yukimori_726のブックマーク / 2016年7月30日

yukimori_726 id:yukimori_726

2016年7月30日のブックマーク (5件)

新たなRNNと自然言語処理
12. • • • • • • 12 [Jozefowicz+15] ) . (18) T recurrence +1) ) C +1) (19) the model) aining RNN- (20) 1)T (21) )T . (22) ormance of wo baseline tion capture mean frame- of compari- RBM is per- ling starting ptimally. d on a simu- er & Hinton, Figure 3. Receptive ﬁelds of 48 hidden units of an RNN- RBM trained on the bouncing balls dataset. Each square shows the input weights of a hidden unit as an
yukimori_726 2016/07/30
rnn

nlp
リンク
Schedule
Course Introduction and History of Database Systems M. Stonebraker, et al., What Goes Around Comes Around, in Readings in Database Systems, 4th Edition, 2006 (Optional) A. Pavlo, et al., What's New with NewSQL?, 2015 (Optional) In-Memory Databases H. Garcia-Molina, et al., Main Memory Database Systems: An Overview, in IEEE Trans. on Knowl. and Data Eng., 1992 S. Harizopoulos, et al., OLTP Through
yukimori_726 2016/07/30
db
リンク
（インターン向けに書いた）Pythonパッケージを作る方法 - Qiita
この記事は何？ Pythonパッケージの作り方を説明する Pythonパッケージを作るときに意識して欲しいことを説明するこの記事はポエムですこれまでのあらすじインターンを迎える予定なのですが、彼らはパッケージを作ったことがないそうです。一方で、企業としては、パッケージ化までしてくれないと、実務に使うまで時間がかかってしまって大変です。そこで、社内向けに「Pythonパッケージの作り方」という文書を書きました。これをインターンの人に読んでもらっていい感じのパッケージを作ってもらうぜ！という都合の良い目論見です。しかし、私もいままでパッケージ化のノウハウをきちんと体系的に勉強したわけではないので、イマイチ不安です。そこで、Qiitaにポエム投稿して、ポエム修正をしてもらおうと思ったわけです。ところどころ日本語が変なのはご容赦ください。日本語に不自由してます。1 この記事を読む人
yukimori_726 2016/07/30
python

package
リンク
Mac上にApacheSparkを試しに触ってみるための環境を構築する手順 - Qiita
brew info apache-spark (結果) apache-spark: stable 1.6.1, HEAD Engine for large-scale data processing https://spark.apache.org/ /usr/local/Cellar/apache-spark/1.6.1 (842 files, 312.4M) * Built from source on 2016-07-29 at 23:32:40 From: https://github.com/Homebrew/homebrew-core/blob/master/Formula/apache-spark.rb echo 'export SPARK_HOME=/usr/local/Cellar/apache-spark/1.6.1' >> ~/.bash_profile echo '
yukimori_726 2016/07/30
spark

mac

install
リンク
再帰型ニューラルネットワーク: RNN入門 - Qiita
再帰型ニューラルネットワーク(RNN)は自然言語処理の分野で高い成果をあげ、現在最も注目されているアルゴリズムの一つです。しかしながら、その人気が先走りして実際にRNNがどのように動くのか、構築するのかを解説する書籍は限られているように思います。この投稿はその部分にフォーカスを当てて友人のDenny（WildMLブログの著者）と一緒に書きました。さてRNNベースの言語モデルを解説したいと思います。言語モデルの用途は2つあります。1つ目は文章が実際にどのくらいの確率で現れるのかのスコアリングをすること。このスコアは文法的に、セマンティクス的に正しいかどうかの判断基準となります。このようなモデルは例えば機械翻訳などに使われています。次に2つ目ですが、言語モデルは新たなテキストを生成することができる点 (ちなみに個人的にこちらの方がよりCoolな用途だと思っています)。また、英語ですがAndr
yukimori_726 2016/07/30
rnn
リンク
- 2016年8月1日
- 2016年7月30日
- 2016年7月29日