[B! 機械学習] katttonのブックマーク

Interpretable Machine Learning

Interpretable Machine Learning A Guide for Making Black Box Models Explainable. Christoph Molnar 2021-05-31 要約機械学習は、製品や処理、研究を改善するための大きな可能性を秘めています。しかし、コンピュータは通常、予測の説明をしません。これが機械学習を採用する障壁となっています。本書は、機械学習モデルや、その判断を解釈可能なものにすることについて書かれています。解釈可能性とは何かを説明した後、決定木、決定規則、線形回帰などの単純で解釈可能なモデルについて学びます。その後の章では、特徴量の重要度 (feature importance)やALE(accumulated local effects)や、個々の予測を説明するLIMEやシャープレイ値のようなモデルに非依存な手法(mo

kattton 2021/07/02

"機械学習~は通常、予測の説明をしません。これが機械学習を採用する障壁となっています。本書は、機械学習モデルや、その判断を解釈可能なものにすることについて書かれています。"

リンク

【2023年5月改訂版】実践 Python データサイエンス

このコースは、Pythonを使ってデータを解析し可視化するために必要なスキルを網羅しています。Pythonと科学計算のためのライブラリの使い方が完璧に理解できるようになっています。このコースを習得すれば、次のような事ができるようになります。 - Pythonプログラミングへの知識が深まります。 - NumPyを使って、アレイを使った数値計算ができるようになります。 - pandasを使った効果的なデータ解析ができるようになります。 - Matplotlibとseabornを使って、出版にも使えるほど綺麗なデータの可視化が可能になります。 - Pythonを使って実際にデータを解析する方法論が身につきます。 - 機械学習への理解が相当高まります。 2023年5月にコースの大幅改訂を行いました。ほとんどすべての動画と資料が更新されています。 17時間以上、100本を超えるビデオと、すぐに使え

kattton 2017/02/13

なるほど

機械学習

リンク

ゴールドマン・サックス、自動化でトレーダー大幅減 3割がエンジニアに

As Goldman Embraces Automation, Even the Masters of the Universe Are Threatened ゴールドマン・サックス、自動化でトレーダー大幅減 3割がエンジニアに世界最大級の投資銀行ゴールドマン・サックスは金融取引の自動化を進め、全社員の3分の1がエンジニアになった。2000年には600人いたニューヨーク本社の株式トレーダーは、今では2人しかいない。 by Nanette Byrnes2017.02.08 4844 3578 345 3 ニューヨークにあるゴールドマン・サックス本社の米国株の取引部門には、最盛期の2000年に600人のトレーダーが在籍し、大口顧客の投資銀行の注文に応じ、株を売買していた。現在、この部門にはたった2人しか残っていない。株式売買の自動化プログラムが、他のトレーダーの職を奪ったのだ。プログラム

kattton 2017/02/08

こういう世界にしていかないとな

リンク

『MFクラウド会計・確定申告』、機械学習を活用した「勘定科目提案機能」をバージョンアップ〜仕訳のビッグデータをもとに、より精度の高い自動仕訳が可能に〜

HOMEプレスリリース『MFクラウド会計・確定申告』、機械学習を活用した「勘定科目提案機能」をバージョンアップ〜仕訳のビッグデータをもとに、より精度の高い自動仕訳が可能に〜 2016-08-30 『MFクラウド会計・確定申告』、機械学習を活用した「勘定科目提案機能」をバージョンアップ〜仕訳のビッグデータをもとに、より精度の高い自動仕訳が可能に〜お金のプラットフォームを提供する株式会社マネーフォワード（本社：東京都港区、代表取締役社長CEO：辻庸介、以下「当社」）は、2016年8月30日より、クラウド型会計ソフト『MFクラウド会計』およびクラウド型確定申告ソフト『MFクラウド確定申告』において、自動仕訳の精度向上を目指し、機械学習を活用した「勘定科目提案機能」をバージョンアップいたしました。従来の「勘定科目提案機能」では、自動取得した銀行口座やクレジットカード明細などのそれぞれの取引

kattton 2016/08/30

ついに出たぞ機械学習！もっと仕訳が楽になる、仕訳なんて考えなくてヨイ時代が来るね

リンク

ナイーブベイズ分類器を頑張って丁寧に解説してみる - Qiita

============================================= ナイーブベイズ分類器、あるいは単純ベイズ分類器という分類器について解説したいと思います。何それ？という方。まずはわけがわからないとしてもWikipediaのエントリを見てみましょう。 http://ja.wikipedia.org/wiki/単純ベイズ分類器上の説明でよくわかったという方はこれ以上先に進む必要はありません。ナイーブベイズ分類器は、一言でいうと、分類問題ってベイズの定理を使えば解けるんじゃね？というものです。入力 $X$ が与えられた時に出力 $Y$ が得られる確率 $P(Y|X)$ は以下の等式で表す事が出来ます： $$ P(Y|X) = \frac{P(Y) P(X|Y)}{P(X)} $$ これがベイズの定理です。 $P(Y)$ は事前分布と呼ばれ、 $P(X|Y)$