This domain was recently registered at Namecheap.com. Please check back later! phalt.co 2022 著作権. 不許複製 プライバシーポリシー
Eureka EngineeringLearn about Eureka’s engineering efforts, product developments and more.
ここ1年くらいDeep Learning Tutorialを読みながらTheanoというライブラリで深層学習のアルゴリズムを実装してきた。 深層学習の基本的なアルゴリズムならTheanoでガリガリ書くこともできたがより高度なアルゴリズムをTheanoでスクラッチから書くのはとてもきつい*1。 そんなわけでPylearn2、Lasagne、nolearnなどのTheanoベースのラッパーライブラリをいろいろ調べていたのだが、結局のところKerasというライブラリが一番よさげだと思った。KerasはバックエンドとしてTheanoとTensorflowの両方が使え、より高レイヤな表現(たぶんChainerと同レベル)で深層学習のさまざまなアルゴリズムが記述できる。TheanoやTensorflowは完全に隠蔽されており、Kerasで書かれたプログラムはまったく修正せずにTheanoとTensor
What is LDA? Latent Dirichlet allocation (LDA) is a topic model that generates topics based on word frequency from a set of documents. LDA is particularly useful for finding reasonably accurate mixtures of topics within a given document set. LDA walkthrough This walkthrough goes through the process of generating an LDA model with a highly simplified document set. This is not an exhaustive explanat
Verified details These details have been verified by PyPI Maintainers ariddell Unverified details These details have not been verified by PyPI Meta License: Mozilla Public License 2.0 (MPL 2.0), Other/Proprietary License (MPL 2.0) Author: lda developers Requires: Python >=3.10 NOTE: This package is in maintenance mode. Critical bugs will be fixed. No new features will be added. lda implements late
Buffer Blog:この記事のタイトルを見ると、すごいことを言っているように感じられるでしょう(私としてはそう思っていただきたいのですが!) でもこの話の良いところは、そんなすごい成果が誰にでも出せ、一見大変なことのように思えても、実はぜんぜんそうではない、という点なのです。 実を言うと、これらの成果はすべて、毎日小さなことをコツコツと長期間やり続けることによって達成したものです。 私は、ハードなやり方よりもスマートなやり方を好み、効率的に物事をこなすための細かな工夫を考えるのが好きなのです。Bufferの初代コンテンツクラフターである私は、年中この手のトピックを掘り下げる機会を与えられました。 今回またここで、私が2015年の成果をどうやって獲得したかを紹介できることをうれしく思います。 フランス語を1日5分練習する習慣によって、基礎的なフランス語の読み書きと会話ができるようになった
さくらインターネット、コンテナ型仮想化技術「Docker」を利用した 新たなホスティングサービス「Arukas」を開発 〜無料で利用できるオープンβテストを実施〜 自社運営のデータセンターでインターネットインフラサービスを提供するさくらインターネット株式会社(本社:大阪市中央区、代表取締役社長:田中 邦裕)は、Docker, Inc.(本社:米国サンフランシスコ、CEO:Ben Golub、以下:Docker社)が開発するコンテナ型仮想化技術「Docker」を利用した新たなホスティングサービス「Arukas(アルカス)」を開発しました。この「Arukas」を無料でご利用いただけるオープンβテストを、2016年9月末まで実施いたします。 「Docker」は、Docker社より2013年に公開されたオープンソースのコンテナ型の仮想化ソフトウエアです。「Docker」で実現されるコンテナ型仮想化
この記事の要約 英語が話せるようになれば、日本の人材市場ではなくグローバルの人材市場で自分の価値を判断されるようになる ITエンジニアにとって日本語のみの仕事はグローバルに比べて給料・待遇ともに劣っていて、各種経済予測からこれが改善されることは絶望的 英語使ってグローバル企業で働くことは、「一攫千金や立身出世を狙う野心家のキャリアパス」ではなく、ITエンジニアにとって生き残るための必須能力となりつつある あけましておめでとうございます。今年もよろしくお願いします。 最近、私の会社で日本での本格的な採用活動を始めました。その関係で転職に興味ありそうな人と色々と話をしているのですが、全員が共通して「英語がきつそうで……」といった反応でした。いずれも技術者として優秀な方々ばかりで、その技術の修得に多大な努力を要していたはずです。自然言語というものは、母語であれば普通は特に専門教育を受けずとも使え
Object-Oriented Software Design in C++—Save 45% TODAY ONLY!
評価尺度 このコンペでは予測したSalseの評価尺度として、 RMSPE という以下の計算式が用いられています。 RMSPEは、実際の Sales と、予測した Sales の誤差の割合をベースに算出される値で、0 に近く小さいほど良いというものです。仮に全ての店舗の全ての日の Sales の予測値が実際の Sales と一致していれば RMSPE = 0 となります。 売上予測結果の一例 コンペのイメージを湧き易くするために、実際に予測モデルで予測した売上の結果についてお見せします。下図は2015年6月までのデータを使って、2015年7月の売上を予測したもの(緑線)と実際の売上(橙線)を3店舗分可視化したものです。なかなか良く売上の予測ができていることが見て取れます。以降では、この予測モデルの構築について説明していきます。 Rossmann Store Sales での取り組み 情報収集
最近、「機械学習」や「自然言語処理」、といったキーワードを聞くことが多くなってきていると思います。 反面、すごそうだけどなんだか難しいもの、というイメージもあるのではないかと思います。そこで、今回は「自然言語処理」の一種であるトピックモデルを取り上げ、その仕組みを紹介するとともに、その実装方法について解説していきたいと思います。 (「機械学習」の方については、以前開催した勉強会の資料がありますので、興味があればそちらもご参照ください。) トピックモデルとは トピックモデルは、確率モデルの一種になります。つまり、何かが「出現する確率」を推定しているわけです。 トピックモデルが推定しているのは、文章中の「単語が出現する確率」になります。これをうまく推定することができれば、似たような単語が出てくる文章(=似たようなモデルの文書)が把握でき、ニュース記事などのカテゴリ分類を行ったりすることができま
Is your model smarter than an 8th grader? こんにちは、CAリワード配属新卒2年目の阿部です。 KaggleゼミでAllen AIチャレンジに参加していたので、その成果と感想を紹介したいと思います。Kaggleを簡単に説明すると、「世界一のデータ解析コンペ」です(KaggleとアドテクスタジオKaggleゼミの詳細紹介はこちらの記事を御覧ください)。 今回私たちが参加したコンペティションは2015年10月7日から2016年2月13日の間に開催されていた 「The Allen AI Science Challenge」で、自然言語の質問を人工知能のコンピュータプログラムで回答するチャレンジです。人工知能、自然言語処理、情報検索の研究分野では、「質問応答」というセクションがありますが、古くから盛んに研究されており、様々な手法が提案されてきました。今回のコ
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
私のブックマーク Latent Topic Model (潜在的トピックモデル)東京大学 情報基盤センター助教 佐藤 一誠 (Issei Sato) URL: http://www.r.dl.itc.u-tokyo.ac.jp/~sato/ 1.はじめに 近年、Topic modelと呼ばれる確率的潜在変数モデルが、機械学習とデータマイニングの境界分野で盛んに研究されています。また、Topic modelは、自然言語処理、画像処理、Web解析など様々な応用分野でも多くの適用例が報告されています。 ここでは、Topic modelの研究に関する情報を紹介します。 2.国際会議機械学習およびデータマイニングでは、主に国際会議で最先端の議論がされているため、主要国際会議を把握しておくことが重要です。Topic modelの研究では、主に以下の国際会議が重要視されています。 Neural Info
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