Submit Search
Upload
機械の代わりに人間が学習入門
•
47 likes
•
7,353 views
S
Shuyo Nakatani
Follow
How do the engineers learn machine-learning?
Read less
Read more
Technology
Report
Share
Report
Share
1 of 37
Download now
Download to read offline
Recommended
[第3回分析コンペLT会 、オンライン開催] (https://kaggle-friends.connpass.com/event/220927/) での発表資料です。 画像コンペに出るうえで便利過ぎる timm(pytorch image models) の紹介をしました。
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
[第2回分析コンペLT会 & 雑談会、オンライン開催](https://kaggle-friends.connpass.com/event/214854/) での発表資料です。 認知度の低い pytorch-pfn-extras と、知られざる Config System を大ぱっざに紹介しました。
みんなが知らない pytorch-pfn-extras
みんなが知らない pytorch-pfn-extras
Takuji Tahara
Tokyo.R #22 LT
Tokyo.R #22 LT
Masayuki Isobe
111015 tokyo scipy2_ディスカッション
111015 tokyo scipy2_ディスカッション
Shohei Hido
Tcl/Tkクイック入門
Tcl/Tkクイック入門
nyaocat
Jubatusの特徴変換と線形分類器の仕組み
Jubatusの特徴変換と線形分類器の仕組み
JubatusOfficial
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
Data assimilation & filtering in R
Data assim r
Data assim r
Xiangze
Recommended
[第3回分析コンペLT会 、オンライン開催] (https://kaggle-friends.connpass.com/event/220927/) での発表資料です。 画像コンペに出るうえで便利過ぎる timm(pytorch image models) の紹介をしました。
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
[第2回分析コンペLT会 & 雑談会、オンライン開催](https://kaggle-friends.connpass.com/event/214854/) での発表資料です。 認知度の低い pytorch-pfn-extras と、知られざる Config System を大ぱっざに紹介しました。
みんなが知らない pytorch-pfn-extras
みんなが知らない pytorch-pfn-extras
Takuji Tahara
Tokyo.R #22 LT
Tokyo.R #22 LT
Masayuki Isobe
111015 tokyo scipy2_ディスカッション
111015 tokyo scipy2_ディスカッション
Shohei Hido
Tcl/Tkクイック入門
Tcl/Tkクイック入門
nyaocat
Jubatusの特徴変換と線形分類器の仕組み
Jubatusの特徴変換と線形分類器の仕組み
JubatusOfficial
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
Nagi Teramo
Data assimilation & filtering in R
Data assim r
Data assim r
Xiangze
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
Takashi Yamane
大阪 PRML 勉強会使用スライド
Ml ch7
Ml ch7
Ryo Higashigawa
カルマンフィルタについてまとめられることをまとめました。
カルマンフィルタについて
カルマンフィルタについて
tiny_ak
第61回日本生態学会大会(2014年3月、広島)での発表資料。
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
Hiroki Itô
WBA若手の会が第11回勉強会で発表するスライドです
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
narumikanno0918
某所で機械学習の講習会(?)のようなものをしたときの資料です. 機械学習によるデータ分析について,アルゴリズムやツールの使い方*以外*の部分で 重要だと思うことを重点的にまとめたつもりです.
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
CLIP を使った画像検索を紹介します。学習済みモデルを利用すると、強力な画像検索を簡単に実装できます。
画像をテキストで検索したい!(OpenAI CLIP) - VRC-LT #15
画像をテキストで検索したい!(OpenAI CLIP) - VRC-LT #15
Shuyo Nakatani
GAN(Generative Adversarial Networks) の紹介と実装です。Conditional GAN を組み合わせることで、同じスタイルで揃った数字を生成しています。
Generative adversarial networks
Generative adversarial networks
Shuyo Nakatani
社内勉強会で無限関係モデル(Infinite Relational Model)を紹介したときの資料です。 主に「続・わかりやすいパターン認識」の第13章「共クラスタリング」に準拠しつつ、データの生成部分をベルヌイ分布からポアソン分布に独自拡張したモデル&実装を紹介しています
無限関係モデル (続・わかりやすいパターン認識 13章)
無限関係モデル (続・わかりやすいパターン認識 13章)
Shuyo Nakatani
Memory Networks とそのモデルの一つ End-to-End Memory Networks の Chainer 実装について、社内勉強会で発表したときの資料を revise したものです。 参考: http://d.hatena.ne.jp/n_shuyo/20170912/memory_networks
Memory Networks (End-to-End Memory Networks の Chainer 実装)
Memory Networks (End-to-End Memory Networks の Chainer 実装)
Shuyo Nakatani
2017/3/8 NTTレゾナントさんとサイボウズの合同勉強会 Open Tech Talk 「【解体新書】深層学習を取り入れたサービス作り」での発表資料のマイルド版です。人工知能と機械学習、深層学習の違いについて解説します。 https://connpass.com/event/51436/
人工知能と機械学習の違いって?
人工知能と機械学習の違いって?
Shuyo Nakatani
Tokyo.R #57 の発表資料です。
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
Shuyo Nakatani
Tokyo.R #55 の LT 資料です。 LT なので、これで因果推論がわかったりはしません。
ドラえもんでわかる統計的因果推論 #TokyoR
ドラえもんでわかる統計的因果推論 #TokyoR
Shuyo Nakatani
EMNLP 2015 読み会での発表資料です。
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
Shuyo Nakatani
星野「調査観察データの統計科学」の読書スライドです。 社内勉強会で使った資料がベースです。 第3章の傾向スコアを紹介しています。
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
Shuyo Nakatani
星野「調査観察データの統計科学」の読書スライドです。 社内勉強会で使った資料がベースです。 第1章の調査観察研究の枠組みと、第2章のルービンの因果モデルを紹介しています。
星野「調査観察データの統計科学」第1&2章
星野「調査観察データの統計科学」第1&2章
Shuyo Nakatani
言語処理するのに Python でいいの? #PyDataTokyo
言語処理するのに Python でいいの? #PyDataTokyo
Shuyo Nakatani
DSIRNLP #7 の LT 資料。ジップ則の謎に迫っていません。
Zipf? (ジップ則のひみつ?) #DSIRNLP
Zipf? (ジップ則のひみつ?) #DSIRNLP
Shuyo Nakatani
ACL2014 Reading: [Zhang+] "Kneser-Ney Smoothing on Expected Count" and [Pickh...
ACL2014 Reading: [Zhang+] "Kneser-Ney Smoothing on Expected Count" and [Pickh...
Shuyo Nakatani
第5回ソーシャルコンピューティングシンポジウム(SoC2014) にて招待講演をさせていただいたときの発表資料です。
ソーシャルメディアの多言語判定 #SoC2014
ソーシャルメディアの多言語判定 #SoC2014
Shuyo Nakatani
猫に教えてもらうルベーグ可測
猫に教えてもらうルベーグ可測
Shuyo Nakatani
コメントの指摘を受けて修正しました(2014/1/14)
アラビア語とペルシャ語の見分け方 #DSIRNLP 5
アラビア語とペルシャ語の見分け方 #DSIRNLP 5
Shuyo Nakatani
More Related Content
Viewers also liked
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
Takashi Yamane
大阪 PRML 勉強会使用スライド
Ml ch7
Ml ch7
Ryo Higashigawa
カルマンフィルタについてまとめられることをまとめました。
カルマンフィルタについて
カルマンフィルタについて
tiny_ak
第61回日本生態学会大会(2014年3月、広島)での発表資料。
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
Hiroki Itô
WBA若手の会が第11回勉強会で発表するスライドです
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
narumikanno0918
某所で機械学習の講習会(?)のようなものをしたときの資料です. 機械学習によるデータ分析について,アルゴリズムやツールの使い方*以外*の部分で 重要だと思うことを重点的にまとめたつもりです.
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
Ryota Kamoshida
Viewers also liked
(6)
MCMCによる回帰分析@ベイズセミナー
MCMCによる回帰分析@ベイズセミナー
Ml ch7
Ml ch7
カルマンフィルタについて
カルマンフィルタについて
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
スパースモデリング、スパースコーディングとその数理(第11回WBA若手の会)
機械学習によるデータ分析まわりのお話
機械学習によるデータ分析まわりのお話
More from Shuyo Nakatani
CLIP を使った画像検索を紹介します。学習済みモデルを利用すると、強力な画像検索を簡単に実装できます。
画像をテキストで検索したい!(OpenAI CLIP) - VRC-LT #15
画像をテキストで検索したい!(OpenAI CLIP) - VRC-LT #15
Shuyo Nakatani
GAN(Generative Adversarial Networks) の紹介と実装です。Conditional GAN を組み合わせることで、同じスタイルで揃った数字を生成しています。
Generative adversarial networks
Generative adversarial networks
Shuyo Nakatani
社内勉強会で無限関係モデル(Infinite Relational Model)を紹介したときの資料です。 主に「続・わかりやすいパターン認識」の第13章「共クラスタリング」に準拠しつつ、データの生成部分をベルヌイ分布からポアソン分布に独自拡張したモデル&実装を紹介しています
無限関係モデル (続・わかりやすいパターン認識 13章)
無限関係モデル (続・わかりやすいパターン認識 13章)
Shuyo Nakatani
Memory Networks とそのモデルの一つ End-to-End Memory Networks の Chainer 実装について、社内勉強会で発表したときの資料を revise したものです。 参考: http://d.hatena.ne.jp/n_shuyo/20170912/memory_networks
Memory Networks (End-to-End Memory Networks の Chainer 実装)
Memory Networks (End-to-End Memory Networks の Chainer 実装)
Shuyo Nakatani
2017/3/8 NTTレゾナントさんとサイボウズの合同勉強会 Open Tech Talk 「【解体新書】深層学習を取り入れたサービス作り」での発表資料のマイルド版です。人工知能と機械学習、深層学習の違いについて解説します。 https://connpass.com/event/51436/
人工知能と機械学習の違いって?
人工知能と機械学習の違いって?
Shuyo Nakatani
Tokyo.R #57 の発表資料です。
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
Shuyo Nakatani
Tokyo.R #55 の LT 資料です。 LT なので、これで因果推論がわかったりはしません。
ドラえもんでわかる統計的因果推論 #TokyoR
ドラえもんでわかる統計的因果推論 #TokyoR
Shuyo Nakatani
EMNLP 2015 読み会での発表資料です。
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
Shuyo Nakatani
星野「調査観察データの統計科学」の読書スライドです。 社内勉強会で使った資料がベースです。 第3章の傾向スコアを紹介しています。
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
Shuyo Nakatani
星野「調査観察データの統計科学」の読書スライドです。 社内勉強会で使った資料がベースです。 第1章の調査観察研究の枠組みと、第2章のルービンの因果モデルを紹介しています。
星野「調査観察データの統計科学」第1&2章
星野「調査観察データの統計科学」第1&2章
Shuyo Nakatani
言語処理するのに Python でいいの? #PyDataTokyo
言語処理するのに Python でいいの? #PyDataTokyo
Shuyo Nakatani
DSIRNLP #7 の LT 資料。ジップ則の謎に迫っていません。
Zipf? (ジップ則のひみつ?) #DSIRNLP
Zipf? (ジップ則のひみつ?) #DSIRNLP
Shuyo Nakatani
ACL2014 Reading: [Zhang+] "Kneser-Ney Smoothing on Expected Count" and [Pickh...
ACL2014 Reading: [Zhang+] "Kneser-Ney Smoothing on Expected Count" and [Pickh...
Shuyo Nakatani
第5回ソーシャルコンピューティングシンポジウム(SoC2014) にて招待講演をさせていただいたときの発表資料です。
ソーシャルメディアの多言語判定 #SoC2014
ソーシャルメディアの多言語判定 #SoC2014
Shuyo Nakatani
猫に教えてもらうルベーグ可測
猫に教えてもらうルベーグ可測
Shuyo Nakatani
コメントの指摘を受けて修正しました(2014/1/14)
アラビア語とペルシャ語の見分け方 #DSIRNLP 5
アラビア語とペルシャ語の見分け方 #DSIRNLP 5
Shuyo Nakatani
どの言語でつぶやかれたのか、機械が知る方法 #WebDBf2013
どの言語でつぶやかれたのか、機械が知る方法 #WebDBf2013
Shuyo Nakatani
Active Learning 入門
Active Learning 入門
Shuyo Nakatani
数式を綺麗にプログラミングするコツ #spro2013
数式を綺麗にプログラミングするコツ #spro2013
Shuyo Nakatani
機械学習×プログラミング勉強会 vol.2 での発表資料です。 ベイズの何が嬉しいか、ノンパラベイズの何が嬉しいかを数式を使わず語ります。
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
Shuyo Nakatani
More from Shuyo Nakatani
(20)
画像をテキストで検索したい!(OpenAI CLIP) - VRC-LT #15
画像をテキストで検索したい!(OpenAI CLIP) - VRC-LT #15
Generative adversarial networks
Generative adversarial networks
無限関係モデル (続・わかりやすいパターン認識 13章)
無限関係モデル (続・わかりやすいパターン認識 13章)
Memory Networks (End-to-End Memory Networks の Chainer 実装)
Memory Networks (End-to-End Memory Networks の Chainer 実装)
人工知能と機械学習の違いって?
人工知能と機械学習の違いって?
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
RとStanでクラウドセットアップ時間を分析してみたら #TokyoR
ドラえもんでわかる統計的因果推論 #TokyoR
ドラえもんでわかる統計的因果推論 #TokyoR
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
[Yang, Downey and Boyd-Graber 2015] Efficient Methods for Incorporating Knowl...
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第3章
星野「調査観察データの統計科学」第1&2章
星野「調査観察データの統計科学」第1&2章
言語処理するのに Python でいいの? #PyDataTokyo
言語処理するのに Python でいいの? #PyDataTokyo
Zipf? (ジップ則のひみつ?) #DSIRNLP
Zipf? (ジップ則のひみつ?) #DSIRNLP
ACL2014 Reading: [Zhang+] "Kneser-Ney Smoothing on Expected Count" and [Pickh...
ACL2014 Reading: [Zhang+] "Kneser-Ney Smoothing on Expected Count" and [Pickh...
ソーシャルメディアの多言語判定 #SoC2014
ソーシャルメディアの多言語判定 #SoC2014
猫に教えてもらうルベーグ可測
猫に教えてもらうルベーグ可測
アラビア語とペルシャ語の見分け方 #DSIRNLP 5
アラビア語とペルシャ語の見分け方 #DSIRNLP 5
どの言語でつぶやかれたのか、機械が知る方法 #WebDBf2013
どの言語でつぶやかれたのか、機械が知る方法 #WebDBf2013
Active Learning 入門
Active Learning 入門
数式を綺麗にプログラミングするコツ #spro2013
数式を綺麗にプログラミングするコツ #spro2013
ノンパラベイズ入門の入門
ノンパラベイズ入門の入門
Recently uploaded
TSG LIVE! 12 LT
Intranet Development v1.0 (TSG LIVE! 12 LT )
Intranet Development v1.0 (TSG LIVE! 12 LT )
iwashiira2ctf
Security-JAWS【第33回】 勉強会 https://s-jaws.doorkeeper.jp/events/173294
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
keikoitakurag
This paper provides a comprehensive overview of motion planning for robotic manipulation, encompassing grasp planning, motion planning, MoveIt in ROS, OMPL, RRT, forward and inverse kinematics, singularity of robotic manipulators, and manipulability.
ロボットマニピュレーションの作業・動作計画 / rosjp_planning_for_robotic_manipulation_20240521
ロボットマニピュレーションの作業・動作計画 / rosjp_planning_for_robotic_manipulation_20240521
Satoshi Makita
Yufei Xu, Jing Zhang, Qiming ZHANG, Dacheng Tao, "ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation" NeurIPS2022 https://proceedings.neurips.cc/paper_files/paper/2022/hash/fbb10d319d44f8c3b4720873e4177c65-Abstract-Conference.html
論文紹介:ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
論文紹介:ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Toru Tamaki
https://iotlt.connpass.com/event/318403/
20240523_IoTLT_vol111_kitazaki_v1___.pdf
20240523_IoTLT_vol111_kitazaki_v1___.pdf
Ayachika Kitazaki
Lei Ke, Yu-Wing Tai, Chi-Keung Tang, "Deep Occlusion-Aware Instance Segmentation With Overlapping BiLayers" CVPR2021 https://openaccess.thecvf.com/content/CVPR2021/html/Ke_Deep_Occlusion-Aware_Instance_Segmentation_With_Overlapping_BiLayers_CVPR_2021_paper.html
論文紹介:Deep Occlusion-Aware Instance Segmentation With Overlapping BiLayers
論文紹介:Deep Occlusion-Aware Instance Segmentation With Overlapping BiLayers
Toru Tamaki
2024/05/25 serverless Meetup osaka
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
ssuserbefd24
サイバーエージェントAI事業部の新卒研修で利用したスライドを公開します。
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
yassun7010
This presentation introduces a paper about offline reinforcement learning.
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
atsushi061452
This presentation introduces a paper about offline reinforcement learning.
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
atsushi061452
第23回 Customer系エンジニア座談会 の LT 公開用スライドです。 https://customer-x-engineer.connpass.com/event/314639/ クラウド電話システム CallConnect に興味を持った方はこちら。 https://www.callconnect.jp/?slideshare お気軽にフォロー/DM お待ちしています。 https://x.com/24guchia https://www.facebook.com/eiichi.nishiguchi
5/22 第23回 Customer系エンジニア座談会のスライド 公開用 西口瑛一
5/22 第23回 Customer系エンジニア座談会のスライド 公開用 西口瑛一
瑛一 西口
Recently uploaded
(11)
Intranet Development v1.0 (TSG LIVE! 12 LT )
Intranet Development v1.0 (TSG LIVE! 12 LT )
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
Amazon Cognitoで実装するパスキー (Security-JAWS【第33回】 勉強会)
ロボットマニピュレーションの作業・動作計画 / rosjp_planning_for_robotic_manipulation_20240521
ロボットマニピュレーションの作業・動作計画 / rosjp_planning_for_robotic_manipulation_20240521
論文紹介:ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
論文紹介:ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
20240523_IoTLT_vol111_kitazaki_v1___.pdf
20240523_IoTLT_vol111_kitazaki_v1___.pdf
論文紹介:Deep Occlusion-Aware Instance Segmentation With Overlapping BiLayers
論文紹介:Deep Occlusion-Aware Instance Segmentation With Overlapping BiLayers
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年5月25日Serverless Meetup大阪 アプリケーションをどこで動かすべきなのか.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
2024年度_サイバーエージェント_新卒研修「データベースの歴史」.pptx
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文紹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
5/22 第23回 Customer系エンジニア座談会のスライド 公開用 西口瑛一
5/22 第23回 Customer系エンジニア座談会のスライド 公開用 西口瑛一
機械の代わりに人間が学習入門
1.
機械
の代わりに人間が 学習入門 ~エンジニアが機械学習を学ぶには~ 2011/1/16 中谷 秀洋 (@shuyo / id:n_shuyo) サイボウズ・ラボ株式会社
2.
専門外のエンジニアが 機械学習を学ぶとき 気をつけておきたいこと
3.
専門外のエンジニアが 機械学習を学んで
何が嬉しいの?
4.
機械学習講座には3コース! • ウハウハコース -
ライブラリを使って即製します - 難しい機械学習の知識はOJTで! • しっかりコース - あなたの分野にぴったりの本を読みます • 自然言語処理、データマイニング、画像処理、…… - 即戦力を目指します! • ガチンココース - PRML読みます - 論文を読める基礎力を身につけます! 詳しくは明日の朝刊の折り込みチラシにて
5.
コース選びについて よくある質問
6.
Q1. ガチンココースで 読む本は PRML
なの?
7.
年表で見る機械学習
1946 モンテカルロ法 PRML 1958 カルマン・フィルター PRML 1960s 隠れマルコフモデル PRML -1961 ニューラルネットワーク PRML 1977 EM アルゴリズム PRML 1982 SOM (自己組織マップ) PRML 1984 CART (決定木の一手法) PRML 1994 ICA (独立成分分析) PRML 1995 サポートベクトルマシン PRML Mahout 1995 粒子フィルタ PRML 2000 FP-Growth Mahout 2001 アイテムベース協調フィルタリング Mahout 2001 Random Forest Mahout 2003 LDA (Latent Dirichlet Allocation) Mahout • フルサイズの年表は http://d.hatena.ne.jp/n_shuyo/20110111/ml
8.
Mahout と かぶってない orz
9.
PRML いらない?
10.
1946
モンテカルロ法 PRML 1958 カルマン・フィルター PRML 1960s 隠れマルコフモデル PRML -1961 ニューラルネットワーク PRML 1977 書籍 EM アルゴリズム PRML 1982 SOM (自己組織マップ) PRML 1984 CART (決定木の一手法) PRML 1994 ICA (独立成分分析) PRML 1995 サポートベクトルマシン PRML Mahout 1995 粒子フィルタ PRML 2000 FP-Growth Mahout 2001 アイテムベース協調フィルタリング Mahout 2001 Random Forest 論文 Mahout 2003 LDA (Latent Dirichlet Allocation) Mahout • フルサイズの年表は http://d.hatena.ne.jp/n_shuyo/20110111/ml
11.
このへんの論文 読めるようになるには
12.
PRML 読むのが
一番速い
13.
Q2. 機械学習をマスター してないとライブラリも
使いこなせない?
14.
Mahout を使って アプリを作ったとして
15.
性能をあげたい! • 機械学習はモデルとデータで決まる -
よい結果には「よいモデル」と「よいデータ」 • モデルはあんまり選べない - ライブラリのサポート範囲から選ぶしか - 幅広く選びたかったらガチンココースへ!
16.
「よいデータ」が必要
17.
「よいデータ」って何?
18.
「よいデータ」を用意するには? • モデルに対する知識 -
このモデルにあうのはこういうデータ……とい う傾向がある - 機械学習の知識があると有利 • データ・問題(ドメイン)に対する知識 - つまり業務知識 - エンジニアの勝負しどころ!! • 機械学習の知識があってもなくても!
19.
(例)言語判定 • テキストが何語で書かれたものかを判定 -
モデルは3-gram+ナイーブベイズ(シンプル♪) - http://code.google.com/p/language-detection/ • 当初、ペルシャ語の判定が全滅 - 高頻度で使われる ¥( یu06cc, Farsi yeh)がアラビア 語の文字コード CP-1256 にないため、 ¥(يu064a, Arabic yeh)で代用する対処法が広まっている • 対策:データ内の ¥u06cc を ¥u064a に正規化 こんにちは → 日本語 Hello → 英語
20.
つまり 勝負のポイントは
21.
データのことを どれだけ深く知っているか
22.
機械学習の 知識が少ないなら なおさら!
23.
Q3. 機械学習ってなんか とっても勉強しにくい気が するんだけど、自分だけ?
24.
機械学習は若い • 1950年頃、人工知能の要素技術として -
統計、確率、熱力学などなどなど • 特に、ホットな技術のほとんどはここ 20年以 内の成果 Google Ngram Viewer にて “machine learning” を検索
25.
(参考)数学の場合 • ユークリッドの「原論」から数えて 2600年 •
高校までに習うことの大半は 17世紀までに 成立 - 17世紀ヨーロッパでは、「小数」は大学の科目 - 300年以上かけ、数学は「教科」として洗練 17世紀 確率、微積分、指数対数、小数 18世紀 統計、正規分布 19世紀 ベクトル、行列
26.
機械学習は用語もカオス • (略)
- 話しだすと、めっちゃ長くなるので。
27.
中には使いやすいのもあるけど • ロジスティック回帰 • SOM(自己組織化マップ)
- 使いやすい=学習コスト低め - 実用性をあげるための努力 - 全てを理解していなくてもある程度使えるよ う道具立てが揃っている
28.
基本的には
29.
機械学習は 勉強しにくくて当然
30.
だから
31.
ちょっとわかんなかったくらいで
あきらめないでね♪
32.
まとめ
33.
機械学習を学習したいエンジニアへ • 学習コースを正しく選びましょう -
目的目標とかけられるコストをてんびんに • 機械学習がわかりにくいのは、そういうもん - 裏返せば「参入障壁が高い」と言うこと - 勉強してみてわかんないことがあったら、こうい う場でガンガン聞きましょう • 「業務知識+機械学習」はマジ最強 - エンジニアが機械学習を学ぶ値打ちはここに!
34.
ところで
35.
そもそも 機械学習って何?
36.
機械学習って何なの? • 日経ソフトウエア3月号(1/24発売)の特
集「クラウド&スマートフォン時代の3大コア 技術」にて「機械学習編」を書かせてもら いました - 機械学習とは? - どうしてそうなっているのか? • 数式ゼロ、プログラムコード ゼロ - 高校生にもわかるように
37.
ありがとうございました
Download now