[B! machine learning] dynamicsoarのブックマーク

生データ使い放題？！「日本は機械学習パラダイス」になった ― DEEP LEARNING LAB 勉強会

ご注意：本記事は、＠IT／Deep Insider編集部（デジタルアドバンテージ社）が「deepinsider.jp」というサイトから、内容を改変することなく、そのまま「＠IT」へと転載したものです。このため用字用語の統一ルールなどは＠ITのそれとは一致しません。あらかじめご了承ください。日本マイクロソフト主催の勉強会「DEEP LEARNING LAB： AI開発を円滑に進めるための契約・法務・知財」が1月25日に開催された。 AIに関する法的な課題となる事例や、AIを「発注するユーザー」と「作るベンダー」はどう契約を結べばよいのか、について、具体的にガイドラインを示しながら説明された。実際にAIを取り組もうとしている企業にとっては参考になる話が多く、筆者自身も大いに参考になった。その内容をすべてお伝えしたいところだが、3時間ほどの長丁場であり、しかも残念ながら動画配信などもなかった

dynamicsoar 2022/08/04

リンク

はじめに — 機械学習帳

import torch x = torch.tensor([1., -1.]) w = torch.tensor([1.0, 0.5], requires_grad=True) loss = -torch.dot(x, w).sigmoid().log() loss.backward() print(loss.it em()) print(w.grad)

dynamicsoar 2021/12/10

リンク

種子の形を機械学習で測る – シミュレーション画像を活用した教師データ作成で「植物フェノタイピング」を効率化

植物フェノタイピングとは？これまで人類が経験したことのない気候変動と人口増加が続くなか、持続的かつ安定的な食糧増産を支えるためには、優良な品種を創出する技術を開発・運用していくことが喫緊の課題です。近年では、伝統的な交配育種だけでなく、ゲノム編集技術の利用や植物成長調整剤の開発、さらには土壌微生物叢の活用など、多様な手法を取り入れた技術開発が進められています。どのようなアプローチにせよ、研究対象となる作物の形質を定量的・定性的な数値として算出し、客観的な評価が可能となる形に変換する作業は必要不可欠です。このような過程は、植物（plant）の表現型（phenotype）を測定することから「植物フェノタイピング（plant phenotyping）」1と呼ばれています。従来、植物フェノタイピングは手作業での測定を主たる手段としてきましたが、さまざまな分野の技術革新の恩恵を受け、当該手法を

dynamicsoar 2020/10/19

リンク

Papers with Code - Browse the State-of-the-Art in Machine Learning

Browse State-of-the-Art 11,907 benchmarks 4,488 tasks 109,489 papers with code

dynamicsoar 2020/10/13

リンク

「正答率100%」になってしまう機械学習モデルの例を挙げてみる - 渋谷駅前で働くデータサイエンティストのブログ

何か僕がシンガポールに出張している間に妙なニュースが流れていたようで。京大ビッグデータ副作用論文。機械学習知らない私でも疑問なのは、@sz_drさんも指摘してるが y'=a1*SCORE+a2*ACT+a3*GeneID+b (1) という式で、GeneIDという定量的に性質を示す値でないものを線形結合に加えているところだと思う。詳しい人教えて— torusengoku (@torusengoku) 2016年1月25日（※記事そのものへのリンクは控えました）見る人が見れば「ああこれはleakageだな」と一瞥して終わるところなんですが、そもそもleakageってどういうことなのかピンと来ない人もいるかと思いますので、以前取り上げたデータ分析題材を例にとって実演してみようと思います。お題はこちら。何故これを選んだかというと、このテニス四大大会データには上記で話題になっていた"Gen

dynamicsoar 2019/05/07

data leakageについて

machine learning

リンク

How To Backtest Machine Learning Models for Time Series Forecasting - MachineLearningMastery.com

k-fold Cross Validation Does Not Work For Time Series Data and Techniques That You Can Use Instead. The goal of time series forecasting is to make accurate predictions about the future. The fast and powerful methods that we rely on in machine learning, such as using train-test splits and k-fold cross validation, do not work in the case of time series data. This is because they ignore the temporal