機械学習アルゴリズムの学習法
TL;DR 機械学習のアルゴリズムには詳しくなりたいけど実装はしない、という立場の人向けの学習資料まとめ 知人向けで、具体的には同僚医師がターゲット読者（めちゃ狭い！）だが、一定度他の人にも役に立つかも 改めて色々眺めてみてやっぱり大学の講義は質の高いものが多いと思った 知人が機械学習のアルゴリズムを学びたいと言っているので、オススメの資料などを見繕ってみるブログエントリ。 機械学習への関わり方を雑にアルゴリズムと実装で分けた場合に、アルゴリズムには詳しくなりたいけど実装をするわけではない、という立場の人向けである。 このようなタイプの人はそんなにいないと思うけど、具体的にはドメインエキスパートとして機械学習エンジニアと一緒にアルゴリズム・データ改善に取り組んでいて、アルゴリズムでどんなことをやっているかをちゃんと理解したい、みたいなのが一例となる。 なんとなくのイメージ的な理解だけだと、
Ubie 株式会社に入社します
TL;DR 求職活動の結果 Ubie 株式会社に入社することにしました 決め手は「ストーリーを語りたくなるような仕事ができそう」だから エンジニアも絶賛募集中なので、一緒に働きましょう！ https://note.com/ubie/n/n454a0d04a1eb 最近は求職活動に勤しんでいましたが、色々な人に話を聞いたり実際に選考を受けた結果 Ubie 株式会社 に入社することにしました。 このエントリは、私の求職活動を振り返りつつ、その過程でお世話になった人々への報告に代えさせていただこうというものです。 求職活動の経緯に関しては以下をご覧ください。 ついに求職活動をすることにしました。 機械学習エンジニア/リサーチャーのポジションで求職中です。 関係各位の方々、よろしくお願いします。 詳しくはブログで！https://t.co/2X2SuHyE5G — Yohei KIKUTA (@y
無職を支えるお金
TL;DR 一年間無職生活をした結果 2,973,667 円掛かった 独身プログラマなら少し働けば貯めることができる額なので、気軽に無職になって人生をやっていこう！ 201901末に退職をして丸一年経った。 無職になったときの裏の目標の一つとして、無職期間に必要になった費用を記録してそれを公開するというものがあった。 別に大した理由はないのだが、無職になりたいという前途ある人々の参考となればこれ幸い、とか考えていた。 ということで結果発表をしようと思う。 ちなみに自分は最近ちょっと働いているので丸一年無職をやり切ったというわけではないのだが、働いてるのは結婚式が無限集金システムで現金が足りなくなるのでその補填というためなので、生活費には充てていない。 ということで、一年間無職をするのに必要なお金、という意味では自分の実績値をそのまま使うということで問題はないだろう。 基本的には税金から生活
仕事を辞めて無職になりました
TL;DR 1/31 を退職日として無職の仲間入りをしました しばらく（最長一年くらい？）再就職する予定はなく、自分のやりたい勉強などを自由にやるつもりです 色んな会社の人がどんなことをやっているかは知りたいので、よかったら会社に遊びに行かせてください 本日 20190131 をもって退職をして無職になりました。 次の職場が決まっていてそこに移行するためのダウンタイム、とかではなく無職です。 無職なので再就職の予定は未定です。 本当は sustainable な無職になりたかったのですが、私の人生プランからいってそれは難しいと判断したので、任期付無職です。 あんまり長すぎるとその後の社会復帰に悪い影響を及ぼすかもしれないので、長くても一年くらいかなとぼんやり考えています。 無職期間中に何がしたいのか 一番やりたいことは自分がやりたいなぁと思っていることを自由にやることです。 具体的には以下
機械学習の理論と実装はどう学んでいくと良いのだろうか
TL;DR 機械学習エンジニアは理論と実装の両方が求められる場合が少なくない この二つは割と異なる学びの過程がある気がしているが、自分を例にとってそれを考えてみる かなり強引に言うなら、理論は要素を積み重ねて全体を理解するやり方で、実装は全体から必要な要素を削り出していくやり方、な気がする 自分は実装に関してはどうトレーニングを積んでいくのが良いかいまいち分かっていない 知人と話していてタイトルにあるような話題になった。 機械学習が流行るようになって、これまではサービスを開発するような仕事ではそこまで要求されなかったであろう、数学的な理論とプログラミングによる実装の両方を兼ね備えることの重要性が増している。 これは自分が興味あるような機械学習エンジニアの仕事において、という前提条件の下での話だ。 そんなのなくても仕事ができるとかもっと大事なことがあるとか、意見は色々あるかもしれないけど、こ
機械学習をやる上で線形代数のどのような知識が必要になるのか
TL;DR 「機械学習をやるなら線形代数はやっとけ」的な話が出るけど具体的な話があまり見当たらない 研究でなく実務レベルで機械学習を扱う場合にどのような線形代数の知識が必要になるのか考えてみた 高校でやるベクトル・行列＋αくらいあれば概念的には十分で、計算が苦じゃない基礎体力が重要では？ 機械学習が流行ることで、機械学習に必要な数学的基礎にも話が及ぶことが多くなってきている。 特に、線形代数や微積に関しては基礎を押さえとけみたいなことを言う人が結構いる気がする。 中身のない話をしたい場合はまあそれだけでもいいのだけれど、具体的に何が必要になるのかを説明してくれてる人はあまりいない。少なくとも自分の観測範囲では。 レベル感が様々なので万人に通用する議論はできないのはしょうがないが、「自分としてはこれは必要だと思っている」みたいな意見は聞いてみたい。 自分の考えはどうだろう、ということで線形代
Deep Learning with Python を読んだ
TL;DR Deep Learning with Python を読んだ よく書かれている本で、特に初学者〜中級者が Keras を使ってモデル構築ができるようになるには最適 扱っているトピック自体は他の本と比べてそこまで変わっていないが、一つ一つの質は高い 個人的には Keras の実装の話などをもっとして欲しかった Keras 作者の Chollet 氏が書いた deep learning 本ということで、どんな内容なんだろうと思って読んでみた。 結論から言うととてもよく書けている本で、対象読者は Keras を使って deep learning を始めたい（始めてみた）という人かと思う。 どんな経緯で出した本かとかそういうのは全然知らないが、deep learning が使えるようになるための getting started となる決定版を書いたぞ、という印象を受けた。 自分としては
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
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
