com 何を書くか直前まで悩んでいましたが、16日に参加したAIもくもく会の中で、機械学習に興味はあるけど、どのような手順で、何から勉強していったら良いかわからないという方が数名いたので、自分が今年の3月くらい〜今日に至るまで勉強してきた中から今の自分ならこのような手順で勉強することをオススメする！という記事を書いてみようと思います。 ※自分の勉強した教材の中からのオススメになるので、偏った内容になることをご了承ください。 ※これもオススメ！というものがありましたら、ぜひ教えていただけると嬉しいです。タイトルにあるメダルより大切なものについては最後に記載しております。対象読者 2018年3月時点の筆者スペック 2018年3月〜今日に至るまで勉強したこと羅列書籍動画 udemy

sanukite 2018/12/18

リンク

いま話題の「心理的安全性」について、本気出して科学的に分かりやすく説明してみた - R&D: りょうえんダイアリー

「成果を上げるチーム・効果的なチームは、何が決めるのか？」 2012年から、Googleのリサーチチームが「Project Aristotle」の中で明らかにしました。そこでは「心理的安全性」が最も重要だった、と結論付けられています。けれど、わかったようでよくわからない「心理的安全性」とは、ほんとうには、いったい何なのでしょうか？わたしたちは、この知見をどう活かして、自分の職場で生産的で効果的なチーム作りができるのでしょうか。 rework.withgoogle.com 実は、「心理的安全性」には、およそ50年の研究の歴史があります。その意味では、Googleは、心理的安全性は確かに、職場の生産性に効果的だと「再発見」したに過ぎないとすら言えます。ここでは、その50年の歴史を圧縮して、いまの科学でわかっていること、わかっていないことをお伝えしていきたいと想います。まず、この「

sanukite 2018/11/02

リンク

『機械学習のエッセンス』はゼロからガチで機械学習を生業にしたい人が「いの一番に」読むべき一冊 - 六本木で働くデータサイエンティストのブログ

機械学習のエッセンス -実装しながら学ぶPython,数学,アルゴリズム- (Machine Learning) 作者: 加藤公一出版社/メーカー: SBクリエイティブ発売日: 2018/09/21メディア: 単行本この商品を含むブログを見る発売されてからだいぶ経ちますが、構想段階の頃より著者の「はむかず」さんこと加藤公一さんからお話を伺っていて注目していたこちらの一冊をようやく一通り読みましたので、サクッと書評めいた何かを書いてみようかと思います。各章の概要言うまでもなく実際の内容は皆様ご自身でお読みいただきたいのですが、これまでの書評記事同様に概要を簡単にまとめておきます。第01章　学習を始める前に Python環境やAnacondaのインストールについての説明もなされているんですが、重要なのは後述する「本書は何を含まないか」という節。ここに本書の狙いの全てが書かれていると言って

sanukite 2018/11/01

リンク

NNが心理学と生理学から離れていった瞬間：Back propagationに関するNature論文(1986)の意義を考える - 渋谷駅前で働くデータサイエンティストのブログ

(Fig. 1 from Rumelhart, Hinton & Williams, Nature, 1986) これはちょっとした小ネタです。僕自身はニューラルネットワーク (Neural Network, NN)の学術的専門家でもなければ況してやNNの研究史家でもないので、たかだか僕自身がかつて脳の研究者だった頃に把握していた事由に基づいて、極めていい加減な私見を書いているに過ぎないことを予めお断りしておきます。よって、この辺の事情に詳しい方いらっしゃいましたら、後学のためにも是非ご遠慮なくツッコミを入れて下さると有難いですm(_ _)m 先日のことですが、@tmaeharaさんがこんなことを呟いておられました。オリジナル論文 https://t.co/kXfu8jIat3 これです．本当にただチェインルールで微分して勾配法しているだけにしか見えない……．— ™ (@tmaehara