【スマホOK/実行しながら学ぶ】東大松尾研のデータサイエンティスト育成/ Deep Learning基礎講座を自習する - Qiita
2019/5/11 PR: こちらの内容を含め、2019年5月11日発刊の 図解速習DEEP LEARNINGという本ができました。[2019年5月版] 機械学習・深層学習を学び、トレンドを追うためのリンク150選 - Qiitaでも、一部内容をご覧いただけます 2019/3/9 ここで紹介している講座が、「東京大学のデータサイエンティスト育成講座」として書籍化されました! 2019/3/9 Colaboratoryに関する情報交換Slackを試験的に立ち上げました。リンクより、登録・ご参加ください。 TL;DR 東大松尾研がJupyter notebook形式でデータ分析/ Deep Learning講義内資料をそれぞれ公開 Google Colaboratoryを使えば、Python等セットアップ不要ですぐに始められる セットアップ後は、スマホブラウザでもok そもそもデータ分析/人工
Think Stats: Probability and Statistics for Programmers
by Allen B. Downey, published by O'Reilly Media. The second edition of this book is available now. We recommend you switch to the new (and improved) version! Order Think Stats from Amazon.com. Download this book in PDF. Read this book online. Code examples and solutions are available from this zip file. Download data files for use with the book. Read the related blog Probably Overthinking It. Desc
講義まとめ：自然言語処理のための深層学習（CS224d） - Qiita
CS224d(自然言語処理のための深層学習)はスタンフォード大のRichard Socherが2015年から教えている講義で、動画やスライドなどの講義資料と演習問題がウェブ上で無料で公開されています。 CS224d: Deep Learning for Natural Language Processing 会社の勉強会で週1回半年程度かけて講義動画と演習を終えたため、勉強したことを簡単にまとめてみたいと思います。 なぜ今なのか？ 深層学習（Deep Learning）は2000年代後半のRBMやauto-encoderなどの教師なし学習から流行が始まりましたが、それらを教師あり学習の事前学習に使うアプローチは徐々に衰退し、2010年代前半には画像認識のための畳み込みネットワークがImageNetコンテストのおかげで爆発的に有名になりました。詳しくありませんが音声認識の分野でも既存の複雑な
Deep Learningの理論的論文リスト - Obey Your MATHEMATICS.
§1はじめに Deep Learningってどのくらい理論的に解明されているのか？ってやっぱり気になりますよね。 それに関して、次のQuoraのスレッドに非常に有益なコメントがあります。 When will we see a theoretical background and mathematical foundation for deep learning? - Quora How far along are we in the understanding of why deep learning works? - Quora 深層学習界の大御所であるYoshua Bengio、Yann LeCunの二人が 実際ディープラーニングの理論的理解ってどうなのよ？？ って質問に直々にコメントしています。 LeCunのコメントの冒頭を少し引用しますと; That’s a very active
目に見えるパーセプトロン
素性関数 重み 識別関数 I w = (w1, w2, · · · , wn) ( I ) = ( x1, x2, · · · , xn) = x f ( x ) = w · x = n X i=1 wixi 分類対象
深層強化学習でシステムトレードをやる時に役に立ちそうな資料まとめ - ニートの言葉
Photo via Visual Hunt 少し前のことですが、AlphaGoという囲碁の人工知能プログラムがイ・セドル九段に勝利したことで話題になりました。*1 また、一部のゲームにおいて「DQN（Deep Q-network）」が人間よりも上手くプレイするようになったというニュースも話題になっていましたね。*2 今回はこれらの事例で使われている「深層強化学習」という仕組みを使って、FXのシステムトレードができないかと思い、調べてみました。 注意：強化学習もFXも勉強し始めたばかりなので、色々間違っている箇所があるかもしれません。ご指摘いただけると幸いです。 今回の内容 1.強化学習について 1-1.強化学習 1-2.Reinforcement Learning: An Introduction (2nd Edition) 1-3.UCL Course on RL 1-4.強化学習につい
TensorFlowやChainerに興味があるけど、Python未経験の技術者が最低限知っておいた方がいい基礎文法まとめ
TensorFlowやChainerに興味があるけど、Python未経験の技術者が最低限知っておいた方がいい基礎文法まとめ：特集：タイニーレファレンス（1/6 ページ） 連載目次 本稿では、Python 3の構文要素、文字列／リスト／タプルなどのデータ構造、関数とクラスの定義など、Python 3プログラミングの基本となる部分について、その構文や使い方をサンプルコードを多めにギュッとまとめていく（「タイニー」というには少々長くなってしまったので組み込み関数のレファレンスについては稿を分けてまとめることにする）。 最近では機械学習が急速に広まっていることから、そのためのメジャーなフレームワークが多数存在しているこの言語に興味を持ったというPython初心者の方も多いだろう。そうした方々のお役に立てば幸いだ。 概要 Pythonはオープンソースで開発が行われているスクリプト言語だ。シンプルな構
Text Mining and Analytics
This course will cover the major techniques for mining and analyzing text data to discover interesting patterns, extract useful knowledge, and support decision making, with an emphasis on statistical approaches that can be generally applied to arbitrary text data in any natural language with no or minimum human effort. Detailed analysis of text data requires understanding of natural language text,
Text Retrieval and Search Engines
Learn new concepts from industry experts Gain a foundational understanding of a subject or toolDevelop job-relevant skills with hands-on projectsEarn a shareable career certificate Recent years have seen a dramatic growth of natural language text data, including web pages, news articles, scientific literature, emails, enterprise documents, and social media such as blog articles, forum posts, produ
Courseraの機械学習のコースに日本語字幕をつけました
1年くらいかけて、ひたすらボランティアでCourseraの機械学習のコースに日本語字幕をつけました。 先週の3月3日から開講しているコースでは、全ての動画に和訳つきで授業を受ける事が出来ます。 https://www.coursera.org/course/ml このコースは名前からすると難しいと思われがちですが、実はかなり入門者向けのコースです。 行列の掛け算やベクトルの足し算の補講もあるくらい。 私がこのコースを和訳の対象に選んだのも、日本人の多くのプログラマが受ける事が出来る、入門的なコースだと思ったからです。 Courseraとは何か知らない人がまず受けてみるのにも、とてもオススメのコースで、現代のプログラマなら全員が受けても良いコースと思っています。 コース自体の詳細は以下のスレに譲ります。 http://jbbs.shitaraba.net/bbs/read.cgi/study
Learning Reinforcement Learning
Github Repo with code and exercises Why Study Reinforcement Learning #Reinforcement Learning is one of the fields I’m most excited about. Over the past few years amazing results like learning to play Atari Games from raw pixels and Mastering the Game of Go have gotten a lot of attention, but RL is also used in Robotics, Image Processing and Natural Language Processing. Combining Reinforcement Lear
Statistical Semantic入門 ~分布仮説からword2vecまで~
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion ModelsDeep Learning JP
Foundations of Statistical Natural Language Processing | MIT CogNet
Statistical approaches to processing natural language text have become dominant in recent years. This foundational text is the first comprehensive introduction to statistical natural language processing (NLP) to appear. The book contains all the theory and algorithms needed for building NLP tools. It provides broad but rigorous coverage of mathematical and linguistic foundations, as well as detail
いまさら聞けない機械学習の評価関数 - Gunosyデータ分析ブログ
アライアンス事業開発部の大曽根(@dr_paradi)です。 ニュースパスというアプリの分析と開発を行っております。 今回は機械学習の評価関数のお話をします。 内容は、【FiNC×プレイド】Machine Learning Meetup #1 - connpassで発表したものになります。 発表資料 いまさら聞けない機械学習の評価指標 from 圭輔 大曽根 www.slideshare.net 機械学習における評価 現在は機械学習ライブラリが充実しており、また、Webサービスの普及により学習に必要なデータの獲得も以前と比較して容易になっています。 そのため、機械学習のビジネス利用への敷居が下がっています。 予測や分類といった問題を解く際には、設定した課題に対してどのモデルが最も適しているかを評価するための指標(評価関数)が必要になります。 Kaggle*1などのコンペティションではあらか
多項分布の最尤推定とMAP推定 - シリコンの谷のゾンビ
@nokunoさんが多項分布の最尤推定の導出をブログに書いてらしたのを読んで，そういえば以前，多項分布の最尤推定とMAP推定を導出したことを思い出した．せっかくなのでブログに書いておく． 多項分布の最尤推定とMAP推定 (PDF) 実はこれ，ブッチャー本を読んでいてLaplaceスムージングなるものが出てきた後に，これを一般化するとDirichletスムージングという形になるよー，という流れで出てきた．Dirichletスムージングはその名のとおり，Dirichlet分布を事前分布とする多項分布のMAP推定なんだけれど，意外とそのことを丁寧に説明している書籍は少ない (導出過程まで書いてある文献を知らない)．というわけで，ちょっとした頭の体操として導出をやってみた，というのが3ヶ月前．今読み返すと，まったく覚えてないから人間で不思議． 多項分布は，出現確率がp_kであるようなK種類の事象が
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
Deep Learning
Deep Learning for Information Retrieval: Models, Progress, & Opportunities
最近のDeep Learning (NLP) 界隈におけるAttention事情
Sign in - Google Accounts
Stanford School of Engineering