GitHub - mdipierro/nlib: The book "Annotated Algorithms in Python" and the nlib.py libraryYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
翔泳社主催の「ITエンジニア本大賞 2017」、一般投票で選ばれた技術書・ビジネス書のトップ10が発表
ITエンジニア本大賞 技術書・ビジネス書の各ベスト10 ITエンジニア本大賞は、ITエンジニアにおすすめの技術書・ビジネス書を選ぶイベント。ITエンジニアによるWeb投票で各ベスト10を選出し、大賞は、Web投票で特に票の多かった6冊（技術書・ビジネス書各3冊）の書籍の著者、編集者、翻訳者などによるプレゼン大会の最終投票で決定する。プレゼン大会は、2月16日開催の「Developers Summit 2017（デブサミ2017）」内で行われる。 ベスト10に選ばれた書籍は以下の通り。 技術書部門ベスト10 ※50音順 『ITエンジニアのための機械学習理論入門』（技術評論社） 『Amazon Web Services実践入門』（技術評論社） 『暗号技術入門 第3版 秘密の国のアリス』（SBクリエイティブ） 『SQLアンチパターン』（オライリー・ジャパン） 『新装版 達人プログラマー 職人から
「このコンピューター書がすごい2017年。」ベスト10発表！
横田です。今年も「このコンピュータ書がすごい！」が開催されたので、行って参りました。 今年も「高橋メソッド」でお馴染みの高橋 征義さんと、コンピュータ書の仕掛け人である各出版社の編集者の方が、2016年に売れたコンピュータ書について座談会形式で話すものです。私は2016年、2015年、2014年と4年連続で参加いたしましたが、今年も数多くの人が参加していました。 というわけで、今回も「ジュンク堂で販売部数が多かったコンピュータ書の年間ランキングが発表されていたので、例年通りベスト10をこちらのエントリでご紹介したいと思います。 ちなみに、例年ですと、高橋さんがジュンク堂書店で「月ごとにランキングに入ったコンピューター書」や「その月に発売されたコンピューター書」を紹介し、本によっては編集者の方がコメントをするような形になっております。（そして、例年時間が足りなくなります（笑））。 しかし、今
ディープラーニングについて学ぶならこの2冊を読むしかない｜加藤貞顕
年末年始はこの２冊を読んでいた。 『はじめての深層学習プログラミング』清水亮 『ゼロからつくるDeep Learning』斎藤康毅 結論から言うと、いま、人工知能やディープラーニングに興味があるひとは、２冊とも必読ではないかと思った。 アプローチが完全に対称的なので、両方読んだら、理論と雰囲気について、見通しがつくようになったのがとてもよかった。 『ゼロからつくるDeep Learning』は、ていねいに書かれたオーソドックスな入門書だ。人工知能開発によく使われる言語・Pythonの基本や数値計算ライブラリの使い方からはじまり、ニューラルネットワーク、ディープラーニング、畳み込みときて、最後に画像認識を解説する。随所に適切な例題やサンプルコードを交えて、理論と実践をバランスよく説明している。 対して、『はじめての深層学習プログラミング』は、まったく真逆のアプローチだ。なんと、理論の解説など
Pythonにまつわる3タイプ別オススメ書籍 - Qiita
この記事は 2016年 Schoo Advent Calendar の18日目の記事です。 今日はSchooと特に関係ないですが、2016年の圧倒的Pythonブームを、出版された書籍を中心に振り返り、タイプ別Python系オススメ本をエンジニアが勝手に選んでみたいと思います。 2016年はすごい一年だった こちらはAmazonで「Python」を検索した結果ですが、ほとんどが2016年に発売されたものです。 2015年12月に発売された O’Reillyの「入門 Python3」を皮切りに今年だけで、有名出版社などから10冊以上発売されているのを観測しています。 なぜなのか これは肌感ですが、やはりデータ分析、機械学習の人気に引っ張られる形で、それらをやるならPythonらしい…！ということが認識されてきたのが大きい理由ではないかと感じています。 例えば Caffe, Theano, T
Goodfellow,Bengio,CourvilleさんのDeep Learning本の18章まとめ - Qiita
Goodfellow,Bengio,CourvilleさんのDeep Learning本の18章まとめ機械学習MachineLearningDeepLearning統計学 重要と思った部分だけ独断で抽出しています. 本当にメモ書き程度です. すみません. 間違っている記述があるかもしれません. 心眼で書いている部分があるかもです. Score matchingのくだりは正直よくわかっていないです. 18.Confronting the Partition Function 16章でやったように(無向グラフィカルモデルとかでは)規格化されていない確率分布がよく現れる. このとき規格化するためには積分をする必要があるが一筋縄ではいかない. 18.1 The Log-Likelihood Gradient of Undirected Models 規格化されていない無向モデルの確率分布の勾配を求
1
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
ゼロから作る Deep Learning 読んだ - higepon blog
Amazon.co.jp: ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装: 斎藤康毅: 本
