Deep Learning の概要 - Sideswipe
はじめに 去年の 機械学習×プログラミング勉強会 vol.2 で、Deep Learning の概要について発表させていただきました。誘っていただいた @07c00 さん、ありがとうございました。 Deep learning from Kazuya Gokita 詳しくは上記のスライドを御覧ください（注：Auto Encoder と DBM をごっちゃに説明しているので正しくありません、そのうち直します）。 Deep Learning とは Deep Learning は、ニューラルネットワーク*1のひとつで、5層とか10層とか、従来の手法ではうまく学習できなかった深い層の学習をうまくできるようにしたアルゴリズムです。 Deep Learning が目指したところ 入力に近い層では、単純な特徴抽出しかできませんが、それらの重み付け和をとると表現能力が上がります。それをさらに上位の層に入力し
Deep Learning を実装する
2015年9月18日 (GTC Japan 2015) 深層学習フレームワークChainerの導入と化合物活性予測への応用
ニューラルネットの逆襲 - Preferred Networks Research & Development
岡野原です。Deep Learningが各分野のコンペティションで優勝し話題になっています。Deep Learningは7、8段と深いニューラルネットを使う学習手法です。すでに、画像認識、音声認識、最も最近では化合物の活性予測で優勝したり、既存データ・セットでの最高精度を達成しています。以下に幾つか例をあげます。 画像認識 LSVRC 2012 [html] 優勝チームスライド [pdf], まとめスライド[pdf] Googleによる巨大なNeuralNetを利用した画像認識（猫認識として有名）[paper][slide][日本語解説] また、各分野のトップカンファレンスでDeep Learningのチュートリアルが行われ、サーベイ論文もいくつか出ました。おそらく来年以降こうした話が増えてくることが考えられます。 ICML 2012 [pdf] ACL 2012 [pdf] CVPR
Deep Learning
Deep Learning is a new area of Machine Learning research, which has been introduced with the objective of moving Machine Learning closer to one of its original goals: Artificial Intelligence. This website is intended to host a variety of resources and pointers to information about Deep Learning. In these pages you will find a reading list, links to software, datasets, a list of deep learning resea
人工知能学会誌 連載解説「Deep Learning（深層学習）」
人工知能学会監修『深層学習 — Deep Learning』出版の案内 本連載解説の記事を加筆・再編集した書籍『深層学習 — Deep Learning』を近代科学社から2015年10月31日に出版しました． 監修：人工知能学会 著者：麻生 英樹，安田 宗樹，前田 新一，岡野原 大輔，岡谷 貴之，久保 陽太郎，ボレガラ・ダヌシカ 編集：神嶌 敏弘 出版：近代科学社 出版社のページ サポートページ 人工知能学会誌 連載解説「Deep Learning（深層学習）」 現在では記事は無料で公開されています． 安田 宗樹「ディープボルツマンマシン入門 : ボルツマンマシン学習の基礎」人工知能学会誌 Vol.28 No.3 (2013年5月) 麻生 英樹「多層ニューラルネットワークによる深層表現の学習」人工知能学会誌 Vol.28 No.4 (2013年7月) 岡野原 大輔「大規模Deep Lear
2013
Think of the most frustrating, intractable, or simply annoying problems you can imagine. Now think about what technology is doing to fix them. That’s what we did in coming up with our annual list of 10 Breakthrough Technologies. We’re looking for technologies that we believe will expand the scope of human possibilities.
本格化する「人工頭脳」のビジネス活用
キーワードで探す カテゴリで探す トレンドを知る 事例を知る 展望を知る 技術ブログ サービスで探す コンサルティング CRM（Salesforce） ERP（SAP/Biz∫） 顧客接点・決済 カーボンニュートラル SCM・ロジスティクス 電子申請 データ＆インテリジェンス アプリケーション開発・管理 ブロックチェーン 量子コンピュータ・イジングマシン デジタルツイン IoT ロボティクス・RPA クラウド ネットワーク データセンター サイバーセキュリティ アウトソーシング 生成AI 業種で探す 金融 官公庁・自治体 医療・ヘルスケア 防災・レジリエンス 食品 流通・小売 モビリティ 製薬・ライフサイエンス 食農・農業 製造 通信・放送 電力・ガス・水道 建設・不動産 個人のお客様向け 教育 トピックで探す Foresight Day サステナビリティ キーワードで探す カテゴリで探す
ITmedia Biz.ID：講義ノートの取り方と復習のコツ
ノートの書き写しは、テスト前の勉強法の中でも時間のかかる方法だ。しかし学生時代を振り返ると、筆者にとって本当に有効な学習方法は唯一これだけだった。今秋、8年ぶりに学生に戻って講義を受けることになった。来週にはノートにペンを走らせているはずの筆者だが、今度こそ完璧な戦略で臨むつもりだ。「コーネル大学式ノート作成法」を正しく実践するのだ。 コーネル式については、過去にもこの記事（7月24日の記事参照）やここで取り上げたが、今回は、学期を通して――書き写しすることなく――学習・参照がスムーズに行えるノートの取り方について詳しく見ていこう。 コーネル式にページをレイアウト コーネル式にのっとり、以下のようにノートを3つの領域に分割する。 ノート欄（右）には、受講中に講義の内容を書き取る。短文や単語で、後に自分が必要とするであろうファクトを書き取っていく。必要のない言葉はすべて省略する。箇条書きにす
ITmedia Biz.ID：“独立して生きる”ために必要なこと――栗原潔さん
フリーランスとしてITコンサルティング、弁理士、翻訳などの仕事をしている栗原潔さん。独立に備えて複数の収入源を確保したほか、仕事量をできるだけ平準化する方法などを編み出した。 今は会社勤めをしていても「いつかは独立して、自分の名前で仕事をしたい」と考えるビジネスパーソンは少なくない。しかし、どうやって仕事を手に入れるのか、果たして食べていけるのか、といった不安を持つ人も多いだろう。 栗原潔さんは日本アイ・ビー・エム、ガートナー ジャパンなどを経て、2005年に「テックバイザージェイピー」という企業を立ち上げ、独立を果たした。仕事内容はIT関連のコンサルティング、寄稿や講演、商標とソフトウェア特許分野の弁理士、翻訳などだ。2006年には「キャズム」の著者でもあるジェフリー・ムーア氏の新刊「ライフサイクル・イノベーション」を翻訳した。 これらの仕事のうち、現在最も多くの時間をかけているのがIT
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
MIT Technology Review | MIT Technology Review