検索対象

並び順

ブックマーク数

期間指定

  • から
  • まで

161 - 200 件 / 578件

新着順 人気順

線形代数の検索結果161 - 200 件 / 578件

  • 【鼎談】新全集が示す関孝和像（前編）　上野健爾／佐藤賢一／橋本麻里｜『関孝和全集』刊行記念


    目次 編者4人の役割 旧全集への疑問 本文を確定する作業 読み下しと現代語訳 関の著作は何か 関孝和の数学 国文・国語学の人にも見てほしい 背景事情を探る史料 和算の源流、中国の数学 関以前の和算 編者4人の役割 写真左から、上野健爾氏、佐藤賢一氏、橋本麻里氏 橋本　このたび刊行される﹃関孝和全集﹄︵上野健爾・小川束・小林龍彦・佐藤賢一編、岩波書店、2023年10月刊︶をまとめる過程で、お二人はそれぞれどんな役割を担われたのですか。 上野　私はもともと数学史の専門家ではありません。和算に興味を持ち始めたのは京都大学にいたときで、隔週土曜日に高校生を集めて数学の話をしていたのですが、なにか面白い話題はないかなと和算の資料を読んでいるうちに、だんだん虜になったというのが一つ。もう一つは、日本数学会で関孝和賞を作ろうとしたときに、大阪教育図書から出ていた﹃関孝和全集﹄︵平山諦、下平和夫、広瀬秀雄
      【鼎談】新全集が示す関孝和像（前編）　上野健爾／佐藤賢一／橋本麻里｜『関孝和全集』刊行記念

    • ［AI・機械学習の数学］線形代数の固有値・固有ベクトルをマスター

      連載目次 前回の番外編4では、図形的な意味や一次独立、一次従属といった線形代数の基本を踏まえて行列式について見てきました。今回も同様に、固有値と固有ベクトルの考え方について、ポイントを押さえながら説明します。また、行列の対角化を行うことにより、行列のべき乗を簡単に求める方法を紹介し、その応用としてマルコフ過程の事例を紹介します。 ポイント1　固有ベクトルは一次変換を行っても向きが変わらないベクトル ひと言でいうと、固有値や固有ベクトルは一次変換を特徴付ける値やベクトルです。しかし、以下のような式がいきなり登場して面食らってしまった人もいるのではないでしょうか。 「一次変換を表す行列をAとしたとき、 を満たす0でないベクトルxをAの固有ベクトル、λを固有値と呼ぶ」 というものです。確かに、式を見た瞬間に気を失いそうになりますね。しかし、Aが行列で、λが定数であることに注目すれば、ベクトルを一

        ［AI・機械学習の数学］線形代数の固有値・固有ベクトルをマスター

      • 書評『統計のための行列代数』 | Hippocampus's Garden


        書評﹃統計のための行列代数﹄July 19, 2020  |  21 min read  |  3,454 views jabookmathはじめに ﹃統計のための行列代数﹄︵D. A. Harville 著，伊理正夫 監訳，丸善出版，2012年︶を読んだので，まとめと感想を書きます． ︵そこまでの精読はできていませんが，それでも誤植と思われる箇所が散見されたので，気づいた範囲ですが末尾にまとめておきました．︶ まとめ+α 原題は﹃Matrix Algebra from a Statistician’s Perspective﹄で，統計学者が身につけるべき線形代数の知識や考え方を全2巻でまとめた著名な教科書です．線形代数は重要かつ範囲がとても広く，抑えるべきポイントがわかりづらいと大学時代から感じていたので，こういう応用を見据えた教科書はありがたいです． 一般的な線形代数の教科書ではあまり
          書評『統計のための行列代数』 | Hippocampus's Garden

        • AI・機械学習のための数学超入門 ～第2部 偏微分～


          AI／機械学習、ディープラーニングを学び始めると、どこかで数式を読むことになる。それも偏微分や線形代数など大学レベルの数学である。この壁にぶつかって、数式を理解できないままスルーしたり、学ぶこと自体を諦めてしまったりする人も少なくないのではないだろうか？ 本書は、主にAI／機械学習の教材などに書かれている数式でつまずいたことがある初学者に向けた、﹁AIに最低限必要な数学を基礎の基礎からしっかりと、しかも効率的に学ぶ﹂ための電子書籍の第2部である。具体的には連載﹃AI・機械学習の数学入門 ― 中学・高校数学のキホンから学べる﹄を構成する、 という全4部の中の﹁第2部 偏微分﹂を電子書籍︵PDF︶化したものである。ちなみに偏微分は本連載でも一番人気のパートとなっている。 微分や偏微分は、AI︵人工知能︶やデータサイエンスにおける機械学習の理論を理解する上では避けて通れない必修の数学項目だ。機械
            AI・機械学習のための数学超入門 ～第2部 偏微分～

          • テンソルが意味不明な物理学習者へ: 共変ベクトルと反変ベクトルからテンソルまで｜vielb

            物理の本ではよく, 「反変ベクトルとは～～という変換則をもち, 共変ベクトルは・・・という変換則をもつものとして定義される」と説明がなされますが, 初学者にとってはなぜ唐突にこのような定義がされるのか非常にわかりにくいと思います. そこでこのページでは数学的によりシンプルな定義を採用し, 一点の曇りなく自然に反変ベクトルと共変ベクトルが導入されることを説明します. さらに2つの拡張としてテンソルが自然に導入されることもみていきます. 以下では$${\left(e_i\right)_{1\leq i\leq n}}$$を$${n}$$次元実ベクトル空間$${V}$$の基底とします. 複素ベクトル空間の場合も以下の$${\mathbb{R}}$$を$${\mathbb{C}}$$に変えるだけで全て上手く成り立ちます. このページと同じ内容のPDFも用意していますので適宜ご利用ください. 前提知

              テンソルが意味不明な物理学習者へ: 共変ベクトルと反変ベクトルからテンソルまで｜vielb

            • Pythonで線形代数！～行列・応用編（行列式・固有値）

              連載目次 前々回は、行列をNumPyの配列として表し、要素ごとの四則演算を行ったり、ブロードキャスト機能を利用したりする方法、さらに、行や列の操作、集計などについても見ました。前回は、行列の内積について基本的な考え方から計算方法を簡単に紹介するとともにNumPyの配列による基本的なプログラミングの方法、さらに応用例を見てきました。今回は線形代数の難所である行列式と固有値／固有ベクトルを求める方法と応用例を紹介します。 この連載には「中学・高校数学で学ぶ」というサブタイトルが付いていますが、2012年施行の学習指導要領で数学Cが廃止され、行列が実質的に高校数学で取り扱われなくなったので、行列になじみのない方もおられるかもしれません。そこで、行列式と固有値／固有ベクトルについて、必要最低限の考え方と計算方法も併せて紹介します（なお、2022年度施行の学習指導要領では数学Cと行列が復活しました）

                Pythonで線形代数！～行列・応用編（行列式・固有値）

              • データ解析用ライブラリ - Qiita

                はじめに 皆さん、データ解析やデータ処理にどのライブラリを使用していますか？ 恐らく、ほとんどの人がpandasを使用していると思います。 今回は、その他のデータ解析用ライブラリやデータ処理ライブラリについて紹介したいと思います(/・ω・)/ Pandas 言わずと知れたデータ解析用ライブラリですね。 データフレームとシリーズという2つの主要なデータ構造が提供されており、データの読み込みやフィルタリングなど、様々なデータ解析/処理に適しています。 中小規模のデータセットに適しており、大規模なデータの処理はメモリ不足や処理速度の問題からあまり向いていません。 Numpy こちらも言わずと知れたライブラリです。 高速な多次元配列の処理とベクトル化演算のためのライブラリであり、配列の生成やブロードキャスティングなどの多彩な操作を提供しています。 線形代数や乱数生成、フーリエ変換などの科学技術計算

                  データ解析用ライブラリ - Qiita

                • 変分法 −無限次元空間の臨界点を見出す− - Laborify


                  こんにちは。高橋 和音 (Kazune Takahashi) と申します。現在は、東京大学大学院 数理科学研究科で特任研究員をしております。この記事では、変分法の概説を試みます。変分法は、微分方程式を考察する代表的な手法です。自己紹介がわりに、どうして変分法を専門にしたのかまず話したいと思います。 私は、大学の数学を勉強し始めてから、積分の世界の素晴らしさに魅了されました。 高校までですと、積分は原始関数を介して求めます。ところが、大学以降に勉強する高度な手法を使うと、例えば原始関数が書けない関数の定積分の正確な値が求まるケースがあります。また、正確な値を求めることができずとも、ある値よりも小さいor大きいことが分かることが重要である場面も増えてきます。そういう一連の手法が好きになりました。 以下で﹁汎関数﹂が出てきますが、変分法で使う汎関数は、関数の積分で書かれます。変分法は、積分を
                    変分法 −無限次元空間の臨界点を見出す− - Laborify

                  • ちくま学芸文庫刊行書目一覧　最新版｜かるめら

                    2024年2月29日時点での既刊のちくま学芸文庫全2,036点（セット版を除く）をあげた。 文庫の整理番号順に従って表記（一部変更あり）した。 「♾️」マークはMath&Scienceシリーズ（青背）を示す。 人名表記の揺れ（例「シモーヌ・ヴェイユ」と「シモーヌ・ヴェーユ」）は訳者に従い、統一はせずそのままにした。 編者、訳者は一部を除き割愛し、編著者が3人以上に及ぶ場合は代表者1人の名前のみ記した。 Math&Scienceシリーズのみの刊行書目一覧はこちら。 浅田彰『ヘルメスの音楽』 赤坂憲雄『異人論序説』 赤坂憲雄『王と天皇』 赤坂憲雄『排除の現象学』 赤坂憲雄『遠野/物語考』 赤坂憲雄『象徴天皇という物語』 赤坂憲雄『柳田国男を読む』 天沢退二郎『宮沢賢治の彼方へ』 飛鳥井雅道『明治大帝』 E・アウエルバッハ『ミメーシス［上］　ヨーロッパ文学における現実描写』 E・アウエルバッハ『

                      ちくま学芸文庫刊行書目一覧　最新版｜かるめら

                    • 情報学研究科 知能情報学専攻 (京都大学) に合格しました。 - memonosuke


                      私事ですが、京都大学 情報学研究科 知能情報学専攻に合格しました。 知能情報学専攻の研究室に4回生で配属されていて、その研究室に内部進学する予定です。 記憶に新しいうちに感想、やったこと等をまとめておきます。 内容の正確性は保証できません。ポエムとして読んでください。 異常な倍率 あのさあ、うち定員33名なんだけど...(倍率 3.12) 出題範囲・配点 今年 (2019) から変更になり、数学(とアルゴリズム)が必須になりました。 Wolfram Alpha 持ち込み可にしてくれ 英語(TOEIC 等のスコアを提出) 情報学基礎 以下必答 微分積分, 線形代数 アルゴリズムとデータ構造 専門科目 以下から2問選択 認知神経科学, 知覚・認知心理学 統計学 パターン認識と機械学習 情報理論 信号処理 形式言語理論, 計算理論, 離散数学 口頭試問(対象者のみ) 配点は英語100
                        情報学研究科 知能情報学専攻 (京都大学) に合格しました。 - memonosuke

                      • AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ！


                        AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ！‥AI・機械学習の数学入門︵1/4 ページ︶ 機械学習の数学は難しい!?そう思っている人はここから学んでみよう。本連載では、小学校で習う﹁四則演算︵足し算／引き算／掛け算／割り算︶﹂を使って、機械学習の数学をできるだけ分かりやすく簡単に説明していく。だからサブタイトルは﹁― 中学／高校数学のキホンから学べる﹂。今回は距離を求める中学数学をおさらいする。 連載目次 機械学習は、人間の日常とそう変わらない この連載を読もうとする方々は機械学習について興味をお持ちなので、回帰とか分類といった用語は既にどこかで見聞きしていることと思います。また、機械学習がどういうものかというイメージもそれぞれお持ちだと思います。しかし、多くの人が、機械学習を必要以上に難しく捉えすぎなのではないか、と最近つくづく感じています︵私自身、そうでした︶。そこ
                          AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ！

                        • 深層学習を用いて音源を分離する––LINE Research Labsが研究成果を解説

                          2019年7月5日、LINE株式会社が主催するAI技術者向けの勉強会「LINE AI Talk #02」が開催されました。第2回となる今回のテーマは「信号処理」。AI関連技術を活用したさまざまなサービスを開発しているLINEの取り組みだけでなく、この分野の第一人者をゲストスピーカーに招き、最新の知見を学びます。プレゼンテーション「深層学習を用いた複数マイクロホンの音源分離」に登壇したのは、LINE株式会社Research Labsに所属し、工学博士でもある戸上真人氏。深層学習を用いた音源分離の取り組みと、その仕組みを解説します。講演資料はこちら 深層学習を用いた複数マイクロホンの音源分離 戸上真人氏（以下、戸上）：それではLINEから、音の技術の研究と、この分野の動向についてお話したいと思います。 簡単に自己紹介ですが、私はLINEのResearch Labsに2018年の6月から研究員と

                            深層学習を用いて音源を分離する––LINE Research Labsが研究成果を解説

                          • ゲーム制作って数学なんだ…　SEGAが勉強会資料150ページを公開

                            全156ページの資料 テキスト作者に聞きました 無料公開した理由 ゲーム開発をしようと思ったら、数学は絶対に必要です――。セガが社内勉強会向けに作った資料「基礎　線形代数講座」を一般公開しています。制作のきっかけや公開した理由について聞きました。 サインコサインタンジェント、虚数i…いつ使うんだと思ったあなた。実は数学は、ゲーム業界を根から支える重要な役割を担っているんです。 今日は、セガ社内勉強会用の数学資料150頁超(!)を無料公開。#セガ技術ブログ クォータニオンとは？基礎線形代数講座 #segatechblog https://t.co/OEHDwlJ9Vz pic.twitter.com/eBUG2YJwH1 — セガ公式アカウント🦔 (@SEGA_OFFICIAL) June 15, 2021 全156ページの資料 「基礎　線形代数講座」は全156ページの資料です。 主に大学

                              ゲーム制作って数学なんだ…　SEGAが勉強会資料150ページを公開

                            • 書評　「読む・打つ・書く」 - shorebird　進化心理学中心の書評など


                              読む・打つ・書く: 読書・書評・執筆をめぐる理系研究者の日々 作者:三中 信宏東京大学出版会Amazon 本書は三中信宏による理系研究者のための読書論，書評論，そして執筆論の本だ．一気呵成に迸るように書かれた文章は迫力十分で，そしてすべては自分の︵研究の︶ためというポリシーが圧倒的に壮快だ． 第1楽章　読む‥本読みのアンテナを張る*1 冒頭は﹁本との出会い﹂から始まる．本との出会いは一期一会でこれはと思う本は逃してはいけないこと，探書アンテナを張ることの重要性，ランダムな出会いもまたよいこと，多言語蔵書の深みなどが語られている． そこからいかに深く本を読むかというテーマになる．読むにはまず本を読みきって何が書いてあるかを理解するという段階，そして次になぜこの本が書かれなければならなかったかを問いかける段階があるという．そして本を学べばより世界は広がり，得られた知識ネットワークは信頼するにた
                                書評　「読む・打つ・書く」 - shorebird　進化心理学中心の書評など

                              • Pythonが平均1.22倍高速化、メジャー安定版「Python 3.11」の機能向上とは


                                プログラミング言語﹁Python﹂を開発するPython Software Foundationは2022年10月24日︵米国時間︶、Pythonの最新のメジャー安定版リリース﹁Python 3.11.0﹂を公開した。 Python 3.11.0では多くの新機能が導入され、多くの最適化が施されている。Python Software Foundationは主要な新機能と変更点を、一般的な変更点と、型付けおよび型付け言語の変更点に大別して紹介している。なお、以下の﹁PEP﹂で始まる番号は、Pythonの拡張提案を記した文書の通し番号を指す。PEPは、Python Enhancement Proposalの略。また、﹁gh-﹂で始まる番号は、GitHubのプルリクエスト番号を指す。 一般的な変更点 PEP 657‥トレースバックにエラーの場所の詳細が追加 関連記事 謎めく﹁言語ランキング﹂の世界
                                  Pythonが平均1.22倍高速化、メジャー安定版「Python 3.11」の機能向上とは

                                • 詳説 Deep Learning

                                  エンタープライズ向けのディープラーニングの解説書。企業でディープラーニングアプリケーションを開発、運用するための実践的な手法を紹介します。対象読者はソフトウェア開発の現場で活躍する実務者。前半はディープラーニング初心者、後半はJavaエンジニア向けの構成です。機械学習、ニューラルネットワークの基礎から始め、ディープラーニングの基本的な概念、実際にチューニングを行う際のベストプラクティス、データのETL（抽出・変換・ロード）の方法、Apache Sparkを用いた並列化について、JavaライブラリDeep Learning4J（DL4J）の開発者でもある著者がわかりやすく丁寧に解説します。 日本のAIコミュニティの方々へ 監訳者まえがき まえがき 1章　機械学習の概要 1.1　学習する機械 1.1.1　機械が学習するには 1.1.2　生物学というヒント 1.1.3　ディープラーニングとは 1

                                    詳説 Deep Learning

                                  • データサイエンス履修の手引き概要 | 東京大学 数理・情報教育研究センター

                                    データサイエンスを学ぶには、そのための基礎として、数理系科目（解析・線形代数）、統計系科目（確率・統計）、情報技術系科目、プログラミング系科目を履修する必要があります。科目系統の説明はこちら このページでは、前期課程と後期課程の主要な科目を図示し、これらの科目間の関係を明らかにしています。さらに、機械学習・データマイニングをゴールとして、いくつかの履修パターンを示しています。 前期課程だけでも、後期課程からでも、大学院に入学してからでも、様々な方法でデータサイエンスを学ぶことができます。履修の参考にしてください。 以下の図は、それぞれの系統の主要な科目と、数理・情報教育研究センターが提供するデータサイエンス分野の科目を示しています。各講義からはより詳細な説明を表示します。 図中の科目名をクリックすると各科目の詳細な説明が表示されます。 開講時期：S 文科理科を問わない必修科目である。 前提

                                    • 講義資料 – 九州大学 数理・データサイエンス教育研究センター


                                      本ページで公開している講義スライドはすべてCC-BYです︵︿参考資料﹀は除く︶． 編集可能なPowerPointファイル︵無償, CC-BY︶が必要な場合や，今後改訂したときに連絡が必要な場合は，下記までご連絡ください︵PPTは100以上の大学等へ提供済みです． お気軽にどうぞ︶． 連絡先‥mds-lecture-slides@human.ait.kyushu-u.ac.jp ︵内田︵センター長︶・福冨︵センター秘書︶︶ スライド内容について間違いがあった場合も，上記連絡先にご連絡いただけると，大変に助かります．︵修正の上，改訂版を随時アップロードいたします．︶ データサイエンス概論Ⅰ＆Ⅱ︵夏休み中の3日間での集中講義を予定．2023年度からは，高年次基幹教育科目﹁データサイエンス総論Ⅰ&Ⅱ﹂としても開講予定．なお，電気情報工学科﹁データサイエンス序論﹂とほぼ同一内容．無編集ですが講義動画

                                      • AlphaTensor :強化学習を利用した高速な行列積演算アルゴリズムの発見 - Qiita


                                        1. はじめに 本記事では、2022年10月にNatureに掲載されたAlphaTensor[1]および関連分野を紹介します。AlphaTensorは﹁AIが行列積演算の新しいアルゴリズムを発見した﹂といううたい文句のもとSNSを中心に大きな話題となりました。具体的には、[1]でAIが”発見”したアルゴリズムのひとつでは2進数上の4×4の行列の積を47回の掛け算で計算することができ、これは[1]以前の最速49回(Strassenのアルゴリズム)を上回ったことになります。なお、Strassenのアルゴリズムの49回はその発見から[1]まで約50年間破られていませんでした。 ﹁AIが新しいアルゴリズムを発見した﹂という広告ですが、実際は ﹁あるテンソルのよい分解方法を強化学習を利用して探索した﹂ といった方が正しいです。この ﹁あるテンソル﹂はその分解方法と﹁行列積のアルゴリズム﹂が自然と対応
                                          AlphaTensor :強化学習を利用した高速な行列積演算アルゴリズムの発見 - Qiita

                                        • ◆ 言語ＡＩの原理と能力　.1: Open ブログ


                                          この図の意味は、該当項目で説明した。そちらを参照。 →　ＡＩが考えるには？　.1: Open ブログ ここで、パーセプトロンは何をやっているかというと、次のことだ。 ﹁前の層の各細胞から受けた信号を、重みづけした上で、総和を取る﹂ ここでは、総和を取る　Σ　という数式を使って書かれる。次の記事で説明されているとおり。 →　多層パーセプトロン - Wikipedia この層を増やせば増やすほど、思考の能力が上がることになる。人間の脳では、およそ6ぐらいの層があるようだ。 神経細胞が多数存在している大脳皮質には、神経細胞が一様に雑に配置されているわけではなく、神経細胞の配列の特徴から、おおよそ6つの層構造が形成されています。配列している神経細胞の大きさや形、密度の違いから、顕微鏡的には、分子層、外顆粒細胞層、外錐体細胞層、内顆粒細胞層、内錐体細胞層、多形細胞層が区別されます。しかし、これらの6

                                          • グラフからコミュニティ構造を抽出する 〜リッチフローによるグラフの時間発展〜


                                            コミュニティ抽出とは簡単に言えばグラフにおけるノードのクラスタリング手法です。具体的なアルゴリズムとしてはGirvan–Newman法をはじめ様々なアルゴリズムが存在しますが、この記事では去年︵2019年︶提案された新しい手法について解説したいと思います[1]。 [1907.03993] Community Detection on Networks with Ricci Flow 話の元になっているのはこちらの論文で、グラフをリッチフローによって変形し、伸びたエッジを切断していくことでクラスタを求めるというアルゴリズムです。リッチフローという聞き慣れない言葉が出てきましたが、ちゃんと後で説明するので気にせず進めましょう。 まずは実際にグラフのクラスタリングを行う様子をアニメーションで見てみてください。 アルゴリズム自体はそれほど難しくありませんが、背景を含めて理解するためには2つの理論
                                              グラフからコミュニティ構造を抽出する 〜リッチフローによるグラフの時間発展〜

                                            • 月間はてなブックマーク数ランキング（2024年5月） - はてなブックマーク開発ブログ

                                              はてなブックマークのブックマーク数が多い順に記事を紹介する「はてなブックマーク数ランキング」。2024年5月のトップ50です*1。 順位 タイトル 1位 仕事の進め方がグダグダの会社はどうすればいいのか、「プロジェクトマネジメントの基本が全部わかる本」の著者に聞いてみた | Agend(アジェンド) 2位 取調べを受けることになったら ー取調べを受ける心がまえについてー - しんゆう法律事務所 3位 1on1ミーティングガイド (1on1ガイド) 4位 正常独身青年、先祖の戸籍を取り寄せる 5位 令和のHTML / CSS / JavaScriptの書き方50選 6位 ひとり社長の経理の基本｜Tetsuya Morimoto 7位 知れば写真が上手くなる！基本・応用の構図15選と構図を使いこなすコツ | Adobe 8位 【個人資産800億円】“伝説の投資家”清原達郎氏の情報収集「会社四季

                                                月間はてなブックマーク数ランキング（2024年5月） - はてなブックマーク開発ブログ

                                              • 1兆2000億のトランジスタ数を誇る世界最大のチップ「Wafer Scale Engine」によるシミュレーションは物理法則を超えるほど爆速

                                                20cm×22cmという世界最大のチップ「Wafer Scale Engine」を搭載したデータセンター用モジュール「Cerebras CS-1」によるシミュレーション速度の検証結果が発表されています。研究チームの発表によれば、「ついに現実の物理法則を超える速度でシミュレーションに基づき予測することが可能になった」とのことです。 [2010.03660] Fast Stencil-Code Computation on a Wafer-Scale Processor https://arxiv.org/abs/2010.03660 Wafer scale Cerebras CS-1 flexes its muscles in scientific tasks - CPU - News - HEXUS.net https://hexus.net/tech/news/cpu/146986-wa

                                                  1兆2000億のトランジスタ数を誇る世界最大のチップ「Wafer Scale Engine」によるシミュレーションは物理法則を超えるほど爆速

                                                • 実験用 GPU 環境をどう準備したらいい？（非情報系が機械学習を使う研究をしたいとき） - 木曜不足


                                                  深層学習が著しく発展し、今まで人間にしかできないと思われていたことができるようになってきました。そのおかげで、今まで機械学習と縁が薄かった分野でも、機械学習を使った研究がしたいという声が上がるようになっています。 前々回は、それを裏付けるように非情報系の学生さんが機械学習を使った研究をしたいという応募がサイボウズ・ラボユースに増えているという話、前回はいままで機械学習や深層学習に縁のなかった人が何から勉強したらいいかという話を書きました。 今回はその続き、研究に必要な実験用PC環境をどのように準備したらいいかというお話です。 深層学習の実験をするには、十分な性能の GPU を積んだPCが必要です。 今どきの機械学習関連の研究室では、院生有志がメンテナンスしている GPU のクラスタがあって、それを使わせてもらえることが期待できます。自分用のPCを手配する場合も、研究テーマに適し
                                                    実験用 GPU 環境をどう準備したらいい？（非情報系が機械学習を使う研究をしたいとき） - 木曜不足

                                                  • 論文 Attention Is All You Need から Attentionモデルの解説 - アクセルユニバース株式会社


                                                    Attention は "Attention is all you need" (Vaswani et al, 2017)で一躍有名になった手法ですが、実はこの論文の前からあった概念です。今回はこのAttentionの技術について、またこの論文について解説していきたいと思います。 1 Attentionの概念 Attentionとは、﹁注意﹂とあるように、画像や文章の特定の部分に注意を向けるよう、学習させていく方法です。人間の場合を考えてみましょう。私たちが何かを見るとき、全ての部分を同じように観察しているわけではありません。犬の絵があれば、﹁犬の顔﹂﹁犬の手足﹂﹁犬の尻尾﹂を認識して犬だと識別できるのであって、毛の一本一本や肋骨の形に注目している人は少ないでしょう。これと同じことを機械にさせることができれば、より人間に近い形で画像や文章を認識することができます。これがAttentionの
                                                      論文 Attention Is All You Need から Attentionモデルの解説 - アクセルユニバース株式会社

                                                    • 教育【制御工学チャンネル】：500本以上の制御動画ポータル（制御工学技術者・大学生・研究者向け）


                                                      制御工学チャンネル︵Control Engineering Channel︶では，制御工学︵せいぎょこうがく, Control Engineering︶や制御理論︵せいぎょりろん, Control Theory︶に関連したYouTube動画をまとめています︵動画５００本以上，YouTubeチャンネル数15︶。制御とは、システムの入出力特性を思い通りに操るための方法論です。見出しも含めて下線はページへのリンクです。トピック﹁制御のための数学﹂、﹁伝達関数入門﹂、﹁状態方程式入門﹂は大学1～3年生向け︵基礎︶。﹁制御理論﹂は大学院生、企業研究者向けです︵実践︶。﹁実験とシミュレーション﹂では、制御実験、制御シミュレーション動画などの利用事例を掲載しています。また、J-Stage掲載の制御工学に関する解説記事(145本)をリンク集としてまとめています。MATLABコードへのリンクも用意しています
                                                        教育【制御工学チャンネル】：500本以上の制御動画ポータル（制御工学技術者・大学生・研究者向け）

                                                      • 1000円のPython入門などAIやデータサイエンスの学習コンテンツ、Preferred Networksが提供 | Ledge.ai

                                                        TOP > Article Theme > AI（人工知能）ニュース > 1000円のPython入門などAIやデータサイエンスの学習コンテンツ、Preferred Networksが提供 株式会社Preferred Networks（PFN）は12月7日から、人工知能（AI）およびデータサイエンスを基礎から学びたい大学生・社会人向けに、機械学習・深層学習の基礎学習コンテンツ4種を、個人向けオンラインAI人材育成講座「SIGNATE Quest」のマーケットプレイスで提供開始した。 今回、提供する学習コンテンツは「ディープラーニング入門：Chainer チュートリアル」のカリキュラムをベースにしている。「PyTorch」の使い方だけではなく、項目ごとの習得度合をチェックできる確認クイズなども用意した。 1.Python入門（1000円／30日間） a）変数　b）制御構文　c）関数　d）クラ

                                                          1000円のPython入門などAIやデータサイエンスの学習コンテンツ、Preferred Networksが提供 | Ledge.ai

                                                        • 機械学習自体を学ぶな | AI専門ニュースメディア AINOW

                                                          著者のCaleb Kaiser氏は、転移学習を重視した機械学習開発プラットフォームCortexの開発に携わっており、AINOW翻訳記事『ディープラーニングはもう難しくない』の著者でもあります。同氏が最近Mediumに投稿した記事では、機械学習モデルの構築を学習するに際して、従来の方法を批判したうえで新しい学習方法が提案されています。 第3次AIブームが到来する前の2000年代後半までは、機械学習を学ぶ人は専ら大学研究者でした。こうした事情により、当時の機械学習の教科書は数学的理論の理解を重視したものとなっていました。理論重視の教科書作りはその後も引き継がれ、現在入手できる機械学習の教科書も初学者に理論から学ばせる傾向のものが少なくありません。 同氏は、機械学習を使って実用的なAIモデルを開発したいエンジニアにとっては、理論重視の教科書は学習の妨げになっていると批判します。エンジニアが習得す

                                                            機械学習自体を学ぶな | AI専門ニュースメディア AINOW

                                                          • 機械学習により、カメラのみで人を追従 特殊なマーカーも不要「収穫サポートロボット」アトラックラボが佐賀大学 佐藤和也教授らと共同開発 - ロボスタ ロボスタ - ロボット情報WEBマガジン

                                                            株式会社アトラックラボは国立大学法人 佐賀大学、銀座農園株式会社と共同で、機械学習を活用した人認識による人追従型収穫物搬送ロボット車を開発したことを発表した。 カメラと人との距離を算出し、距離に応じて自律追従 人追従型収穫物搬送ロボット車は搬送ロボット車に装着したカメラ映像をもとに、機械学習により人の大きさを検知し、カメラと人との距離を算出、距離に応じて搬送ロボット車は人追従走行と停止を判断して自律追従する。 搬送ロボット車を追従させたい人は簡単なビブスを着用するだけで、特殊なマーカーなどを身につける必要はない。また葉などが茂り、カメラが人の足元まで映らない場合も、適切に人の大きさが認識できるように機械学習を行っているという。 カメラ映像をもとに機械学習により人の大きさを検知し、距離算出と人追従走行と停止を行う制御アルゴリズムは、佐賀大学教育研究院自然科学域理工学系の佐藤和也教授が開発、移

                                                              機械学習により、カメラのみで人を追従 特殊なマーカーも不要「収穫サポートロボット」アトラックラボが佐賀大学 佐藤和也教授らと共同開発 - ロボスタ ロボスタ - ロボット情報WEBマガジン

                                                            • 解説: Just a Pool

                                                              VRChat world "Just a Pool" has been released! 少し前に Just a Pool という VRChat のワールドを公開しました。この記事では裏の色々な話や技術解説などを書いていこうと思います。 ワールド探索系の話でなくて恐縮なんですが、この記事は VRChatワールド探索部 Advent Calendar 2022 の20日目の記事になっています。 ワールドについて 名前の通りプールが置いてあるだけの小さなワールドなんですが、水がリアルに動きます。そして触れます。 ただ「リアルな水とVRで触れ合いたい！」という欲望のために作られたようなワールドで、心ゆくまで水遊びを楽しむことができます。水鉄砲やポータルといった遊び道具も置いてあるので、多人数でわいわいするのにも向いているかと思います。よくみんなで遊んでいる様子が Twitter に流れてくるの

                                                                解説: Just a Pool

                                                              • 深層学習入門 ~順伝播編~ - Qiita


                                                                対象者 深層学習シリーズの記事です。 前回の記事はこちらです。 ここでは順伝播について、まずはスカラでの理論を説明して、それから行列に拡張します。 前回記事で紹介したコードに追加していったり修正していく形となるので、まずは前回記事からコードを取ってきておいてくださいね〜 次回の記事はこちら 目次 スカラでの順伝播 スカラでの順伝播理論 スカラでの順伝播実装 行列での順伝播 行列での順伝播理論 行列での順伝播実装 __init__メソッドの実装 行列演算について 行列和 行列の要素積 行列積 転置 スカラでの順伝播 ここでは、スカラ(実数)での順伝播の理論と実装を説明します。といっても、だいたい基礎編で既に述べている通りです。 スカラでの順伝播理論 まずは理論ですね。 このニューロンモデルから見ていきます。 これを定式化すると$f(x) = \sigma(wx + b)$となることはここで述
                                                                  深層学習入門 ~順伝播編~ - Qiita

                                                                • FractalDB を作ってみよう(理論編) - ANDPAD Tech Blog

                                                                  はじめに どうも. terasaki です. 機械学習の PoC を黙々やっています. テックブログを書く当番がやってきました. どうしよっかな? 何かこうかな？ 行っている業務や扱っているデータの性質上, やってることをなかなか社外にオープンに出せないし 面白いこと書きたいよね？ 面白いってなんだろう？ 白い犬は尻尾も白いはずだから面白いよね! と考えてるうちに社内で書いた下書きがいっぱいできてしまったのでそろそろ真面目に書くとします. 今回のトピックは FractalDB と呼ばれる幾何学模様の人工データを生成するロジックを Julia で書いたというお話です. 結果として既存のコードよりも高速に生成できたよって話です. 何を作ったの？ IFS (反復関数系, Iterated Function System) による人工データを作っていました. 下記のようなフラクタル画像を生成するプ

                                                                    FractalDB を作ってみよう(理論編) - ANDPAD Tech Blog

                                                                  • ミドル・シニア世代のための『機械学習はじめの一歩の一歩のそのまた一歩』 - 木走日記


                                                                    私は長年工学系の学校で外来講師をさせていただいていますが、ここ何年か今はやりのAI・機械学習の講義を受け持たせていただいておりまして、その関係もあり、一般の人︵特にミドル世代からシニア世代︵40代〜60代以上︶︶から、機械学習を学習したいのだがどうすればよろしいのか、といった質問をよくいただいたりします。 ﹃機械学習を学習したい﹄との意味を、その原理からすべて理解したいととるならば、線形代数、ベクトル、行列、微積分、偏微分などの数学知識が必須となります、もちろんプログラミングの知識も必要です、一般の人にはハードルがやや高いのです。 ですがやる気のある人には、私は﹃ぜひ機械学習を学習してください、もし習得できればあなたの将来は、人生は大きく開けます、その可能性を広げることでしょう﹄と励ましたいです。 そこまで大袈裟にしなくても、老後のボケ防止︵苦笑︶には機械学習習得は最適です。 そこで今回は
                                                                      ミドル・シニア世代のための『機械学習はじめの一歩の一歩のそのまた一歩』 - 木走日記

                                                                    • NumPyでニューラルネットワークをフルスクラッチ実装してみよう

                                                                      連載目次 本連載（応用編）の目的 本連載（基礎編）の第1回～第3回では、ディープラーニングに対応したニューラルネットワーク（DNN：Deep Neural Network、以下では「ニューラルネット」と表記）をスクラッチ（＝他者が書いたソースコードを見たりライブラリーを使ったりせずに、何もないゼロの状態からコードを記述すること）で実装しました。その際、あえてNumPy、つまり線形代数を使わずにPythonのみを使用することで、数学の知識に自信がない人でもニューラルネットの処理／計算をステップ・バイ・ステップで追いかけられるようにしました。これにより、より多くの人が理解できたのではないかと思っています。 しかし、実際のニューラルネットワークの実装ではNumPy（線形代数）を使用することが一般的です。よって、より自信を持って、 と言うためには、前回までの「Pythonのみ（線形代数なし）による

                                                                        NumPyでニューラルネットワークをフルスクラッチ実装してみよう

                                                                      • 今週のはてなブックマーク数ランキング（2024年5月第3週） - はてなブックマーク開発ブログ

                                                                        はてなブックマークのブックマーク数が多い順に記事を紹介する「はてなブックマーク数ランキング」。5月13日（月）～5月19日（日）〔2024年5月第3週〕のトップ30です*1。 順位 タイトル 1位 1on1ミーティングガイド (1on1ガイド) 2位 令和のHTML / CSS / JavaScriptの書き方50選 3位 頼むから男は「今すぐ」化粧水を塗れ！！（追記でデッキ公開） 4位 タワマン刺殺女性「命を賭けて金を搾り取る」証拠動画が物議。色恋営業論はなぜ和久井容疑者に通用しなかったのか？ - まぐまぐニュース！ 5位 フルタイムで働く6児の母が副業でゲームを作った話を聞いたら「天才すぎて何の参考にもならねえ」と思ってしまった話 6位 日本人女性の海外売春の現状●続きあり 7位 わかりにくい線形代数を操作可能な図で表現することで簡単に理解できる無料の教科書「Immersive Mat

                                                                          今週のはてなブックマーク数ランキング（2024年5月第3週） - はてなブックマーク開発ブログ

                                                                        • 「新人エンジニアにおすすめの本ある？」　サイバーエージェントが社内アンケートの結果公開

                                                                          サイバーエージェントは2014年にも同様の企画を行っている。以後は実施していなかったが「新人エンジニアへの応援も兼ねて、8年振りに復活させた」（同社）という。 関連記事 2021年、企業が無償公開した新人エンジニア向け研修資料　機械学習やゲーム開発、AWS入門、数学などさまざま 2021年も、さまざまな企業が自社の社内研修資料を無償公開したことが話題になった。2021年に無償公開した、企業の社内研修資料を取り上げた記事を紹介する。 リクルート、新人エンジニア向け社内研修資料を公開　AWS入門やマネジメント手法など20講座以上 リクルートが、新人エンジニア向けの社内研修資料を無償公開した。Webブラウザの仕組みやAWS入門、トヨタ生産方式など20講座以上の資料を公開している。 ミクシィの新卒エンジニア研修資料が話題　講師は「モンスト」エンジニアなど　iOS／AndroidアプリやUnity開

                                                                            「新人エンジニアにおすすめの本ある？」　サイバーエージェントが社内アンケートの結果公開

                                                                          • ミドル・シニア世代のための『機械学習はじめの一歩の一歩のそのまた一歩』その２〜Pythonで放物線を描いてみる - 木走日記


                                                                            私は長年工学系の学校で外来講師をさせていただいていますが、ここ何年か今はやりのAI・機械学習の講義を受け持たせていただいておりまして、その関係もあり、一般の人︵特にミドル世代からシニア世代︵40代〜60代以上︶︶から、機械学習を学習したいのだがどうすればよろしいのか、といった質問をよくいただいたりします。 ﹃機械学習を学習したい﹄との意味を、その原理からすべて理解したいととるならば、線形代数、ベクトル、行列、微積分、偏微分などの数学知識が必須となります、もちろんプログラミングの知識も必要です、一般の人にはハードルがやや高いのです。 ですがやる気のある人には、私は﹃ぜひ機械学習を学習してください、もし習得できればあなたの将来は、人生は大きく開けます、その可能性を広げることでしょう﹄と励ましたいです。 そこまで大袈裟にしなくても、老後のボケ防止︵苦笑︶には機械学習習得は最適です。 そこで前回は
                                                                              ミドル・シニア世代のための『機械学習はじめの一歩の一歩のそのまた一歩』その２〜Pythonで放物線を描いてみる - 木走日記

                                                                            • キカガクで一番人気の『脱ブラックボックスコース』に完全版が登場＆全編無料で公開決定！の裏話 - Qiita


                                                                              はじめに メリークリスマス！ 株式会社キカガク 代表取締役の吉崎です。 こうやって Qiita に記事を投稿するのがなんと﹃2年ぶり﹄です。 月日の流れは早いものです。 では、さっそく本題から。 みなさん、大変長らくお待たせしました！！！！！ 2017 年に皆さんご存知の Udemy で公開以来、なんと Udemy だけでも 38,000人以上の方が受講してくださったキカガク流﹃脱ブラックボックスコース﹄。 微分から単回帰分析まで扱う初級編と、線形代数から重回帰分析まで扱う中級編まではスムーズにリリースしており、中級編の最後に﹃上級編も近々...﹄なんて言いつつ、大変申し訳ありません！ ...実は仕事をサボってました。 なんてことはないのですが、今回のコース紹介後に書く裏話にある葛藤があり、なかなかリリースができていませんでした。 そんな心苦しい思いは今日でおさらばです。 みなさん、大変お
                                                                                キカガクで一番人気の『脱ブラックボックスコース』に完全版が登場＆全編無料で公開決定！の裏話 - Qiita

                                                                              • 「虚数とかいつ使うんだよ」に対し、セガがゲームに使うと社内の数学資料公開 | スラド サイエンス

                                                                                セガが15日に社内勉強会用の数学資料を公開したそうなのだが、その内容が話題となっている模様。セガの技術ブログで公開されたもので、タイトルは「基礎線形代数講座」（Twitterセガ公式アカウント、SEGA TECH BLOG、ねとらぼ）。 この資料は、2020年に有志で行われていた数学の勉強会で使用されていたものだそうで、高校数学から大学初年度で学ぶ線形代数までを学び直す目的で作られたものだとのこと。セガの公式Twitterは

                                                                                • Python用機械学習ライブラリ「PyTorch 1.8」がリリース、科学計算用フロントエンドAPIの追加など変更多数

                                                                                  「PyTorch 1.8」は、3000超のコミットで構成され、コンパイル、コード最適化、科学計算用フロントエンドAPI、AMD ROCmサポートといった機能追加・改善が行われたほか、パイプラインとモデルの並列処理および勾配圧縮の大規模なトレーニングのための機能改善などが行われている。 具体的には、NumPyのnp.fftモジュールと同等の機能を備え、ハードウェアアクセラレーションと自動グラデーションをサポートしたtorch.fftや、コレスキー分解、行列式、固有値といった一般的な線形代数演算をNumPyスタイルでサポートするtorch.linalg（ベータ版）、FXを使用したPythonコード変換のサポート（ベータ版）が追加されたほか、パイプラインの並列処理（ベータ版）、DDP通信フック（ベータ版）、分散トレーニング用プロトタイプ機能が追加された。 ほかにも、PyTorch Mobileに

                                                                                    Python用機械学習ライブラリ「PyTorch 1.8」がリリース、科学計算用フロントエンドAPIの追加など変更多数
                                                                                  前のページ 1 2 3 4 5 6 7 8 9 10 次のページ

                                                                                  はてなブックマーク

                                                                                  公式Twitter

                                                                                  はてなのサービス

                                                                                  • App Storeからダウンロード
                                                                                  • Google Playで手に入れよう
                                                                                  Copyright © 2005-2024 Hatena. All Rights Reserved.