Keras documentation: Callbacks API
Callbacks API A callback is an object that can perform actions at various stages of training (e.g. at the start or end of an epoch, before or after a single batch, etc). You can use callbacks to: Write TensorBoard logs after every batch of training to monitor your metrics Periodically save your model to disk Do early stopping Get a view on internal states and statistics of a model during training
コールバック - Keras Documentation
コールバックの使い方 コールバックは訓練中で適用される関数集合です．訓練中にモデル内部の状態と統計量を可視化する際に，コールバックを使います．SequentialとModelクラスの.fit()メソッドに（キーワード引数callbacksとして）コールバックのリストを渡すことができます．コールバックに関連するメソッドは，訓練の各段階で呼び出されます． [source] Callback keras.callbacks.Callback() この抽象基底クラスは新しいコールバックを構築するために使用されます． プロパティ params: 辞書．訓練のパラメータ（例: 冗長性，バッチサイズ，エポック数...）． model: keras.models.Modelのインスタンス．学習されたモデルへの参照． コールバック関数が引数としてとる辞書のlogsは，現在のバッチ数かエポック数に関連したデー
詐欺まがいのAIベンチャーを辞めた人の話
この物語はフィクションです。実在の人物や団体などとは関係ありません。 とあるAIベンチャーに入ったことを心の底から後悔している。 「大学発ベンチャーです！自由に開発できる風土です！」みたいな宣伝文句に騙されて入ってしまった過去の自分をぶん殴りたい。 何がヤバかったかって？ 会社のとある人物（卍と呼ぶ）がヤバすぎた。 そいつはクソみたいなアルゴリズムを「何でもできるAI」と宣伝していた。 いまどき「何でもできます！」なんて宣伝するバカいるわけない、って思うじゃん？ マジなんだこれが。 講演会や営業先で卍が言うんだ。 「うちのAIは基本的に何でもできます」 「脳と同じ働きをします」 「ディープラーニングよりも軽くて高性能です」 でもって騙されるやつがいるんだこれが。 信じられないだろうけど本当にいたんだ。 騙されるやつはだいたい会社の役員とか高齢でコード書けない人間。 そういう人を意図的に狙っ
人工知能で詐欺まがいなことしてる香具師に引っかかった、という話をこれ..
人工知能で詐欺まがいなことしてる香具師に引っかかった、という話をこれからしていく。この記事は「人工知能ば詐欺だ」ということでなく、「詐欺師は人工知能を使いたい」ということを語る。 もう10年ぐらい前になるのだけど、人工知能には色々あるのに「深層学習だけが人工知能」だという無勉強な馬鹿に引っかかったんだよ。本当は人工知能なんて LISP から始まって、色々あって今の AI につながるているのに、その歴史は全く無視してね。Python のライブラリでどうにかできないものは不要とのことなので、「ふーん、そうなんですか」ぐらいで対応してた。なぜなら、自分は人工知能にAPIを叩いてブラウザに表示する部位を担当したからだ。 その会社にはエンジニアがいないので、人工知能とデザインを除いた全てをほぼ自分だけでフロントエンド（当時はFlash）からバックエンド（Django）とデータベース、クラウド部分を設
Coreレイヤー - Keras Documentation
[source] Dense keras.layers.Dense(units, activation=None, use_bias=True, kernel_initializer='glorot_uniform', bias_initializer='zeros', kernel_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, bias_constraint=None) 通常の全結合ニューラルネットワークレイヤー． Denseが実行する操作：output = activation(dot(input, kernel) + bias)ただし，activationはactivation引数として渡される要素単位の活性化関数で，kernelはレイヤーによって
東京近郊でフルタイム勤務しつつ情報系の修士号が取れる大学院を調べてみた【2020年9月ver】
まえがき 本記事では、筆者が2020年に情報系修士号取得のために出願する大学院を探した際の結果をまとめています。もし同じ様に東京近郊で社会人として働きつつ情報系修士号を取りたいと思う方がいましたらご参考にどうぞ。 対象読者 情報系の修士号が欲しいが、仕事は辞められない人 東京近郊に居住している人 各大学の公式サイトを一つ一つ追うのが面倒な人 調査対象の大学院 調査対象は以下の条件に合致しそうな大学院の中から選定しました。 情報系の修士号が取れる 東京近郊に所在している or 東京にサテライトキャンパスがある or 月に2回程度の通学であればギリギリ何とかならないことも無い距離にある (2020/09/28追記) Twitterや本記事のコメントで情報を頂いた産業技術大学院大学、情報セキュリティ大学院大学について記載しました。 海外大学院のオンラインコースに関する記事を書いていた方がいたので
AWS CloudTrail ログのクエリ - Amazon Athena
AWS CloudTrail は、Amazon Web Services アカウントの AWS API コールとイベントを記録するサービスです。 CloudTrail ログには、コンソールを含めた AWS のサービス に対して発行された、あらゆる API コールの詳細が記載されます。CloudTrail は暗号化されたログファイルを生成して、それらを Amazon S3 に保存します。詳細については、AWS CloudTrailユーザーガイドを参照してください。 アカウント、リージョン、および日付にわたって CloudTrail イベント情報に対して SQL クエリを実行する場合は、CloudTrail Lake の使用を検討してください。CloudTrail Lakeは、企業からの情報を単一の検索可能なイベントデータストアに集約するトレイルを作成する AWS の代替です。Amazon S
ゼロからのディープラーニング(フォワードプロパゲーション編) - Qiita
はじめに DeepLearningを学び出してから2週間ほど経ちました。そろそろ学んだことが頭から零れ落ちる音がしてきたので、整理がてらにアウトプットしたいと思います。今回から複数回に渡ってDNNを構築していきます。今回はフォワードプロパゲーション編です。 作成するDNNについて 画像が猫である(1)かそれ以外である(0)かを判定するネットワークを構築します。 使用するデータ 209枚の画像をトレーニングデータとし、50枚の画像をテストデータとして使用します。それぞれの画像のサイズは64 * 64です。 Number of training examples : 209 Number of testing examples : 50 Each image is of size : 64 * 64
Feature Hashing - Wikipedia
機械学習において、Feature Hashing（フィーチャーハッシング）は、高速かつ省メモリな特徴量をベクトルに変換する手法であり、任意の特徴をベクトルあるいは行列のインデックスに変換する。kernel trick(カーネルトリック)に似せてHashing Trick（ハッシュトリック）とも呼ばれる[1]。連想配列を走査するのではなく、ハッシュ関数を特徴量に適用し、その値をインデックスとして直接使用する。 使用例[編集] 典型的な文書分類のタスクにおいて、機械学習アルゴリズムには(学習と分類の両方において)自由な形式のテキストが入力される。このテキストからBag of words（英語版）(BOW)表現が作られる。つまり、トークンが抽出・カウントされ、訓練データ中のそれぞれのトークンが、訓練データ・テストデータ両方におけるそれぞれの文書の特徴量(独立変数)として定義される。 ところが、ほ
Feature scaling - Wikipedia
Feature scaling is a method used to normalize the range of independent variables or features of data. In data processing, it is also known as data normalization and is generally performed during the data preprocessing step. Motivation[edit] Since the range of values of raw data varies widely, in some machine learning algorithms, objective functions will not work properly without normalization. For
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
The Gap: Where Machine Learning Education Falls Short
Keras documentation: EarlyStopping
Titanic - Machine Learning from Disaster | Kaggle
Titanic - Machine Learning from Disaster | Kaggle
Microsoft Learn の Power BI
Amazon.co.jp: データサイエンティストの秘密ノート 35の失敗事例と克服法: 高橋威知郎, 白石卓也, 清水景絵: 本
GitHub - oreilly-japan/ml-at-work: 電子書籍『仕事ではじめる機械学習』のサポートリポジトリです
Amazon.co.jp: Kaggleで勝つデータ分析の技術: 門脇大輔, 阪田隆司, 保坂桂佑, 平松雄司: 本
Amplify と Pinpoint を用いて EC サイトのユーザー動向を分析してみよう ! - builders.flash☆ - 変化を求めるデベロッパーを応援するウェブマガジン | AWS
Hotjar: Website Heatmaps & Behavior Analytics Tools
