【統計分析】機械学習・データマイニング21
■ このスレッドは過去ログ倉庫に格納されています
機械学習とデータマイニングについて何でもいいので語れ若人
※ワッチョイだよん
次スレ立ての際は、一行目冒頭に
!extend:on:vvvvv:1000:512つけてね
■関連サイト
機械学習の「朱鷺の杜Wiki」
http://ibisforest.org/
DeepLearning研究 2016年のまとめ
http://qiita.com/eve_yk/items/f4b274da7042cba1ba76
■前スレ
【統計分析】機械学習・データマイニング20
https://mevius.5ch.net/test/read.cgi/tech/1533635797/
VIPQ2_EXTDAT: default:vvvvv:1000:512:----: EXT was configured >>1
だよんがキモい
まあ、最初に書いたのは俺だが どうせ入れ子なのに過去スレ全部貼るのは流石に意味分からん頭悪すぎだよね 前スレしか貼らなかったらアクセスするのにO(n)かかる >>13
タイムアウトの場合って
計算量どうなるの？ 今更で過去議論しつくされてるのかもしれないけど、TensorflowをWindows10で使用しているけれどほとんど支障がありません
ArXivの実装も見様見真似でできるしたまにGitにあがっているのもLinax用であろうがべつに使えないModuleもそうないし
それでもやｐっぱUbuntuがいいの？いまから環境変えたくないんだけど変えたほうがいい理由ってあるのかな？ 入れちゃって不自由なくて、他の人が困らないならいいんじゃね >>15
ベストではないけど、10なら問題なし
OSはMacだけが間違い。いらん手間が増える >>15
linux のスペルさえ間違う人はwindowsがいいだろ >>15
そもそもわざわざ有料のOS に固執する理由がわからない。
1 台ならともかく、例えば部署丸ごとならそれなりのコストがかかるしね。
けど、Linux が苦手な人に替えるべきなんて誰も言ってないと思うよ GPU複数台タワーグラッドで計算させてたけど、転移学習主体になてシングルで事足りてます。OSが無料かどうかが論点なのかな？ Linux搭載PCが量販店で普通に新品で売ってるなら選択肢に入るけど新品だとwinかmacしか選択肢がない
で、わざわざ買った有料OSを抜いてLinux入れるかと言われるとwinでやりたいことできるならwinでいいじゃないか、となる それな、わざわざ入れるのは意味不明
自作PC組むようなオタクならリナックス
市販のPC買う一般人はwin使えばいい PCと携帯でID同じになってくれればいいなと思ったけどだめでした
自作でWin10Proをわざわざいれてやってるんだけど
>17さんの言うみたいにベストでない理由はなにかあるんですかね？
個人的にはhorovodの分散学習がLinux対応だけどWinでKerasでもできるし
GPUパフォーマンスあがってきてBatch_size増やす必要もなくなってきたので不満がないのですけど
ぶっちゃけbusinessとacademicとpersonalを全部両立した環境って結局Winが使いやすくて
TensorflowではこのmoduleがWinだと使えないぜってのがあれば先に押しててほしいなと
最近Tensor-hubを使うようになり、その機会にtf.estimatorも使うようになると、
いままでちまちま書いてたのが馬鹿らしくなりました
もうKerasもいらないくらい 追記
academicだとやたらMAX_OSが多い
昔DTMでMAC使ったことあるけど逆にdirectoryのruleが曖昧で悩んだ記憶があるlevel
MACがやばいとあったけどWSでもあいつらMACでやるし
逆にWin; Linuxは見たことないな
結局なんでもいいんじゃないの？
platformがTensorflowなら だから言ってんじゃん
オタクはリナックス一般人はwinパリピはmac >>28
おいおい
TensorflowGPUの最新版はmacOSサポートしてないんだぞ 今日もDNNのWSでMacでDemoされたけど
なんか良くわからなくなってきたよ 今月はnumpyとpandasとmatplotlibの勉強するから応援してくれよな
そんなのわざわざ勉強するのアホじゃねっていうのは心折れるからやめてくれよな >>33
コーセラ2周目で止まってる…
たかだか10分くらいの動画見終わるのに巻き戻したりしてて1時間くらいかかる >>32
いくら勉強しても十分ってことはないからいいと思う お前らがエスパーじゃなかったらどこ探せばいいんだってんだよ
なんかさみしいね 誤差逆伝播はcourseraの例の機械学習コースでは詳細スルーしてるから、詳細気になる場合は同じくAndrew先生のやってるディープラーニングコースを見ると分かりやすい
こっちは有料だけど動画見るだけなら無料でいける >>39
そういうの見てどうのこうのよりGitのcodeをtraceしたほうがぜったいいいとおもうんだけど https://www.coursera.org/learn/neural-networks-deep-learning
この講座の2週目の誤差逆伝搬法では、
計算グラフを図示
→簡単な数値を入れてざっくり説明
→数式の説明
→Pythonコードを書いて説明
→コードをベクトル化して高速化
の順に説明してくれるから分かりやすかった 日立のAIって、この程度しかやってないの？
http://www.nhk.or.jp/ohayou/digest/2018/04/0405.html
Fがベンチャー以下なのは知ってるけど、日立は接点ないからレベルが解らん >>52
個人で勉強してqiitaに書いてる人と大してレベル変わらんな
これで商売になるのなら自分も十分やっていけそうで自信ついた >>52
料理1品あたり1000枚だけで足りるのかね？ 過学習してそう
というか自社で写真取らなくてもネットから拾ってくればいいと思うが
データ利用だから知財的にも問題ないだろうし >>32
ついでにsympyとscipyも勉強しろ。 はーマジでopencvの画像bgrなのクソ
普段DL関連では全く使わんしクリップで一瞬使っただけだから盲点だったわ
通りで検証でもテストでも高スコアなのに実用でゴミみたいな予測叩き出してた訳だ
お陰で過学習疑ってデータ数3割も増やして拡張も工夫した2週間が無駄骨だった5%くらいスコア上がったけどよお
こんなクソみたいに初歩的なことやらかす奴おらんやろけど一応気を付けなはれや コンテストに研究者送り込むより何に使うか考えるほうが難しいよ >>65
その通り
技術力の高さよりも、上手く活用した人間が長期的には勝つ 日本企業は技術力の高さもその活用も他国に負けてるからこのザマなわけだ ライブラリとか充実してて誰でも出来るのは良いけど分析するのに当たってとりあえずモデル作って結果出しました！みたいなのが多くて統計だったり数学的知識がないまま使ってる人が増えてる感じするね
それが良いか悪いかは分からんけど >>70
ほとんどのAI専門家自体が、統計知識や周辺知識に欠けていながら
「利用者が統計知識もしらずに・・・」とか言っているのが現実 DRAMのデータバスのbit順間違って結線してても一応そのまま動くからな >>71
俺もそのうちの1人なんだけどさ
これでは何の意味もないし説得力もないなと思って統計だったり色々勉強し始めて、自分もそうだったけどとりあえずデータ投げてモデル作って結果だしてって雑だし乱暴だよね リアルはKaggleと違って、何が入力値になるか探すところから始まる。
データへアプローチする為には統計の知識は必須だから、
ライブラリ使いが増えてもAI普及の助けにはならないな >>63
テストも含め学習検証時はkeras内蔵のioライブラリ一本でやってたからね
実用時に一部処理をopencvに任せたらkonozama
テストスコア高い時点で過学習じゃないって気付けよって話だわマジで >>75
だめでしょ
でも、AIの利用者はそれを知らなくても使えるところに一つのメリットがある
ともいえるので、なんか微妙なところもある。
数理的には統計の方が難しいし、自動化できない問題がある。
なぜ数理的に難しい部分が出現するかといえば単純なことで、
少ないデータを対象に考えられているため。 最近は勝手に分析して特徴量を自動的に作るソフトとかも出てるけど実際使ったことないからどんなものかは分からない
でもその手のソフトが宣伝文句通りに動作するなら片っ端からデータ突っ込むだけでいいんだよね？ >>81
そう。
まずい飯を入れれば
たくさん残飯が出てくる。 AUC高い！って今日同僚がキャッキャ騒いでたけどいつのまにか良いモデルを作る事が目的になってる人結構いるよね 適用できるモデルがかなり限定的
というかそもそも現在の制御技術でも可能なレベル >>85をショボいと理屈を持って断じることができる人材が増えてほしい D-Waveの量子コンピューターで機械学習したらどうなるのかも気になるが、さっぱり解らん New-Waveで機械学習したらどうなるのかも気になるが、さっぱり解らん 非線形最適化だろうが確率分布のピークが複数あろうが、今のＮＮならかなり高速に最適化できるからな 量子プログラミングを全然知らないのに
適当なこと書くのは恥ずかしいからやめような。真に受ける人もいるかもしれないんで もう何でもかんでも機械学習とかAIって呼ばれる時代だから仕方ない ネタないこの世の中において久々に「遊べる感」や「進化感」が感じられる分野だからな
そりゃあ、猫も杓子も機械学習に飛びついて飯を食おうとするわな ■ このスレッドは過去ログ倉庫に格納されています
