人工知能ディープラーニング機械学習のための数学 [無断転載禁止]©2ch.net
■ このスレッドは過去ログ倉庫に格納されています
杉浦光夫の本は、微分のところがいきなり多変数なんですよね。 確かにAIにはなってないな。。。
まだ課題は大まかに言って二つあって、
1.言葉は意味でマッピングしないといけない。文字ででないのは歴史上自明だ。
インターフェイスをLINEのような感じにしてスタンプに喜怒哀楽のスコアをつければなんとなくできそうだ。
2.品詞を峻別しなければならない。そうしないと文が作れない。
これらを自動発生的にやりたいが、赤ん坊がどうやって言葉を習得するかを研究したものを探してみるか。
このエンジンの仮称「@」=ATTOは「刹那」という意味があるのでぴったりだ。モノになるといいなぁ。 ディープラーニングって人工知能なの?アルゴリズムからはそうは見えないけど 長い。いちいちリンクはるな
自分の言葉で語れよ
しかも内容クソ過ぎ
ディープラーニングってただの関数だよね。ロジステック写像繰り返しただけの。 難しくね?数学科じゃないと厳しいな
社会人になってから勉強する時間が取れないわ 数学科じゃない身としては、最低限これだけ知っておけ、という数学の範囲は知りたい
解析概論と線形代数でいいのか? 昨日プライムニュースでなんかやってたけど
深層学習ってそんなにすごいの? 何と言うかMSのレベルの低さが印象に残った・・・( ^ω^)・・・『連続稼働しながらアップデート』してほしい!
Windows Updateの自動再起動で作業がお釈迦になる悩みとさらば〜Windows 10 Creators Updateでついにテコ入れ
http://pc.watch.impress.co.jp/docs/news/1047374.html
“PCの前に戻ってみたら再起動で作業していた内容が消えた”という予測せぬ事態が発生してしまう。
Creators Updateでは、この問題を解決するために、再起動を行なう前に通知を出すオプションが追加された。これによって、
再起動を行なう前に「Restart Now(今すぐ再起動)」、「Pick a time(時間を指定する)」、「Snooze(後で通知する)」の3択を提示するように
なった。「Snooze」は、アップデートのプロセス自体を3日間停止させる。加えて、アクティブ時間の設定も、これまでより延長するとしている。 連続稼働しないの理由が、昔はOSが不安定だったのが、
今は脆弱性対策に変わってしまったんだよね。
この脆弱性、MacでもLinuxでもどのOSでも発生している。
だから、どのOSも今は連続稼動できなくなってしまっている。 勝手に再起動されるのは各アプリがシャットダウン拒否のハンドラ書くのをサボってるからじゃないのん >>123
シャットダウン拒否するんじゃなくて
作業途中状態を自動保存して、次回起動時に復活させるのが正しい >>124
再起動せずにパッチ適用できるのが一番良いんじゃね >>125
それLinuxでもMacでも実現できてないからなぁ
部分的でいいのならWindowsでも実現できてるけど。 再起動せずにパッチ適用っていうのはこれのことな。
Ubuntuが無料でサービス提供してるみたいだけど。
2016年10月20日 ライブパッチを誰にでも! Canonical,Ubuntuユーザ向けにカーネルライブパッチサービスを無償で提供
http://gihyo.jp/admin/clip/01/linux_dt/201610/20
> Canonicalの商用ユーザはもちろんのこと,コミュニティ版を
> 利用する一般のUbuntuユーザでもデバイス3台までは無償で利用できる。
> だが,ライブパッチ機能はエンタープライズの大規模システムでのニーズが高いこともあり,
> この1年半でこの機能をサポートしたフリーのディストリビューションは存在しない。
> 商用版でもわずかにRed Hat Enterprise LinuxとSUSE Enterprise Linuxがサポートするのみだった。
> ライブパッチサービスの利用を希望するユーザはCanonicalのLivepatch Serviceのページに
> アクセスし,ライブパッチに必要なトークンを発行してもらう必要がある。 >>127
技術的にはできるけど他の課題があるってこと?
今は出来ないことも将来はできるようになる可能性はある
今までも出来なかったことをできるようにして来たわけだし snapdが必要なのは,Livepatch Serviceのクライアントをsnapパッケージとして提供しているためです。このクライアントは,デーモンとして常駐し必要に応じてサーバーからパッチモジュールをダウンロードした上で,カーネルに取り込みます。
つてあるから常駐サービスを使えば実現はできるんじゃね >>129
特殊な条件を満たしていないけないとかでしょ
それにカーネルがそれが出来たからと言って、OSが再起動不要になるわけじゃない。
何かにパッチを当てたら、その機能を使ってるアプリは再起動が必要。
だけどその機能(関数)を使ってるアプリがどれだけあるのかわからない。
その判断を誰がやるのという問題がある。 ttps://youtu.be/vV1iUmOYWQM?t=8574
ひろゆきが
ディープラーニングがなぜその答えを出したかその理由は人間にはわからない
と言っているけど本当?
AIが人類絶滅させるかもしれないとか言ってるけど はじめまして、機械学習の為の数学を検索していて
未来技術板の人工知能で自我・魂は作れるか?から来ました。
数学はTAUBまでしか学んでないのでよくわからずに困っています。
スパースモデリングとテンソルフローについて概略案内頂けないでしょうか?
また、どなたかご存知有りませんが>>56-100あたりに書かれている一部を
参考に人工無能が出来そうなので拝借させて頂きます。よろしくお願いします。 >>140-141
TensorFlowはKeras経由で使うのが簡単だ。
それとこのスレは実践しない人向けで、機械学習本スレは下記スレだ。
Keras Documantation
https://keras.io/ja/
【統計分析】機械学習・データマイニング14
http://echo.2ch.net/test/read.cgi/tech/1489636623/
でも目的がランダム結合で作ったデータの収束なら
学習がとても遅いDeepLearningまで使う必要はないかもしれない。
まずscikit-learnを学んで自分の目的に合う手法を探したほうがよい。
氷解!データ分析、機械学習手法ってたくさんあるけどいつどれを使えばよいのか
http://qiita.com/aokikenichi/items/688e66d10a944051039c
scikit-learn から学ぶ機械学習の手法の概要
http://qiita.com/ynakayama/items/9c5867b6947aa41e9229
scikit-learnのモジュールのGitHubでの利用頻度を調べてみた
http://kamonohashiperry.com/archives/551
scikit-learnインストールと使い方は下記記事とサイトをどうぞ。
データサイエンティストを目指す人のpython環境構築 2016
http://qiita.com/y__sama/items/5b62d31cb7e6ed50f02c
Python でデータサイエンス
http://pythondatascience.plavox.info/
Scipy lecture notes
http://www.turbare.net/transl/scipy-lecture-notes/ >>142
大変ご丁寧にご案内頂きましてありがとうございます。
なるべく、サーバーやウェブを介さず、htmlファイル単体で
シンプルに実装したかったのですが、scikit-learn辺りを学んでみます。
また、いずれ、戻ってくるかもしれないですが、よろしくお願いします。 >>142
アンチ馬鹿ばかりなのでこっちに来ました(´・ω・`) バックプロパゲーションって単なる動的計画法だよね? 音楽より画像処理の方が凄いな。ディープラーニングで画像補完。
フォトショでCG加工や写真補正をチマチマやる必要のないレベルに来てる。
そのうちディープラーニングで自動作曲とか出てきそう。
画像を塗りつぶした部分に一瞬で自然な画像を補完する技術を早稲田大学の研究者が開発
http://gigazine.net/news/20170501-globally-locally-consistent-image-completion/ Introduction to Machine Learning With Python: A Guide for Data Scientists
Andreas C. Mueller
https://www.amazon.co.jp/dp/1449369413/
↑この本ってどうですか? Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems
by Aurelien Geron
https://www.amazon.com/dp/1491962291/
↑この本ってどうですか? >>111
>自分の言葉で語れよ
ありえんだろ、ほとんどが利用者でブラックボックス的なそれを
利用するだけのアプリプログラマーなんだから どっか有用なコミュニティーないの
国外でもかまわないんだけど >>151
都内の勉強会に出て、そのメンバーとTwitterでやりとり 確率の問題はまだ当分無理と思われる。一度には読み込めないからまず小さな文節に区切って、
何が何のことを指しているのかを把握しなければならない。
コンピューターの画面に、(※※)
記号○と×のいずれかを(記号〇と記号×は2つに一つで「背反」である)
表示させる(※)
操作をくり返し行う。(k回繰り返す)
↓
このとき、(どんな時?)
各操作で、(「記号○と×のいずれかを」「表示させる操作」を「k回繰り返す」。)
直前の記号と(「k回の各操作」において)
同じ記号を(○か×か)
続けて表示する確率は、(・・・○〇・・・または・・・××・・・)
それまでの過程に(k回の各操作全てにおいて)
関係なく、(一定である)
pであるとする。(確率は0<p<1)
↓
最初に、(k=1において)
コンピュータの画面に(※※)
記号×が
表示された。(※)
操作をくり返し行い、(k回繰り返す)
記号×が
最初のものも含めて(k=1のものも含めて)
3個出る(×・・・×・・・×、×××、××・・・×、×・・・××)
よりも前に(×・・・×・・・、××、××・・・、×・・・×)、
記号○がn個出る確率をPnとする。
http://math.nakaken88.com/problem/tokyo-u-r-2006-2/ 人工知能の本多すぎ
恐らくは玉石混交なんだろうけど、定番の一冊ってあるのかな Deep Learning Ian Goodfellow/Yoshua Bengio/Aaron Courville (Under Tran. by Tokyo Univ.)
The Elements of Statistical Learning (統計的学習の基礎)
Pattern Recognition and Machine Learning (パターン認識と機械学習)
Data Mining 4ed. Ian H. Witten (邦訳なし)
R for Data Science (オライリーだからすぐ出るでしょ)
異論は認める。文系リーマンが自己啓発モードで挑むのは無理ゲー。 スレタイは数学になっちゃってるけど、別に数学の本を求めてる訳じゃない
ディープラーニングの理論について説明してる本が読みたい
そこに数学的な背景は、無くはないだろうけど、
やってみたらできた的な部分が多い気がする 中身は判らんけど、とりあえず動かしてみよう的な記事に見える
逆だ
今のところ使う予定は無いけど、どういう仕組で動いてるのか知っておきたい >>159
ニューラルネットワーク自作入門
絶対おすすめ
文系リーマンでも理解できるよ >>162
自分は英語読めないから日本語で読んだけど、あの本は本当に分かりやすいよ
ただし誤差関数の傾きを求めるところ辺りから急に難易度が上がる
シグモイド関数内の式も微分する必要があるので更に連鎖律が適用されてこうなります、とか
途中経過も無く一発で出てきたりする部分もあるので、最後まで数式で論理を追いたくなって
もっと詳しく説明している本を買いたくなるくらい 本格的な本を読もうと思ったら微分積分はもちろん、
線形代数から確率統計まで幅広く勉強しないといけないんだろうねー Interface2017年8月号でディープラーニングの特集してるけど、読んだ人いる?
買おうか迷うんだけど、どんな感じ? >>167
初心者向け
ここ見てるひとは一部のキチガイを除いて購入不要 高卒が高校数学初めからやり直してるけど、
先が長すぎる。
数学の教科書なめてからと思ってたが、並行で触った方がいいかな。
そもそも、機会学習をやってみたいと思っただけで仕事で使う機会がない可能性がとても高い。
なんか根本的に無駄な勉強してる気しかしないが、進むしかねぇ。
進んだ後が崖でもかまわねぇ。
やりたいからやるんだ、文句あるか? >>173
だよね、、、
でも、エンジニアとしてこの先何をやっていけばいいかわからないんすよね。 大抵の人は言語や開発環境を作る必要はなくて、それを使う技術だけあればいい 自分も文系リーマンで人の事を言えたもんじゃないけど
年齢にもよると思うけど仕事で使うのに今から数学の勉強っていうのはちょっと難しくないかい
自分は趣味でニューラルネットワーク作るくらいで、楽しんで読める数学の本とか読みながらやってるけど
実務で使うのに、そんなに数学の知識とか必要なものなの? 制御と電気・機械あたりのエンジニアはそこそこ実務で使うけどな。 大雑把に電気機器/機械のコントロール(制御)=数学と考えればいい 機械学習って機械制御とかより、大量のデータをどう処理するか、みたいな統計解析の手段に使われたりするんでしょ?
実務で使うのにニューラルネットワークの仕組みとかから理解してもあんまり意味無いと思うけどな
機械学習の仕組みを学ぶより、使い方を学ぶほうが良いんじゃないかな
「フリーライブラリで学ぶ機械学習入門」とかどうよ
数式とかほぼ出てこないよ 仕組みを知らなければ、ニューラルネットワークに何ができて何ができないのかも分からんがな
それで使えるんか 仕組みを知っていても何ができるのか判らんのが人工知能の凄いところ scheme 計画、たくらみ(陰謀)、体系、仕組み
スキーム しくーみ 大人になったら経験増えて理解力が上がってるはずだから
杉浦微積斉藤線形を半年で遣り終えるぐらい出来るはずなんだよね
加齢で集中力が落ちてるのかもしれない 杉浦微積分には異論が多い、ここは宮島をお勧めする、線形代数は佐武だ >>187
最初から多変数というスタイルは難解でしょう、宮島の3分割がおすすめだ 宮島静雄はなんか読みにくくないですか?
杉浦のほうが丁寧で読みやすいように思います。 なんか格安のディープラーニング機材が出てきたな
http://pc.watch.impress.co.jp/docs/news/1071787.html
1080Tiより60倍遅かったとしてもこの手軽さなら結構いいかも >>190
杉浦のいきなり多変数なんて難しすぎるのではないか,と DQN stickとかそういうネーミングにして欲しい これ、適当な本を動画に起こせば儲かっちまうわけか?
https://www.udemy.com/neuralnet/#curriculum
>本を持っている人は、セクション4をはじめた段階で、この講座オライリー社「ゼロから作るDeep Learning」を
>もとにテキストを作っていることがわかる。 あまり高度な数学が分からないから
ノイズリダクションっぽい事をするニューラルネットを作って
実数値遺伝的アルゴリズムで最適化しようとしたが失敗
全部Cで書いた 文系で数学が苦手ならマセマがいい
とりあえず微分積分、線形代数、統計学の三冊やっとけばいい ■ このスレッドは過去ログ倉庫に格納されています