趣味は「単純に好き」ということでも十分ですが、 「好きだから◯◯した」というところまでやったほうがが 会話のネタにもなるし、いいんじゃないかと思ってます。 マンガもたぶんうちの会社で僕よりも読んでいる人は絶対いると思うんですが、 マンガHONZでレビューを書いてるって人はいないですしね。 で、 ビールが好きなんですが（日本酒もウイスキーも好きだけど） ビールの資格でもとか取ろうかなと思ったので、受けてきました 『JCBA ビアテイスター認定試験』 ※JCBA:Japan Craft Beer association JCBAのサイトはこちら日本地ビール協会 クラフトビア アソシエーション Craft Beer Association クラフトビール １日セミナーと試験を受けてきた内容を書こうと思うのですが、 ブログに書こうと思った理由は、 WEB上に全然情報が存在しないから。 調べたんです
今や毎日のように人工知能に関するニュースが飛び込んできますが、その中でも特に注目を集めているのが“ディープラーニング”です。 研究開発を進める企業として最も有名な例はGoogleでしょうか。最近もGoogleがディープラーニングによる画像認識を体験できるWebインタフェースを公開し、話題を集めました。（参照リンク） では、ディープラーニングとは一体何なのでしょうか。本稿ではこのディープラーニングについて、そのイメージをつかむことに重点を置いて説明していきたいと思います。 人間の神経構造を模したニューラルネットワークの発展版 ディープラーニングの考えのもととなっているニューラルネットワークは、人間の脳神経回路を真似することによってデータを分類しようというアイデアに基づくアルゴリズムです。 人間の脳はニューロン（神経細胞）のネットワークで構成されていて、あるニューロンはほかのニューロンとつなが
実践 機械学習システムの7章と8章が、やりたいことに近かったので、ザクザクっとまとめました。（数式とコードには一切触れず、概要だけ） アソシエーション・ルール・マイニングもキレイにまとまった資料があったので書きませんでした。（一番下の参考のところ） アンサンブル学習（Ensemble learning） 個々に学習した複数の学習器を融合させて汎化能力（未学習データに対する予測能力）を向上させ、一つの学習器を作成することをアンサンブル学習と呼ばれます。 特徴として、各学習器を新しい特徴量として考えることができ、訓練データを基にその新しい組み合わせ方を学習する。 諺の３人寄れば文殊の知恵な感じです。学習器の個数を増加することにより識別能力が向上して行く。アンサンブル学習は、高い識別能力に加え単純性（学習器を複数個用意するだけ）と 汎用性（任意の学習器に適用可能）という利点がある。 そのためには
ちょっとニューラルネットワークで試したいことがあるので，最初の段階として，PyBrainを用いてニューラルネットワークというものを使用してみる． 階層型ニューラルネットワークの例題としてXOR演算を学習させる． 以下，コード from pybrain.datasets import SupervisedDataSet from pybrain.tools.shortcuts import buildNetwork from pybrain.supervised.trainers import BackpropTrainer # Set teaching signals target = SupervisedDataSet(2, 1) target.addSample([0, 0], [0]) target.addSample([0, 1], [1]) target.addSample([1
リストの次はディクショナリです（辞書とも呼ばれます）。基本的にはリストと同じような構造ではありますが、キーとなる値（key）とバリューとなる値（value）をセットで１つの要素として持つことができるのが特徴です。 ディクショナリの基本 keyとvalueのセットは他のプログラミング言語でもよくある機能です。リストと同様、使用頻度はかなりあると思います。 test_dict_1 = {'YEAR':'2010', 'MONTH':'1', 'DAY':'20'} print(test_dict_1) print('=================================') for i in test_dict_1: print(i) print(test_dict_1[i]) print('--------------------------------') {'MONTH':
英語圏の大学を卒業していない人なら、最初に準備を始めるTOEFLから。 Reading 3月中旬、勉強もせず受けてみたところ、Readingでいきなり躓いた。 制限時間20分で半分しか解き終わらん。（結果はReading 19点/30点という散々たるもの） で、まじめに勉強をはじめた。 Vocabulary強化： 最大の敗因はVocabulary不足。 TOEFLは、米国の大学教材で出てくる文献を想定して作っているから、アメリカの大学生並みのVocabularyは求められる。特に文章全体の意味を左右する動詞が曲者。 アルクのTOEFLテスト完全攻略 英単語という本を買って、毎日単語50個をノルマに、電車の中でひたすら覚えた。10個を毎日完璧に覚えるより、50個無理やりやって、忘れたのを次の日に復習 AGOSの中山先生もそういうやり方してたらしいので実際、効果的なのかも。 中山先生は一日10
「人間のような知能の実現」という大きな目標に大勢で取り組むには、 途中の達成度が判断できるようなわかりやすいロードマップが必要です。 全脳アーキテクチャを拠り所としたアプローチは、 構成要素となる脳の器官がはっきりしているため、 純粋に思弁的に知能を目指すアプローチと比べて、 ロードマップが作りやすいという利点があります。 脳の主要な器官のモデルが不完全ながら出そろっているので、 次は各器官がどう連携するかを解明していくことになります。 取り急ぎ、たたき台として以下ようなロードマップを考えてみました。 私が考える優先度順に並べてみましたが、ある程度は同時並行で取り組める課題だと思います。 教師なし学習・認識（大脳皮質モデル） 階層型強化学習（皮質・大脳基底核連携モデル） 思考・ナビゲーション（皮質・大脳基底核・海馬連携モデル） 言語理解・発話（言語野モデル） 滑らかな運動（皮質・小脳連携モ
時差ぼけ格闘中。 自分の生活を自分でコントロールする学生生活では、ホントに直すのが大変・・・ と言うわけで、今日も小難しくない記事をアップ。 先週書いた「英文を読むのが苦痛の人はまずは単語力を身につけよう」という記事が大ヒット。 やはり皆さんも苦労されてるんですね、英語。 今回は、前記事の補足で、「英単語を覚えるのが大事なのは分かるだけど、出来ないんだよ！」という人向けに、コツなどを補足。 英語力はとにかく大量の英語を読む・聞くでしか身につかないと私は思ってます。 で、そのとき単語も分からず、意味が分からないまま読み・聞き続けるのは効率悪いし、とてもつらい。 だから、まずは語彙力を身につけるのが大切。 語彙力を身につけると、驚くほどすらすら読めるようになって、世界が変わる。 私の経験談を書くと、10年前、大学生だった頃、TIMEを購読していたのだが、挫折した。 辞書片手に頑張って読んで、難
はてなIDコールから突然Twitterにリプが飛んできたので、何かと思ったら以下の@shakezo_さんの記事で言及されていたのでした。 データサイエンティスト レベル表 - shakezoの日記 これがですねぇ、もうこれ以上ないくらい大変面白かった！ので是非とも紹介させていただきたく。ポイントとしては面白いだけでなく、実際にデータサイエンティストのレベル分けとしても大いに使えるところだと思ってます。 正直言って、どのレベル設定も非常～～～によく出来てます。僕の理解でかいつまんでまとめてみると、 レベル0：まだデータ分析してない レベル1：Excelなどでデータ分析の真似事を始めたばかり レベル2：RやSPSSで機械学習・統計学・データマイニングっぽいことが出来る レベル3：原理を知る必要が出てきてPRMLに手を出し始める レベル4：PRMLは大体読みこなせて、KDDとかICMLとかの論文
Python は 1991 年にオランダのプログラマー、グイド・ヴァンロッサムによって開発されたプログラミング言語です。シンプルで直感的な文法と可読性の高さから、初心者から上級者まで幅広く利用されています。現在では Web 開発やデータ分析に加え、 AI や機械学習などの分野でも活用されています。 Python の最大の特徴は、「書きやすさ」と「読みやすさ」です。コードが直感的でわかりやすく、少ない行数で効率的かつシンプルにプログラムを書くことができます。そのため、プログラミング初心者にとって学習しやすく、経験者にとっても生産性の高い開発を行うことが可能です。また Python には豊富なライブラリやフレームワークが揃っており、初心者でも高度なアプリケーションやシステムを容易に開発できるのが魅力です。 Python は多くの企業や研究機関で採用されており、大手 IT 企業でも活用されていま
新入社員必読、データベースの基本を理解しよう - データベースはなぜ必要なの？：ITproという記事に対するブクマで次のようなIDコールが来た。（現在はコメント返しへのお礼が入っているので、文字数制限のためオリジナルのコメントは少し切り詰められている。） "リレーショナルデータベースはすべてのデータを2次元の表形式で表現"こういうのもリレーションが2次元構造という誤解の一種なんだろうか。id:nippondanjiさんが書いてたような。 さて、この疑問に対する正解は如何なるものだろうか？ つい先日「7つのデータベース 7つの世界」の書評で書いたばかりだが・・・ 言うまでもなくその通りである。 リレーションが2次元的な構造を持っているというのは典型的な誤解だ。（ちなみにリレーションの次元は属性の数に等しい。n個の属性があるリレーションはn次元。）リレーショナルモデルについてちゃんと学習してい
セレン＠英語学習コンサルタント @cellen0 【あなたの英語学習を飛躍的に加速させるとっておき英語習慣】今日のまとめツイートは英語の習慣化。これまで英語をやってきて一番感じるのは毎日やってることが一番強いということ。習慣の力は凄まじい。習慣が何故凄いかというとやはり知らず知らずのうちにかなりの量をしているところにあります。 2012-11-23 21:00:31 セレン＠英語学習コンサルタント @cellen0 ああ、今日も勉強しなきゃあれもしなきゃこれもしなきゃ、と思ってる内は何もしていないのが現状。そう思おうが思うまいがやってる、というのが習慣です。「努力」してる間は実は努力が足りない、僕はそう思っています。本当の意味で努力が努力となるとき本人はそれを努力とは思っていないものです。 2012-11-23 21:03:02 セレン＠英語学習コンサルタント @cellen0 つまりその
gitによるバージョン管理 バージョン管理システムはつかってますか？ 僕は前に自分の作成したコードを元に、後輩にプログラムを作らせようとしてまずは僕のコードをコピペしろと指示したところ、コピペしかしてない(と言い張る)割にはコピペしたコードは動かず、さらに何故かコピペ元の僕のコードが滅茶苦茶に荒らされて当然のごとく動かなくなるという、なんかもう幽霊の存在を認めない限り説明がつかないような怪奇現象に遭遇したことがあります。しかもそのときはcpコマンドによるバックアップに頼っていて運悪くバックアップを忘れたために僕の貴重な１日が消え去ってしまった訳でして、それから僕はバージョン管理システムに頼ることを固く心に決めました。また僕はその目を覆いたくなるような残虐な事件以来、建設業界に見習って、IT業界でもプロジェクトキックオフ時にお祓いはすべきだと訴え続けています。 まぁそれはいいとして、いやまだ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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