サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
Appleイベント
qiita.com/sugulu_Ogawa_ISID
【強化学習初心者向け】シンプルな実装例で学ぶQ学習、DQN、DDQN【CartPoleで棒立て:1ファイルで完結、Kearas使用】Python機械学習DeepLearning強化学習Keras ※2018年06月23日追記 PyTorchを使用した最新版の内容を次の書籍にまとめました。 つくりながら学ぶ! 深層強化学習 ~PyTorchによる実践プログラミング~ 18年6月28日発売 「倒立振子(棒立て問題)」を、強化学習のQ学習、DQNおよびDDQN(Double DQN)で実装・解説したので、紹介します。 ディープラーニングのライブラリにはKerasを使用しました。 (※追記:17/09/27にHuber関数部分を修正しました) (※追記:17/10/01にQ学習更新のr抜けを修正しました) (※追記:17/10/03にQ学習報酬のrewardを修正しました) (※追記:18/05/
スクラムに関する研修・資格周りの情報は複雑過ぎる(と、私は感じています)。本記事ではスクラムの研修・資格に関連する企業・組織、資格および、研修の効果的な受講方法を解説します。 第1話では、ジェフ・サザーランド、ケン・シュエイバー、野中郁次郎 先生、竹内弘高 先生について詳細に解説しました [第1話へ] この第2話では、スクラムの資格の研修を実施している企業・機関および、各種スクラムの資格について解説します。 スクラム関連の研修を検討する際、どの研修を受講するのが良いのか判断に困ることが多いのは、これらの情報が丁寧に解説された記事が少ないためだと、私は感じています。 本記事では、各組織について、丁寧に整理したいと思います。 なお、第3話では、なぜこれほどスクラム関連の研修・資格の情報は複雑でややこしいのかを解説します。 (全4話構成です) 本記事の後半では、スクラム関連の研修を効果的に選択・
本記事では、「良い文章」を書くための重要スキルである「パラグラフライティング」について、内容の解説、実践方法、学び方を紹介します。 【※NEW】22年6月新記事:スクラム関連の研修・資格のまとめ & おすすめの研修受講方法 残念ながら日本の大学では、良い文章を書くための重要なスキルである「パラグラフライティング」について、ほとんど教えてもらえません。 しかし新人に限らずですが、パラグラフライティングを意識し、読み手に伝わりやすく、読んでいて苦にならないような良い文章を書くことができると、仕事の早さや質は劇的に変化します。 パラグラフライティングのスキルを知り、少しでも意識していくだけで、文章力は大きく変化します(偉そうに書いていますが、私もいまだに完全な習得に向けて、日夜、改善の日々です)。 本記事は、私の「新人&新人メンター向け記事シリーズ」の第2本目となります。 (1本目はこちら)「効
本記事ではSIerに所属する著者が3年間にわたり、私たちのグループで実践している「1on1」の内容を紹介します(グループの業務内容は主にAI系の自社製品開発です)。 ・1on1をこれから始める方 ・1on1の取り組みを検討をされている方 ・1on1を実施しており、さらに改善を検討されている上司側の方 ・1on1を実施してもらっているが、なんだかしっくりきていない部下側の方 こうした方々にとって、何らか参考となれば幸いです。 とくにIT系の企業や職種では1on1を開催しているところも多いと思います。 新人プログラマの方にとっても、1on1を実施する側がどのようなことを考えて実施しているのか、ひとつの例として参考にいただければ幸いです。 (なおQiitaでは現在、新人プログラマ応援 - みんなで新人を育てよう!企画も開催中です) 私が自分の頭を整理するために記事化しましたが、非常に長い文章にな
GitHub Copilotの使用方法:Python、PyTorchを少しだけ実装してみた動画解説記事ですPythonGitHub機械学習DeepLearninggithubcopilot 本記事ではVScodeのGitHub Copilot拡張機能を使用しつつ、Python、PyTorchで実装を少しだけ試した内容を動画付きで紹介します。 本記事の内容 0. GitHub Copilotとは 1. GitHub CopilotでMNISTのDataLoaderを作成し、画像を描画してみる 2. 関数の作成・実行と、docstringの自動作成 3. さいごに 0. GitHub Copilotとは 「GiHub Copilot」とは、コーディング時にコーディング内容をAIが自動提案(自動補完機能にほぼ似ている)してくれる機能です。 先に記述したこれから実装したい内容を解説したコメント文や
本記事では、文章ソースに質問を投げると自動で回答を返すAzure Question answeringを、日本語で使用する方法について解説します。 実装例で目指すところとしては、withコロナの東京において現在、「何人での外食が認められているのか?」という質問に対して、「8名」と回答してくれるサービスを作ります。 また別パターンとして、「日本で2番目に高い山は?」という質問に答えられる実装例を紹介します。 本記事の内容 0. Azure Question answering(質問応答)とは 1. リソース「Language service」の作成 2. 「Language Studio」でプロジェクトの作成 3. 「ナレッジベース」にソースとなるファイルを追加する 4. 「Language Studio」から動作確認をする 5. 「Language Studio」からデプロイする 6. P
本記事では、Google Colaboratoryで日本語版BERTを使用し、livedoorニュース9カテゴリを分類する自然言語処理の実装について解説します。 Google Colaboratoryで日本語版のBERTを利用し、文章をベクトル化するまでの内容はこれまでの連載記事で解説したので、まずはこちらをご覧ください。 連載一覧 [1]【実装解説】日本語版BERTをGoogle Colaboratoryで使う方法(PyTorch) [2] ※本記事【実装解説】日本語版BERTでlivedoorニュース分類:Google Colaboratoryで(PyTorch) [3]【実装解説】脳科学と教師なし学習。情報量最大化クラスタリングでMNISTを分類 [4]【実装解説】日本語BERT × 教師なし学習(情報量最大化クラスタリング)でlivedoorニュースを分類 本記事では、Huggin
本記事ではOpenAIのGPT-3およびCodexの使用方法と、文章自動生成、文章からプログラムの自動生成、プログラムから文章を自動生成する方法を紹介します。 また最後にGPT-3での素数生成の再現も試みます。 本記事の内容 GPT-3、Codex、Copilotの違いとは GPT-3、Codex、Copilotを使用するための申請方法 GPT-3の使用例:広告文書の作成 Codexの使用例:Pythonのコードからコードのコメント文を生成 Codexの使用例:Pythonのコードからdocstringを生成 Codexの使用例:文章からPythonプログラムの生成 GPT-3で素数を生成してみる さいごに 1. GPT-3、Codex、Copilotの違いとは GPT-3、Codex(コーデックス)、Copilot(コパイロット)の違いについて説明します。 初め、私にはCodexとCop
本記事は、アジャイル・スクラム開発において便利な「Azure DevOps Extensions」(拡張機能)のまとめ記事です。 アジャイル・スクラム開発で「製品の品質」を保つには、開発プロセス”そのもの”の品質も重要となります。 高い品質の開発プロセスを保つには、アジャイル開発のツールをうまく利用することが、ひとつ大切な要素となります。 PO(および開発者)がアジャイル開発のツールをうまく使いこなし、製品、プロジェクト、プロダクトバックログなどを上手くマネジメントすることが重要です。 私たちが実際にチーム開発をしていて、おススメの機能を紹介します。 ※1: Azure DevOpsはAzureのサービスの一つである、DevOps統合環境です(Azure DevOps ドキュメント) ※2: Azure DevOpsの拡張機能は以下のマーケットから選択して、DevOps環境にインストールし
Azure & MS Fundamentals資格の勉強方法 | AZ-900、DP-900、AI-900、PL-900、SC-900MicrosoftAzure資格PowerAppsAZ-900 本記事では、AzureおよびMicrosoftのFundamentals資格の勉強方法(の一例)を紹介します。 本記事の対象は、AZ-900、DP-900、AI-900、PL-900、SC-900、の5つとなります。 私が実際に実施してみた内容であり、かつ、私がチームの新メンバに自己学習用に共有している内容です。 単に試験に合格するだけでなく、うまくマイクロソフトが用意しているコンテンツも利用しながら、きちんと学び、かつ、節約しながら資格取得する流れを紹介します。 本記事では以下の内容について簡単に説明していきます。 Azure、マイクロソフトの資格体系 各Fundamentals資格の内容 各
scikit-learnのアルゴリズム・チートシートで紹介されている手法を全て実装し、解説してみました。 注釈 本記事シリーズの内容は、さらに丁寧に記載を加え、書籍「AIエンジニアを目指す人のための機械学習入門 実装しながらアルゴリズムの流れを学ぶ」 として、出版いたしました。 概要 scikit-learn アルゴリズム・チートシート 【対象者】機械学習を使用したい方、初心者向けの機械学習本を読んで少し実装してみた方 scikit-learnの説明は英語で分かりにくいし、実装例もシンプルでなくて、よく分からんという方 【得られるもの】模擬データを用いて、各手法を使用したミニマム・シンプルなプログラムが実装できるようになります。 アルゴリズムの詳細な数式は理解できませんが、だいたい何をやりたいのか、意図と心、エッセンスが分かります。 アルゴリズムマップの手法をひとつずつ実装・解説します。
因果推論と因果探索を学びたい初心者の方を対象に、因果分析のPythonプログラムを実際にGoogle Colaboratoryで実装しながら学ぶ書籍を執筆しました。 単著としては、「つくりながら学ぶ! PyTorchによる発展ディープラーニング」、以来、約1年ぶりの新刊となります。 本記事では、因果分析の書籍を執筆したモチベーション、Pythonによる因果推論、因果探索の概要について解説します。 「つくりながら学ぶ! Pythonによる因果分析 ~因果推論・因果探索の実践入門」 ●2020年6月30日発売 ●著者:小川雄太郎(自己紹介、Twitter)@電通国際情報サービス(ISID) ●出版社: マイナビ出版 本記事の内容 ● 0. 本書を執筆したモチベーション ● 1. 因果推論が必要な事例 ● 2. 因果推論をしたいデータ ● 3. 因果推論の方法 ● 4. 因果探索の手法 ● 5.
本記事では、Google AI Blogの2020年の振り返り記事から、「どのようなAI系の研究が今重要とされているのか」、19個のテーマを紹介します。 また私が個人的に衝撃を受けた研究を、4つ紹介します。 0. ベース記事 以下のGoogleのブログ記事をベースとしています。 「Google Research: Looking Back at 2020, and Forward to 2021」 https://ai.googleblog.com/2021/01/google-research-looking-back-at-2020.html (2021年1月12日発行) 1. AI研究の重要テーマ集(Google版) 上記記事の各見出しから、GoogleでのAI研究の重要テーマを羅列します。 COVID-19 and Health Research in Machine Learni
本記事は、アンドリュー・ウ(Andrew Ng)先生が書かれた 「企業における段階的なAI活用のためのPlaybook(脚本)」である 「AI Transformation Playbook」How to lead your company into the AI era を、日本語でまとめたものです。 画像引用[1] AI Transformation Playbookの日本語版まとめ 補足0:著者のアンドリュー・ウ(Andrew Ng)先生って誰? 画像引用[2] 著者のアンドリュー・ウ(Andrew Ng)先生は、人工知能の研究者です。 博士号の指導教員は、RNNの研究で有名なマイケル・I・ジョーダン先生です。 マイケル・I・ジョーダン先生の指導教員は、バックプロパゲーションを提唱したラメルハート先生なので、アンドリュー・ウ先生はラメルハート先生の孫弟子になります。 アンドリュー・ウ
※2018年06月23日追記 PyTorchを使用した最新版の内容を次の書籍にまとめました。 つくりながら学ぶ! 深層強化学習 ~PyTorchによる実践プログラミング~ 18年6月28日発売 これから強化学習を勉強したい人に向けて、「どんなアルゴリズムがあるのか」、「どの順番で勉強すれば良いのか」を示した強化学習アルゴリズムの「学習マップ」を作成しました。 さらに、各手法を実際にどう実装すれば良いのかを、簡単な例題を対象に実装しました。 本記事では、ひとつずつ解説します。 オレンジ枠の手法は、実装例を紹介します。 ※今回マップを作るにあたっては、以下の文献を参考にしました。 ●速習 強化学習: 基礎理論とアルゴリズム(書籍) ●Deep Learning for Video Game Playing 強化学習とは 強化学習は、画像識別のような教師あり学習や、クラスタリングのような教師なし
本記事では、私が2020年10月に読んだ書籍の内容や感想を紹介・解説します。 はじめに 私がこの1カ月間に読んだ、書籍の内容と感想のまとめ記事です (これらの読書は仕事ではなくプライベートの趣味です) Twitterでリアルタイムに投稿した内容を、1カ月分まとめます。 ※Twitterでは、書籍感想以外にも、IT・AI・Biz関連の情報をたくさんつぶやいているので、 これらの情報を収集したい方はぜひフォローください♪(海外の情報が多めです) Twitterアカウント:小川雄太郎@ISID_AI_team 2020年10月に読んだ書籍(はじめに) (過去記事) ●20年7月分の記事はこちら ●20年8月分の記事はこちら ●20年9月分の記事はこちら (書影) 版元ドットコムで公開されている場合のみ掲載しています (書籍分野) AI:機械学習&ディープラーニングのアルゴリズム、研究能力、開発・
本記事では、私が2020年9月に読んだ書籍で、感想をTwitterに投稿した良書を紹介・解説します。 はじめに 本記事は、私のtwitter投稿から、今月読んだ書籍感想のまとめです。 (これらの読書は仕事ではなくプライベートでの趣味です) 書籍紹介以外にも、IT・AI・Biz関連の情報をたくさんつぶやいているので、 これらの分野の情報を収集したい方はぜひフォローしてみてください♪ (海外の情報が多めです) Twitter:小川雄太郎@ISID_AI_team 20年9月に読んだ書籍 書影は、版元ドットコムで公開されている場合のみ掲載しています。 (過去記事) ●20年7月分の記事はこちら ●20年8月分の記事はこちら ※私が読む本は、ビジネス系が多いです(IT関連はネットで調べたり、一気にがっつり読むことが多い) データサイエンティスト協会の3領域に準じていますが、IT・AIエンジニアでも
本記事では、データサイエンティスト、AIエンジニアの方がPythonでプログラムを実装する際に気をつけたいポイント、コツ、ノウハウを私なりにまとめています。 AIエンジニア向け記事シリーズの一覧 その1. AIエンジニアが気をつけたいPython実装のノウハウ・コツまとめ(本記事) その2. AIエンジニアが知っておきたいAI新ビジネス立案のノウハウ・コツまとめ 2020年4月に書籍を、出版しました。 【書籍】 AIエンジニアを目指す人のための機械学習入門 実装しながらアルゴリズムの流れを学ぶ(電通国際情報サービス 清水琢也、小川雄太郎 、技術評論社) https://www.amazon.co.jp/dp/4297112094/ 本投稿は、上記の書籍に書ききれなかった 「AIエンジニアが、Pythonでプログラムを実装する際に気をつけたいことのまとめ」 です。 本記事の内容は、あくまで筆
本記事では、AIエンジニアやAI関連のビジネスパーソン向けに、起業および新規事業立案に関するノウハウ・情報をお知らせします。 AIに特化していない新ビジネス立案関連の内容も多いのですが、ご容赦ください。 AIに関わる内容は本記事の後半部分から始まります。 本記事は、 [1] スタートアップ系での有名なアドバイスを引用掲載 [2] それに対して、私(小川)なりの私見を記載 という構成で執筆します。 AIエンジニア向け記事シリーズの一覧 その1. AIエンジニアが気をつけたいPython実装のノウハウ・コツまとめ その2. AIエンジニアが知っておきたいAI新ビジネス立案のノウハウ・コツまとめ(本記事) 本記事の目次 はじめに 0. 起業や新規事業立案を学ぶうえで知っておきたい人物・組織 アイデアの見つけ方 アイデアの育て方 ユーザーインタビューの仕方 AI新ビジネス立案について MVPの作成
本記事では、scikit-learnのv0.23から搭載された、インタラクティブなパイプライン確認の実装、そしてそれをHTML化して保存、活用する方法を解説します。 環境 scikit-learn==0.23.2 Google Colaboratory 本記事の実装コードはこちらに置いています https://github.com/YutaroOgawa/Qiita/tree/master/sklearn 実装 [1] バージョン更新 まず、Google Colaboratoryのscikit-learnのバージョンが2020年9月ではv0.22なので、v0.23へと更新します。 !pip install scikit-learn==0.23.2 pipで更新したあとは、Google Colaboratoryの「ランタイム」→「ランタイムを再起動」を実行し、 ランタイムを再起動します。 (
本記事では、NVIDIAから発表されているPyTorchでのディープラーニングを高速化するコツ集を紹介します。 【※NEW】22年6月新記事:スクラム関連の研修・資格のまとめ & おすすめの研修受講方法 本記事について 本記事は、NVIDIAのArun Mallyaさんの発表、 「PyTorch Performance Tuning Guide - Szymon Migacz, NVIDIA」 に、説明やプログラムを追加して、解説します。 本記事のポイントは、Andrej KarpathyがTwitterで呟いている通りとなります。 good quick tutorial on optimizing your PyTorch code ⏲️: https://t.co/7CIDWfrI0J quick summary: pic.twitter.com/6J1SJcWJsl — Andrej
本記事ではDjango REST frameworkでAPIを作成した際に、そのAPIドキュメント(使用方法などの解説)を自動生成する方法について解説します。 手順0:DRF(Django REST framework) 今回は、version:3.10.3を使用しています。 なお、現在(2020年9月)の最新バージョンはversion:3.11.1です。 手順1:追加のパッケージをインストール APIドキュメントの自動作成に必要なパッケージをインストールします。 手順2:urls.pyにdocページを定義 Django Appのベースとなっているappのフォルダのurls.pyに対して、 from rest_framework.documentation import include_docs_urls を追記して、include_docs_urls()を使用できるようにします。 その上
本記事では、私が2020年8月に読んだ書籍で、感想をTwitterに投稿した良書を紹介・解説します。 はじめに 本記事は、私のtwitter投稿から、今月読んだ書籍感想のまとめです。 (これらの読書は仕事ではなくプライベートでの趣味です) 書籍紹介以外にも、IT・AI・Biz関連の情報をたくさんつぶやいているので、 これらの分野の情報を収集したい方はぜひフォローしてみてください♪ (海外の情報が多めです) Twitter 小川雄太郎@ISID_AI_team 本のジャンル 私が目指しているのは、 「チームメンバがITフルスタックになり、さらにそれを超えて、ITビジネスのフルスタックになること」 です。 別の言い方をすると、チームメンバが複数領域がカバーできるポリバレント人材になることを目指しています。 (※ポリバレントとは、サッカー日本代表などで導入されている、複数ポジションをこなせるメン
このページを最初にブックマークしてみませんか?
『@sugulu_Ogawa_ISIDのマイページ - Qiita』の新着エントリーを見る
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