自分と同じようなバックグラウンドで「機械学習周辺の数学まわりの勉強をしたい」という人の助けに少しでもなれればと思い、半年間の勉強の軌跡を公開することにした。 ● 前提 ・数学の勉強と言える勉強は高校数学で言う所の数II・Bまでしかやってこなかった。 ・数学が超得意だったかというとそういうわけではなく、まあ普通なライン。 ・大学は情報系で文理一緒だけど、正直大学数学らしい数学はあまりやってこなかった。 ・社会人になって以来ずっと数学コンプレックスで「大学の時もっと理系の勉強をしておけばよかった」と後悔する日々だった。 ・「とにかくツールとか沢山触りまくって慣れた方が良い」という意見も沢山頂いていたのだけど、 – やはり専門の文献を読むとブワーッと数式が出て来て「うっ」となる自分が情けなく感じる経験をした – このまま勉強しないで年をとった後に「あの時やっておけば」という後悔はしたくなかった

2. ⾃⼰紹介 •  名前: takano •  Twitter: @mtknnktm •  仕事: Web系企業のデータ関連あれこれ •  興味: 計算社会科学・複雑系科学 •  もろもろ – Publications: https://sites.google.com/site/mtkn35699/ – Slide: http://www.slideshare.net/MasanoriTakano1 – Blog: http://mtkn.hatenablog.com/ 2 3. •  ふと回帰分析したくなった時 •  ふとMCMCしたくなった時 •  ふと前処理したくなった時 •  ふと機械学習したくなった時 •  ふと集計したくなった時 •  ふと社会科学したくなった時 でも iris はもう飽きた → そんなときのために、 誰でも使えるデータをご紹介 3 5. おもしろいと思った

はじめに 2017.5.1 追記: Deprecated よりよい方法を見つけたので当記事の内容を非推奨にします。改定箇所が多かったので、(改訂版) Docker でオフィシャルな GitLab イメージと Redmine イメージのコンテナを連携させる として新しく記事を書きました。参考にされる場合はそちらをご覧ください。 対象となる読者 オフィシャルな GitLab イメージ を使いたい人 オフィシャルな Redmine イメージ を使いたい人 上記のイメージから作成したコンテナを連携させたい人 この記事を読んだ後できるようになること GitLab の Issues タブが Redmine のプロジェクトにリンクされます。 GitLab のコミットメッセージ内の issue 番号が Redmine チケットにリンクされます。 Redmine のチケット連携機能がそのまま使えます。 この

最近GoogleがSDカード向けにファイルシステムを作っている, というような話がありました. juggly.cn 記事中に ファイルシステムのネーミングからして、SD Card FS は SD / Micro SD カード専用のファイルシステムだと見られます。 とありますが, sdcardfsはそんな文字通りに「SDカードをターゲットにした」ものではありません. そもそも アドバンテージとして挙げられたのは一連のファイル操作のシステムコールをユーザー空間を行き来することなく実行できることで、一連の命令はカーネルとハードウェアの間でダイレクトにやり取りされ、これにより、コンテキストスイッチの影響を受けることがなくなり、ファイル操作のパフォーマンスが大幅に向上するそうです。 この部分がなんか変です. 普通「ユーザー空間を行き来」なんてしません. なにか間違って伝わっているような気がします.

この数年で、プログラミング言語（PL）や機械学習のコミュニティは 確率的プログラミング（PP） を用いて、それぞれに共通する研究の関心事を明らかにしてきました。その概念は、抽象化のような強力なPLのコンセプトを”エクスポート”し、現状では複雑で困難な作業である統計的モデリングに再利用することができるかもしれない、というところにあります。 （講義ノートの 最新版 を閲覧したい方は、リンクをクリックしてください。ソースは GitHub に投稿してあります。誤りを発見した場合は、Pull Requestを送信してください。） 1. 何、そしてなぜ 1.1. 確率的プログラミングは○○○ではない 直観に反して、確率的プログラミングとは確率的に振る舞うソフトウェアを書くことでは ありません。 例えば、暗号のキー・ジェネレータやOSカーネルでの ASLR の実装、または回路設計のための 焼きなまし法

このスライドは 2017 年 1 月 17 日 (火)、ベルサール高田馬場で開催された「NVIDIA Deep Learning Institute 2017」の最初のセッション、「これから始める人の為のディープラーニング基礎講座」にて、エヌビディア合同会社 ディープラーニング部 村上 真奈が講演しました。 このセッションでは、ディープラーニングをこれから始める方を対象に、必要な基本知識について説明します。ディープラーニングではニューラル ネットワークに大量のデータを学習させる事で画像認識や物体検出など様々な認識を行う事が可能です。セッション前半は、画像認識問題で使われる畳み込みニューラル ネットワーク (CNN) を理解する為の基礎概念について説明します。ニューラル ネットワークの基本となる多層パーセプトロン、誤差逆伝播法、確率的勾配降下法やミニバッチ学習などディープラーニングの学習過程

こんにちは。おうちハッカーのぼへみあです。 CESではIoTデバイスが盛り上がり、特にAmazon Alexa無双だったということです。Alexaは日本上陸していないので、使うことができず、取り残されているようで残念ですが。 このように、IoTブームが続いており、多くのIoTデバイスが発表されて盛り上がりを見せているのですが、それは本当に生活を変えうるものでしょうか？ 私はこれまでIoTデバイスを買いまくり、自宅に取り入れることで身をもって経験してきました。 bohemia.hatenablog.com そうした経験から、IoTが生活を不便にしてしまった実例をお伝えしたいと思います。これからおうちハックをしたい人、IoTハードウェア開発者などの糧になると嬉しいです。 以前にも、失敗談と称して記事を書いていますので、こちらもご参考ください。 おうちハックの失敗から学んだこと - bohemi

Coursera の講座について Coursera の講座については、いろいろなかたが絶賛しているので、機械学習をこれから勉強しようとか、少しかじったけどもっと網羅的に理解したいとかという人には最適です。僕も最近、一通り終えました。 (参考) レビューなどはこちら 機械学習をゼロから1ヵ月間勉強し続けた結果 深層学習へ それから、分類の問題(二値ではなく多値)にもう少し踏み込もうと考え、TensorFlow を触ってみたり、深層学習の本を読んだりしています。 多分もっともわかりやすいTensorFlow 入門 (Introduction) Deep MNIST for Experts  |  TensorFlow 深層学習 (機械学習プロフェッショナルシリーズ) 前述の講座のおかげで、理解がはやく、ものすごいさくさく勉強が進むのですが、2点ほどその講座では触れられていなかったことがありまし

最近流行っている雰囲気があるPythonだけど、僕も年末にふと気分が高まったので、練習をしてみた。 自分にとってはPerlやRubyよりも先に勉強した、初めてのスクリプト言語がPythonだったので、ちょっとだけ思い入れがある。とはいえ、何年も前に初めてのPythonで勉強した後は、稀に使うくらいだったのでPythonならではの良い書き方とか、良いライブラリの知見とかは全然持ってなかった。 そこで、Pythonに入門しなおしてPython流を思い出した後、自分が気になっているWeb開発をやってみてどういうもんなのかを一通りやってみた。 このエントリは、GoでWebアプリケーション作る練習をしたの続編です(さらに続きはないでしょう)。 入門 Python3 を読んだ 入門 Python 3 作者: Bill Lubanovic,斎藤康毅,長尾高弘出版社/メーカー: オライリージャパン発売日:

CES2017が閉幕して1週間ほどだったが、やはり、大手メディアさんはメディア視点。私は自社ブースにいたのでほとんどCES会場を見て回れていない、という点を釈明したうえで今回のCES2017について私なり（5年出してる出展者目線）の感想を述べたいと思う。 Alexa, Alexa and Alexa 「家電から車まで、何もかもがAmazon Alexaに蹂躙された」「スタートアップシーンのほぼすべてはフランスに持っていかれた」この２点に尽きるCESだったなというのが感想だ。会場どこにいってもAlexa, Alexa and Alexa。昨年のCESではほとんど影も形もなかったAlexaだが、大手からスタートアップまで、ありとあらゆるハードウェアがAlexaに対応、会場のどこへいってもHey Alexaの声を聞く羽目に。 ぶっちゃけ、あのレベルで生音声を集められてしまうと、もう戦えるプレイヤ

本エントリーは、内輪向けの勉強会向けに書いたメモです。 元になっているのは、2冊の書籍です。 機械学習Pythonプログラミング(インプレス) ITエンジニアのための機械学習理論入門(技術評論社) 基本的な部分は、「機械学習Pythonプログラミング」を元にし、「ITエンジニアのための機械学習理論入門」で補足する方でまとめています。 なお、本記述に間違い勘違いなどがあれば気軽にご指摘ください。 種類 学習方法 重要 教師あり 教師なし・ラベルなし 強化学習 目的の種類 (from 機械学習理論入門) 分類 ・・Positive(P) or Negative(N) の判定 回帰分析　・・数値を予測する クラスタリング　・・教師なしで、グループ化 類似マッチング　・・類似物を見つける (書籍では単語のみ紹介) 共起分析　・・レコメンデーション (書籍では単語のみ紹介) リンク予測　・・つながり

【最終更新 : 2017.12.17】 ※以前書いた記事がObsoleteになったため、2.xできちんと動くように書き直しました。 データ分析ガチ勉強アドベントカレンダー 17日目。 16日目に、1からニューラルネットを書きました。 それはそれでデータの流れだとか、活性化関数の働きだとか得るものは多かったのですが、Kerasと言うものを使ってみて、何て素晴らしいんだと感動してしまいました 今まで苦労して数十行書いていたものが、わずか3行で書ける！ 正直、スクラッチで書く意味って、理解にはいいけど研究や分析には必要あんまないんですよね。車輪の再発明になるし。 と言うわけで、使えるものはどんどん使っていこうスタンスで、今日はKerasの紹介です！ Tutorial+気になった引数を掘り下げて補足のような感じで書いています。 ちなみに、各部のコード以下をつなぎ合わせるとmnistの分類器が動くよ

2018年4月25日をもちまして、 『CodeIQ』のプログラミング腕試しサービス、年収確約スカウトサービスは、 ITエンジニアのための年収確約スカウトサービス『moffers by CodeIQ』https://moffers.jp/ へ一本化いたしました。 これまで多くのITエンジニアの方に『CodeIQ』をご利用いただきまして、 改めて心より深く御礼申し上げます。 また、エンジニアのためのWebマガジン「CodeIQ MAGAZINE」は、 リクナビNEXTジャーナル( https://next.rikunabi.com/journal/ )に一部の記事の移行を予定しております。 今後は『moffers by CodeIQ』にて、 ITエンジニアの皆様のより良い転職をサポートするために、より一層努めてまいりますので、 引き続きご愛顧のほど何卒よろしくお願い申し上げます。 また、Cod

【追記】 もうこれ古いから参考にしないでください https://t.co/mXtcc73Orf — もし Laravel が流行しなくなってこられてきてたとしたら、絶対に捨てられてこられてたと思うか (@mpyw) January 26, 2021 Redux にはその昔 connect()() とかいうクソ API と， Redux-Saga とかいう宗教がありました という考古学です — もし Laravel が流行しなくなってこられてきてたとしたら、絶対に捨てられてこられてたと思うか (@mpyw) January 26, 2021 読者対象 Tutorial: Intro To React - React Example: Todo List · Redux 「チュートリアルそれぞれ一周した！Reactは何とか理解できたが，Reduxがさっぱりわかんねぇ！」 ぐらいの人向け。自分

マネ会 節約 エアコンのつけっぱなしで電気代が安くなるって本当？ 関西電力さんに聞いてみた《秋沢もかの暮らしの工夫》 こんにちは、秋沢もかです。 エアコンを使うとき、スイッチのオンオフを繰り返すより、“つけっぱなし”にしておくほうが電気代が安くなるらしいよ。 こんな話を聞いたことはありませんか？ 主婦の間では、このような話題になることがよくあります。 つけっぱなしがエコって本当？ 本当に電気代が安くなるの？ 実際に安くなったよ（体験談） 長時間の外出でもつけっぱなしのほうがいいの？ 冷房と暖房で違いはあるの？ などといった意見を聞くことが多く、私自身も何となくオンとオフを頻繁に繰り返すよりも、ある程度つけっぱなしにしている方が電気代が安くなるのかな？なんて思っていました。 そこで今回は、私の長年の疑問を解消すべく、関西電力さんに「本当のところどうなの？」とツッコんで教えてもらいました！

コンテンツブロックが有効であることを検知しました。 このサイトを利用するには、コンテンツブロック機能（広告ブロック機能を持つ拡張機能等）を無効にしてページを再読み込みしてください。 ✕

コンテンツブロックが有効であることを検知しました。 このサイトを利用するには、コンテンツブロック機能（広告ブロック機能を持つ拡張機能等）を無効にしてページを再読み込みしてください。 ✕

こんにちは、データ分析部でバイトをしている子田（id:woody_kawagoe）です。 ニュースパスのログを集計して分析するといった業務を行っています。Gunosyで分析に利用しているツールとしては主にJupyter, Pandas, matplotlibがあります。 この組み合わせは非常に相性が良く、研究でも役立つと思います。 そこで今回のブログではデータ分析に役立つtipsや学んだことをまとめます。 Jupyter Pandas matplotlab データ分析の基本的な流れ 参考資料 Jupyter jupyter.org ブラウザ上で利用できる開発環境です。 対話型で、作成したスクリプトと出力結果の対応関係が非常に見やすいです。 スクリプトでprint文をかかなくても最終行に変数おけば表示してくれます。 またgithub上にJupyterで作成できるipynbファイルを置くと他の