機械学習×プログラミング勉強会 vol.2 での発表資料です。 ベイズの何が嬉しいか、ノンパラベイズの何が嬉しいかを数式を使わず語ります。
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
I am not a teapot719 - I am not a teapot Espresso Web (Red Hat Enterprise Linux) at raymii.org
Here is a Shiny app Shiny apps are easy to write. Let users interact with your data and your analysis, all with R or Python: R Python library(shiny) library(bslib) library(dplyr) library(ggplot2) library(ggExtra) penguins_csv <- "https://raw.githubusercontent.com/jcheng5/simplepenguins.R/main/penguins.csv" df <- readr::read_csv(penguins_csv) # Find subset of columns that are suitable for scatter p
商品の紹介 第一章 前憲法時代(1532 年~1789 年) 第一節 植民地時代 Ⅰ ビトリアの学説とその受容 Ⅱ ヨーロッパ諸国によるインディアンの土地の取得 Ⅲ separate and distinct people Ⅳ ジョージ王戦争、オールバニー連合案、フレンチ・インディアン戦争 Ⅴ 1763 年国王宣言 Ⅵ 英国商務庁策定の1764 年管理計画 第二節 アメリカ独立戦争と大陸会議 Ⅰ 「連合規約」 Ⅱ 「独立宣言」 第三節 インディアンとの条約、「北西部領地条令」 Ⅰ インディアンとの条約 Ⅱ 「北西部領地条令」 第四節 合衆国憲法制定会議 Ⅰ 「課税されないインディアン」 Ⅱ インディアン通商条項 第二章 合衆国憲法制定から条約締結終結の時代(1789 年~1871 年) 第一節 連邦の対インディアン政策の形成(1789 年~1803 年) Ⅰ 合衆国議会第1 議会制定のイン
The HTML5 revolution has provided us some awesome JavaScript and HTML APIs. Some are APIs we knew we've needed for years, others are cutting edge mobile and desktop helpers. Regardless of API strength or purpose, anything to help us better do our job is a step in the right direction. I recently shared with you 5 HTML5 APIs You Didn't Know Existed in the hope that some of them would inspire you
How to read exit polls To illustrate how exit poll results should be read, let's use hypothetical results as an illustration. The data is available in two formats: A graphic visualization and as a table. In the examples to the left, the first column of numbers shows how many people who voted today fell into each category. In our example, that means 18 percent of all voters were between the ages of
身内でdeep learningの勉強会をやったらできそうだったので実装した. 読んだのは大体ここらへん. NEURAL NETS FOR VISION(CVPR2012 tutorial) CS294A Lecture notes Sparse autoencoder ImageNet Classification with Deep Convolutional Neural Networks autoencoder autoencoderはunsupervised feature learningの一種.Convolutional Neural Netとは違って,最後の判別器の予測誤差をback propagationさせる,という事はせずある種特徴抽出で完結させている. autoencoderを一言でまとめると,「次元削減を繰り返すNeural Netを多段に繋げて特徴抽出を行う手法
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