RNNLM
2. 黒船到来 • 自然言語処理における Deep Learning の活用を紹介 • google の人が公開したword2vecというツールが話題 4. n-gram language model • 文に対する確率分布をモデル化 • 単語の条件付き確率の積で表す • 単語の条件付き確率はN-1個前までの単語で計 算できると仮定する 適切なn-gram確率をいかに求めるかがこれまでの焦点 コーパスに現れない低頻度なn-gramにも事前分布に従って正確な 確率を与えるという試みがなされてきた（スムージング） 5. n-gram lm の例 • HPYLM trigram の確率は… 観測したtrigram頻度を ディスカウントして… bigram確率でback-off “トヨタ/自動車” の確率は 0.5 “日産/自動車”の確率は0.4 Q: トヨタと日産の関係は？ A: 知らない
Deep Learning技術の今
2. ⾃自⼰己紹介 l 得居 誠也 (Seiya Tokui) 株式会社Preferred Infrastructure, Jubatus Pj. リサーチャー l 専⾨門は機械学習（修⼠士、現職） l – 系列列ラベリング→ハッシュ・近傍探索索→深層学習 l 今の興味は深層学習、表現学習、分散学習、映像解析 l @beam2d (Twitter, Github, etc.) 2 / 47 3. 2011年年: ⾳音声認識識における成功 l l 3 / 47 DNN-‐‑‒HMM を使った⼿手法が、⾳音声認識識の word error rate で従来 法 (GMM) より 10% 前後も改善 携帯端末における⾳音声操作に Deep Learning が利利⽤用されるように F. Seide, G. Li and D. Yu.
Webアプリ開発者のためのHTML5セキュリティ入門
Enterprise x HTML5 Web Application Conference 2014の発表資料です。Read less
Deep learning
Accessibility View text version Categories Technology Upload Details Uploaded via SlideShare as Adobe PDF Usage Rights © All Rights Reserved Statistics Favorites 2 Downloads 0 Comments 0 Embed Views 0 Views on SlideShare 0 Total Views 0 Deep learning — Presentation Transcript Deep Learning 株式会社ウサギィ 五木田 和也 2012/11/0912年11月9日金曜日 自己紹介 ✤ 株式会社ウサギィのエンジニア ✤ 機械学習、自然言語処理、組合せ最適化 ✤ iPhone, Android, Rails ✤ な
自然言語処理のためのDeep Learning
1. 自然言語処理のための Deep Learning 東京工業大学 奥村・高村研究室 D1 菊池悠太 @kiyukuta at 2013/09/11 Deep Learning for Natural Language Processing 13年9月28日土曜日 3. 2つのモチベーション - NLPでニューラルネットを - 言語の意味的な特徴を NN→多層×→pretraining→breakthrough !! 焦って早口過ぎてたら 教えて下さい A yet another brief introduction to neural networks http://www.slideshare.net/yutakikuchi927/a-yet-another-brief-introduction-to-neural- networks-26023639 13年9月28日土曜日
はじめよう多変量解析～主成分分析編～
第31回Tokyo.Rで発表した資料です。Rを用いて主成分分析について解説しています。Read less
ゲームの中の人工知能
5. ご質問 http://www.facebook.com/youichiro.miyake Twitter: @miyayou 感想・ご質問は メイルtwitter やfacebookまで ゲームＡＩ千夜一夜 http://blogai.igda.jp/ 三宅陽一郎 論文・講演資料集（４） http://blogai.igda.jp/article/92899318.html 6. Books Precomputed Pathfinding for Large and Detailed Worlds on MMO Servers Fabien Gravot, Takanori Yokoyama, and Youichiro Miyake http://www.crcpress.com/product/isbn/9781466565968 Table of Contents Genera
実装ディープラーニング
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有しています。 http://xpaperchallenge.org/cv/ 本資料はViEW2021チュートリアルセッション「最新研究の始め方」のプレゼン素材です。また、xpaper.challengeの2020年末ワークショップとしてプレゼンした「研究効率化Tips」の拡張版です。本資料では3社12研究室300ページにわたるノウハウの詰め合わせです。 VIEW2021のチュートリアルセッションでは時間の制限があるため、こちらの資料から一部抜粋して発表を行うことになりますが、VIEW2021チュートリアルセッションの方にも足を運んでいただければ幸いです。 VIEW2021チュートリアルセッション：http://vie
一般向けのDeep Learning
PFI 全体セミナーで発表した、専門家向けではなく一般向けのDeep Learning（深層学習）の解説です。どのような場面で活躍しているのか、今までの学習手法と何が違うのかを解説しています。Read less
「データサイエンティスト・ブーム」後の企業におけるデータ分析者像を探る
2. 一応、自己紹介を… 尾崎 隆 (Takashi J. OZAKI, Ph.D.) “J”に深い意味はありません 学者だった頃に同業界にT. Ozakiさんがいたので と思ってJをつけたら、別業界にT. J. Ozakiさんが… 2014/5/13 2 4. 一応、自己紹介を… こういうキャリアをたどっております 1997～2001年 東京大学工学部計数工学科 （※情報工学系） 2001～2006年 東京大学大学院新領域創成科学研究科 修士＆博士課程（脳科学） 2006～2011年 理化学研究所脳科学総合研究センター 研究員（脳科学） 2011～2012年 東京大学教養学部 特任研究員（心理学） 2012年4月 慶應義塾大学医学部 特任助教（産学連携） ※30代のうちにバイオ系分野のポスドク問題を乗り 切ることは 事実上不可能と判断して、キャリアチェ
入門機械学習1,2章
5. Rとは？ ! 統計計算とグラフィックスのための言語・環境 ! 多様な統計手法 (線形・非線形モデル、古典的統 計検定、時系列解析、判別分析、クラスタリング、 その他) とグラフィックスを提供し、広汎な拡張 が可能 ! オブジェクト指向 ! 統計処理用の関数が豊富に用意されている ! ベクトル、行列演算のためのデータ型が存在す る 6. 例）package_installer.R options(repos=structure(c(CRAN="http://cran.stat.auckland.ac.nz/"))) cran.packages <-‐‑‒ c("e1071”, "ggplot2”, "glmnet", "Hmisc”, "igraph”, "lme4", "lubridate”, "plyr”, "RCurl", "reshape”, "RJSONI
社内勉強会-ナイーブベイジアンフィルタの実装
1. . . シンプルなナイーブベイジアンフィルタの実装 Kenta ONISHI feedforce Inc. 2013 年 1 月 18 日 . . . . . . Kenta ONISHI シンプルなナイーブベイジアンフィルタの実装
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
A yet another brief introduction to neural networks
WebAPIのこれまでとこれから
Swiftおさらい
HTML5, きちんと。
