Interop2015 セミナーでの講演資料 デモリンク:https://www.youtube.com/watch?v=a3AWpeOjkzw RNN, VAE, 深層強化学習, PFNの取り組みについて
IEEE Internet Computingの2017年5・6月号に "Two Decades of Recommender Systems at Amazon.com" という記事が掲載された。 2003年に同誌に掲載されたレポート "Amazon.com Recommendations: Item-to-Item Collaborative Filtering" が Test of Time、つまり『時代が証明したで賞』を受賞したことをうけての特別記事らしい 1。 「この商品を買った人はこんな商品も買っています」という推薦で有名なAmazonが1998年にその土台となるアルゴリズムの特許を出願してから20年、彼らが 推薦アルゴリズムをどのような視点で改良してきたのか 今、どのような未来を想像するのか その一端を知ることができる記事だった。 アイテムベース協調フィルタリング 20年前も
何かこんなメディア記事が出ていたようです。 これを読んで色々な人がツッコミを入れまくっている模様ですが、この記事の不思議なところは「完全に間違った説明というわけでもないのに何故か(両分野に詳しい)誰が読んでも猛烈な違和感を覚える」ところなんじゃないかなぁと。 正直、これはライター・インタビュアー・コメンテーター・編集者の誰のせいなのかは全く分からないんですが、ツッコミ入れられまくっている内容について色々あげつらってもあまり建設的でないので、ここでは記事中で本題として取り上げられている「統計学と機械学習の違い」についてちょっとコメントしてみようと思います。 あ、もちろん僕がこれから書くコメントも別に正しいとは全く限らないので、おかしいところや間違ってるところがあったらバンバン突っ込んでいただければ幸いです*1。そしてガチ勢向けのコメントでもないので何卒悪しからず。 統計学はデータを「説明」す
米グーグルの研究部門であるGoogle DeepMindが開発した囲碁AI(人工知能)「AlphaGo」と、韓国のプロ棋士イ・セドル氏が2016年3月9日~15日に韓国で実施した五番勝負は、イ・セドル氏が第四局で一矢を報いたものの、4勝1敗でAlphaGoの圧勝に終わった。この五番勝負は、第三次AIブームを牽引するディープラーニング(多層のニューラルネットによる機械学習)のデモンストレーションという枠を超え、その強みと弱点、ビジネス応用の方向性を浮き彫りにした。 今回の五番勝負が改めて示したディープラーニングの強みは、このAI技術が用途によらず、極めて汎用的に使えるという点だ。 AlphaGoのソフトウエアには、囲碁のルールすら組み込まれていない。過去の棋譜をニューラルネットに入力する「教師あり学習」と、勝利を報酬に囲碁AI同士を対局させて鍛える「強化学習(教師なし学習)」だけで、世界最強
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
処理を実行中です
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