東大が無料公開している超良質なPython/Data Science/Cloud教材まとめ (*随時更新) - Digital, digital and digital
東京大学がちょっとびっくりするくらいの超良質な教材を無料公開していたので、まとめました Python入門講座 東大のPython入門が無料公開されています。scikit-learnといった機械学習関連についても説明されています。ホントいいです Pythonプログラミング入門 東京大学 数理・情報教育研究センター: utokyo-ipp.github.io 東大のPython本も非常にオススメです Pythonによるプログラミング入門 東京大学教養学部テキスト: アルゴリズムと情報科学の基礎を学ぶ https://amzn.to/2oSw4ws Pythonプログラミング入門 - 東京大学 数理・情報教育研究センター Google Colabで学習出来るようになっています。練習問題も豊富です https://colab.research.google.com/github/utokyo-ip
真面目なプログラマのためのディープラーニング入門
はじめに: 本講座は「機械学習ってなんか面倒くさそう」と感じている プログラマのためのものである。本講座では 「そもそも機械が『学習する』とはどういうことか?」 「なぜニューラルネットワークで学習できるのか?」といった 根本的な疑問に答えることから始める。 そのうえで「ニューラルネットワークでどのようなことが学習できるのか?」 という疑問に対する具体例として、物体認識や奥行き認識などの問題を扱う。 最終的には、機械学習のブラックボックス性を解消し、所詮は ニューラルネットワークもただのソフトウェアであり、 固有の長所と短所をもっていることを学ぶことが目的である。 なお、この講座では機械学習のソフトウェア的な原理を中心に説明しており、 理論的・数学的な基礎はそれほど厳密には説明しない。 使用環境は Python + PyTorch を使っているが、一度原理を理解してしまえば 環境や使用言語が
2018年にかけて実施されていた、東京大学松尾研究室が監修するエンジニア向け無償教育プログラム「DL4US」の、演習パートのコンテンツが無償公開された。 関連記事：松尾研監修のディープラーニング無償オンラインプログラム「DL4US」が募集を開始 「DL4US」とは？Deep Learningエンジニア育成講座「DL4US」の演習コンテンツを無償公開しました。実装に重きを置いてエンジニア向けに松尾研で作成したもので、画像認識や翻訳モデルから始まり、生成モデルや強化学習まで扱う実践的な内容になっています。ご興味ある方はぜひ。https://t.co/jLWlrk9UdK — 松尾 豊 (@ymatsuo) 2019年5月15日 DL4USは高度なディープラーニング技術者を育成することを目的とした、アプリケーション指向の無償オンライン教育プログラムだ。 東京大学ディープラーニング基礎講座、応用講
はじめに ポケモンについて何となく知っている人向けの記事です（デジモンは知らなくてOK） ３月ごろにポケモンたかさおじさんが集計したアンケートの分析をお手伝いしたところ、アンケートの自由記述回答の6353件中、155件もデジモンについて言及するコメントがあった。 「デジモンと区別付かないよね」 「もはやポケモンじゃない…。デジモン…。昔のデザインに戻ってほしいなぁ…。。。」 「主観ですが、伝説のポケモンが角張った印象で、デジモンのような印象を受ける。」 「全体的に毛がなさそうなツルッとしたフォルムの子達が増えた気がします。デジモンっぽい」 「デザインがごちゃごちゃしすぎて子供が描くのが難しい デジモンに近くなってきている」 「ダイパまでのデザインがポケモンっぽいデザイン。それ以降はデジモンみたいな雰囲気。」 私は幼少期からポケモンには触れてきたが、デジモンにはあまり縁がなかったため、 デジ
回答 (5件中の1件目) ディープラーニングは昔ニューラルネット（神経回路網）と言われていました。 モデルとなった神経回路網において、神経の結合、処理状態がわかれば考えていることがわかるのか？と言われればそれは無理ですね。これはブラックボックスです。 じゃ、考えていることがわかるようなニューラルネットは作れるかと問われれば、できないと断言はできない。 ちなみに三十年くらい前のAIの主要トピックスは。 エキスパートシステム これは専門家の知識を記述するもので内容はわかります。 ファジーシステム どこ行ったんでしょうね？ ニューラルネット でした。
1.はじめに ディープラーニングを学び始めた方にとって、東京大学／松尾教授の動画を見ることは、とても刺激的で勉強になり面白いものだと思います。今回、松尾教授の講演に加えて対談やパネルディスカッションも含めた動画のリンクをまとめましたので、よろしかったら見て下さい。 おすすめは、01, 05, 14, 16, 23, 27 です。 2.動画リンク 講演には★の表示がしてあります。 □2012年 ★01.Computer will be more clever than human beings 東京大学版TEDです（もちろん日本語です）。ウェブを利用した情報の利用と人工知能の可能性についてコンパクトにまとめています。ディープラーニングには触れていませんが、若々しい松尾教授の姿が見れて、内容も興味深いです。<おすすめです。>(15分) □2013年 02.ＩＴ融合シンポジウム ～企業・研究者に
ディープラーニングの仕組みを理解するための一番のポイントは「損失関数」と「勾配降下法」の考え方です。本講演では、線形回帰モデルを題材に、この2つの考え方についてPythonのコーディングも含めた形で説明します。講演者の著作「最短コースでわかるディープラーニングの数学」からエッセンスをお届けします。
タイトルの通り、「CNN（畳み込みニューラルネットワーク）って何よ」とざっくりと質問された時に、自分だったらざっくりとこう説明してあげる、というのをまとめます。 この記事で説明している内容は、以下を元にしているので、よろしければ是非。 Pythonと実データで遊んで学ぶ データ分析講座 作者:梅津 雄一,中野 貴広発売日: 2019/08/10メディア: 単行本（ソフトカバー） なお、スマホのAMPだと、数式がうまく表示されない可能性がありますので、こちらのリンクかPCから読んでいただけると。 まずニューラルネットって？畳み込みニューラルネットワークについて説明する前に、ニューラルネットワークも軽くおさらいしてあげましょう。 脳は入力を受け取ると、以下画像のように各神経細胞が反応しながら処理が次々と行われます。 ニューラルネットワークは、このような脳の神経伝達の働きを数理モデルとして落とし
ラズパイでディープラーニングと筋電位センサを用いた筋電義手（プロトタイプ）作りました - もう疲れたので電子工作します
最近、以前から興味のあった筋電位センサを触っています。 また、ディープラーニングの勉強も始めたのですが、 ディープラーニングの仕組みを理解する中で「ディープラーニングって筋電位センサに応用できるんじゃ？」と閃きました。 そこで色々試してみたところ、簡単な動作推定を行うことに成功したので、まとめてみます。 タイトルにある通り、ラズパイを使ってます。 実際の動作 筋電位センサ（自作） 筋電位センサ（市販：MyoWare） 回路 ディープラーニング入門 ディープラーニング（データ解析） ディープラーニング（データ取得） ディープラーニング（学習） ディープラーニング（推定） システムまとめ 感想 実際の動作 実際に動いているときの動画です。 手を握った時、反った時、屈曲した時の３パターン（厳密には無動作時を併せて４パターン）における筋電位パターンをディープラーニングを用いて分類し、分類結果に応じ
機械学習の環境構築のために今更ながらDocker入門 最初に、この記事の対象者は、私のように趣味で機械学習しているエンジョイ勢や学生さん、初心者が対象です。インフラなど本職での運用などは全く想定しておりませんので、ご承知おき下さい。詳しい方は色々教えていただけると嬉しいです、それか生暖かく見守っておいて下さい。 というわけで、今更ながら機械学習の仮想環境としてDockerがとても優秀であることに気づいたので、Dockerに入門してみました。Dockerは何か？という基礎的な解説は、以下のさくらインターネットさんの記事が非常に分かりやすかったので、以下参照下さい。 仮想環境に関しては、Virtual Machine・Pyenv/Virtualenv等があり、今まで実際に試してきました。詳細は以下記事参照下さい。 これらに対するDockerとの違いを、自分なりにまとめた表が以下です（ざっくりと
![Docker入門して機械学習環境構築 - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/7b11ffcf9f4021aa000a4e241f26e517441fe138/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20190516%2F20190516000848.png)
ディープラーニング(Deep Learning)の歴史を振り返る - 渋谷駅前で働くデータサイエンティストのブログ
先日Quora日本語版でこんな回答を書いたのですが、ついでなので少し文脈情報を付け足してブログの方に再録することにしました。理由は単純で、このブログでディープラーニングの歴史についてまとめた記事を今まで書いてきたことがなく、そしてブログ記事にした方がより認識違いや調査不足などについての指摘をもらいやすいと思われたからです。ということで、以下の説明に関してツッコミがあれば是非コメント欄などにお寄せくださいm(_ _)m (A Neural Network Playground) ディープラーニングを語る上で、その前史であるパーセプトロン、そして（人工）ニューラルネットワークの話題は欠かせません。以下大まかに説明していきましょう。（※歴史解説中では敬称略、各種用語は原則カナ表記*1） パーセプトロンの登場 ミンスキーによる批判と第1の冬の時代 誤差逆伝播学習則と中間層を用いたニューラルネットワ
本講座では計8回にわたり、ディープニューラルネットワークの原理と実装について 説明してきた。ニューラルネットワークの原理は基本的には 勾配降下法であり、その基盤となっているのが関数の微分可能性である。 ニューラルネットワークにはさまざまな形態が存在するが、 画像処理・画像認識の場合は畳み込みニューラルネットワークが非常に 有効であることがわかっている。また、ニューラルネットワークの 出力形式や損失関数を変えることにより、ニューラルネットワークが 物体検出や奥行き推定など、さまざまなタスクに利用可能であることを紹介した。 さて、本講座は「真面目なプログラマのための」ディープラーニング入門、 と銘打っている。真面目なプログラマとは何か? 諸説いろいろあるだろうが、 多くのプログラマは、ソフトウェア開発において 仕様の明確さや、 システムの効率・堅牢性、そして 保守のしやすさといったものを 追求
近年のAIは、人間が手を加えなくてもコンピューターが自動的に大量のデータからそのデータの特徴を発見する「ディープラーニング(深層学習)」という学習手法で動いています。このディープラーニングは、コンピューターゲームに代表されるリアルタイム画像処理に特化した演算装置・プロセッサであるGPUで処理されるというのが通例ですが、ライス大学のコンピューター科学者がIntelと共同で「GPUに比べて最大15倍も高速にディープラーニングできるCPU向けソフトウェア」を開発しました。 ACCELERATING SLIDE DEEP LEARNING ON MODERN CPUS:VECTORIZATION, QUANTIZATIONS, MEMORY OPTIMIZATIONS, AND MORE (PDFファイル)https://proceedings.mlsys.org/paper/2021/file/
【終了しました】 『ゼロから作る Deep Learning ❸』公開レビューのお知らせ｜斎藤 康毅（さいとう こうき）
こんにちは、斎藤 康毅（さいとう こうき）といいます。ここ1年間はずっと本を書いていました。『ゼロから作る Deep Learning ❸ — フレームワーク編』という本です。最近ようやく、原稿を書き終わろうとしています。 この本は「ディープラーニングのフレームワークを作ろう」という本です（野心的にも、オリジナルの「フレームワーク」をゼロから作ります）。世界中を見回しても、ほとんど類書がないような本になっていると思います。これから先、できるかぎり良い本になるよう、最後の最後までブラッシュアップしていく予定です。 さて、今回も前作同様に「公開レビュー」を行います。興味のある方は、オンラインで原稿を読めるページを用意していますので、チェックしてみてください（無料です！）。問題に感じた箇所や改善すべきと思った点など、コメントいただけますと幸いです。どんなに小さな指摘や疑問でも構いませんので、気軽
DockerでGPU学習環境構築 背景 ディープラーニングでローカルPCのGPUを使った学習環境を構築した経験のある人は、一度はNVIDIAのドライバやCUDA周りでハマった経験があるのではないでしょうか？そんなバッドノウハウ（怪文章？）をまとめたQiita記事（TensorFlowでGPU学習させるためにCUDA周りではまったときの対処法）に、なんとNVIDIAの中の人(@ksasaki さん）から「Dockerを使えば…人類は幸せになれる（超意訳）」とのコメントをいただきました！ 喜び勇んで、NVIDIAのドライバをアップデートしたところ、そこには文鎮と化した起動しないLinuxマシンが…からあげのNVIDIAとの戦いは始まったばかりだ！（戦ってません） DockerでGPU学習環境構築するメリット うまく構築できればという前提で、以下のようなメリットがあります。 様々なフレームワーク
ディープラーニングを使った異常検知が進歩していますが、最新情報を追うのが大変です。 ここでは、最新情報をまとめておきます（随時更新）。 本稿では、以下の内容を記します。 ディープラーニングを使った異常検知について、簡単に歴史をまとめます。 最新の手法（2019年当時）について、ベンチマークを行います。 歴史 完全に独断と偏見で作った歴史です。 全ての論文は読めていないので、ご了承ください。 【～2017年】オートエンコーダによる異常検知 オートエンコーダによる異常検知 2、3年前はオートエンコーダによる異常検知が主流でした。オートエンコーダでは、元画像と再構築画像との差をとって、その和が大きいとき異常と認識させています。Qiitaの記事でも、オートエンコーダによる異常検知はたくさんありますので、気になる人は探してみてください。 Variational AutoEocoder（VAE）による
40歳エンジニア管理職が「Deep Learning for ENGINEER(E資格)」に合格した話 - Qiita
Deep Learning for ENGINEER（E資格）とは この記事は2020年1月時点の情報であることをご了承ください。 現在、この日本においてAIのスキルを証明する公的資格として下記が挙げられます。 JDLA Deep Learning for GENERAL（G検定） JDLA Deep Learning for ENGINEER（E資格） です。 位置付けとしては、G検定がAI関連技術に関する一般教養を問う試験。 E資格がAI関連技術に関する理論を理解し、AIを実装できるスキルを問う試験。 という理解です。 詳細というか、正確な定義については、日本ディープラーニング協会（JDLA）のサイトをご参照ください。 E資格の受験方法とJDLA認定プログラム とういうわけで、ここからはE資格のことを中心に話を進めていきたいと思います。 E資格を受験するチャンスは年に2回あり、2月と8
ゼロから作るDeep LearningシリーズはGoogle Colaboratoryで写経して学習するのがおすすめ - karaage. [からあげ]
「ゼロから作るDeep Learningシリーズ」が最高 ゼロから作るDeep Learningは、TensorFlow、Keras、PyTorchといったディープラーニングのフレームワークを一切使わず、基本PythonとNumpyのみでディープラーニングのアルゴリズムを作って理解していくというハードコアな内容です。 シリーズは3冊出ていて、1が画像認識、2が自然言語、3がフレームワークに重点を置いた内容です。 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 作者:斎藤 康毅発売日: 2016/09/24メディア: 単行本（ソフトカバー） ゼロから作るDeep Learning ❸ ―フレームワーク編 作者:斎藤 康毅発売日: 2020/04/20メディア: 単行本（ソフトカバー） ゼロから作るDeep Learning ❷ ―自然言語処理編 作
![ゼロから作るDeep LearningシリーズはGoogle Colaboratoryで写経して学習するのがおすすめ - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/365e160f7985198b0825782005c70157d0e88576/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20200523%2F20200523123857.jpg)
ログイン
深層学習時代の文字認識とその周辺 / OCR and related technologies in the Deep Learning era
■イベント ：【SenseTime Japan × Sansan】画像処理勉強会 https://sansan.connpass.com/event/230636/ ■登壇概要 タイトル：深層学習時代の文字認識とその周辺 発表者： 技術本部 DSOC R&D研究員 宮本 優一 ▼Twitter https://twitter.com/SansanRandD
画像認識と深層学習
日本ロボット学会 ロボット工学セミナー 第126回 ロボットのための画像処理技術 講演資料 https://www.rsj.or.jp/event/seminar/news/2020/s126.html 2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降，画像認識においては深層学習，その中でも特に畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった．CNNはクラス分類をはじめとして，物体検出やセグメンテーションなど様々なタスクを解くためのベースネットワークとして広く利用されてきている．本講演では，CNNの発展を振り返るとともに，エッジデバイスで動作させる際に重要となる高速化等，関連する深層学習技術の解説を行う． 1. クラス分類向けモデルについて 1.1. ILSVRCで振り返る進化の歴史 1.2. その他重要なモデル 1
日本ディープラーニング協会（JDLA）は「ディープラーニング開発標準契約書」を策定し、9月6日に公開した。 JDLAは、ディープラーニングを中心とする技術による日本の産業競争力の向上を目指す協会。理事長は東京大学大学院工学系研究科教授の松尾豊氏が務める。 スタートアップと大企業間での契約締結を円滑化するディープラーニング技術は、さまざまなビジネスでの活用、社会実装に向けた開発・検討が進みつつある。技術開発を担うスタートアップと業務の委託者である大企業との間で多くの議論が交わされている。 一方で、契約においては、当事者間の契約実務に関する経験・スキル、ディープラーニングに関する認識・理解のギャップがあり、契約の締結がなかなか進まないという課題がある。 JDLAの産業活用促進委員会では、これらの課題を踏まえ、スタートアップと大企業間での契約締結を円滑化しさらなるディープラーニング技術の産業活用
半年後に将棋の神様が現れるかもしれない話──最強将棋ソフト開発者が語る“ディープラーニング勢の台頭による将棋ソフトの進化”
棋聖、王位と立て続けにタイトルを取った藤井二冠の次の標的は、前期も挑戦者決定戦まで進んで挑戦まであと一歩だった王将戦。 将棋界最難関といわれる王将リーグといえども、今の藤井二冠を止める者は誰もいない……そんな予想はしかし、意外すぎる形で裏切られます。 何と……トップ棋士が立て続けに、藤井二冠に対して振り飛車をぶつけ始めたのです！ しかもそれは、普段はあまり振り飛車を指さない、居飛車党の棋士たちでした。 結果的に、藤井二冠は王将戦の挑戦権を逃すどころか、リーグからも陥落……。 もともと将棋ソフトは振り飛車を『不利な戦法』と考えており、ソフトを研究に用いる藤井二冠はデビューから一度も振り飛車を採用していません。 そして藤井二冠以外のトップ棋士たちも、ソフトを使用して研究しているはず。 それなのにどうして、不利なはずの振り飛車を敢えて使い、しかも居飛車では止めることができなかった藤井二冠を倒すこ
深層学習入門 ~基礎編~ - Qiita
対象者 深層学習について勉強始めたいな〜って考えている人向け。 いきなりライブラリを利用して何か作るのも手ですが、やっぱりちゃんと理解するには「車輪の再発明」しないといけませんね〜 本記事は深層学習の基礎理論メインですが、できるだけ数式を少なくして図メインでざっくり説明します。 実装などは次回以降順番にやっていこうと思います。 次回の記事はこちらです。 目次 深層学習とは ニューロンモデル レイヤーモデルとニューラルネットワークモデル 活性化関数 シグモイド関数(sigmoid) tanh関数 ReLU関数 ソフトマックス関数(softmax) 計算グラフ 足し算の計算グラフ 掛け算の計算グラフ 割り算の計算グラフ 指数関数の計算グラフ 底がネイピア数の指数関数の計算グラフ 対数関数の計算グラフ 底がネイピア数の対数関数の計算グラフ sigmoid関数の計算グラフ sigmoid関数の順伝
本記事の目的 もともと本業でデータサイエンスやディープラーニングを扱っていたわけでもなく、ディープラーニング周りは「なんとなく知っている」という状態。ちゃんと勉強したいと思いながらもなかなか手が出ず、モデル実装の経験もない。 上記の状態から、この1年間くらいでやっと、初めてディープラーニング実装の経験をするところまでたどり着いた。とりあえずデータサイエンスの入口に立てた（かもしれない）ということで、整理のためここまで取り組んできたことをまとめてみた。 これから勉強を始める、誰かのために役立てば嬉しい。 ＜画像ディープラーニングの始め方＞ ◇ ステップ1. 画像系AIの全体像を把握する ◇ ステップ2. 画像分類を実装してみる ◇ ステップ3. 理論をフォローアップする ◇ ステップ4. 実装の経験を積む ステップ1．画像系AIの全体像を把握する とりあえず初心者向けの書籍や動画などを見て全
ディープラーニングに向くのは「100点を取らなくていい現場」 東大・松尾研発のVC代表が語る“AIの狙い目”（1/2 ページ） ディープラーニング技術を開発・提供する企業に特化して投資するベンチャーキャピタル・Deep30代表の田添氏が、ディープラーニングに向いている領域やその可能性などを語った。 「ディープラーニングに向いているのは、100点を取らなくていい現場。大事だけれどクリティカルじゃない領域がいいんです」――こう話すのは、東京大学・松尾豊研究室発のベンチャーキャピタル・Deep30代表の田添聡士さんだ。Deep30は、ディープラーニング技術を開発・提供する企業に特化して投資するファンド。調理ロボットを開発するコネクテッドロボティクスや、「GAN」（Generative Adversarial Network：敵対的生成ネットワーク）で架空のアイドルの顔画像を自動生成する技術を開発
グリーンバック不要で前景を精密に抜き出す、深層学習を用いたAlpha Matting技術「HAttMatting」 2020-07-04 大連理工大学、 大連大学、鄭州大学、北京工商大学による研究チームが開発した「Attention-Guided Hierarchical Structure Aggregation for Image Matting」は、1枚の画像から被写体である前景を精密に抽出するAlpha Matting技術だ。 本手法の出力結果 Alpha Mattingとは グリーンバック等の特殊な撮影環境を必要とせず、自然状態の画像から前景を抽出し背景と分離するタスクをAlpha Mattingと呼ぶ。画像から前景のAlpha値を抽出する処理をMattingと呼び、 Alpha値を各画素に持つ画像をAlpha Matteと呼ぶ。 Trimapを用いた既存研究 Alpha Mat
化学反応におけるDeep learningの適用 - Preferred Networks Research & Development
近年様々な分野に対してDeep learningの応用が研究されてきています。 化学の分野でも物性値の予測モデルや、化合物の生成モデルの研究などが盛んになってきています。最近では、有機化合物の合成を行う際に必要な化学反応の予測をDeep learningで行うという試みが行われてきているのでその先行研究サーベイをしました。 サーベイ資料はこちらのSlideshareにアップロードしています。 問題設定：反応予測および逆合成経路探索 化学反応で、反応物 (reactant) AとBを触媒 (reagent) Cの下で反応させたときに 生成物 (product) D ができたようなプロセスは Reaction SMILES を用いると “A.B.C>>D” というように表すことができます。 ここで、 AとBとC から何ができるか？ （答えはD）を予測する問題を順方向の反応予測問題と呼び、Dを作
機械学習の基礎である分類問題を通して、ニューラルネット研究の黎明期から深層学習までの歴史を浅く広く紹介しています。
ディープラーニング（深層学習）に関連する、開発事例や最新技術動向を情報発信するコミュニティー「DEEP LEARNING LAB」は2019年6月8日、2周年を記念するイベントを都内で開催した。本稿では基調講演で語られた内容を紹介する。 最初に登壇した東京大学大学院工学系研究科 人工物工学研究センター／技術経営戦略学専攻 教授 松尾豊氏は、2006年7月に発表されたGeoffrey E. Hinton氏およびSimon Osindero氏の論文「Deep Bellef Net」から始まり、2019年5月発表のJonathan Frankle氏およびMichael Carbin氏による「宝くじ仮説」に至るまでの歴史をひも解きつつ、「深層学習技術は進み、事例も増えてきた一方で、課題が残る」と指摘する。 平成元年（1989年）時と平成30年（2018年）時の世界企業時価総額ランキングを比較して、
書いてあること 1.ニューラルネットワークって？ 2.ユニット？重み？バイアス？ 3.活性化関数 4.NNの全体像 5.まとめ ニューラルネットワークの全体像をふわっと理解することを目標にしています。数式とかは使ってないので数学アレルギーの人も是非見てください。 1.ニューラルネットワークって？ ニューラルネットワークとは下のようなやつのことです。英語で書くとNeuralNetworkなので、よくNNって略します。なので今回はNNで説明していこうと思います 丸いのを「ユニット」といい、ユニット同士を結んでる線を「シナプス」と呼びます。シナプスって呼ぶのが面倒いので今回は「線」って呼んで説明させてください。 NNは層の構造をしています。だいたい、左から1層目、2層目、、って数えていきます。最初の層を「入力層」、最後の層を「出力層」、間をまとめて「中間層(隠れ層)」と呼びます。下は4層のNNの
Jukebox
Provided with genre, artist, and lyrics as input, Jukebox outputs a new music sample produced from scratch. Below, we show some of our favorite samples. Automatic music generation dates back to more than half a century.[^reference-1][^reference-2][^reference-3][^reference-4] A prominent approach is to generate music symbolically in the form of a piano roll, which specifies the timing, pitch, veloc
2020.09.08 ITニュース 2015年7月以来５年ぶり２度目となる、東京大学大学院工学系研究科教授で日本ディープラーニング協会理事長の松尾豊さんのインタビューをお届けする。 エンジニアtypeでは今年７月にも、AIテクノロジー企業ABEJA主催のオンラインイベント「DX2020」で行われたABEJA岡田陽介代表との対談「With/Afterコロナ時代におけるDXとAI」をレポートしている。 ＞＞【松尾豊×ABEJA岡田陽介対談】日本企業でDX、AI活用が進まない５つの理由とその処方箋 この記事では「日本企業でDXが進まない理由とその解決策」にテーマを絞るべく割愛したが、講演の中でディープラーニング研究の今を問われた松尾教授は「画像認識系の技術がだいぶ成熟して、アプリケーションもだいぶ出てきた。世の中には”出切った”雰囲気さえ出ている。ところが今（アカデミア方面では）かなり面白いこと
Preferred Networks（PFN）は2019年4月10日、オープンソースの深層学習フレームワーク「Chainer（チェイナー）」の学習者向けに、日本語のオンライン学習資料「ディープラーニング入門：Chainerチュートリアル」の無料公開を開始した。 Chainerは、2015年6月にオープンソース化した、Pythonベースの深層学習フレームワーク。今回発表したChainerチュートリアルは、大学の授業や企業研修、商用セミナーなどでの利用を想定した、深層学習初心者向けの無料オンライン学習資料となる。 現在は入門編として、機械学習に必要な数学の基礎から、Python入門、機械学習とデータ分析入門、ディープラーニング入門を公開している。順を追って解説しており、深層学習の基礎から実践まで、無理なくコーディングと理論が学べる。 また、「Google Colaboratory」を利用すると
APAKAH KEMACETAN KOTA BISA DIATASI? Transfer Pengetahuan dan Kegagalan Kebijakan
【ハナノナ】がApp Storeで無料アプリランキング2位になりました！ | Topics/お知らせ | 千葉工業大学
千葉工業大学人工知能・ソフトウェア技術研究センターはディープラーニングで学習した人工知能が花の種類を自動分類する【ハナノナ】を開発し、アプリ版を４月10日㈮にリリースしました。 主にＳＮＳで話題となり、アップル社が運営するアプリケーションダウンロードサービスApp Storeにて無料アプリランキング2位となりました。（2020年5月15日現在） [ハナノナ:アプリ版] [ハナノナ:ブラウザ版]
はじめに 特徴抽出とは ニューラルネットワークによる特徴抽出 深層学習は特徴抽出を自動で行うのか 補足：本当に自動機械学習に向けて はじめに 未だに強く主張されることの多い「ディープラーニングは人手の特徴抽出作業を自動で実施してくれる」という話。 このことについては肯定も否定もしないというのが私の立場ですが、基本的に「思っているより思い通りには行かない」という事実があることは主張しておきたいです。 そのために、今回「ディープラーニングが自動で特徴抽出を行ってくれる」ということがどういうことなのかを簡単に説明します。 特徴抽出とは まず特徴抽出とは何かを説明していきましょう。特に断りが無い限りは大文字は行列、小文字はベクトルあるいはスカラーだと思って差し支えありません（今回は特に細かい数式の設定が議論に影響することはありません）。 今、入力 $x$ で出力が $y$ となるような適当なデータ
TOP > Article Theme > AI（人工知能）ニュース > スタンフォード大のアンドリュー・ン氏 AIの構築など学べるMLOps講座、2週間で登録者数4000人を突破 画像はTwitterより We’re thrilled to announce the launch of our much anticipated Machine Learning Engineering for Production (MLOps) Specialization on @Coursera! Enroll now: https://t.co/UywbgdQApK pic.twitter.com/vBsuB4Etss — DeepLearning.AI (@DeepLearningAI_) May 12, 2021 オンライン講座「Coursera（コーセラ）」において、人工知能（AI）の権威と
ソフトバンクグループは、AI研究の第一人者として知られる、東大の松尾豊教授を取締役に迎える。松尾氏はディープラーニングとWeb工学を専門とし、学術研究と産業界の橋渡しに積極的なことでも知られる。 ソフトバンクグループは5月21日、人工知能（AI）研究の第一人者として知られる、東京大学大学院工学系研究科の松尾豊教授を取締役に迎えると発表した。6月19日付けで就任する予定だ。 松尾氏は1975年生まれ。産業技術総合研究所の研究員、米スタンフォード大学客員研究員を経て、東京大学工学系研究科准教授に就任。現在は教授を務めている。ディープラーニングとWeb工学を専門とし、学術研究と産業界の橋渡しに積極的なことでも知られる。 関連記事 ソフトバンク、NVIDIA株全売却も「AI群戦略」は変わらず 株価急落もヘッジで損失緩和 ソフトバンクグループの孫正義代表取締役社長兼会長は2月6日、16年12月に約3
世界コンピュータ将棋選手権とは 林隆弘氏（以下、林）：今回「将棋AIの開発秘話を語る」ということで、座談会形式で秘話を語るということで、まずどのあたりからいきましょうか。 山口祐氏（以下、山口）：まずその「コンピュータ将棋選手権」という大会について、私から簡単に説明してから、ここにいる3人の開発者が、それぞれどういった感想を持ったのかを順番に聞いていければと思っています。 林：お願いします。 山口：はい。今回我々が参加したのは、「第31回世界コンピュータ将棋選手権」という大会でして、こちらは非常に歴史の長い大会です。将棋AI同士が対局をして最強を決めるといった、この業界では一番格式が高いというか、みなさん気合いを入れて参加する大会になっています。 毎年ゴールデンウィークの5月3日から5月5日にかけて開催されていまして、3日に一次予選、4日に二次予選、5日に決勝リーグが開催される流れになって
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
![「生成Deep Learning」は久しぶりにワクワクするAI関係の本だった - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/0e716f3414d0fb9918c8f114d6308be989b9ecd8/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20201030%2F20201030014348.jpg)
東大松尾研究室監修のエンジニア向け教育プログラム「DL4US」の演習コンテンツが無償公開 | Ledge.ai
最近のポケモンはデジモンっぽいのか、ディープラーニングに聞いてみた - Qiita
ディープラーニングの研究が進めばAIのブラックボックス問題は解決しますか？
ディープラーニングを学び始めた方へ 東京大学／松尾豊教授の動画 - Qiita
Pythonで理解するディープラーニング入門
「CNNって何よ」って聞かれたら、とりあえずこう説明してみたら？という話 - Np-Urのデータ分析教室
Docker入門して機械学習環境構築 - karaage. [からあげ]
おわりに - なぜ機械学習はうさん臭く感じられるのか? / 真面目なプログラマのためのディープラーニング入門
GPUに比べて最大15倍高速な市販CPU向けのディープラーニングアルゴリズムが開発される
DockerでのディープラーニングGPU学習環境構築方法 - Qiita
【まとめ】ディープラーニングを使った異常検知 - Qiita
深層学習の原理を明らかにする理論の試み - Google ドライブ
日本ディープラーニング協会、「ディープラーニング開発標準契約書」を公開 | Ledge.ai
画像ディープラーニングの始め方（画像系AIの概要理解からUdemy受講, E資格取得まで） - Qiita
ディープラーニングに向くのは「100点を取らなくていい現場」 東大・松尾研発のVC代表が語る“AIの狙い目”
グリーンバック不要で前景を精密に抜き出す、深層学習を用いたAlpha Matting技術「HAttMatting」
ニューラルネットと深層学習の歴史
深層学習はまだ初期段階--ビジネスインフラ化にはあと20年かかる：DEEP LEARNING LAB講演
【初心者向け】ねこでも分かるニューラルネットワーク超入門 - Qiita
「知能とは何か」解明近づく？東大教授・AI研究者松尾豊さんに聞くディープラーニングの先端動向 - エンジニアtype | 転職type
深層学習初心者向けの無料オンライン学習資料を公開
神経生理学の視点で見るニューラルネットワーク入門
ディープラーニングは自動で特徴を抽出してくれる？ - HELLO CYBERNETICS
スタンフォード大のアンドリュー・ン氏 AIの構築など学べるMLOps講座、2週間で登録者数4000人を突破 | Ledge.ai
松尾豊氏、ソフトバンクグループ取締役に AI研究の第一人者
ディープラーニング系将棋ソフトはどこまでいけるのか 世界コンピュータ将棋選手権の結果から将棋AI将来性を探る
news.yahoo.co.jp
www.freecodecamp.org
leather-no-wabisabi.com
boki-navi.com
diamond-rm.net
gaisyokulunch.blog.jp