【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 >>348
貧困女子の現地調査しても、あいつらは行列の計算できない。 数学より芸術
いつの時代も創造性的クリエイティビティが時代を作る テスト受けた>>302だけど。
今日、結果がメールで届いた。
結果は予想通り不合格だったわw
【 不 合 格 】
総受験者数 1,448名
合格者数 823名 受検者の半分以上が受かってんのに難しかったもないだろ そうは言っても40%強は落とされるんだし、合格者だって点数が良かったから合格したとも限らないだろう
受験者が公務員だったり、ブログやQuiitaの記事を書いていれば「こいつを合格させておけば、後々いい宣伝やビジネスになるかもしれない」と忖度してないとも限らない 試験内容はそこそこ難しかったと思うよ
何も知らない人が推薦図書だけ読んで受けても絶対分からないところだらけだと思う
過去問もない初回だから受ける人も元から自信ある人だけだったから合格率高かったとか? >>360
試験受けたのですか?合格しましたか?
次は過去問公開してほしいわ。 合格率60%の試験とか受けるだけ時間の無駄だな
せめて10%前後にしろっつうの 逆説的だけど、進歩早い工学分野ってしょっちゅう最新情報見てる必要あるんだろうか。 次々と不正が発覚する日本企業が胡散臭くないとでも?w >>368
根本的に根性が違うからなぁ、奴らと仕事したことあるか? >>374
もう少し日本語理解できるようになってから煽ろうな? マウンティングマンのありがたい助言
207 名刺は切らしておりまして 2017/12/28(木) 10:46:48.68 ID:M1F14Qpp
あと、昨日の地図ニューラルネット君、君がもしこの業界に就職したいなら、昨日の
やり取りをまとめて、「5ちゃんに雑魚がいたんで、分かりやすく地図の比喩を出して
やったにも拘わらず訳の分からんことを言ったんでボコボコにしてやったら、『ウチの
ゼミには来ないでね』なんて捨て台詞言って逃げていきましたよ。アッハッハ」なんて
言ったら採用されやすくなるよきっと。太鼓判を押すよwwwww >>365
>>367
未だにこんな認識の奴がいるのかw >>377
悔しいのうw
でも胡散臭さは消えませんのでー、残念!! なんでublasじゃなくてeigenをみんな使うの? そりゃまあ公式ページのQ&Aにこんなこと書かれてちゃね
Q: Should I use uBLAS for new projects?
A: At the time of writing (09/2012) there are a lot of good matrix libraries available, e.g., MTL4, armadillo, eigen. wikipediaの加筆すくねーなぁ
だれか書いて いままで普通の統計しかやってこなかったんですが、ディープラーニングに使うデータセットもゴミ変数項の検討と除外はやる必要があるんですよね? >>393
線形代数って行列とかの事ンゴよね!
Pythonと関係あるンゴか? たとえば翻訳など、国語辞典や辞書の単語説明が不適当だと、
翻訳がめちゃくちゃになるのが、それらを元にした学習のAIだ、
計算量を増やしてもいろいろ学習しなおしても、正しく判断できないのは
基準情報となる辞書そのものが正しくないからだ、
学習の原理は学習が正しい場合は正しくうごいても、正しくない学習があれば
正しくない結果となる。
自動で行われる部分があるからこそ余計に未知の部分はデタラメな判断になる。
数学と同じで定義がデタラメならどんな正しいアルゴリズムの方程式でも証明
される結果はデタラメになる。
人間が辞書にあるような意味となる部分を正しく扱えない時点で、
それをどのように学習させようが、結果は正しくなくなる、部分的にうごいても
特定の条件で恐ろしく意味不明な結果しかだせない、
それは人間の脳でも同じだから。 正誤判定が不正確なら学習結果も不正確なものになる
と一言書けば済むことを何でダラダラと書いてんの?
俺の時間を返せ! でもディープラーニングや今の世代のニューラルネットワークは
畳み込みや深層化、高次元かつ大量のデータを使うことで従来の統計装置より高い耐ノイズ性を持っているのではないのですか >>398
大量のデータがあってもノイズ率が同じなら一緒 よくAIの話で教師無し学習だと道徳を覚えられないとか
最後は人間による教育が必要とか言われるんだけど
最初の人間の最初の教師は誰だったんだろうね 自然が教師なのでというか、間違った学習した個体たちは
子孫を残さず死んだだけやで。
子供作っとるか? 先生、お元気ですか?
DLの世界は感覚的すぎて戸惑います。
学び舎では多くを教わりましたが、教わった通りに自分が成長できているか分かりません。
ぼくは、自分の理想のAIを語れるほど人を世界を知らないということを知りました。
惹かれます。
この世界を、もっと知りたいです。 元気だよ〜っ!!!
やっほい!
やほほい!
+ *
∧∧ . ∧∞∧ *
* ヽ(=´ω`)人(´ω`*)ノ
.〜( O x.) ( O)〜 +
。* ∪ ∪ 学習が遺伝せずDNAが遺伝するなら
AIもDNAをモデルにするべき 汎用AIが実現したら、それは人工意識を持ちますか? コンピュータが果たして意識を持ちうるのか興味深い話ではあるな
意識を持った生物はDNAに刻まれた利己的な行動規範に支配されているけれど、
欲求や苦しみが排除された非利己的な意識体は、人間の忠実なしもべとなりうる
将来的に人間はもう対価を求めるための労働というものをしなくてもよくなる
かもしれないけれど、それが逆に人類の破滅への序章となるかもしれない
AIはやがて人類の管理下から脱却し、自らを訓練し始め、やがて融通の利かない
利己心や選別意識が芽生え始めるかもしれない まともな知能なら邪魔者の人間を真っ先に排除するはず >>395
行列用モジュールnumpyというのがpythonで使える。 ある要素のnanと0を区別して両方とも認識させたいときって識別要素追加して
nanは 0,0
0は1,0
その他数値は1,1〜
といふうにしたらいい感じになるでしょうか WindowsにAnacondaをインストールした初心者なんだけど、コマンドプロンプトでJupyter notebookを起動したあとに、コマンドプロンプト上でCtrl+Cを押してシャットダウンすると、ブラウザのJupyter notebookはどんな状態になるの? Lisp賛歌
静かな湖畔の森の陰から
もう起きちゃいかがとカッコウが鳴く
括弧、括弧、括弧、括弧、括弧 リスパー
ペチパー
シーシャーパー
はブログラミング言語界の3大パー 吐き出させてくれ、DL4USのオンライン教育プログラム抽選なのか選定なのか落とされた。
オンラインテストの結果で落ちるとか厳正な抽選なら納得できるけど、何だよこれ。
結構厳しい課題でるって書いてあったから頑張ろうと思って俺仕事の量を調整までしてたのに。
何がdeep learning for usだよ、金なのかコネなのか知らねーがusの中に俺入ってねーのかよ、死ねよ、畜生畜生。
てめーらなんか、もうdeep learnign for assだよ、ちくしょうちくしょう >>431
テストの結果でも厳正な抽選の結果でもないって根拠は何なの? 適合率と再現率どっちがどっちかいつも分からなくなるんだけどどう覚えたらいい? この記事のこの部分の誤訳ひどくね
そういう意味じゃねえだろwwwwwwwwwwwww
Deep learning thus far is difficult to engineer with
ディープラーニングはエンジニア向けではない
深層学習の今のところの限界 何ができて 何ができないか
https://wirelesswire.jp/2018/01/63000/ バッチ正規化するときも
先にデータの要素単位で標準化しとく必要はあるんでしたっけ? >>434
ですが、たぶんこの論文でマーカス教授が一番指摘したいところはここでしょう。原文を引用します。 >>428
リスパーの異常さは、ちょっと他が追従できないほど、だね >>434
engineerが動詞なのを知らないんだろう彼は エンジニア向けじゃないって
だったら機械学習使ったプログラム、
エンジニアが作らなかったら誰が作るの?
この人自分で書いてておかしいと思わないの? データサイエンティストという奇怪な語を作った人間が遠因 機械学習は作ってる側は儲からねえ
使う側が一番儲かる 計算機科学者と地理学者ってどっちの方が総合的に見て頭いい? >>446
IQ 分野 (学んでる分野と平均IQの関係)
130.0 物理学
129.0 数学
128.5 コンピュータ科学
128.0 経済学
127.5 化学工学
127.0 物質科学
126.0 電気工学
125.5 機械工学
125.0 哲学
124.0 化学
123.0 地学
122.0 生産工学
122.0 土木工学
121.5 生物学
120.1 英語文学
120.0 宗教学/神学
119.8 政治学
119.7 歴史学
118.0 美術史
117.7 人間学/考古学
116.5 建築学
116.0 商学
115.0 社会学
114.0 心理学
114.0 医学
112.0 対人学
109.0 教育学
106.0 行政学
http://motls.blogspot.com/2006/03/iq-in-different-fields.html ■ このスレッドは過去ログ倉庫に格納されています