「■なぜかノーコメントでブクマをつける奴は何が目的か」 anond:20210305165140を見て調べてみたくなったのだけど、この増田はファーストブクマ、セカンドブクマに限った話のようなので関係なかった。 ブコメが付かないエントリは[あとで読む]がたくさん付くエントリと似た顔ぶれ。ということはおそらくあとで読みたいのだろう。資産運用や売上などお金関係のエントリが入ったのが[あとで読む]が付くエントリとは少し異なる点か。 ブコメ数が多いエントリは政治系、○○イズム系が多い。サイトとしては朝日新聞系列と増田が目立つ。 2021年2月無言or匿名ブクマがたくさん付いたエントリ トップ20無言or匿名ブクマ数ブクマ数無言or匿名ブクマ率タイトル2357271587%大学の恩師に教わった、「なにがわからないか、わからない」ときの質問のしかた。 ｜ Books&Apps1698181494
【2020年版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 - Qiita
AI Academy Bootcamp ６ヶ月35,000円にてチャットで質問し放題の環境で、機械学習やデータ分析が学べるサービスを提供しております。 数十名在籍しているデータサイエンティストや機械学習エンジニアに質問し放題の環境でデータ分析、統計、機械学習、SQL等が学べます。AI人材に必要なスキルを効率よく体系的に身に付けたい方は是非ご検討ください！ https://aiacademy.jp/bootcamp この記事の対象者 ・将来Pythonでデータ解析をしたいと考えているが、何から手をつけたら良いか知りたい方 ・将来、人工知能に関連した業務に携わりたいと検討中の初学者の方 ・未経験者からAIエンジニアになりたく、そのためにどのような知識が必要か知りたい方 ・AIプログラミングスクールや専門学校に進学しようか考えているが、独学で勉強できる方法を知りたいという方 対象ではない方 ・既
画像は「巣ごもりDXステップ講座情報ナビ」より 経済産業省は、人工知能（AI）やデータサイエンスなどのデジタルスキルを学べる、無料オンライン講座を紹介する「巣ごもりDXステップ講座情報ナビ」を公開している。 この記事では、同サイトに載っている無料の学習コンテンツのなかから、AIおよびデータサイエンス関連の基礎講座を5つ抜粋して紹介する。 1.松尾豊教授監修のディープラーニング講座が一部無料に 株式会社zero to oneが提供する「E資格試験対策・体験コース」では、東北大学大学院岡谷貴之教授が監修したJDLA認定プログラム「機械学習」および、東京大学大学院松尾豊教授が監修した「ディープラーニング」の一部を体験できる。 無償提供期間は2021年7月2日まで。前提知識はPythonプログラミングの基礎知識、理系の大学1年生のレベルの数学の基礎（微分積分、確率統計、線形代数）。標準受講時間は2
講義では、量子コンピュータの情報単位「量子ビット」や、多数の組み合わせから最適なものを選ぶことに特化したアルゴリズム「量子アニーリング」などについて解説。いずれも電気通信大学大学院の西野哲朗教授（情報通信工学科）が内容を監修する。 講師は学習塾の運営を手掛けるすうがくぶんか（東京都新宿区）の内場崇之さんが務める。初回と最終回には西野教授も登壇する予定。 N予備校はドワンゴが提供。通常は月額1100円でプログラミングやWebデザインのオンライン授業を提供しており、生配信の授業であればコメント機能を使って講師に質問できる点などを特徴としている。 【訂正：2021年9月9日午後9時】当初、講座を提供する組織を「N高等学校」としておりましたが、正しくはドワンゴでしたので、タイトルと本文を修正しました。 関連記事 東大、量子コンピューティングを「手を動かして」ゼロから学べる教材公開 「量子コンピュー
PDFを見返すと独習を始めた頃の線形代数のノートはほとんど殴り書きで、単に計算用紙としてノートを使っています。微分積分に入ると少しはましになってきますが、頭に入れたい概念の定義や定理の証明を何度も書き直したりしています。また独習ですから間違った理解を正しいと思い込んだまま証明を書いて、分かったつもりになっている箇所も少なからずありそうです。とまれ上記の表に挙げた各書籍に曲がりなりにも取り組んだことを示す、書証のつもりでノートを晒しました。 余談ですが、使用したノートは、PLUS の品番 NO-204GS (A4 G罫 5mm方眼 40枚) という方眼ノートです。また筆記用具は当初シャープペンシルを使っていましたが、「オイラーの贈物」からは万年筆に替えました。プラチナ#3776センチュリーUEF(超極細字)を使っています。 1.3 私について 本記事の作者であり学び直しをした本人である私は、
社内勉強会で 機械学習で使う数学入門 の話をしました。 話した内容をブログにします。 目次 AI/ML/DL 人工知能(AI) 機械学習(ML) 深層学習(DL) 機械学習(モデル) MLの問題例 どう機械学習の問題を解くか 機械学習(目的関数) どのようにモデルの良し悪しを測るか 目的関数 目的関数の具体例1 目的関数の具体例2 微分 そもそも微分とは 微分でできること 勾配降下法 微分 まとめ 線形代数 線形代数とは 線形代数でできること 線形代数 まとめ 確率・統計 確率変数・確率分布 条件付き確率 ベイズの定理 混同行列(Confusion Martix) 確率・統計 まとめ 数学をどれくらい学ぶか とりあえず読もう 数式 微分 線形代数 確率・統計 自分の数学の勉強方法 Chainerチュートリアル Project Euler(プロジェクトオイラー) おわりに 参考 AI/ML/
「わけがわかる機械学習」という本を書きました。 一言でいうと、「機械学習はなぜそんなことをしたいか・してもいいか」を解説する入門本です。 わけがわかる機械学習 ── 現実の問題を解くために、しくみを理解する 作者: 中谷秀洋出版社/メーカー: 技術評論社発売日: 2019/08/28メディア: 単行本（ソフトカバー）この商品を含むブログを見る 目次を見るとわかりますが、機械学習の本をうたっていながら、なぜか確率の章が 3 個もあります。ページ数にして約80ページ。全体の 1/3 が確率の話です。 - 0章： はじめに - 1章： 機械学習ことはじめ - 2章： 確率 - 3章： 連続確率と正規分布 - 4章： 線形回帰 - 5章： ベイズ確率 - 6章： ベイズ線形回帰 - 7章： 分類問題 - 8章： 最適化 - 9章： モデル選択 - 10章： おわりに - 付録A： 本書で用いる数学
TL;DR（思ったよりもかなりの長文になってしまったので*1、時間がないという方は1番目と2番目のセクションの冒頭だけお読みください） しんゆうさんの舌鋒鋭いブログ＆note記事にはいつも楽しませていただいているのですが、この記事は一点僕のデータ分析業界の認識に新たな視点を与える話題があって特に目を引きました。それが以下の箇所です。 資格があるわけでもないので名乗るのは自由だし、未経験だろうが文系だろうがそれはどうでもいいのだけど、傍から見ていると「サイエンティスト」と名乗っているわりには「サイエンス」な話をしていないなぁとは思っている。（中略） 現在起きている第３次データサイエンティストブームは「データサイエンティストと名乗りたい人」が盛り上げているように見える。 （太字筆者） この問題は、このブログの前々回の記事でも取り上げています。 ただ、僕はこういう「データサイエンティストになりた
Rubyの機械学習ライブラリまとめ
数学の勉強のやり方
はじめにお前は誰やねん解析学を研究している博士課程の2年生。 この記事の目的もし大学1年生の自分に会えたら数学の勉強についてアドバイスしたいことがいくつかあるので、それを簡単にまとめたい。現在進行形で学部生をやっている人の参考になれば嬉しい。ただし、あくまで個人的な考えであり、視点が偏っているので、鵜呑みにはしない方が良い。 最初にやるべきことできる限り早い段階で集合と写像の言葉を覚えよう。微分積分や線形代数より先にこちらをやった方が良い。そもそも集合と写像の言葉は大学数学をやっていくうえで必要不可欠であり、微分積分や線形代数さえこれらの知識がなければ十分には理解できない。それから、定義に従って厳密に議論できるようにならなければ、そもそも大学数学のスタートラインにさえ立てない。集合と写像の勉強はその習得に適していると思う。 ちなみに、僕がこの「スタートライン」に立てたのは学部1年後期だった
数学記号記法一覧（集合・線形代数）
講義のオフィス・アワーの余談
- はじめに - 本記事では、Rustで扱える機械学習関連クレートをまとめる。 普段Pythonで機械学習プロジェクトを遂行する人がRustに移行する事を想定して書くメモ書きになるが、もしかすると長らくRustでMLをやっていた人と視点の違いがあるかもしれない。 追記：2021/02/24 repositoryにしました。こちらを随時更新します github.com 追記；2021/07/26 GitHub Pagesでウェブサイトにしました vaaaaanquish.github.io - はじめに - - 全体感 - - 機械学習足回り関連のクレート - Jupyter Notebook Numpy/Scipy Pandas 画像処理 形態素解析/tokenize - scikit-learn的なやつ - 各ライブラリと特徴比較 - Gradient Boosting - XGBoos
機械学習について一回挫折してしまったエンジニアが何とかお仕事で機械学習を使えるようになるまで - Qiita
達人出版会
探検! Python Flask Robert Picard, 濱野 司(訳) BareMetalで遊ぶ Raspberry Pi 西永俊文 なるほどUnixプロセス ― Rubyで学ぶUnixの基礎 Jesse Storimer, 島田浩二(翻訳), 角谷信太郎(翻訳) 知る、読む、使う！ オープンソースライセンス 可知豊 きつねさんでもわかるLLVM 柏木餅子, 風薬 デザインディレクション・ブック 橋本 陽夫 現場のプロがやさしく書いたWebサイトの分析・改善の教科書【改訂3版 GA4対応】 小川 卓 解釈可能なAI Ajay Thampi(著), 松田晃一(翻訳) PowerPoint 目指せ達人 基本&活用術 Office 2021 & Microsoft 365対応 PowerPoint基本＆活用術編集部 ランサムウェア対策 実践ガイド 田中啓介, 山重徹 TODによるサステナ
データ解析や数学の理解にはイメージが大切｜Dr. Kano
多変量解析であれ，機械学習であれ，データを解析する道具は数学で鍛えられている．数学というと，数式を見ると蕁麻疹がでるとか，生理的に無理とか，「日常生活で使うことはないから勉強するのは無駄(ｷﾘｯ」とか，色々な感想があるだろうが，理解するために大切なのは，イメージを持つことだ． 例えば，線形代数や微積分．大学に入学すると，必修科目に指定されていれば，とりあえず履修する．δ-εがどうとか語る教員に，頼むから日本語で話してくれと思う学生もいるだろう．私もそうだった．数学の講義で，勉強したことが何に使えるのかを教える先生はいなかった．だから，数学の重要性なんてわからなかったし，興味も持たなかったし，深く理解することもなかった．もちろん，自分の研究としてデータ解析の応用に取り組むようになり，必死で数学の勉強をしなおすはめになることも想像していなかった．それくらい頭が空っぽだったわけだ． そんな昔と違
画像は『スマートエスイー「機械学習」講座PV～ gacco：無料で学べる大学講座』より オンライン講座サイト「gacco（ガッコ）」では5月12日の15時から、早稲田大学を中心に35以上の大学、企業、業界団体が手がける社会人教育プログラム「スマートエスイー」の一環として、オンライン講座「機械学習」が開講される。受講料は無料。 本講座では、人工知能（AI）における機械学習の理論を把握した上で、「Python言語の基礎」「教師あり学習・教師なし学習」「強化学習」「異常検知と半教師あり学習」などについて学べる。実際のデバイスやデータを用いた演習、実習、議論については、オンラインでも参加できるプログラムを用意している。 講師・スタッフは電気通信大学大学院 情報理工学研究科 准教授の清雄一氏、早稲田大学 グリーン・コンピューティング・システム研究機構 研究院客員准教授の坂本一憲氏、早稲田大学 理工学
はじめに データサイエンティストを志してみようと思っていろいろ調べたけど、ロードマップを調べても情報が多くてどれをやればいいかわからなくなったので頭の整理も兼ねて初めて記事を書いてみました。 多分知識がついたら増えるので加筆修正します。 初学者なので的外れな部分もあると思いますが、こんなのが足りないとか教えていただいたら加筆したいと思います。 筆者スペック ・MARCH文系卒 ・学部は経営学部 ・３０代前半 ・新卒で商社で７年、メーカーで３年営業 現在３社目 ・プログラミング歴０ データサイエンティストを目指すきっかけ ・会社に仕事をさせてもらう人生ではなく自分で仕事を選べるようになりたいという目標の為。 ・転職を繰り返した結果待遇は生活できるぐらいにはなったけど、 これからの人生とか考えた時に転勤とか含めどうしても会社に身柄を拘束された人生しか見えなかったこと。 ・結婚とか考えた時に収入
史上最年少で「数学検定」１級合格 兵庫の小４、理数系大卒業レベル（神戸新聞NEXT） - Yahoo!ニュース
ゼロからはじめるデータサイエンス 第2版
本書はPythonプログラミングを通してデータサイエンスの基本知識を「ゼロから学ぶ」ことができる入門書です。読者は架空のソーシャルネットワーク運営企業、データサイエンス・スター社のデータサイエンティストとして、さまざまな課題を解決しながら、必要な知識とスキルを着実に積み上げていきます。第1版の発刊から5年。その間、データサイエンスへの注目はますます高まり、Pythonはバージョンアップが進み、ライブラリは一層充実しました。このような変化に伴い、内容を全面的にアップデート。Pythonプログラミングの基礎から線形代数、統計確率の基礎、回帰、機械学習、ナイーブベイズ、決定木、ニューラルネットワーク、ディープラーニング、自然言語処理、ネットワーク分析、リコメンドシステム、データベースとSQL、MapReduce、データ倫理まで、データサイエンスに必要な幅広い知識をカバーします。 正誤表 ここで紹
達人出版会
探検! Python Flask Robert Picard, 濱野 司(訳) BareMetalで遊ぶ Raspberry Pi 西永俊文 なるほどUnixプロセス ― Rubyで学ぶUnixの基礎 Jesse Storimer, 島田浩二(翻訳), 角谷信太郎(翻訳) 知る、読む、使う！ オープンソースライセンス 可知豊 きつねさんでもわかるLLVM 柏木餅子, 風薬 R／RStudioでやさしく学ぶプログラミングとデータ分析 掌田津耶乃 データサイエンティストのための特徴量エンジニアリング Soledad Galli(著), 松田晃一(訳) 実践力をアップする Pythonによるアルゴリズムの教科書 クジラ飛行机 スッキリわかるサーブレット＆JSP入門 第4版 国本 大悟(著), 株式会社フレアリンク(監修) 徹底攻略 基本情報技術者教科書 令和6年度 株式会社わくわくスタディワール
物理を学びたい人文学徒のための読書案内
データサイエンス設計マニュアル
本書は広い視野からデータサイエンス全体を俯瞰し、問題を解決する上で重要なことは何か、その設計原則に焦点を当てた入門書です。データを収集、分析、解釈するためのシステムを構築するために必要な、確率・統計の基礎から線形代数、スコアとランキング、統計分析、データマンジング、可視化、数学的モデル、回帰、機械学習まで広範囲にわたってカバーするだけでなく、思考プロセスも重視します。著者は、ニューヨーク州立大学ストーニーブルック校で長年にわたりコンピュータサイエンス教育に携わってきた計算機科学者で、統計学と計算機科学の枠を越えた新しい学問としてデータサイエンスを捉え直し、著者独自のアプローチでデータサイエンスの本質に迫ります。 1章データサイエンスとは 1.1 計算機科学、データサイエンス、リアルサイエンス 1.2 データについての興味深い問い 1.3 データの性質 1.4 分類と回帰 1.5 データサイ
ベイズ統計・ベイズ機械学習を始めよう コンピュータやネットワークの技術進化により，これまでにないほどの多種多様なデータを取り扱う環境が整ってきました．中でも統計学や機械学習は，限られたデータから将来を予測することや，データに潜む特徴的なパターンを抽出する技術として注目されています．これらのデータ解析を行うためのツールはオープンソースとして配布されていることが多いため，初学者でも手軽に手を出せるようになってきています． しかし，データ解析を目的に合わせて適切に使いこなすことは依然としてハードルが高いようです．この原因の一つが，統計学や機械学習が多種多様な設計思想から作られたアルゴリズムの集合体であることが挙げられます．毎年のように国際学会や産業界で新たな手法が考案・開発されており，一人のエンジニアがそれらの新技術を１つ１つキャッチアップしていくのは非常に困難になってきています． １つの解決策
こんにちは、ちゅうげん（@ochugn）です。 2020年春、念願だった米国情報系大学院の博士課程になんとか合格することができました。 これからがスタートラインではありますが、この合格に辿り着くまでに様々な難関があり、次に挑戦する方へ向け少しでも参考になればという想いと、受験直後でまだ記憶が新しいうちに自分自身の振返りも兼ねて受験体験記を執筆してみます。 まずはじめに結果からお伝えすると、 ペンシルバニア州立大学 情報理工学部 博士課程 へ進学予定です。 他にカリフォルニア大学デービス校のCSや、カリフォルニア大学アーバイン校のEECSなどからオファーをいただいておりました。 最近ではありがたいことに日本から海外院へ博士取得を目指す良質な受験記や情報も増えており、もはや自分が書く必要もないのかもしれませんが、一方で社会人が退職して米国大学院PhDを目指した体験記はあまり多くないとも感じてお
日曜化学：量子力学の基本と球面調和関数の可視化（Python/matplotlib） - tsujimotterのノートブック
以前、「非情報系が機械学習を使う研究をしたいとき」という記事を書きましたが、内容の半分はサイボウズ・ラボユースの宣伝だったんで、今回はタイトル詐欺じゃあないことも書きます。 いままで機械学習や深層学習に縁のなかった人が、それを使った研究を始めたいとなったとき、共通して直面する大きな課題は「何を優先的に勉強したらいいか」と「実験用の環境(PC)をどのように整えたらいいか」でしょう。 今回は何から勉強する？ という話。 機械学習そのもの(特に自分が使おうとしているモデル)を学ぶのは必須に決まっているので、機械学習を使う上で必要となる前提知識を学ぶ優先順位について考えてみます。 機械学習(深層学習を含む)を使う上でキーになる前提知識は、数学(特に解析・線形代数・統計)とプログラミングを含む情報科学であることは意見の一致するところだと思います。 情報系の人なら、情報科学はさすがにやってます。プログ
$$ \newcommand{\bm}[1]{\mathbf #1} $$ 主成分分析(PCA)の数学的な理論とPythonによる実装¶ Author: Yuki Takei (noppoMan) Github: https://github.com/noppoMan Twitter: https://twitter.com/noppoMan722 Blog: https://note.com/noppoman これは、noteの主成分分析の背景にある数学理論の話(最適化問題)の本文です。 主成分分析の数学的な理論の理解に必要な知識¶ 主成分分析は、アルゴリズム的な観点で見るとデータの分散を最大化させる最適化問題であり、その理論は数学（とくに微分学、線形代数）により与えられている。以下は、主成分分析で使われる数学の分野をざっくりとリストしたものである。 データ分析 分散、共分散 解析学 多
GMOペパボは9月21日、同社の新人エンジニア研修資料を無償公開した。4年前から毎年公開しているが、今年は機械学習教材を一新。座学と体験学習を組み合わせた14時間分の資料で、機械学習の基礎から応用まで学べる。 公開したのは、機械学習の他、コンテナ技術やクラウドサービス、Webセキュリティ、フロントエンド、SPA（1つのWebページでアプリケーションを構成するSingle Page Application）、モバイルアプリ開発などの資料。 機械学習研修は、5日間・合計14時間で実施した内容。初学者向けに、データの扱い方から機械学習の定義、機械学習を使った課題の解決法、サービス導入までの流れなどを解説している。 関連記事 「動画で助かる」「IT基礎知識が一通り学べる」──各社が公開した新人エンジニア向けの研修資料が話題に 人気資料まとめ IT企業が社内の新人エンジニアに向けた研修資料を無償公開
『RとStanではじめるベイズ統計モデリングによるデータ分析入門』は「みどりぼん」に取って替わる次世代の統計モデリング＋ベイジアン入門書 - 渋谷駅前で働くデータサイエンティストのブログ
ここ2ヶ月ぐらいに渡って多くの方々からご著書をご恵贈たまわっているのですが、そのうちの一冊がこちら。かつて計量時系列分析を学んでいた頃に僕も大変お世話になった、Logics of Blueブログの馬場さんの手による『RとStanではじめるベイズ統計モデリングによるデータ分析入門』です。 実践Data Scienceシリーズ RとStanではじめる ベイズ統計モデリングによるデータ分析入門 作者:馬場 真哉出版社/メーカー: 講談社発売日: 2019/07/10メディア: 単行本 以前はベイズ統計モデリングの入門書というと「みどりぼん」こと『データ解析のための統計モデリング入門――一般化線形モデル・階層ベイズモデル・MCMC (確率と情報の科学)』一択でしたが、皆さんもご存知のように既にメンテされていないWinBUGSを使っているなどout-of-dateな要素が多く、近年はこれに替わる良書
頭の中に数学の地図を作ろう
楕円同士の接触判定と衝突判定
これまで総務で15年間勤務を続けてきた奥永 龍也さん。キャリアと安定した生活を捨てて、47歳未経験からのキャリアチェンジという前代未聞の挑戦の結果、彼を待ち受けていたものとは…。 47歳総務一筋15年のキャリアを捨てて、データサイエンティストへ（前編） これまで総務で15年間勤務を続けてきた奥永 龍也さん。 キャリアと安定した生活を捨てて、47歳未経験からのキャリアチェンジという前代未聞の挑戦の結果、彼を待ち受けていたものとは…。 努力すれば評価されるという環境で働きたい これまでの経歴を教えてください。 私は今まで、ある法人の総務でずっと働いていました。勤続15年です。結婚して子供も4人おり、安定した生活を送っていました。 プログラミングとは無縁の生活のように思えますが？ そうですね。プログラミングに興味を持ったのは、総務の仕事の中で、自分で公式HPを作成してみたいと思ったことと、業務効
達人出版会
探検! Python Flask Robert Picard, 濱野 司(訳) BareMetalで遊ぶ Raspberry Pi 西永俊文 なるほどUnixプロセス ― Rubyで学ぶUnixの基礎 Jesse Storimer, 島田浩二(翻訳), 角谷信太郎(翻訳) 知る、読む、使う！ オープンソースライセンス 可知豊 きつねさんでもわかるLLVM 柏木餅子, 風薬 R／RStudioでやさしく学ぶプログラミングとデータ分析 掌田津耶乃 データサイエンティストのための特徴量エンジニアリング Soledad Galli(著), 松田晃一(訳) 実践力をアップする Pythonによるアルゴリズムの教科書 クジラ飛行机 スッキリわかるサーブレット＆JSP入門 第4版 国本 大悟(著), 株式会社フレアリンク(監修) 徹底攻略 基本情報技術者教科書 令和6年度 株式会社わくわくスタディワール
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
2021年2月の無言ブクマがたくさん付いたエントリ、ブコメがたくさん付いたエントリ
PythonやHTMLなどの基礎文法の講座が無料に | Ledge.ai
ドワンゴ、量子コンピュータの入門講座を無料配信 「高校生でも取り組める形に」
文系大学生が無料のPython入門講座を受けてみた 必要な数学知識も簡単に学べる | Ledge.ai
50代になってから始めた数学の学び直しを振り返り、独習ノートを晒します。
機械学習で使う数学入門(社内勉強会) | DevelopersIO
プログラミング初心者がKaggle Expertになるまでの１０ヵ月間を振り返る - Qiita
機械学習の本なのに、なぜか確率の話が 1/3 を占める「わけがわかる機械学習」 - 木曜不足
データサイエンティストに王道無し - 渋谷駅前で働くデータサイエンティストのブログ
線形代数というものの見方 / View from Linear Algebra
Rustで扱える機械学習関連のクレート2021 - Stimulator
バイバイ Python。 ハロー Julia！ - Qiita
早大の講師らが担当、機械学習やPythonの基礎を学べる無料講座が開講 | Ledge.ai
連休中の勉強にいかが？ パブリッククラウドの教材情報4選、2022年版
ど素人初学者データサイエンティストロードマップまとめのまとめ - Qiita
ベイズ統計・ベイズ機械学習を始めよう | AIdrops
アラサー社会人、退職してアメリカ情報系大学院PhDを目指す｜ちゅうげん
高校時代、数学ができないことで馬鹿にされてきた僕は機械学習エンジニアになった - Qiita
何から勉強始めたらいい？（非情報系が機械学習を使う研究をしたいとき） - 木曜不足
主成分分析(PCA)の数学的な理論とPythonによる実装
14時間分の機械学習教材も GMOペパボ、エンジニアの研修資料を公開
「群」って何なの？「同一視」から始める群論 - アジマティクス
DIVIC | 【卒業生インタビュー】47歳総務一筋15年のキャリアを捨てて、データサイエンティストへ転職（前編）