人工知能の学習方法の一つ。機械学習を行う際、元データは与えるが正解（出力すべきデータ）は与えない。 ←→教師あり学習
はじめに 大学の研究で機械学習を勉強しているのですが、配られた教科書がめちゃくちゃ難しいので、かみ砕いてまとめます。 はじめに 3種類の機械学習 教師あり学習 強化学習 教師なし学習 クラスタリングと分類の違い 機械学習の用語 訓練データ 訓練 モデル 特徴量 目的変数 損失関数 機械学習システム構築手順 まとめ 3種類の機械学習 教師あり学習 教師なし学習 強化学習 教師あり学習 機械学習において分かりやすい例の一つとしてデータの分類というのがあるので、この分類を用いて説明していきます。 分類というのは、簡単に言えば「A・B・Cで分けるならお前はA、お前はC、お前は…」というようにデータを一…
はじめに 深層学習を用いた異常検知手法では有名なオートエンコーダを使ってプログラミングしたことをまとめます。オートエンコーダによる再構成誤差とLSTMによる予測誤差などとも比較予定です。 追記 LSTMの異常検知記事、書きました 対象データ 今回もこちらの心電図のデータを使わせていただきました。 心電図のデータですので比較的周期性のあるデータですね。では実装していきます。 なお、データに関しては以前異常検知に関するブログでまとめてあるのでご参照ください。 noleff.hatenablog.com プログラム 環境 OS: macOS Catalina numpy: 1.18.5 pandas…
はじめまして。ビッグデータ推進課のshimesaba_oishiです。 映画好きな社会人4年目、現在データ分析のお仕事をしています。 さて、今回は「機械学習」についてお話したいと思います。 １．機械学習について 今日、機械学習はニュースなどでも数多く取り入れられています。 私の業務経験上、主に機械学習の流れは以下と考えています。 コンピュータにデータを読み込ませる。 データからそこに潜む特徴やパターンを見つけ出す。 その結果を元に判断や予測を行う。 例えばコンピュータにイヌかネコか判断させたい場合、すでに答えがあるイヌやネコの画像データをあらかじめ読み込ませ、特徴やパターンを学習させておきます…
昨日は社内でAI勉強会（by 大澤さん）を実施しました。 今回は教師なし学習のクラスタリングがテーマでした。コンテンツ・シナリオ・説明の仕方、どれもとても分かりやすく、終始惹きつけられました。「試しにやってみよう！」のコーナーは商品色分類という身近なものを題材にしていてとても興味深いものでした。発表後のディスカッションタイムは今までにないくらい白熱していましたね！ 来年は外部向けのAIセミナーも開催する予定です。 ビジネス分野での活用例 クラスタリングは、マーケティングの戦略立案・顧客の特性分け・商品のポジショニング分析などに利用されています。 例えば、購買履歴データを分析してお客様のグループ…
近年の計算機アプローチや実験ワークフローの進歩により、ゲノムワイドな生物学的・ゲノムデータを比較的容易に、かつ一般的に取得することができるようになった。このハイスループット・データは、数百種類の植物のDNA（配列、メチル化、クロマチンアクセシビリティ、染色体構造など）およびRNA（配列、存在量、構造、修飾など）について、さまざまな生物学的特徴を捉えている。しかし、膨大な量の生物学的データは、そこから生物学的な意味を導き出す上で大きな障害となっている。そのため、異なる生物学的特徴が互いにどのように関連し、それらがゲノム情報とどのように相互作用するかを特定することは、依然として重要な課題となってい…
数IA,IIBはセンター試験8~9割とってた記憶 数IIIは以下のように独学した wafuwafu13.hatenadiary.com 以下の本は何周もして理解を進めてきた 線形代数キャンパス・ゼミ 改訂9作者:馬場 敬之マセマ出版社Amazon微分積分キャンパス・ゼミ 改訂7作者:馬場 敬之マセマ出版社Amazon確率統計キャンパス・ゼミ 改訂7作者:馬場 敬之マセマ出版社Amazon 東京大学主催のGCIを修了し、Numpy/Pandas/Matplotlib/教師あり学習/教師なし学習/MLOps基礎などを身につけた wafuwafu13.hatenadiary.com ディープラーニン…
こんにちは。エクサウィザーズで画像ギルドに所属し、機械学習エンジニアをしている小島です。今年の3月からこちらにジョインいたしました。 この記事では、弊チームで取り組んいるテーマ「Zero-shot Learning」について、歴史的な背景を振り返りつつ、簡単な実装を紹介します。今研究でホットな研究テーマの一つである「クロスモーダルモデル」を身近に感じていただければ幸いです。 Zero-shot Learningとは 「Zero-shot Learningとは何か」というのは、実は曖昧なテーマです。「これがZero-shotだ」という定義が論文によって異なるためです。わかりやすい理解の仕方として…
識別規則と学習法 識別規則の構成法 教師あり学習 教師なし学習 汎化能力 学習データとテストデータの分割法 ホールドアウト法 交差検証法 一つ抜き法 ブートストラップ法 バイアスと分散 識別規則と学習法 識別規則の構成法 代表的な識別規則の構成法4つ． 事後確率による方法：ベイズなどによって事後確率を求め，最も確率の高いクラスに分類する． 距離による方法：入力ベクトルと，各クラスの代表ベクトルの距離を求め，一番近い代表ベクトルのクラスに分類する．最近傍法が代表例。 関数値による方法：関数の正負、或いは最大値でクラスを決める．この関数を識別関数という．サポートベクトルマシンが代表例。 決定木によ…
こんにちは、Beatrust で Machine Learning Lead をしている Tatsuya （白川 達也）です。 以前、下記の記事でキーフレーズ抽出機能のご紹介をしましたが、その後の試行錯誤をした結果、以前に比べて軽量化・高精度化に成功したので、これまでにどのような工夫をしたのかをご紹介しようと思います。 tech.beatrust.com 下記は今回ご紹介する現状のキーフレーズ抽出における知見です。 多言語BERTモデルを使っておくと、キーフレーズ抽出用に fine tune しても結構多言語転移できてしまう。 キーフレーズ抽出において、BERTはフルレイヤーである必要はなく、…
Behind the Scenes: Dali Lives 動画 YouTube https://www.youtube.com/watch?v=BIDaxl4xqJ4 ディープフェイク ニセ情報の拡散者たち ニーナ・シック著 2021年11月28日 東京新聞 TOKYO Web 実在しない人の顔の画像をAI（人工知能）で作り出すウェブサイトが本書で紹介されている。 こうした合成メディアのうち、悪意をもってニセ情報や誤情報として使われるものを「ディープフェイク」と本書は定義する。また、そのような信用できない情報が蔓延（まんえん）した危うい世界は「インフォカリプス」と呼ばれるという。 ともにまだ…
Deep Learningを勉強するのに非常に評判の良い書籍のゼロから作るDeep Learningシリーズ、待望の新書が出ました。 2016年に第１弾が出てから、ついに第４弾が出ることも人気の高さが分かります。 早速Amazonで人工知能部門ベストセラー1位を取っています(投稿時点)。 ゼロから作る Deep Learning ❹ posted with ヨメレバ 斎藤 康毅 オライリー・ジャパン 2022年04月06日頃 Amazonで探す Kindleで探す 今回のテーマは深層強化学習になります。 強化学習→深層学習→深層強化学習と無理なく勉強できそうです。 ゼロから作る Deep Le…
以下のメモを書く・読むにあたって、わかりやすいスライド： https://miyazaki.jcho.go.jp/wp-content/uploads/2019/02/Dementia_OT.pdf 記憶（メモリ）は計算機では、いわゆる「メモリ」に電気状態として保持する。このように計算機の仕組みとして高次機能障害をモデル化できるだろうか 記憶 短期記憶 覚えておきたいと思っても、覚えていられない状態 メモリの故障（メモリというデバイスの故障、もしくは、本体とメモリとの接続線の故障） 長期記憶 以前には引き出せた記憶が出てこなくなった状態 ただし、なんでもかんでも、いつまででも覚えているわけでは…
こんにちは！GunosyTechLab MediaMLチームの大竹です。普段の業務ではグノシーアプリにおけるニュース記事配信ロジックの開発や記事推薦モデルの開発を行っています。今回の記事は、3月14日〜18日にかけて開催された言語処理学会第28回年次大会 (NLP2022)の参加レポートになります。今年はGunosyからの発表はありませんでしたが、スポンサーとして全5日の日程に参加しました。 NLP2022について 言語処理学会は人工知能の一分野である（自然）言語処理を専門とする学会です。今年は昨年、一昨年に引き続き、チュートリアル等一部のプログラムを除いてオンラインでの開催となりました。今年…
deeplearning.hatenablog.com
eh-career.com
www.procrasist.com
ai-scholar.tech
qiita.com
learning.ikeay.net
www.slideshare.net
www.oreilly.co.jp
machine-learning.hatenablog.com
