OpenCVによるコンピュータビジョン・機械学習入門
運動復元、物体追跡、画像レジストレーション、三次元再構成、機械学習をＯｐｅｎＣＶで学ぼう。汎用性の高いアルゴリズムのプログラム例を多数掲載した。ＯｐｅｎＣＶ３系に対応。多彩な内容で、欲張りな一冊！ Chapter0 コンピュータビジョンとは？ Chapter1 特徴検出 Chapter2 特徴量記述 Chapter3 運動復元 Chapter4 物体追跡 Chapter5 画像レジストレーション Chapter6 カメラモデル Chapter7 エピポーラ幾何 Chapter8 カメラキャリブレーション Chapter9 3次元再構成 Chapter10 機械学習とは？ Chapter11 人工的なデータの生成 Chapter12 主成分分析 Chapter13 クラスタリング Chapter14 k最近傍法 Chapter15 ベイズ識別 Chapter16 サポートベクトルマシン Ch
機械学習を学ぶ上で抑えておきたい数学 - HELLO CYBERNETICS
機械学習を勉強する際にぶつかる最大の壁は数学です。 機械学習に必要な数学をリストアップし、いつでも参照できるようにまとめておきたいと思います。 数学の必要性と手順 数学は世界共通の言語 機械学習をやる上で厳密な数学は必要なし レベル別、必要な数学 機械学習の処理が具体的にどんな計算をしているのかが分かる 機械学習アルゴリズムの導出は追えなくとも、その手法の狙いが分かる 機械学習のアルゴリズムの導出を追い、アルゴリズムの理屈を理解する 行列の計算公式をまとめてあるpdf 数学の本に関して 数学の必要性と手順 数学は世界共通の言語 冒頭で述べた通り、機械学習で何をやっているのか分からない！となるのは大抵数学がわからないからです。もちろん数学が分かっていても、機械学習でわからないことは出てきますが、ちょっと数学が分かってさえいれば殆どの手法が見通しよく理解できます。それは非常に単純な理由で、数学
画像認識
デジタルカメラの顔認識機能など、身近で利用されている画像認識の技術。機械学習の応用により、その精度は格段に向上した。最前線で活躍する研究者が、基礎から深層学習を取り入れた応用的手法までをくわしく解説する。画像認識の現状と今後の展望を知るのに最適な一冊！ 第1章 画像認識の概要 画像認識とは／画像認識の分類／クラス認識の手順／深い構造と浅い構造／物体検出／インスタンス認識と画像検索／画像認識の認識性能を向上させるには？／数学表記について 第2章 局所特徴 局所特徴とは／検出器／空間フィルタリング／基本的な検出器／ 回転やアフィン変換に頑健な検出器／記述子／検出器と記述子の組み合わせ 第3章 統計的特徴抽出 統計的特徴抽出とは／主成分分析／白色化／フィッシャー線形判別分析／正準相関分析／偏最小2乗法 第4章 コーディングとプーリング コーディングとプーリングの概要／確率分布を利用したコーディン
機械学習の基礎の基礎、行列計算に欠かせないNumPyの基本的な使い方
プログラミング言語「Python」は機械学習の分野で広く使われており、最近の機械学習／Deep Learningの流行により使う人が増えているかと思います。一方で、「機械学習に興味を持ったので自分でも試してみたいけど、どこから手を付けていいのか」という話もよく聞きます。本連載「Pythonで始める機械学習入門」では、そのような人をターゲットに、Pythonを使った機械学習について主要なライブラリ／ツールの使い方を中心に解説していきます。 連載第1回の「Pythonで機械学習／Deep Learningを始めるなら知っておきたいライブラリ／ツール7選」では、ライブラリ／ツール群の概要を説明しました。前回は、その中でもJupyter Notebookの基本操作と設定について説明しました。 今回から連載第1回で紹介した各種ライブラリを使う具体的なコードを例示していきますが、Jupyter Not
手話を知らなくても大丈夫…機械学習による自動読唇術で音声なしのスムーズな会話が可能に
手話を知らなくても大丈夫…機械学習による自動読唇術で音声なしのスムーズな会話が可能に2016.11.15 12:058,155 湯木進悟 日本語でもできるかな？ もし声に出して会話ができない、音声のない世界に身を置くことになってしまったとしたら、どうやってコミュニケーションを取りますか？ 筆談をしたり、手話を覚えたり、いくつか選択肢はあるものの、もっとも手っ取り早いのは、話す人の唇を見て、なにが語られているのかを読み取る｢読唇術｣かもしれませんよね。 とはいえ、音声をシャットアウトし、口の動きだけで会話を読み取るなんて、簡単なことではありません。ゆっくりと話してもらっても、やはりハードルが高いのは否めないでしょう。言語によって違いはあるでしょうけど、読唇術のプロであっても、読み取り精度は52％程度とされています。 しかしながら、このほど英オックスフォード大学の研究チームは、読唇術専用のソフ
Gym
Gym is a standard API for reinforcement learning, and a diverse collection of reference environments# The Gym interface is simple, pythonic, and capable of representing general RL problems: import gym env = gym.make("LunarLander-v2", render_mode="human") observation, info = env.reset(seed=42) for _ in range(1000): action = policy(observation) # User-defined policy function observation, reward, ter
グーグル、コミックのふきだしを自動拡大する機能「Bubble Zoom」発表--機械学習を活用
Googleは米国時間7月21日、サンディエゴで開催されたComic-Conで、「Google Play Books」の新機能「Bubble Zoom」を披露した。スマートフォンやタブレットの音量調節ボタンを押すと、ふきだしが自動的に拡大される機能だ。 この大規模なファン向けコンベンションには、13万人を超える参加者が集まった。 Googleによると、この新機能に「機械学習」の技術を利用しているという。Bubble Zoomは、ページ上のふきだしやパネルを自動的に認識することで、その表示を変えることができる。 Google Play Booksを担当するソフトウェアエンジニアのBrady Duga氏はBubble Zoomを紹介するビデオの中で、「われわれは形やオブジェクト、画像を検出することが可能で、その能力は非常に優れている」と述べた。「基本的には、視覚的要素が詰まった場面の中から重要
機械学習を学ぶための準備 その1（微分について） | NHN テコラス Tech Blog | AWS、機械学習、IoTなどの技術ブログ
機械学習を学ぶための準備 ▶︎その1（微分について） その2（級数と積分について） その3（行列について） その4（行列の掛け算について） その5（行列のいろいろ） 橘と申します。 機械学習を勉強中の身でありながら、機械学習に関して記事を書いていく予定です。 このブログを読んでいる方であればご承知のとおりかと思いますが、機械学習と数学は切っても切れない関係です。「数学を使わなくても機械学習は使える」という考え方があるのも事実ですが、いずれは数学の知識が問われることになります。 そのため、始めの数回は抑えておくべき数学の知識をまとめていこうと思います。初回は微分です。 そもそも数学は嫌いですか？ 少し古い記事ですが、経済協力開発機構（ＯＥＣＤ）による数学の学習意欲度の調査結果が公開されています。 ＯＥＣＤ国際学習到達度調査（１）日本、数学の学習意欲改善 日本人の7割が苦手という結果が出ている
統計屋による新社会人のための統計系入門書お薦め一覧 - あんちべ！
本稿では統計学・データマイニング・機械学習関連書籍について 内容が易しいこと。数学力（特に微積・線形代数）を求められないこと 入手しやすいこと。絶版や学会に入らないと入手不可などではない、値段が安いこと 実務に繋げやすいこと。 持ち運びしやすいこと。忙しい新社会人が通勤中や休み時間ポケットからさっと取り出し、継続して勉強出来ること を主眼に選定したお薦め書籍を紹介します。 （満たせない要望も多いですが） 主な対象者は、文系で数学や統計学をやってこなかった、 プログラミングもわからない（Excelで四則演算やマウス操作くらいは使える） けどいつかマーケティングやデータマイニングやってやるぜ！ って考えてる新卒の方です。 筆者自身は経済学科出身の文系で、あまり数学力に自信がないなりに Web企業でデータマイニングをしているという人間です。 ここで紹介している内容で 「統計学・機械学習・データマ
深層学習（ディープラーニング）で何ができるかJavaScriptで体験してみよう | 日経 xTECH（クロステック）
深層学習（ディープラーニング）で何ができるかJavaScriptで体験してみよう JavaScriptで簡単に実践できる深層学習（1） 近年、第三次人工知能ブームが巻き起こっています。特に、深層学習（ディープラーニング）と呼ばれる技術で目覚ましい成果を上げています。本稿では、難しいと思われている機械学習（深層学習）を、お手軽プログラミング言語JavaScriptで実践してみます。難しい数式や理論は後回しにして、まずは、気軽に機械学習に触れてみましょう。 今、注目を集める深層学習 冒頭で言及したように、近年、第三次人工知能ブームが巻き起こっています。囲碁のAI（人工知能）が、碁の世界チャンピオンを破ったり、コンピューターに大量のYouTube動画を学習させたところネコの概念を学習することができたりなど、人工知能の分野で驚くようなニュースを目にすることが多いものです。 こうしたニュースの背後に
機械学習入門 ボルツマン機械学習から深層学習まで-Ohmsha
第1章 何も知らない鏡 1−1 魔法の鏡とお妃さま 1−2 機械学習をやってみよう Column 機械学習って何ですか？ 1−3 データから学ぶ Column 機械の自学自習 第2章 美しさの秘訣 2−1 魔法の鏡が出す答え Column 数学の必要性 2−2 回帰問題に挑戦 Column 機械も人間と同じ！？ 2−3 美しさを表す関数 Column 機械にも先生がいる 第3章 最適化問題に挑戦 3−1 お妃さま全力疾走！ Column アルゴリズムから多くを学べ 3−2 モデルの限界 Column 訓練データとテストデータ 3−3 新しい特徴量を作り出す Column 難しい関数を作り出すには？ 3−4 ニューラルネットワーク Column 脳の情報処理機構 第4章 深層学習に挑戦 4−1 レバーが動かない？ Column 深層学習の盛り上がり 4−2 過学習に注意
Machine Learning Skills Pyramid V1.0
While the exact definition of "Data Scientist" continues to elude us, the job requirements seem to heavily include machine learning skills. They also include a wide range of other skills, ranging from specific languages, frameworks, databases etc, to data cleaning, web scraping, visualizations, mathematical modeling and subject matter expertise. (This breakdown will be the subject of a future p
数学的基礎から学ぶ Deep Learning (with Python) Vol. 7【MPS 横浜 第7回】
さいとうさんによる第1回からのまとめ かんたんマークダウンを用いて、さいとうさんが第1回からの まとめ を作成してくださっています。是非ご覧ください！ HTMLバージョン PDFバージョン さいとうさん、ありがとうございます！ SNS 参加者がたくさんいらっしゃるので、ハンズオン中の個々の挙手での質問はすべてその場でお答えができないことなども想定されます。以下SNSご活用ください。 FB Group 参加申請を出していただければ、随時承認します。このグループ内で、自己紹介ですとか、ハンズオンで分からなかったところの質問や感想を書いていただいたりとか、これから学んでみたいことなどを投稿していただけたらと思います。 間違ってもいいので参加者どうしでどんどん質問に答えたり、意見を交わし合ったりして、学びとこれからの行動に繋がればと思います。 Twitter ハッシュタグ: #mpsamurai
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
「AI用トレーニングジム」を、OpenAIがオープン
機械学習を学ぶための準備 その３（行列について）試験問題
『進化計算と深層学習 創発する知能』第25回大川出版賞受賞！
グーグルの人工知能、自ら情報の「暗号化」を学ぶ
Googleのニューラルネットワークが自ら暗号化通信を考案
SSSSLIDE
エンジニアがデータサイエンスにも挑戦できる組織を立ち上げたサイバーエージェントの試み
