GitHub - Valkyrja3607/tuning_playbook_ja: ディープラーニングモデルの性能を体系的に最大化するためのプレイブックYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
住宅会社選別チェックリスト
木造でも鉄骨造でも〇〇工法でも、耐震等級3が合格ライン 南海トラフでM8〜9クラスの地震が発生する確率は「50年以内に90%程度かそれ以上、30年以内に70～80％」これを無事に乗り切るには耐震等級３が必須であるということは、構造の専門家の間では常識となっています。 一般の方は鉄骨... さらに突っ込んで確認するのであれば、構造計算の方法を聞いてみてください。計算方法の種類は、簡易計算である「壁量計算」、本来の構造計算である「許容応力度計算」、そして、型式認定という3つの方法に大別されます。（※型式認定は大手ハウスメーカーが取り入れている構造検討方法です。）三階建て以上では許容応力度計算が義務づけられていますが、平屋、2階建住宅においては9割以上の住宅会社が壁量計算しかしていません。かつて芝浦工業大学にてランダムに100物件分の簡易計算の住宅図面を集めて許容応力度計算を行うという試みが行わ
AWSによるクラウド入門
真野 智之 (Tomoyuki Mano) <tomoyukimano@gmail.com> version 1.0, 2020-06-19
CTOの頭の中：技術投資を最適化する｜Shin Takeuchi
ざっくり年収1,000万円のエンジニアが10名いる会社では、年間1億円の技術投資がなされているわけですが（地代家賃、ライセンスフィー、PC代など含めるともっと）、年間1億円を正しく詳細に把握して、投資をコントロールできている会社は少ないと思います。会社が創業期であれば、最低限作らなければならない機能などは分かりやすく見えていたりするのでまだしも、そのプロダクトでしっかりとした収益が成り立ち、上場企業となるようなレベル感のプロダクトに対する技術投資となると、一部の大きなプロジェクトは把握していても、細かな投資ポートフォリオを常に把握することは難しいのではないでしょうか？今回はこの部分に一石を投じてみたいと思います。 技術投資量を見える化する 投資の最適化とは言いますが、最適化というのは「To Be」の話ですので、まずは「As Is」を知らなければ話になりません。その、まず「As Is」を知る
【超長文】スタートアップ経営で現れる壁と事例とその対策について｜Takaya Shinozuka
そして、最近は若手起業家や経営を志す人たちとの接点も多くあり、エンジェル投資などもしていることもあってかよくこういった似た話をするので、まとめておこうじゃないかとまとめてみた次第です。「あれ見ておいてね」って言えたら楽じゃないですか。だから最後まで書き上げてみた。 ということで今回のNoteは、起業してから必ず遭遇するであろう壁（困難）の概要、事例、対応策についてのまとめをお届けしたいなと思います。 ※なおここでの内容は「社内の新規事業」でもまぁ似たようなものです。 スタートアップの壁についてスタートアップのグロースにはある一定の定石があると思っていますが、私はその道半ばで現れる「壁」には内容の法則性、乗り越え方（解決方法）なんかがあるんじゃないかという仮説を持っています。ここで言う「壁」の定義をしておきますが、簡単に言うと「出会ったら最後、乗り越えなくては成長が停滞する課題」のことを指し
A Recipe for Training Neural Networks
Some few weeks ago I posted a tweet on “the most common neural net mistakes”, listing a few common gotchas related to training neural nets. The tweet got quite a bit more engagement than I anticipated (including a webinar :)). Clearly, a lot of people have personally encountered the large gap between “here is how a convolutional layer works” and “our convnet achieves state of the art results”. So
科学の方法
中谷 宇吉郎 岩波書店 (岩波新書 青版 313, G50), 1958年 HTML化: 増田 耕一 (作業中, ひととおり入力完了 2003年8月17日, 最新改訂 2018年3月21日) [HTML化についての注 (2018年3月21日補足)] 自分用に入力したものを暫定的に置いたもので、長期的に置き続けることは約束しません。 入力のまちがいに気づいたときには修正していますが、 全体を通して原文と読みあわせて校正はしていません。 原文で漢数字が使われているのを算用数字にしてしまったところがあります。 数式は、自己流にむりやりHTMLにしており、正しく読めるかどうか確かではありません。 とくに、数式の上線(オーバーライン)は正しく表現できていません (スタイルシートによる表現に思い至ったのですが、まだ実行していません)。 目次 ページ
これから強化学習を勉強する人のための「強化学習アルゴリズム・マップ」と、実装例まとめ - Qiita
※2018年06月23日追記 PyTorchを使用した最新版の内容を次の書籍にまとめました。 つくりながら学ぶ! 深層強化学習 ~PyTorchによる実践プログラミング~ 18年6月28日発売 これから強化学習を勉強したい人に向けて、「どんなアルゴリズムがあるのか」、「どの順番で勉強すれば良いのか」を示した強化学習アルゴリズムの「学習マップ」を作成しました。 さらに、各手法を実際にどう実装すれば良いのかを、簡単な例題を対象に実装しました。 本記事では、ひとつずつ解説します。 オレンジ枠の手法は、実装例を紹介します。 ※今回マップを作るにあたっては、以下の文献を参考にしました。 ●速習 強化学習: 基礎理論とアルゴリズム（書籍） ●Deep Learning for Video Game Playing 強化学習とは 強化学習は、画像識別のような教師あり学習や、クラスタリングのような教師なし
深層強化学習の動向 / survey of deep reinforcement learning
全脳アーキテクチャ若手の会第28回勉強会 Keywords: DQN, 強化学習, Episodic Control, Curiosity-driven Exploration
勾配降下法の最適化アルゴリズムを概観する | POSTD
(編注：2020/10/01、2016/07/29、いただいたフィードバックをもとに記事を修正いたしました。) 目次： さまざまな勾配降下法 バッチ勾配降下法 確率的勾配降下法 ミニバッチ勾配降下法 課題 勾配降下法を最適化するアルゴリズム Momentum(慣性) Nesterovの加速勾配降下法 Adagrad Adadelta RMSprop Adam アルゴリズムの可視化 どのオプティマイザを選ぶべき？ SGDの並列化と分散化 Hogwild! Downpour SGD SGDのための遅延耐性アルゴリズム TensorFlow Elastic Averaging SGD 最適化されたSGDに対する更なる戦略 シャッフル学習とカリキュラム学習 バッチ正規化 早期終了 勾配ノイズ 結論 参考文献 勾配降下法は、最適化のための最も知られたアルゴリズムの1つです。これまではニューラルネット
株式会社ALBERT（レコメンドエンジン）
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
deep net highlights from 2014 - lacking capital(s)
looking back at all the literature that was published on the topic of deep learning in 2014 is quite overwhelming. at times it has felt that nearly every week a new paper from some heavyweights was being circulated via arxiv. trying to do a review of all that work would be a fool’s errand, but i thought it might be worthwhile to summarize some of the threads that i found particularly interesting
木暮太一の「経済の仕組み」 | 現代ビジネス @gendai_biz
「この人の言うことは聞いておかなければ」と思われる人になるには？ 「ビジネス説明力」養成講座【第5回】
RadBookBasic：やっかいな放射線と向き合って暮らしていくための基礎知識 田崎晴明 普通ではない15ヶ月間を過ごしてきたすべての人へ --- 敬意と感謝と言葉にできない思いをこめて
メインページ / 更新履歴・訂正（web 版） / 単行本に関する情報 公開：2012年6月11日 / 最終更新日：2013年11月28日 やっかいな放射線と向き合って暮らしていくための基礎知識 普通ではない15ヶ月間を過ごしてきたすべての人へ --- 敬意と感謝と言葉にできない思いをこめて 放射線に関連する基礎知識をまとめた本を公開しています。 できるだけ分かりやすく正確に書いたつもりなので、一人でも多くの人に読んでいただければ幸いです。 よろしければ、色々な人に教えてあげてください。 著作権等についてはこのページの一番下をご覧ください。 2012 年 9 月末に、この本が単行本として朝日出版社から出版されました。 詳しくは「単行本に関する情報」をご覧ください。 今後も、pdf ファイルの無償公開は（また、必要なら更新も）続けます。 田崎 晴明 これは、放射線や放射線物質に日常的に直面し
Tutorial on Domain Adaptation - Microsoft Research
Almost anyone who has deployed machine learning systems in the real world has encountered the task of domain adaptation: We build our models from some fixed source domain, but we wish to deploy them across one or more different target domains. For example, large-scale speech recognition systems need to work well across arbitrary speech, regardless of background noise or accents. Text processing sy
国家戦略室 - フロンティア分科会
フロンティア分科会とは 日本人が「希望と誇りある日本」を取り戻す上で重要なのは、中長期的に目指すべき国の将来像を示すことであり、その実現のため、切り拓いていくべき新たなフロンティアを提示することです。フロンティア分科会は、2050年までを視野に入れた我が国の将来像を描くとともに、国際的・社会的環境が大きく変化すると予想される2025年に向けた方向性を検討し、その内容を中長期ビジョンとして取りまとめていきます。 フロンティア分科会の下に設けられた「繁栄のフロンティア」・「幸福のフロンティア」・「叡智のフロンティア」・「平和のフロンティア」の４つの部会では、個別のテーマについて検討をしています。 詳しくはこちらの動画（政府インターネットテレビにリンク）をご覧ください。 What's New! 2012.04.26第6回叡智のフロンティア部会が開催されました。 2012.04.26第6回幸福のフ
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
https://www.pnas.org/content/pnas/early/2017/03/13/1611835114.full.pdf
Stanford University: Tensorflow for Deep Learning Research
横浜観光スポット51ヶ所まとめ。定番から穴場まで！ - Find Travel
最適化超入門
