- はじめに
- ユーザーレビューは参考になるか
- 星の数
- レビューの内容
- 機械学習やプログラミング関連の本を探す
- アメリカのアマゾンを活用
- 機械学習の書籍に関して
- キンドルアンリミテッド
- 日本のアマゾン活用
- 機械学習関連について
- アメリカのアマゾンを活用
- アメリカアマゾンへのアクセス
- 本のメモ
- 強化学習に関して
- 機械学習について
ニューラルネットのための最適化数学
- はじめに
- 最適化数学
- 最適化問題の簡単な例
- 例題の解法
- 微分による解法の注意点
- 凸最適化問題
- 凸関数
- 凸関数の定義
- 最適化問題の簡単な例
- ニューラルネットの学習
- ニューラルネットの目的関数
- ニューラルネットの勾配降下法
- パラメータを求める戦略
- 勾配降下法
- ニューラルネットの損失関数
- 目的関数の凸性
- 最適化における課題
- 記事
本格的に深層学習をやりたい人はTensorFlowがいいのか?
- なぜTensorFlow
- Google発である
- もともとテンソル計算と計算グラフを記述するもの
- 利用者が多い
- TensorFlowの弱点
- ネットワークを動的に書き換えられない
- 対応GPUが高価
- 64bitにのみ対応
- 私自身
時系列データ:隠れマルコフモデルの基礎と、リカレントネットの台等
- はじめに
- 隠れマルコフモデル
- 確率分布として考える
- 隠れていないマルコフモデル
- 隠れマルコフモデル
- 隠れマルコフモデルの学習
- 隠れマルコフモデルでの予測
- 隠れマルコフモデルで何ができるか
- 確率分布として考える
- リカレントネット
- リカレントネットの構造
- 時間方向への展開
- 深層学習について
- 記事
ChainerのDefine by Runとは?
- Define by Run
- Define by Run
- Define and Run
- 具体例を見る
- 上記のコードのネットワークにおける動作
chainer記事のメモ
- はじめに
- 記事のまとめ
- chainer導入
- Pythonの導入
- chainer導入
- chainer入門
- chainer公式ドキュメントのIntroduction
- 英語ができない場合のintroduction
- chainerの理解を深める
- chainer応用
- 正則化やドロップアウト
- 独自データを用いる
- 画像データ
- テキストデータ
- LSTM
- chainer公式ドキュメントの日本語版
- chainer導入
機械学習初心者の勉強方針まとめ
- はじめに
- 最初の一歩を間違える
- 勉強の方針まとめ
- 巷で有名な教科書を読む
- 参考記事
- 流行りのフレームワークを入れる
- 参考記事
- インターネットで知識を詰め込む
- 参考記事
- 目的と合っていない手法に着手
- 巷で有名な教科書を読む
kerasとchainerの違い
- KerasとChainer
- Keras
- Chainer
- 比較
- Kerasの役割
- Chainerの役割
- Kerasでの実装
- Chainerでの実装
- 使い分け
- Chainerがいいなあ
- Googleの強さ
- 使い分け
ささっと使ってみたい人にオススメ、深層学習ライブラリ「Keras」
- Kerasとは?
- TensorFlowを使うのと何が違うのか
- インストールの方法
- TensorFlowの場合
- Theanoの場合
- Chainerに比べたアドバンテージ
- Kerasは最初の一歩にオススメ
時間周波数解析:短時間フーリエ変換
- 短時間フーリエ変換
- フーリエ変換
- フーリエ変換おさらい
- フーリエ変換の落とし穴的な仮定
- 時間周波数解析への誘い
- 時間周波数解析の出発点
- 短時間フーリエ変換
- 短時間フーリエ変換の欠点
- 不確定性関係
- 精度が必要な場所とそうでない場所
- ウェーブレット変換
- フーリエ変換
機械学習手法を理解する手順
- はじめに
- プログラムへの理解度
- 機械学習への理解度
- 何が重要か
- アルゴリズムとしての理解
- アルゴリズムとプログラム
- プログラムの理解
- アルゴリズムとしての理解
- 機械学習手法を理解する方法
- 機械学習を抑えるためのポイント
- 更新式を理解すること
- 判別も回帰も大雑把には何らかの関数
- 大枠はこれで殆ど掴める
- 次のステップ
- モデルについて詳しく知る
- 最適化を知る
- まとめ
- つまずくポイント
- 機械学習を抑えるためのポイント
- 記事
書評:プログラムはこうして作られる
- プログラムはこうして作られる
- 本の特徴
- 考え方中心
- ときには回り道をする
- 特定の言語に捕われない
- メモリの概念
- 本書の対象者
- 基本的には全くの初学者から初心者に向けて
- 初心者以外の対象者
- 最後に
- 本の特徴
クラスタリングの基本
- はじめに
- クラスタリングと教師なし学習
- 教師なし学習
- クラスタリング
- クラスタリングの手法
- 凝集型クラスタリング
- 重心法
- 単連結法
- 完全連結法
- まとめ
- k-means
- 発展的話題
- 凝集型クラスタリング