【統計分析】機械学習・データマイニング18
■ 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
人工知能考察は未来技術板の技術的特異点スレで語れ
※ワッチョイ
■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17
http://mevius.5ch.net/test/read.cgi/tech/1502032926/
VIPQ2_EXTDAT: default:vvvvv:1000:512:----: EXT was configured さよなら、Theano!
開発中止は残念だが、まあ仕方ないねえ 前スレで上がってた情報幾何学。なんやかんやいろいろ仮定条件はいってんじゃん。 別に情報幾何に限らず一般的に統計学・機械学習に仮定はつきものなんだが それ突っ込みになってない。
前スレで上げた手法は仮定をあまり含んでない。 なんでそういいきれるかな?
もしかしてAさんかな? 実用上に問題が発生するぐらいの仮定は入ってると思いました。
Fisherも同じ事を言ってるし。 >>1
これ読んで見たい
DeepLearning研究 2016年のまとめ あまりセンセに食って掛かっていたおかやまだいのセンセがいたよね なるほど、そっち系の信者が情報幾何にこだわってたのねw で?情報幾何の実用上問題が発生する仮定の具体例はまだー? せんせい
って言わずに
せんせ
って言うのは
京都人らしい この程度のものを掲載するなんてnatureもおちたもんだねぇ 風景画みたいな画像たくさん集めたいんだけどどういう手法がいいでしょうか
数百×数百ピクセルのカラー画像を集めたいです
Webのクロールは相手方のサーバ負荷を考えると最後の手段としたいです
wikimediaとか画像アーカイブ公開してるかと思ったのですが、探せませんでした
ご教示頂ければと思います >>30
おお、ありがとう!
既に分類もされているんだね 完全に「この辺で勘弁しといたるわ!」じゃんw
もう2%は無理って言ってるに等しい敗北宣言だろ
いい加減アベノミクスは失敗だと認めた方がいい 『ゼロから作るディープラーニング』という本を買おうかどうか悩んだが
書店で中身を見てみたら、数式が理解できない物に
とても、3600円も払える勇気はなかったわw 俺はPRML(上)の最後の方が難しいといったらお前はDLの才能がないと言われた(笑) 数学マスターで機械学習マスターでもあるお前さんたちに聞きたい
自分は文系で数V数Cやってない
tensorflowインストールしたしなんとかできる範囲でやっていこうと思うんだが
同時に数学もやったほうがいいよね?
まずは数V数Cさらっとやって、その後大学数学の関係ありそうなところを基本だけ習得するつもりなんだけど
数V数Cの学習書……@
大学数学の学習書……A
@、Aで俺みたいな人向けのおすすめを教えてくれ 機械学習に数学なんて必要ない
少なくともこのスレの住民は数学なんて理解していない このスレの住民は、ほとんどは
理工系の大学の学部で学ぶレベルの
数学・統計学を理解しているはず。
このスレの住民なら数学・統計学が大好きなはず。 ほとんど?どれくらいの割合のことを言ってるんだろう やさしく学ぶ 機械学習を理解するための数学のきほん
アヤノ&ミオと一緒に少しずつ学ぶ 機械学習の理論と数学、実装まで
https://book.mynavi.jp/ec/products/detail/id=77270 >>34
そんなやつ無視して、やる気があるならやれば良いさ
他のやつが出来ても、自分の実力にはならん TensorFlowはやくWindowsでC++サポートしてくれ 「ディープラーニングってなに?」を一般人にもわかるように
一言で答えるには、何と答えたら良いのでしょうか? 20年ぐらい前にニューラルなんとかって言ってた奴の改良版
ネットが発達してデータが増えて応用分野が拡がり
実用分野がいろいろ出始めた。 改良というか、マーケティングのための言い換えでしかないよね。ただのバズワード。 自然科学と人文・社会科学の違いの議論と確定論・自由意志の議論は関係がなくもない。
人為の所産であるところをどのように記述でき得るのかという話。
あるいは統語を徹底させたところで、何かしら意味の一端を持たせた途端に矛盾が入り込むという話。
そこから意味論のど真ん中に話を持っていかざるを得ない思考なり意志なりの扱いについて、
こういったものはその体系そのものが不確定な相互解釈の循環に依存しており、
今のところそれは綺麗に紐解けないでいる。
だから強いAIの強いってどのように定義できるのかというような、そもそもの知性の定義にしたって
人間中心主義から逃れ得ないというような議論にもなるし、ひとまずはブラックボックス化した上で、
擬人的な振る舞いとして見ることで、本当に人のような擬人的振る舞いなのか、
擬似・擬人的なものにすぎないのかという範疇での判断に依存しているのが、
たとえば有名なチューリングテストもそう。
さりとて別に物理と精神をまったくの二元論として捉えるべきであるという話ではない。
それは究極的には一元論であるのだろうがしかし、やっかいなのは一元論をそのまま一元論として
我々はどのように記述できるのかという問題がある(おそらく何かしら二元論的表現をすることは避け得ないだろう)。 多層ニューラルネットワークの学習が収束せずに発散しちゃうのを
わりとうまく抑え込めるようになったのがブレークスルーっちゃぁブレークスルー
「おお!データ与えたら勝手に答が出た!AIすげー!」 ディープラーニングによる機械学習がAIブームになってるけど
またAI冬の時代は来るの? ■ このスレッドは過去ログ倉庫に格納されています