富士通のリストラ予備軍社員は今こそディープラーニングおじさんを読むべし。というか全中年必読だと思います。僕も勇気をもらいました。 karaage.hatenadiary.jp/entry/2018/05/…
2019-03-23 18:54:38私が新入生で、今から機械学習(新入生的にはAI)を始めるなら ➀数学基礎:線形代数学(川久保),統計学入門(東大出版) ②実装+ML基礎:機械学習のエッセンス,ゼロからDeep ③ML全般:機械学習(工学教程) ④分野別基礎:CV:MLP画像認識,NLP:ゼロから2,RL:Pythonで学ぶRL ⑤好みの論文 ですね
2019-03-10 18:18:10NLPに関するニュースレターやブログで知られるDeepMindの研究者Sebastian Ruderによる,自然言語処理におけるニューラルネットを用いた転移学習の博士論文 分野全体の総まとめとなっていて非常に良い.そのまま教科書にできそうなレベル twitter.com/seb_ruder/stat…
2019-03-24 18:50:48My PhD thesis Neural Transfer Learning for Natural Language Processing is now online. It includes a general review of transfer learning in NLP as well as new material that I hope will be useful to some. ruder.io/thesis/ pic.twitter.com/XrYYYHx1ln
2019-03-24 03:17:24東大松尾研・iLect・東大先端人工知能寄付講座が共同で実施していたDeep Learning講座「DL4US」のコンテンツを無償公開しました。のべ3,800名以上の方から応募を頂いておりました。 weblab.t.u-tokyo.ac.jp/dl4us/
2019-02-23 09:04:18すみません、こちらからダウンロードいただければ! twitter.com/napman1/status…
2019-02-23 18:52:15応募者数1900名以上の人気講座「DL4US」の演習コンテンツを無償で公開開始。研究者育成のためのDL基礎講座と異なり、エンジニア育成を目的にし、理論より実装重視の内容になっています。画像認識や翻訳モデルだけでなく、生成モデルや強化学習まで触れる内容になっています。 weblab.t.u-tokyo.ac.jp/dl4us/
2019-05-15 10:00:00お、以前のやつは無くなってるのか。自分の前書いた記事も直さなきゃな。環境構築もDockerにしたいところだけど、それは別の記事にするかな karaage.hatenadiary.jp/entry/2018/01/… twitter.com/Matsuo_Lab/sta…
2019-05-16 08:34:10因果推論と機械学習を学びたい人用に、チュートリアルなどを紹介したい😊 コーネル大学の授業資料 cs.cornell.edu/courses/cs7792… KDDチュートリアル causalinference.gitlab.io/kdd-tutorial/ NeurIPSチュートリアル nips.cc/Conferences/20… もっとこの分野をやってる人と知り合いになれるといいなあ😌
2019-04-11 22:51:31めちゃ良い資料 社会人向け講座「データ分析者養成コース」 機械学習技術とその数理基盤 ibis.t.u-tokyo.ac.jp/suzuki/lecture…
2018-08-19 11:45:41続き 社会人向け講座「データ分析者養成コース」 機械学習技術とその数理基盤 ibis.t.u-tokyo.ac.jp/suzuki/lecture…
2018-08-19 11:46:28機械学習に必要な数学の書籍のドラフト "Mathematics for Machine Learning" mml-book.github.io/book/mml-book.… 深層学習の話題は少なく,本当に機械学習の土台となる数学が中心 線形代数や確率論の基礎から,解析幾何やベクトル解析,テンソル分解,連続最適化まで 必要に応じて読みたい章を読むのがよさそう pic.twitter.com/LhtmsV3PwH
2019-04-05 19:16:31深層学習も含むかなり広い範囲の機械学習(情報理論,凸最適化,スパース正則化,逆問題なども含む)の数学的知識を網羅したPDF mathematical-tours.github.io/book-sources/F… 結構な量の図(手書きのものもあり味わい深い)や詳しい解説もあるので,かなり良いのでは pic.twitter.com/vGr5oUiZ7l
2019-04-03 19:15:07昨日公開されたChainerのチュートリアル,Chainer本体を使用した部分は当然凄いけど,準備編が簡潔明快に「まずこれだけやれ」という威圧感すら感じる機械学習基礎の決定版教材になってる 巷に転がるノイズが混じった教材,主張は無視してとりあえずこれ見ろ的な感じ tutorials.chainer.org/ja/tutorial.ht… pic.twitter.com/m1EhEcGvir
2019-04-11 20:02:17Deep Learning入門:ニューラルネットワーク設計の基礎 Neural Network Consoleの中の人かな? m.youtube.com/watch?v=O3qm6q…
2019-02-27 00:14:56「図解速習DEEP LEARNING」(amzn.to/2J0QNGF )という名前ですが、強化学習のチュートリアル(CartPole, LunaLander, ブロック崩し, DonkeyCar(自動運転))を取り上げました。towardsdatascience.com/learning-to-dr… の「5分で自動運転」を、みなさんのMac/Win手元環境で再現できます。Stable Baselinesベース。 pic.twitter.com/CTi7WO8vyD
2019-05-12 10:45:02本日時点ではAmazonサイト上の書籍概要の情報が乏しいので、詳細はQiita記事(qiita.com/tomo_makes/ite…)、サポートサイト(github.com/tomo-makes/dl-…)をご覧ください。
2019-05-12 10:52:33かなり良い動画。たくさん考えられる活性化関数のうち、この動画ではReLU、LeakyReLU、ELU、CReLU(Concatenated ReLU)、Swish(人が設計した活性化関数ではなく、強化学習で探索して発見された活性化関数)の話がある。 Deep Learning精度向上テクニック:様々な活性化関数m.youtube.com/watch?v=cTvJ-j…
2019-05-10 17:41:01深層学習のモデル圧縮に関する論文80本をまとめました. サーベイの参考にしていただければ幸いです😀 [深層学習のモデル圧縮・高速化に関する論文80本ノック] madoibito80.hatenablog.jp/entry/2018/04/…
2018-04-06 12:17:56エムスリー西場さん、クックパッド原島さん、リプロ今井さん、弊社の高濱 @r_takahama が機械学習チームのチームビルディングについて話すトークイベントです!めちゃくちゃ面白い内容になると思うのでみなさまぜひご参加ください! | Machine Learning Team Building Pitch connpass.com/event/121352/?…
2019-02-28 14:54:57東大松尾研が主催する機械学習プロジェクトで、ポスター部門で最優秀賞に選ばれました。東方の300曲のデータセットをつくり、MusicVAE+GANSynth+DrumsRNNのアンサンブルで学習、楽曲生成行ない、曲間がシームレスなBGMを無限かつ高品質に提供する事業応用が期待できます。 soundcloud.com/yurufuwa/sets/…
2019-03-30 19:14:54先日,身内の機械学習に関する勉強会で使用した資料を公開しました! 強化学習で現在注目されている「好奇心」を用いた研究について出来る限り詳しく解説し,まとめています ICLR2019の論文やDeepMindの最新論文,私が知る強化学習のリソースも載せました ぜひご覧ください! speakerdeck.com/learn_learning…
2019-05-02 20:15:06二冊ともよさそう。そしてGoogle Colaboratoryは神。|GW中に「ディープラーニングの数学」と「身近な数学」と「Google Colaboratory(Python)」でじっくり数学を復習しました - karaage. [からあげ] karaage.hatenadiary.jp/entry/2019/05/…
2019-05-08 08:03:00時系列データの機械学習をrandom splitで精度評価してはいけないという件、本当に気を付けて欲しい。台風画像の機械学習でも、random splitで評価した論文がIEEE論文誌で引用を集めており、他人事ではない。昨年の気象学会でも注意喚起したが、十分に共有されているか? agora.ex.nii.ac.jp/~kitamoto/rese…
2019-05-06 15:58:25機械学習の精度評価には危うい部分があるのも確か。trainとtestが重なり過ぎると過大評価になるが、両者の分布が大きく違うと過小評価となり、両者の微妙なバランスの上に妥当な評価が成立する。データセットを機械的にライブラリに放り込んでいると、こうした問題への注意がおろそかになりがち。
2019-05-06 15:58:26