Google Cloud Next '17 in Tokyo の機械学習系セッション聴講メモ（Day 1） #googlenext17 - べにやまぶろぐ
ザ・プリンス パークタワー東京で開催中の Google Cloud Next '17 in Tokyo に参加しています。 cloudnext.withgoogle.com 今回は機械学習周りのセッションを集中して選んでみましたのでそのメモです（裏番組になっていて残念ながら聴講できなかったセッションも多数）。ほとんど殴り書き＆一部不確かな記述があるかもしれませんがご容赦ください。 事例から学ぶ機械学習のいま ～ 専門家不要、自社独自の機械学習サービスを構築できる MAGELLAN BLOCKS の事例を元に、その方法と今起きている変革をご紹介します。 URL : Google Cloud Next | October 11-13, 2022 機械学習サービスを作るためには業務知識と機械学習の知識が必要 専門家に頼むと精度が出てもその後どうしたら良いかよくわからない 人の考えるをもっと自由に
「ディープラーニング」や「ニューラルネットワーク」をできるだけ簡単かつわかりやすく解説するムービー
By Many Wonderful Artists 人工知能(AI)関連の話題で頻出するワード「ニューラルネットワーク」および「ディープラーニング」について、何がどのように動作しているのかを簡単かつわかりやすく解説するムービー「How Does Deep Learning Work？」がYouTube上で公開されています。 How Does Deep Learning Work? | Two Minute Papers #24 - YouTube ニューラルネットワークは人間の脳のルーズモデルをコンピューター上のプログラミングで再現したものです。言い換えるなら、我々人類が知りうる人間の脳内の働きにインスピレーションを受けたもの、と言えるかもしれません。 そのニューラルネットワークを画像認識タスクと2次元のグラフを例に解説します。まずは以下の平面上にある曲線を見てみます。この曲線は点の集合で
深層学習(青い本)のまとめと最近のdeeplearning界隈の流れ - プロクラシスト
深層学習 (機械学習プロフェッショナルシリーズ) 作者: 岡谷貴之出版社/メーカー: 講談社発売日: 2015/04/08メディア: 単行本（ソフトカバー）この商品を含むブログ (13件) を見る こんな人におすすめ 人工知能オジサン*1にならないように 線形代数と微分の基礎的な素養のある人 ディープラーニングの基礎を学びたい人 章立て 第1章 はじめに 第2章 順伝播型ネットワーク 第3章 確率的勾配降下法 第4章 誤差逆伝播法 第5章 自己符号化器 第6章 畳込みニューラルネット 第7章 再帰型ニューラルネット 第8章 ボルツマンマシン 書評 1年前に情報系に専門を変え、ディープラーニング関係で初めに読んだ本。ちょうど1年前は爆発的に流行り始めたころだった。 今はもう少しいろいろと日本語の本がそろってきているかもしれないが、この本は基礎から数式を追いながらきちんと学べる本だと思う。 数
機は熟した！グラフ構造に対するDeep Learning、Graph Convolutionのご紹介 - ABEJA Tech Blog
はじめまして。ABEJAでResearcherをやらせていただいている白川です。 先日、化合物の物性推定をDeep Learningをつかって従来手法より300,000倍高速に処理するという論文がでました（[1], [2]）。この論文の手法は、Graph Convolutionというグラフ上に定義されたConvolution演算がベースとなっています。物性推定に限らず、グラフ解析全般を Deep Learning で上手にこなせるようになれば、Deep Learningのアプリケーションの幅がぐっと拡がり、さらなるイノベーションが起きそうな予感がします。 ICMLやNIPSなどの機械学習系の主要国際会議でも数年前からGraph Convolutionについての論文がちらほら出現しはじめており、とくに最近その勢いが増してきている印象があります。個人的にも最近（前から？）にわかにグラフづいてい
「ゼロから作るDeep Learning」書評。購入を迷っている方へ - HELLO CYBERNETICS
結論 理由 実装がライブラリに依存していない しっかりと解説が行われている リファレンスが充実している 計算グラフによってネットワークの計算を扱う 中身 誰におすすめできるか 誰におすすめできないか 私が本を購入して 結論 非常に良い書籍です。迷っているならば購入してもいいでしょう。 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 出版社/メーカー: オライリージャパン 発売日: 2016/09/24 メディア: 単行本（ソフトカバー） この商品を含むブログ (5件) を見る 理由 以下記事で理由を述べていきます。 実装がライブラリに依存していない もしもライブラリに依存したものである場合、ライブラリが更新されると、本の内容が古くなって価値のないものになることもありえます。しかしこの本は、ディープラーニングを理解することに焦点を
こんな私でもニューラルネットワークをスクラッチで実装できました(30歳 男性） - seri::diary
この記事はトレタ Advent Calendar 2016の22日目です。 21日目はswdhの ActiveRecordオブジェクトを関連ごとシリアライズしてデシリアライズするでした。 スナップショット的にその時点のモデルを関連モデル含めて保存したい、っていう要望はBtoBやってると結構遭遇しますね。テーブルをちゃんと正規化すればするほど難しくなるやつなのでgem化されてるとありがたいです。 さて、この記事ではゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装を読んでpythonに入門するところから初めてニューラルネットワークを実際に実装して見た所感を記述します。平たく言えば読書感想文です。 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: 斎藤康毅出版社/メーカー: オライリージャパン発売日: 2
文系出身初心者でもわかる機械学習を勉強する・実装するときの情報まとめ
タグ 1000万@typeAbemaTVairbnbAWAblocklyC++Century21CodeCampCREATOR'S HIVE （クリエイターズハイブ）CSSCTOCygamesC言語d3.jsDeNADIVEINTOCODEDMM英会話dockerDODADTPデザイナーDYMECCESESLintFintechfreeeGMOGMOペパボGoogleGoogleアナリティクスHTMLIE対策illustratorIoTIT企業IT求人ナビJACリクルートメントJavaJavaScriptjoevlogjQuerykakaku.comKLabLINELinkedinMERYMiidasmixiMySQLNHN PlayArtNianticNNTNON STYLEnoteNOVANYLONOB訪問offerboxoptPairsPhotoshopPHPphpmyadminpi
特にプログラマーでもデータサイエンティストでも�ないけど、Tensorflowを1ヶ月触ったので超分かりやすく解説 - Qiita
特にプログラマーでもデータサイエンティストでも�ないけど、Tensorflowを1ヶ月触ったので超分かりやすく解説Python機械学習DeepLearningTensorFlow これ書くだけで土日２日間まるまる潰れてしまった。 学んだ内容に沿っているので、順に読み進めるに従ってコードの話になっていきます。 Tensorflow触ってみたい/みたけど、いろいろまだ理解できてない！という方向けに書きました。 ※2018年10月4日追記 大分古い記事なのでリンク切れや公式ドキュメントが大分変更されている可能性が高いです。 この記事のTensorflowは ver0.4~0.7くらいだった気がするので ver2.0~となりそうな現在は文章の大半が何を参考にしているのか分からないかもしれません。 1: Deep Learningってそもそも何してるの? 専門の人からはご指摘入りそうですが、要は回帰
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
