機械学習アルゴリズム チート シート - デザイナー - Azure Machine Learning
Note デザイナーは、従来の事前構築済みコンポーネント (v1) とカスタム コンポーネント (v2) の 2 種類のコンポーネントをサポートします。 これら 2 種類のコンポーネントには互換性がありません。 従来の事前構築済みコンポーネントは、主にデータ処理や、回帰や分類などの従来の機械学習タスク向けの事前構築済みのコンポーネントを提供します。 この種類のコンポーネントは引き続きサポートされますが、新しいコンポーネントは追加されません。 カスタム コンポーネントを使用すると、独自のコードをコンポーネントとしてラップすることができます。 これは、ワークスペース間での共有と、Studio、CLI v2、SDK v2 インターフェイス間でのシームレスな作成をサポートします。 新しいプロジェクトでは、AzureML V2 と互換性があり、新しく更新され続けるカスタム コンポーネントを使用するこ
はてなサマーインターン2016 レポートサイト
Summer Internship 2016 Report はてなサマーインターン 2016 8.15 - 9.9 レポートサイト list ツイート 2016年のはてなサマーインターンで、8人のインターン生が全日程を終えました。 2008年に初めて開催して以降、はてなサマーインターンは毎年進化しています。2015年はScalaやSwiftの講義を新設。2016年は機械学習演習や、インターン生以外からも広く参加を募った特別セミナー「AWSハンズオン」など、挑戦的な取り組みを行いました。ちょうど今回のインターン企画をスタートさせた2016年4月ごろは、囲碁プログラム「AlphaGo」が大きな話題になっており、“AI”という言葉とともに夢が語られることの多い時期でした。 はてなサマーインターンは、はてなのエンジニアが日々の業務で使っている技術やトピックを実際に体験してもらう場であることを常に意
勾配降下法の最適化アルゴリズムを概観する | POSTD
(編注：2020/10/01、2016/07/29、いただいたフィードバックをもとに記事を修正いたしました。) 目次： さまざまな勾配降下法 バッチ勾配降下法 確率的勾配降下法 ミニバッチ勾配降下法 課題 勾配降下法を最適化するアルゴリズム Momentum(慣性) Nesterovの加速勾配降下法 Adagrad Adadelta RMSprop Adam アルゴリズムの可視化 どのオプティマイザを選ぶべき？ SGDの並列化と分散化 Hogwild! Downpour SGD SGDのための遅延耐性アルゴリズム TensorFlow Elastic Averaging SGD 最適化されたSGDに対する更なる戦略 シャッフル学習とカリキュラム学習 バッチ正規化 早期終了 勾配ノイズ 結論 参考文献 勾配降下法は、最適化のための最も知られたアルゴリズムの1つです。これまではニューラルネット
AI Is Transforming Google Search. The Rest of the Web Is Next
Yesterday, the 46-year-old Google veteran who oversees the company's search engine, Amit Singhal, announced his retirement. And in short order, Google revealed that Singhal's rather enormous shoes would be filled by a man named John Giannandrea. On one level, these are just two guys doing something new with their lives. But you can also view the pair as the ideal metaphor for a momentous shift in
Optimizing hyperparams with hyperopt - FastML
Very often performance of your model depends on its parameter settings. It makes sense to search for optimal values automatically, especially if there’s more than one or two hyperparams, as is in the case of extreme learning machines. Tuning ELM will serve as an example of using hyperopt, a convenient Python package by James Bergstra. Updated November 2015: new section on limitations of hyperopt,
1020：ベイズ的最適化の入門と応用 機械学習による機械学習の実験計画
2015年9月18日（金）に開催されたGTC Japan 2015での講演です。 佐藤 一誠 情報基盤センター 東京大学 ベイズ的最適化とは、入力から出力を得るコストが高いブラックボックス関数を効率的に最適化する手法の総称である。高コストなブラックボックス関数に対して、少ない入力のステップでより最適化な出力を得ることを目的とする。例えば化学実験において、ある実験設定を入力として、得られた化合物の良し悪しが数値的に計測可能な場合に、より良い実験設定を探索する問題は、ベイズ的最適化の１つの応用例となる。 近年、機械学習アルゴリズムの複雑化にともない、機械学習アルゴリズムの実験設定も複雑化しており、ベイズ的最適化によって機械学習の実験を効率化する研究が注目を集めている。例えば、いくつかのアルゴリズムを複数パイプライン化して使用する場合、個々のアルゴリズム毎にモデル選択方法やハイパーパラメ
Googleの囲碁AI「AlphaGo」、世界トップ棋士を破る 全186手の接戦
米Googleが開発する囲碁専用ディープラーニングシステム「AlphaGo」（アルファ碁）が3月9日、韓国のプロ棋士・李世ドル（Lee Sedol）氏との対局で勝利した。全186手の接戦で、AlphaGoは持ち時間一杯まで使い、李氏は約30分を残していた。 AlphaGoは、Googleが2014年に買収した人工知能（AI）企業・DeepMindが開発。昨年10月には、中国のプロ棋士を相手に5戦5勝で圧勝している。対する李氏は、国際棋戦で10勝以上し、“過去10年で最強”の呼び声も高いトッププロだ。 試合前、李氏は現地メディアに対して「依然として勝つ自信はある」とコメント。李氏が優勢との見方が強まっていたが、AlphaGoが下馬評を覆す結果となった。 李氏との対局は全5局で、今回は第1局に当たる。10日以降の対局もYouTubeやニコニコ生放送などでのライブストリーミングを予定している。
Coursera の機械学習コースを完走して修了証を取得した話 - yubessy.hatenablog.com
昨年の10月から12月にかけて Cousera の機械学習オンラインコース "Machine Learning" を受講し、無事完走することができた。 www.coursera.org コースは無料で受講できるが、修得したことを公式に認定する修了証 (verified certificate) を取得するためにはお金がいる。 機械学習コースの取得料は$49と安くはないが、記念と思って取得してみた。 取得すると以下のようなパーマリンクがもらえて、修了証が閲覧できるようになる。 https://www.coursera.org/account/accomplishments/verify/WX835R39AB77 もともとアルバイトをしていたはてなでこのコースを利用した勉強会が開催され、それに参加させてもらったのが受講のきっかけだった。 運営の id:takuya-a さんをはじめ皆様にはお世
Coursera を利用した機械学習勉強会 - Hatena Developer Blog
はてなアプリケーションエンジニアの id:takuya-a です。 はてなでは、 BrandSafe はてな や、はてなブックマーク のカテゴリ分類など、様々なところで機械学習を利用していますが、今月の初めより、 Coursera の機械学習のコースを参加者全員が修了する ことを目的とした勉強会を開催しています。 今回は、その機械学習勉強会についてご紹介します。 機械学習の学習をするうえでの課題 機械学習は、独力で勉強するのが難しい分野です。 教科書を一人で読み通すのは大変でしょうし、体系的な知識を得るのはさらに困難です。 各地で機械学習の輪読会が開かれているようですが、 発表の準備が大変 参加者に詳しい人がいないと、わからないまま終わってしまう箇所がある 参加者の理解度を測るのが難しい 発表を聞いているだけだと、身につかない（実体験として） といった課題があります。その点、 Course
「Hatena Engineer Seminar #5 @ Tokyo」を開催しました＆資料を公開しました #hatenatech
こんにちは。はてなチーフエンジニアの id:Songmu です。 去る、6月16日（火）にHatena Engineer Seminar #5をはてな東京オフィス、イベントスペースにて開催いたしました。火曜の夜という時間帯にも関わらず、多数のご参加誠にありがとうございました。 今回は、全文検索やレコメンドエンジン、機械学習などコアな技術について、はてなならではの取り組みをお伝えできたのではないかと思います。 それぞれ短いながらボリュームのある内容であったので、参加者の皆様の頭も疲れたのではないかとも思いますが、その後の懇親会も非常に盛り上がっていたのも開催者として非常に嬉しく思いました。 これからも、定期的にEngineer Seminarを開催し、皆様にはてな内での技術的取り組みをお伝えしていきます。また、アンケートにも皆様熱心にお答えいただきましてありがとうございました。頂きましたフィ
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
Learning to Rank in Solr: Presented by Michael Nilsson & Diego Ceccarelli, Bloomberg LP
GitHub - MatthieuCourbariaux/BinaryNet: Training Deep Neural Networks with Weights and Activations Constrained to +1 or -1