【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 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 上位の結果の原因は、むしろIQテストが立体を脳内でぐるぐる回したりの
論理問題解答速度重視だからじゃねーかな… 確かこれはアメリカの院試のGMATの結果から算出したものだよ >>448
これサンプルを恣意的に選んでいてとてもじゃないがあてにならない結果だよ
統計でうそをつく方法だな >恣意的
根拠ださないで攻撃するのが文系あほの特徴 >>454
「恣意的」の誤用だろうしね。
本来は「作為的」。 志位的ならわかる
そんなことより「無い」の御用の方が気になる すまん、GMATはMBAだったからGREか何かだったわ 大日如来とエウクレイデスはどっちの方が凄いですか? 大日如来
胎蔵界 ノウマク・サンマンダ・ボタナン・アビラウンケン
金剛界 オン・バサラ・ダト・バン おっさんに機械学習とディープラーニングは同じようなものと言ったら
「機械学習は統計的でAIではない」「ディープラーニングはバックプロパゲーションを使っていて〜」と言われました。
この時このAI以下の知能を持つ人間を抹殺するためにはなんと返答するべきか答えなさい 大文字の五山送り火の時の
妙の字と法の字のフォントのクオリティが違い過ぎるのがいつも気になる
これは人工知能でも解けない?
http://pc.watch.impress.co.jp/docs/news/1100/569/ あとそもそもなんで左から右に妙法なんだよっていう謎だらけ 東大松尾研のDL4US(無料のDLエンジニア講座)に1900人以上応募だってさ
選抜試験前の抽選段階で落ちた奴が大勢ツイートしてたわ >>469
これ内容は公開してくれるのかな?
テキストみたいのや講義とかコードとか 機械学習をFXに応用できますか?
参考ななりそうな情報とかないでしょうか? >>466
>機械学習とディープラーニングは同じようなもの
概ね同意
数学的にやってることはどっちも同じじゃないかと思ってる
違いは
機械学習は統計的でAIではない→
→コンパイラとか関数型言語みたいな事前決定されてるやつ
ディープラーニングはバックプロパゲーション→
→インタプリタとか自己書き換え黒魔術言語みたいな動的に変更可能なやつ
かなー >>474
コンパイラでもディープラーニングとかバックプロパゲーションを実現できるからその認識は適切ではない >>466
機械的に学習していれば機械学習なんだからディープラーニングは機械学習の一種に含まれる
AIはその名の通り人工的に作られていて知能を持っているように見えるものなら何でもありのざっくりした概念にすぎないから何がAIかなどと分類すること自体ナンセンス >>475
その本立ち読みしてきたけど9割いらないページで厚くしてるイメージだった
もちろん買ってないし今後もたぶん買わない >>477
そうだね
機械学習だってパラメータ変える手段用意すれば良いだけだし
ざっくり書きすぎた
今は反省している >>479
そうなの?
中井さんの本難しそうだから
その前に読もうと思ってた >>482
あれはあちこちつまみ食いしているコラム本。
こぼれ話は得られるが実用に使えない。
大学初学年向けのページが少なくamazonで好評な本とか
トレンドプロとか絵のある本の方が遙かにマシ >>486
おまいは2ちゃんの評価うのみにするのか?
気になるなら立ち読みしてこい >>494
ソニーのページ行ったらブラウザが暴走してワロタ 最近の出版は部数じゃなくてとにかく種類出せって方針だからゴミ本が量産されてる このこないだから迷い込んでる子は
イーガンの「ディアスポラ」冒頭すら
理解できなそうなんだよなぁ… https://www.amazon.co.jp/dp/4839962510
この本のレビューなんか見てると特に思うんだけどさ
まともに論理を学習したい人はわずかしか居なくて、殆どはサンプルコードのコピペで人工知能を動かしたいだけなんだよ
日本でまともな本なんて出すだけ無駄だ 時系列データの特異値分解について
特異値分解をすることで特異ベクトル、特異値が出ますよね。
この2つがなんなのかいまいちわかりません。 書評書くひとがあほなのはともかく
書評下げは狂ってる 固有値分解の一般化みたいなことだろ。
Av = λv を満たす、λとvが固有値とベクトルだが。
特異値のほうは、固有値分解不可能はケースでも適用できる。
Av = λv 、A*w = λw を満たすλ、v 、w が対応する。 >>500
同意。
きちんと理解したいなら機械学習の勉強でなく、数学の勉強したがるはず 今時、ニューラルネットの説明を論理回路でするの要らないと思う。
初学者は余計に混乱する。
任意関数近似できますと書くだけで十分。 >>503
うーん、ごめんなさい。
さっぱりわからないです…
グーグルトレンドで適当なキーワード使って特異値分解したらとりあえずできました。
https://dotup.org/uploda/dotup.org1442544.jpg
特異値分解することで特異値、特異値ベクトル、写像、誤差、が出たんですけど
これが出ることで何がわかるのかがさっぱりです。
どなたか助言いただきたいです。 ■ このスレッドは過去ログ倉庫に格納されています