Learn essence of "Computer Vision: Models, Learning, and Inference"
![コンピュータービジョンの無料チュートリアル - ベイズ推定とグラフィカルモデル:コンピュータビジョン基礎1](https://cdn-ak-scissors.b.st-hatena.com/image/square/779280f96cca0e0c7ab69d9f8188df8f1e243cc8/height=288;version=1;width=512/https%3A%2F%2Fimg-c.udemycdn.com%2Fcourse%2F480x270%2F52106_e985_16.jpg)
何かこんなメディア記事が出ていたようです。 これを読んで色々な人がツッコミを入れまくっている模様ですが、この記事の不思議なところは「完全に間違った説明というわけでもないのに何故か(両分野に詳しい)誰が読んでも猛烈な違和感を覚える」ところなんじゃないかなぁと。 正直、これはライター・インタビュアー・コメンテーター・編集者の誰のせいなのかは全く分からないんですが、ツッコミ入れられまくっている内容について色々あげつらってもあまり建設的でないので、ここでは記事中で本題として取り上げられている「統計学と機械学習の違い」についてちょっとコメントしてみようと思います。 あ、もちろん僕がこれから書くコメントも別に正しいとは全く限らないので、おかしいところや間違ってるところがあったらバンバン突っ込んでいただければ幸いです*1。そしてガチ勢向けのコメントでもないので何卒悪しからず。 統計学はデータを「説明」す
【機械学習】「異常検知と変化検知 1章」ネイマンピアソンの補題の式の行間を埋めてみる 機械学習プロフェッショナルシリーズ「異常検知と変化検知」(http://ide-research.net/book/support.html#kodansha) 第1章 「定理1.2 ネイマンピアソンの補題」の式展開の間を埋めてみる、という記事です。 自分なりの考えも入っているため、もしご指摘等あればコメントや、Tweetなどでご連絡いただけると嬉しいです。また、この記事内に誤りがあった場合は私@kenmatu4の責任ですので、著者の方に問い合わせを行わないよう御願い致します。 ネイマン・ピアソンの補題 観測値${\bf x'}$における異常度 $a({\bf x'}) = \ln{ p({\bf x'}|y=1, \mathcal{D}) \over p({\bf x'}|y=0, \mathcal{D
◇宣伝!— 三中信宏『みなか先生といっしょに 統計学の王国を歩いてみよう:情報の海と推論の山を越える翼をアナタに!』 2015年6月5日刊行,羊土社,東京,191 pp., 本体価格2,300円, ISBN:978-4-7581-2058-6 → 目次|版元ページ|コンパニオンサイト ◇連載〈統計の落とし穴と蜘蛛の糸〉 羊土社から発行されている雑誌『実験医学』2014年2月号から隔月連載された〈統計の落とし穴と蜘蛛の糸〉記事のオンライン版です. → オンライン連載トップページ 第1回 データ解析の第一歩は計算ではない(2014年2月号, pp. 442-447) 第2回 データの位置とばらつきを可視化しよう(2014年4月号, pp. 935-940) 第3回 データのふるまいをモデル化する(2014年6月号, pp. 1427-1433) 第4回 パラメトリック統計学への登り道〔1〕:ば
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