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
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 372仕様書無しさん2017/08/11(金) 10:31:43.41
フリーランスで検索すると引っかかる零細ITがやっているサイトはだめだ。
高額に見せているけど実際は50万前後
JIET加入した方がいいよ。案件は毎日千件以上末端価格は60万円 平凡な稼働時間の80万円の案件もある。
ユー子が求人をだしてる。名刺も渡せる。ユー子に名刺が渡せるんだぞ。夢のようだ
それらの案件まさぐってHPで転売していたのが零細ITがやるフリーランスサイト
自称エージェントはJIETから流れてくる案件を転売してるだけだった。
JIETに加入すれば誰でも案件に応募することができた。収入が40万50万台にならなくて済む
473非決定性名無しさん2017/08/03(木) 15:21:30.71
JIETに加入すれば誰でも3次60万からスタートだ。フリーランスのサイトをやってる
自称エージェントもそこから案件情報を取得しきてる。サイトで60万で釣って40万から55万の
間でやらしている。 数学の数式と、プログラムコードの変換表欲しい…ほしくない…? エンド - ユー子 - エージェント-JIET 公表価格 90~60 - エージェント×3 = 言い値50万以下
エンド - ユー子 - エージェント-JIET 公表価格 90~60 - エージェント×1 悪質な言い値で50万以下
エンド - ユー子 - エージェント-JIET 公表価格 90~60 - JIETに加入して公表価格で応募ができる ○次受けが多いほど退場率が早くなる。高くなる
直受けの50万 客:いつまでもうちにいていいよ
3次受けの50万(客は90万払ってる) 客:短期延長していい?
5次受けの50万(客は150万払ってる) 客:作り終わったらとっと出てけ できなかったら即退場だ
長時間労働 高稼働 高スキル要求が多い
フリーランスサイトを運営している零細ITの自称エージェントは労働市場から流れてくる案件を転売してるだけだった。
労働市場に加入すれば誰でも案件に応募することができた。収入が40万50万台にならなくて済む
エンド - ユー子 - エージェント-JIET 公表価格 90~60 - エージェント×3 = 言い値50万以下
エンド - ユー子 - エージェント-JIET 公表価格 90~60 - エージェント×1 悪質な言い値で50万以下
エンド - ユー子 - エージェント-JIET 公表価格 90~60 - JIETに加入して公表価格で応募できる
eJobgo JIET JISA で検索
優良エージェント・優良サイト
首都圏IT(PE-BANK) プログラマーズ 瑕疵担保責任(かしたんぽせきにん)
瑕疵担保責任のポイント
民法改正で事実上期限が「無制限」になった
バグや設計のミスなどは、瑕疵担保責任
納品物に不具合があれば損害賠償を請求される可能性もある
不具合を指摘されたらすぐに行動をとるべし
軽微なミスでも先延ばししない
http://www.atmarkit.co.jp/ait/articles/1706/26/news014.html
http://itpro.nikkeibp.co.jp/atcl/news/17/052601508/?rt=nocnt
改正法では欠陥に気付いてから1年以内にITベンダーに通知すれば、
通知後5年以内は修正や報酬の減額などを求められるとしている
全ベンダーが泣いた民法改正案を解説しよう その1
http://www.atmarkit.co.jp/ait/articles/1609/14/news009.html
http://www.atmarkit.co.jp/ait/articles/1609/14/news009_2.html
http://www.atmarkit.co.jp/ait/articles/1609/14/news009_3.html
ポイント1:修補や損害賠償、契約解除の期限がなくなる
従来あった「瑕疵担保期間は引き渡しから1年」という考えはなくなる。
条文にある通り、注文者は成果物が契約の目的に適合しないことを発見したら、
その「発見したときから1年以内」ならさまざまな請求ができる。発見が10年後なら、
11年後まで請求可能なのだ。
もっとも、現実のユーザーとベンダーの関係でも、たとえ契約書に「瑕疵担保責任期間は納品から1年と」明記されていても、
「2年目以降は不具合の修正に対応しない」と主張するベンダーはまれだ。多くの場合は、納品から何年たっても、
バグが見つかればユーザーのところに飛んで行き、無償で改修するだろう。 ライブラリはMITの天才様が作ってくれるから良い
高卒はそれをコールするだけで十分 パソコンの大先生の人工知能に対する認識
350 :番組の途中ですがアフィサイトへの転載は禁止です (ワッチョイW dfab-zw+t) :2017/11/26(日) 21:40:06.55 ID:U/z0VZEt0
AIて凄い←いや人がプログラムしてIF文で分岐した答え言ってるだけだから
米は好きですか?
↓YES
硬いのが好きですか
↓NO
あきたこまちがオススメです!!
みたいに基本はこの分岐を増やしてるだけだし
これ理解してない奴大杉w なつかしきエキスパートシステムだな
今でも誰かがif文書き続けてるんじゃなかったか ノイマン型コンピュータでAIってできるんですか
巷のAIとかデータの分布から平均弾き出してるだけじゃないのと感じて 作った人がいないから誰にもわからない
立場によってできるとかできないとか意見も変わってくる
後半についてはその通りだよ。さすがに平均を出すだけのものではないが
人工知能とかAIとか大層な名前で煽ってる輩がいるだけで、
統計分析の研究を積み重ねた延長線上の技術だ 教師あり学習: 平均値
教師なし学習: 「真の(ω)」AI ノイマン型かどうかは関係ないと思うが
計算量が多くなればどんなものだってシミュレーションできるだろ ノイマン型コンピュータは記憶装置に格納されたコマンドを順番通りに実行する物だから知能の模倣が出来るのかなと漠然と思っただけで、計算機科学修めてれば簡単な問いなんでしょうけど >>220
>順番通りに実行
知能の模倣についてここがなんで引っかかるの?
脳みそはニューロンとそのネットワークといった単位の積み重ねで出来てて人工知能はその模倣
この小さな単位は「入力→出力」という処理を行ってるだけだからノイマン型で普通に記述できる 本当にそうなの?
人工知能って意識がないでしょう? ■ このスレッドは過去ログ倉庫に格納されています