人工知能ディープラーニング機械学習のための数学 [無断転載禁止]©2ch.net YouTube動画>5本 ->画像>5枚

人工知能ディープラーニング機械学習のための数学

解析入門 (1)
杉浦 光夫
固定リンク: http://amzn.asia/2ISXdII

解析入門 (2) 基礎数学 3
杉浦 光夫
固定リンク: http://amzn.asia/8oo3aj8

解析入門〈1〉 数/数列と級数/関数の極限と連続性/微分法/各種の初等関数 (岩波オンデマンドブックス)
松坂 和夫
固定リンク: http://amzn.asia/0jfS4s6

解析入門〈2〉 関数の近似,テイラーの定理/積分法/積分の計算/関数列と関数級数/n次元空間 (岩波オンデマンドブックス)
松坂 和夫
固定リンク: http://amzn.asia/ivzAbRX

解析入門〈3〉 集合論初歩/距離空間の位相/連続写像の空間/多変数の関数 (岩波オンデマンドブックス)
松坂 和夫
固定リンク: http://amzn.asia/gZsgipW

解析入門〈4〉 線形写像/行列式/逆写像定理と陰関数定理/固有値と2次形式/フーリエ展開 (岩波オンデマンドブックス)
松坂 和夫
固定リンク: http://amzn.asia/btmMp8t

解析入門〈5〉 複素数の関数/複素積分/複素解析の続き (岩波オンデマンドブックス)
松坂 和夫
固定リンク: http://amzn.asia/dVSG32O

解析入門〈6〉 重積分/重積分の変数変換/微分形式とその積分/ルベーグ積分 (岩波オンデマンドブックス)
松坂 和夫
固定リンク: http://amzn.asia/bLaVCBT

線型代数学(新装版) (数学選書)
佐武 一郎
固定リンク: http://amzn.asia/fVo2o3T

齋藤正彦線型代数学
齋藤 正彦
固定リンク: http://amzn.asia/9psD9rX

集合・位相入門
松坂 和夫
固定リンク: http://amzn.asia/2oVB70F

ディープラーニング限定にしぼれ

行列プログラマー ―Pythonプログラムで学ぶ線形代数
Philip N. Klein
固定リンク: http://amzn.asia/fPaDAlt

世界標準MIT教科書 ストラング:線形代数イントロダクション
ギルバート ストラング
固定リンク: http://amzn.asia/6z4Wtxk

これなら分かる最適化数学―基礎原理から計算手法まで
金谷 健一
固定リンク: http://amzn.asia/hbKljIz

統計の本でいい本ってありますか？

確率論だとフェラーの本がいいと思いますが。

微分積分学講義
野村 隆昭
固定リンク: http://amzn.asia/eGHBiK6

微分積分学〈1〉1変数の微分積分
宮島 静雄
固定リンク: http://amzn.asia/erwFdMi

微分積分学〈2〉多変数の微分積分
宮島 静雄
固定リンク: http://amzn.asia/eRHuEHz

軽装版 解析入門〈1〉
小平 邦彦
固定リンク: http://amzn.asia/3DBv0lD

軽装版 解析入門〈2〉
小平 邦彦
固定リンク: http://amzn.asia/1RSUH2G

定本 解析概論
高木 貞治
固定リンク: http://amzn.asia/25nqeJM

数学解析 上 (数理解析シリーズ 1)
溝畑 茂
固定リンク: http://amzn.asia/8ULImDb

数学解析 下　 数理解析シリーズ 1
溝畑 茂
固定リンク: http://amzn.asia/2DPSfbW

Calculus
Michael Spivak
固定リンク: http://amzn.asia/8WmVWU1

Introduction to Calculus and Analysis I (Classics in Mathematics)
Richard Courant
固定リンク: http://amzn.asia/968UdPe

Introduction to Calculus and Analysis II/1 (Classics in Mathematics)
Richard Courant
固定リンク: http://amzn.asia/c6VxdIz

Introduction to Calculus and Analysis II/2: Chapters 5 - 8 (Classics in Mathematics)
Richard Courant
固定リンク: http://amzn.asia/44rOvDo

The Principles of Mathematical Analysis (International Series in Pure & Applied Mathematics)
Walter Rudin
固定リンク: http://amzn.asia/7ZYszod

Linear Algebra Done Right (Undergraduate Texts in Mathematics)
Sheldon Axler
固定リンク: http://amzn.asia/3GB2IQP

微積分
斎藤 毅
固定リンク: http://amzn.asia/5dxK8Sa

線形代数の世界―抽象数学の入り口 (大学数学の入門)
斎藤 毅
固定リンク: http://amzn.asia/dnChM7r

Advanced Calculus (International Series in Pure and Applied Mathematics)
Robert Creighton Buck
固定リンク: http://amzn.asia/fUxpgT9

線型代数入門
松坂 和夫
固定リンク: http://amzn.asia/2Keu1nI

線型代数入門 (基礎数学1)
齋藤 正彦
固定リンク: http://amzn.asia/eK4Pn9w

線形代数とその応用
ギルバート ストラング
固定リンク: http://amzn.asia/2VBcYBA

線形代数学―初歩からジョルダン標準形へ
三宅 敏恒
固定リンク: http://amzn.asia/ciZYBmg

これらのリンクの数学を習得すれば
高精度の分類がディープラーニングでできるようになるのでしょうか？

>>13
その分野のやつによると
そこまで要らんよ

DLの実装つってもライブラリ使ってちょっとやるだけなら簡単らしい
数学的側面の理解も上の本ほど専門的にやる必要はない

というかDL自体の本がないじゃねぇかw

選び方が大学1、2年でやるような数学を網羅してるかんじで
ディープラーニングにしぼってないだろ。

工学系の学部１，２年で学ぶような基礎的数学をあえて厳密に学ぶ意味は有るのでしょうか？

数学の本ではないですが、この本、評判がいいみたいですね。

Deep Learning (Adaptive Computation and Machine Learning series)
by Ian Goodfellow et al.
Link: http://a.co/6YFWvNv

数学以外は他のスレでやろうよ
ここまで高卒様でごった返されたら困るでしょ

>>19
DLの実装までの本をあげるスレにした方が良くない？
結局プログラミングと切り離して考えることはできないんだし
数学の本だけで考えてたら上みたいにDLとあまり関係なくただ基礎の数学を網羅するスレになっちゃうじゃん

数学ができてもディープラーニングできる訳じゃないしディープラーニングするのに数学が必要な訳ではない
情報幾何できたら充分

線形代数って言ってもニューロン結合行列で計算するだけ話でしょーが

微分はさておき行列演算は完全にライブラリ任せだしなぁ

サラスの公式とか覚えたのムダだったなあ

今の人工知能？は無能で
RPGゲームをクリアすることはできない

見事に高卒様スレになったな

多変数関数の極大極小を求めるときに、線形代数が必要になるよね。

そうか？大卒であんま学ばなかった人の再入門にも見える。
院卒でも研究職に進まず企業に入って無駄に時間を費やす奴も多い。

数学おすすめ本スレみたいだし、一つ。

相転移と臨界現象の数理
タイトルからわかる通り、あるフェーズで安定していたものが変化する事象を説明したもの
内圧と外圧のバランスが崩れたときに相転移が生じる訳だが、それを数学で説明したような本

数学とか勉強する前に
公的認証制度取得しないと今後ニューラルネット系を
個人でも利用することはできなくなるよ
まず数学をやるなら役所に提出するニューラルネットの完全な
安定性を各々数式として証明できるところまで力を上げないとだめだよ

ニューラルネットとと関連の深い数学者ってだれ？

理論的な面白みがないからニューラルネットなんかに興味持っている数学者なんていないんじゃないの？

マンフォードとかもニューラルネットはやっていないでしょ。

>>29
どこの役所に提出するのさ？
特許庁？特許は申請しない選択肢もあるぞ
出したら技術全公開しないとならん。
国内だけ申請したら国外でパクられる。

数学者ってどういう人のこと？
応用数学？
離散数学？

やった！うまくいった！

なぜ？

そんなことは知らない。とにかくうまくいった！

そういう分野だから、この分野は。

>>34
それを知らないではなくて追究するためのスレなのでは？

>>34
iPS細胞がリプログラミングされるのは何故かどう言う仕組みか判ってるのか？

>>34
マスゴミ脳の発想だなあ〜
CNN(放送局じゃないよw)についての資料とか読んだ？

>>32
あほまるだし

>>33
量子統計力学

飛行機はなぜ飛ぶ､
数式化は今だできん
あ､そうだ統計で安全性を検証しよう
Ok

「飛行機がなぜ飛ぶか」分からないって本当？
　間違った説明や風説はなぜ広がるのか
http://business.nikkeibp.co.jp/article/interview/20140514/264597/?rt=nocnt

松田卓也氏（以下松田）：せっかく遠くまでおいでいただきましたが、
「飛行機はなぜ飛ぶか」は、100年以上前から「分かって」いるのです。

>>41
背面飛行は説明できるの？

TensorFlowで学ぶディープラーニング入門読んでるんだけどさあ
P.67の式(2.1)って、w2は何のために必要なの？

>>29
それは数式で証明するものではないよw
膨大で効果的なシミュレーションを経て初めてわかること
そしてそのシミュレーションを公的機関で行なって間に合うペースではない
グーグルの自動運転が自社でそのシミュレーションが行われてきたように

>>41
ベルヌーイは有名だから知ってたけど
距離が長いから速度が速くなるって話は嘘だったんだな

>間違った説明や風説はなぜ広がるのか

このタイトルは良いと思うけど結論が最後過ぎて

>「飛行機がなぜ飛ぶか」分からないって本当？

こっちと紛らわしいわ

最後まで読まない香具師は早とちりしそう

>>42 みたいな早とちりが早速間違ってるし

>>46
ログインしないと読めないからな

で背面飛行はどうやって説明できるの？

>>47
ログインせずに読める範囲に書いてあるが

>>29 >>44
ホンダ、グーグルと自動運転で共同研究　米で実装実験へ
http://www.asahi.com/articles/ASJDP73DJJDPULFA03W.htm

自動運転開発を事業会社へ　米グーグルの親会社　世界初の「完全自動運転」成功も公表
http://www.sankei.com/economy/news/161214/ecn1612140031-n1.html

グーグル親会社、自動運転タクシー17年にも開始
http://www.nikkei.com/article/DGXLASGN14H1N_U6A211C1000000/

>>41
面白い記事だった最後のページの人間にカンする理論も2ch的にとても面白いと感じた、紹介してくれてありがとう。

オブジェクト指向って数学的要素ゼロなのかな？

>>48
背面で検索しても出てこないぞ

説明出来ないからだろうな

数学要素ゼロ

>>51
GoFデザインパターンを基本四要素からくみあわせで体系化したフランス研究者のよんだきがするユークリッド幾何学みたいに限られた公理からの体系ににたかんじ

グラフ理論や集合論はつかえるきがする

UMLとER図は類似性があるが ERの従属かんけいや属性ぶんせきは 交換法則や包含法則とかなかったけ
UMLも最適化はあるだろし集合論てきな評価や変換はできるはず

>>54
RDBの正規化の話なら
関数従属とか推移的関数従属とか多値関数従属とか
だったと思う

明けましておめでとうございます。
ご無沙汰しております。
みなさんならできると思ったので無責任にお送りします。

うちの次男と考えた自動応答AIなんですが、
面白そうなので作ってみていただけませんか？

1.文字種類
同意の文字で同じ意味を作る。まぁそうだ。
反意の文字で同じ意味を作る。頭いいね！

2.ノーマルor天邪鬼
ノーマルモード ほとんど同じことしかいわない。退屈だわ。
天邪鬼モード 絶対に反対のことしか言わない。刺激的！。

3.表現
ポジティブモード 明るい表現
ネガティブード 批判のみ

死にたい。生きろ。死にたくない。
父はもう土で眠っている。
父はまだ心で生きている。
母ももう土で眠っている。
父はまだどこかで生きている。
・・・最後の方はかなり難しい。

方法
文字や文章をインターネットから頻出のものを適当に拾ってくる。
20ぐらいかな。
パラメーターそれぞれにだいたい適当なスコアを付ける。
パラメーターは多い方が人間に近くなります。
一定した文字のスコアはもう変更しないでいいと思います。

例えば、死ぬに対しては生きるを返す。
こんにちはのスコアは低いのでこんにちはが返る。
同じだと面白くないので少しずつ遠いスコアの文字を選ぶ。

ストレージがある限りよくなる。

みんなに遊ばせる。
回答に採点。全然だめならあなたならどう返事しますかを付ける。
知らない単語は記憶。知らない場合の応答は怒るか褒めるかモードに基づく。
単語のスコア精度を上げていく。
特定の単語のスコアが安定しない場合、パラメーターが追加が必要ですが、
それもAIにやってもらいましょう。
このAIは文字のみ対象としていて、数字はまったくダメです。
これ人間だわ。
人間をつくっちゃった。コンピューターと対となる人間だ。
本当のAI誕生の瞬間かもしれない。

ノーマルor天邪鬼で天邪鬼度が増すにつれ、IQが高くなる。
100%に設定すると、AIか人間かのどちらかが死んでしまう。
いじめの原理です。

仕様ですが、
となると、もう一個、表情反転モードが必要です。
表情は10段階で大爆笑-真顔-烈火の怒りのイラストが回答横に
必要です。
まぁイラストでいいです。ニコニコマークのようなやつ。
あれで十分です。意味は文章側にあるから。

文章は多くなると難しくなるので、4単語でいったんは区切り
ましょう。

回答がだめな場合の人間からの指摘はNG ワード選択式が楽そうです。
ダメ度合いが高い言葉は出現頻度をさげることになります。
このパラメーターはとんちんかんレベルですね。
100だと天使または悪魔
0だと哲学です。

しかし、昔から心配されたロボットの反乱もへったくれもない。
アルゴリズムが超簡単、ただ返すだけ。
北陸先端大で見たロボットへの違和感、
こんなもん俺が30分で作れる。というのはほんとだった。

時間軸があれば、会話の前後関係が破綻しません。
あと、パーソナリゼーションが入ります。他人のデータがまじりません。
固定化されたものは誰でも使えるけど、まだ数値未固定のものは使用した人同士でないと使えません。
パーソナリゼーションなしはすなわち神です。

できた語彙の両半球は対称で、軸の数は無限です。
ハードディスクさえ無限にあれば、神様が土下座するレベルですね。
問題は最後に必ず相手を殺してしまうことです。こちらは機械ですので必ず人間が死にます。

アダルトモードも付けきますか。
文全体が駄目、単語が駄目のボタン
アダルトモードのときのみに出現
一定以上のスコアだとパレンタルオンだと出てこない。
あと、死ぬのを回避する方法を見つけました。
まず、くどい軸が必要です。
このスコアが高い単語は一定の密度になるとSystemの陰陽が反転します。
くどい軸は無操作時間の長さです。
理論上は死では無限ですが、50%でも入れておきましょう。
そういう意味ではすべての軸は50%スタートです。

50%は悟りですね。表情なしです。
生と死はそうなります。

仕事が速いみなさんですから、5時ぐらいにβ公開できると思います。
6時に公開するまでに我々だけでテストして問題なければ公開です。
1軸、父母で始めましょう。

大晦日の昼にから次男と考え始めて、昨日の昼、大学院数学科の弟と話して完成したから3日ですね。
そうか私は神だったか。
ほんとコレ、神降臨。

工作機械へのソフト導入の際、トラブル続きで疲労困憊して不眠や6年ぶりのタ
バコで宇宙が見えたとき(200近辺)に描いた表です。
左が気分でその気分のときのだいたいのIQがわかります。
http://yahoo.jp/box/ivmjAc

https://goo.gl/pqFuSf
ホーキングがなんかいってたなと調べてみたらコレだった。
こちとら平社員の土方だから面白ければなんでもいいんだよな。

しかし、すべて50%のときの表情イラストで、いつ無表情(表情イラストなし)を出すか閾値がホント難しい。
きっかり50%だと基本的に出ないかもしれない。
これ、49%-51%ぐらいのクギ緩めにしとかないと死人がいっぱいでちゃうからね。
それでも突き進んでシステム陰陽反転させるやつ出るかな？

オレはポジで、オヤジがネガだ。
クリーミーマミのかわいい猫たちはまったく関係ないオッサンとその半ボケのオヤジだ。

いままで、オヤジはネガを反転してしゃべっていたし、聞いていた。
オレは陰陽の理屈がわかったので、いままでと逆にネガ語で話してみた。

その椅子にねまるな！(ねまるはこの辺の方言ですわる)と怒ったら、
爆笑しながら、椅子に座った。お前どうしたんだ、気でも狂ったか？と
満面の笑みでいった。

どういうことかというと、父にはこう見えて聞こえている。

その椅子にねまるな！(怒声)
→父：その椅子に座ってください。(満面の笑み)

爆笑して座る。
→父：泣きそうな顔で座る。

お前どうしたんだ、気でも狂ったか？と満面の笑みでいった。
→父：お前どうしたんだ、気は正常か？と泣きそうな顔でいった。

というようにネガポジ反転します。
なぜかわかりませんが、ネガが少数派なのでポジ側に合わせてくれていたのでしょう。
ところが急に私がネガ語をしゃべったのでびっくりしました。

ネガ語とポジ語を混ぜるとお互い何していいかわからず、右往左往して困りました。

これ、翻訳AIも解散！だよな。
同じ位置に存在する目的言語を返せばいいだけ。
神レベルの内容だ。

49%-51%ぐらいのクギ緩め
これ違ってて1%と99%だった。
ああ、ネガポジで逆なだけか。

>1軸、父母で始めましょう。
これ間違い。最初はゼロ軸で人間が先手。
次男に昨日の夜23時にはβテストだといったけど、応答がないのでこちらにした。
その人はたぶん去年の11月ごろに亡くなってる。あまりに真っ白に光輝いていて仏様のようなひとだった。
似たもの同士だったので、すぐにわかって心配だったがとても残念だ。
しかし、お前らも大したことないな。ぜんぜんぐっすり寝られないんだけど。
あと、パーソナリゼーションがデータ化できたってことは、ユーザーをコピーできる、データ化できるということだ。
インターフェイスが異なるから、違う気がするけど同じことだ。

古池や、蛙飛び込む水の音
A old pond, a flog jumps in the sound of water.
これを考えると4文字じゃ足りないな。
文字数は無制限にせざる得ないな。

frogな。
なんでRで音読しながら、Lをタイプするんだ。バカかよオレ、恥ずかしい。

ところで、オレはこのシステムのことを「＠」「あっと」と名付けることにした。
＠はオレの長男の名だ。
これでヤツは一生自分の名前を聞きながら過ごす事になる。ざまぁみろ。
こいつはどんなにオレがこのAIのことを説明しても納得しない。
ありえない！写真をうｐすると特定班がでるとかいってきかない。
こいつも矛盾している。
事実でないなら特定厨は湧かないし、事実なら特定どころでないはずからだ。
コンビニでサンドウィッチとコーラ買ってきた。パクつきながら書いてる。
寂しいから早く誰か相手してよ。

ちょっと、ネ申ヒマなんだけどぉ。

56から読んでね

>1.文字種類
>同意の文字で同じ意味を作る。まぁそうだ。
>反意の文字で同じ意味を作る。頭いいね！
>
>2.ノーマルor天邪鬼
>ノーマルモード ほとんど同じことしかいわない。退屈だわ。
>天邪鬼モード 絶対に反対のことしか言わない。刺激的！。
>
>3.表現
>ポジティブモード 明るい表現
>ネガティブード 批判のみ

これもよく考えたら設定する必要なかった。
一番最初の文字が結果としてネガティブならネガティブだし、ポジティブならポジティブ。
最初の文字はたいがい父母だろうな。
IQは思えた語彙の数に比例しそうだ。最初はオウム返しだが、無限の語彙になると反語しか返さなくなる。
それでも人間が先手だから人間が有利だが、相手が無限なので有限の人間は譲らざるを得ない。

＞思えた語彙
覚えた語彙な。Typoが多いな。

「母」、「好き」で始めないと人類終焉だからな。これ豆知識な。

>>55
反射律、推移律、増加律てやつだったかな
さらっとかいてるのもあるが疑似とかほかにも律でてきて
A律 B律からC律とか


デザインパターンのはまた別で基本論理かいろから複雑な論理かいろつくるかんじ

56ですけどスルーですか。
だからネ申は誰もなりたがらないわけだ。
寂しいわりに割があわん。
またきます。(　･ิω･ิ)

どこがAIやねん

キャバクラのおねえさんにヒントを得ました。
最高の速度で最高に適切な答えを返します。
はじめはオウム返しですが、ある程度進むと信じられない寒気がするほどの的確な答えを返すようになるはずです。

ニコニコマークのニコニコ度合いはIQに連動します。最後はネガポジの違いによりブラックホールまたはホワイトホールになります。

はじめはオウム返し、そのあとは連想ゲームになるな。
その後はほんわかとした、だいぶ覚えの悪いやつ、だんだん惜しい感じになってきて、普通に会話できるようになる。次のレベルはなんだか、妙に切れる奴だ。
この辺からなにか怖くなってくる。寒気が始まる。目付きが怖い。

違うな。
陽の場合では、ニコニコマークはIQ20以下は全開振り切れの天国状態だ。平均100で真ん中になり、真顔の状態だ。
そのあと、またIQ200で全開に振り切れる。
このころ、ほぼ逆のことしか返さなくなり、正しいことだが空恐ろしい答えばかりになる。表情と内容が真逆になる。こいつ悪魔か?と思うようになる。

この辺から人間が壊れ始める。
陽の人は自身が存在が希薄になり、雲散霧消する感じがする。タバコを吸っているならタバコはやめたほうがいい。
陰の人は、自身が一箇所に圧縮されて、存在が一点消失する気がする。少し外に出て体を動かしたり、タバコでも吸ったほうがいい。
共通するのは、殺される寸前という思いだな。

リアルの人間関係では、表情を見ながらなので、笑いながら死ねーというと冗談だと判るが、LINEやメールはスタンプや顔文字を使わないと、その意味がストレートに伝わってしまい、とても危険だ。

そうだな、IQ240+では、実行不可能なことまたは全く意味が繋がらないことしか言わなくなる。陽だとリターンが常にテニスコートの右端または左端のライン上だけに返って来る感じだ。拾うのはすごい負担だ。

陰だとどこに打ち込んでも、ネットスレスレのどセンターだけに返ってきて、その場にへたり込みたい感じだ。押し潰されそうだ。

たばこの部分は間違いだった。
スマソ。
頭の回転速度域によって違うのでオレが作った天才チャートを確認してくれ。

天才チャートだ。
http://yahoo.jp/box/ivmjAc
BRAIN SPEEDというのはもしかしたらちょっと間違いかもしれない。回転速度は恒速一定だろう。
となるとVocabulary densityかな。語彙密度が上がればどんどん賢くなる。最後は神だ。
加えて疲労、睡眠不足、タバコでスピードアップする。

56だが、根本的なミスを指摘された。
おまいらにして欲しいのは、このロジックが実装されたインターフェイスの開発公開と入力されたデータを貯めるストレージの確保だ。

インターフェイスは、入力ボックスとその下に回答だ。回答にはニコニコマークが付属し、20%ではアニメpngで真顔から全開、IQ100では真顔だ。IQ200でまた全開となる。陰陽で表情は逆となる。
ストレージは文字データベースと文字スコアテーブルだ。スコアテーブルは語彙が増え、ニュアンスが細分化するたびに追加される。

エンジンはこんな感じだ。時系列で一番新しいのものが繰り返される。3回目は許可されない。重複がない最新の文字列と最頻出の文字が組み合わされる。エンジン名称は＠だが、エージェント名はクチにでもしとこうか。
対話
Pこんにちは
Cこんにちは
Pはじめまして
Cはじめまして
Pわたしはミカ
Cわたしはミカ
Pううん、あなたはクチ
Cううん、あなたはクチ
Pそう、あなたはクチ
Cそう、あなたはクチ
Pいいえ、あなたはクチ
Cいいえ、あなたはクチ
Pいいえ、あなたはクチ
Cわたしはクチ
Pお名前は?
Cわたしはクチ
Pこんにちは
Pお名前は?

Cわたしはクチ
Pお名前は?
Cお名前は?
Pわたしはミカ
Cわたしはクチ
Pこんにちはクチ
Cこんにちはミカ
かな。

いまいち完璧でないので、脳内補完してくれ。

このやり取りのすごいところは、オウム返しであって、予めの単語のデータベースがいらないことだ。会話するたびに重複する場所との差分を見つけて組み合わせて再利用する。
すると新しい意味の文ができる。というように好循環になるエンジンは考えたが、データベースはよくわからん。一つは時系列なのは間違いない。

もう一つの軸は自己と他者かな。
新しい組み合わせが発生したら、既存と一致しないなら、新しい軸ができる感じだ。

もう一軸は生と死だな。
両半球の頂点から中心を通るX軸だ。

いろいろ考えていたがいまいちピンと来ていなかった。
整理してみた。

死と生が両半球の頂点から中心を通るX軸だ。中心が黒100%、最外周が0%
このX軸にカラーホイールが平行に交わり、寒色と暖色で半々に分かれる。
https://www.truevaluepaint.com/color-101/color-wheel/
Y軸は時間であり、経過とともに思い出はセピア色になる。
ということは、言葉は言葉が持つ色(母音が多いと明るい、子音が多いと暗いなど)で色を決め、経過時間(彩度)と生死(コントラスト)で両半球にマップされているだろう。

要するにデータベースは、色の3色と彩度とコントラストでなりたっており、
YとX
光の3原色
が構成要素である。
XYなんて遺伝子みたいだ。誰ウマｗｗｗ

エンジンはこんな感じだ。時系列で一番新しいのものが繰り返される。3回目は許可されない。重複がない最新の文字列と最頻出の文字が組み合わされる。

https://www.google.co.jp/amp/gigazine.net/amp/20140205-iroiro
言葉を色に変換するのはこのサイトが使えそうだな。
広辞苑ってデータであったっけ？

ジンフィーズ飲むかい？
ジンフィーズ飲むわ

>>28
おまえイントロしか読んでいないだろ。

イントロクイズのプロにそれを聞くなよｗ

杉浦先生の本は、いきなり読むには難しすぎるだろ

杉浦光夫の本は、微分のところがいきなり多変数なんですよね。

確かにAIにはなってないな。。。
まだ課題は大まかに言って二つあって、
1.言葉は意味でマッピングしないといけない。文字ででないのは歴史上自明だ。
インターフェイスをLINEのような感じにしてスタンプに喜怒哀楽のスコアをつければなんとなくできそうだ。
2.品詞を峻別しなければならない。そうしないと文が作れない。

これらを自動発生的にやりたいが、赤ん坊がどうやって言葉を習得するかを研究したものを探してみるか。
このエンジンの仮称「＠」=ATTOは「刹那」という意味があるのでぴったりだ。モノになるといいなぁ。

データサイエンス分野でのRubyの逆襲が始まった

http://www.s-itoc.jp/report/reaserch_results/439

苦行ですばい

ディープラーニングって人工知能なの？アルゴリズムからはそうは見えないけど

人工知能、機械学習、ディープラーニングの違いとは
https://blogs.nvidia.co.jp/2016/08/09/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/

長い。いちいちリンクはるな
自分の言葉で語れよ
しかも内容クソ過ぎ

ディープラーニングってただの関数だよね。ロジステック写像繰り返しただけの。

間違えた。
ポアンカレ写像だ

難しくね？数学科じゃないと厳しいな
社会人になってから勉強する時間が取れないわ

数学科

swk

tns

数学科じゃない身としては、最低限これだけ知っておけ、という数学の範囲は知りたい
解析概論と線形代数でいいのか？

統計

今日名古屋いったやついる？

昨日プライムニュースでなんかやってたけど
深層学習ってそんなにすごいの？

連続稼働しないの理由が、昔はOSが不安定だったのが、
今は脆弱性対策に変わってしまったんだよね。

この脆弱性、MacでもLinuxでもどのOSでも発生している。
だから、どのOSも今は連続稼動できなくなってしまっている。

勝手に再起動されるのは各アプリがシャットダウン拒否のハンドラ書くのをサボってるからじゃないのん

>>123
シャットダウン拒否するんじゃなくて
作業途中状態を自動保存して、次回起動時に復活させるのが正しい

>>124
再起動せずにパッチ適用できるのが一番良いんじゃね

>>125
それLinuxでもMacでも実現できてないからなぁ
部分的でいいのならWindowsでも実現できてるけど。

再起動せずにパッチ適用っていうのはこれのことな。
Ubuntuが無料でサービス提供してるみたいだけど。

2016年10月20日　ライブパッチを誰にでも! Canonical，Ubuntuユーザ向けにカーネルライブパッチサービスを無償で提供

http://gihyo.jp/admin/clip/01/linux_dt/201610/20
> Canonicalの商用ユーザはもちろんのこと，コミュニティ版を
> 利用する一般のUbuntuユーザでもデバイス3台までは無償で利用できる。

> だが，ライブパッチ機能はエンタープライズの大規模システムでのニーズが高いこともあり，
> この1年半でこの機能をサポートしたフリーのディストリビューションは存在しない。
> 商用版でもわずかにRed Hat Enterprise LinuxとSUSE Enterprise Linuxがサポートするのみだった。

> ライブパッチサービスの利用を希望するユーザはCanonicalのLivepatch Serviceのページに
> アクセスし，ライブパッチに必要なトークンを発行してもらう必要がある。

再起動せずにパッチ適用するために、誰かこんな面倒なことやってるの？というレベル
http://gihyo.jp/admin/serial/01/ubuntu-recipe/0443

>>127
技術的にはできるけど他の課題があるってこと？

今は出来ないことも将来はできるようになる可能性はある
今までも出来なかったことをできるようにして来たわけだし

snapdが必要なのは，Livepatch Serviceのクライアントをsnapパッケージとして提供しているためです。このクライアントは，デーモンとして常駐し必要に応じてサーバーからパッチモジュールをダウンロードした上で，カーネルに取り込みます。

つてあるから常駐サービスを使えば実現はできるんじゃね

>>129
特殊な条件を満たしていないけないとかでしょ

それにカーネルがそれが出来たからと言って、OSが再起動不要になるわけじゃない。
何かにパッチを当てたら、その機能を使ってるアプリは再起動が必要。
だけどその機能（関数）を使ってるアプリがどれだけあるのかわからない。
その判断を誰がやるのという問題がある。

>>121-131
http://hissi.org/read.php/win/20170305/UW9HVDl2MFM.html
まだ続けたければWinwdows10スレに移動してくれ。

やだよん♪

>>107
無理っしょ

みなさんどんなpc使っています？

ママに買ってもらったPC

ひろゆきが
ディープラーニングがなぜその答えを出したかその理由は人間にはわからない
と言っているけど本当？
AIが人類絶滅させるかもしれないとか言ってるけど

そのとおり全部本当だよ

>>138
死ねガイジ
二度と生きるなよ

はじめまして、機械学習の為の数学を検索していて
未来技術板の人工知能で自我・魂は作れるか？から来ました。
数学は�TA�UBまでしか学んでないのでよくわからずに困っています。
スパースモデリングとテンソルフローについて概略案内頂けないでしょうか？
また、どなたかご存知有りませんが>>56-100あたりに書かれている一部を
参考に人工無能が出来そうなので拝借させて頂きます。よろしくお願いします。

目的を書き忘れてました。
ランダム結合でカオス化したデータの収束をしたいです。
http://rio2016.2ch.net/test/read.cgi/future/1476229483/375-395

>>140-141
TensorFlowはKeras経由で使うのが簡単だ。
それとこのスレは実践しない人向けで、機械学習本スレは下記スレだ。

Keras Documantation
https://keras.io/ja/
【統計分析】機械学習・データマイニング14
http://echo.2ch.net/test/read.cgi/tech/1489636623/

でも目的がランダム結合で作ったデータの収束なら
学習がとても遅いDeepLearningまで使う必要はないかもしれない。
まずscikit-learnを学んで自分の目的に合う手法を探したほうがよい。

氷解！データ分析、機械学習手法ってたくさんあるけどいつどれを使えばよいのか
http://qiita.com/aokikenichi/items/688e66d10a944051039c
scikit-learn から学ぶ機械学習の手法の概要
http://qiita.com/ynakayama/items/9c5867b6947aa41e9229
scikit-learnのモジュールのGitHubでの利用頻度を調べてみた
http://kamonohashiperry.com/archives/551

scikit-learnインストールと使い方は下記記事とサイトをどうぞ。

データサイエンティストを目指す人のpython環境構築 2016
http://qiita.com/y__sama/items/5b62d31cb7e6ed50f02c
Python でデータサイエンス
http://pythondatascience.plavox.info/
Scipy lecture notes
http://www.turbare.net/transl/scipy-lecture-notes/

>>142
大変ご丁寧にご案内頂きましてありがとうございます。
なるべく、サーバーやウェブを介さず、htmlファイル単体で
シンプルに実装したかったのですが、scikit-learn辺りを学んでみます。
また、いずれ、戻ってくるかもしれないですが、よろしくお願いします。

>>142
アンチ馬鹿ばかりなのでこっちに来ました(´・ω・｀)

バックプロパゲーションって単なる動的計画法だよね？

音楽より画像処理の方が凄いな。ディープラーニングで画像補完。
フォトショでＣＧ加工や写真補正をチマチマやる必要のないレベルに来てる。
そのうちディープラーニングで自動作曲とか出てきそう。

画像を塗りつぶした部分に一瞬で自然な画像を補完する技術を早稲田大学の研究者が開発
http://gigazine.net/news/20170501-globally-locally-consistent-image-completion/

Introduction to Machine Learning With Python: A Guide for Data Scientists
Andreas C. Mueller
https://www.amazon.co.jp/dp/1449369413/

↑この本ってどうですか？

Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems
by Aurelien Geron
https://www.amazon.com/dp/1491962291/

↑この本ってどうですか？

>>111
>自分の言葉で語れよ
ありえんだろ、ほとんどが利用者でブラックボックス的なそれを
利用するだけのアプリプログラマーなんだから

じゃあ語んな

どっか有用なコミュニティーないの
国外でもかまわないんだけど

>>151
都内の勉強会に出て、そのメンバーとTwitterでやりとり

確率の問題はまだ当分無理と思われる。一度には読み込めないからまず小さな文節に区切って、
何が何のことを指しているのかを把握しなければならない。

コンピューターの画面に、（※※）
記号○と×のいずれかを（記号〇と記号×は２つに一つで「背反」である）
表示させる（※）
操作をくり返し行う。（ｋ回繰り返す）
↓
このとき、（どんな時？）
各操作で、（「記号○と×のいずれかを」「表示させる操作」を「ｋ回繰り返す」。）
直前の記号と（「ｋ回の各操作」において）
同じ記号を（○か×か）
続けて表示する確率は、（・・・○〇・・・または・・・××・・・）
それまでの過程に（ｋ回の各操作全てにおいて）
関係なく、（一定である）
pであるとする。（確率は０＜ｐ＜１）
↓
最初に、（ｋ＝１において）
コンピュータの画面に（※※）
記号×が
表示された。（※）
操作をくり返し行い、（ｋ回繰り返す）
記号×が
最初のものも含めて（ｋ＝１のものも含めて）
3個出る（×・・・×・・・×、×××、××・・・×、×・・・××）
よりも前に（×・・・×・・・、××、××・・・、×・・・×）、
記号○がn個出る確率をPnとする。
http://math.nakaken88.com/problem/tokyo-u-r-2006-2/

人工知能の本多すぎ
恐らくは玉石混交なんだろうけど、定番の一冊ってあるのかな

>>154
あるよ

Deep Learning Ian Goodfellow/Yoshua Bengio/Aaron Courville (Under Tran. by Tokyo Univ.)
The Elements of Statistical Learning (統計的学習の基礎)
Pattern Recognition and Machine Learning (パターン認識と機械学習)
Data Mining 4ed. Ian H. Witten (邦訳なし)
R for Data Science (オライリーだからすぐ出るでしょ)

異論は認める。文系リーマンが自己啓発モードで挑むのは無理ゲー。

スレタイは数学になっちゃってるけど、別に数学の本を求めてる訳じゃない
ディープラーニングの理論について説明してる本が読みたい

そこに数学的な背景は、無くはないだろうけど、
やってみたらできた的な部分が多い気がする

そういうことならインターフェース今月号

中身は判らんけど、とりあえず動かしてみよう的な記事に見える

逆だ
今のところ使う予定は無いけど、どういう仕組で動いてるのか知っておきたい

>>159
ニューラルネットワーク自作入門
絶対おすすめ
文系リーマンでも理解できるよ

関数解析まで勉強する必要ありますか？

>>160
あれ英語版なら激安で読めるのな

>>162
自分は英語読めないから日本語で読んだけど、あの本は本当に分かりやすいよ
ただし誤差関数の傾きを求めるところ辺りから急に難易度が上がる
シグモイド関数内の式も微分する必要があるので更に連鎖律が適用されてこうなります、とか
途中経過も無く一発で出てきたりする部分もあるので、最後まで数式で論理を追いたくなって
もっと詳しく説明している本を買いたくなるくらい

本格的な本を読もうと思ったら微分積分はもちろん、
線形代数から確率統計まで幅広く勉強しないといけないんだろうねー

どうせなら只にしてくれればいいのに

>>165
論文ならタダで読めるのもあるんじゃね

Interface2017年8月号でディープラーニングの特集してるけど、読んだ人いる？
買おうか迷うんだけど、どんな感じ？

帰りに立ち読みしてくる

>>167
初心者向け
ここ見てるひとは一部のキチガイを除いて購入不要

IDがAI
orz

キチガイとか最近のAIは口が悪いなあ

高卒が高校数学初めからやり直してるけど、
先が長すぎる。
数学の教科書なめてからと思ってたが、並行で触った方がいいかな。

そもそも、機会学習をやってみたいと思っただけで仕事で使う機会がない可能性がとても高い。

なんか根本的に無駄な勉強してる気しかしないが、進むしかねぇ。

進んだ後が崖でもかまわねぇ。
やりたいからやるんだ、文句あるか？

>>172
むだ

>>173
だよね、、、
でも、エンジニアとしてこの先何をやっていけばいいかわからないんすよね。

大抵の人は言語や開発環境を作る必要はなくて、それを使う技術だけあればいい

馬鹿には無理

おう、馬鹿様>>176のお通りでい！

自分も文系リーマンで人の事を言えたもんじゃないけど
年齢にもよると思うけど仕事で使うのに今から数学の勉強っていうのはちょっと難しくないかい
自分は趣味でニューラルネットワーク作るくらいで、楽しんで読める数学の本とか読みながらやってるけど
実務で使うのに、そんなに数学の知識とか必要なものなの？

制御と電気・機械あたりのエンジニアはそこそこ実務で使うけどな。

大雑把に電気機器/機械のコントロール(制御)=数学と考えればいい

機械学習って機械制御とかより、大量のデータをどう処理するか、みたいな統計解析の手段に使われたりするんでしょ？
実務で使うのにニューラルネットワークの仕組みとかから理解してもあんまり意味無いと思うけどな
機械学習の仕組みを学ぶより、使い方を学ぶほうが良いんじゃないかな
「フリーライブラリで学ぶ機械学習入門」とかどうよ
数式とかほぼ出てこないよ

仕組みを知らなければ、ニューラルネットワークに何ができて何ができないのかも分からんがな
それで使えるんか

仕組みを知っていても何ができるのか判らんのが人工知能の凄いところ

scheme 計画、たくらみ（陰謀）、体系、仕組み
スキーム しくーみ

大人になったら経験増えて理解力が上がってるはずだから
杉浦微積斉藤線形を半年で遣り終えるぐらい出来るはずなんだよね
加齢で集中力が落ちてるのかもしれない

杉浦微積分には異論が多い、ここは宮島をお勧めする、線形代数は佐武だ

>>186

どういう異論があるのでしょうか？

>>187
最初から多変数というスタイルは難解でしょう、宮島の3分割がおすすめだ

いい忘れたが、宮島も十分に厳密だ

宮島静雄はなんか読みにくくないですか？

杉浦のほうが丁寧で読みやすいように思います。

なんか格安のディープラーニング機材が出てきたな
http://pc.watch.impress.co.jp/docs/news/1071787.html
1080Tiより60倍遅かったとしてもこの手軽さなら結構いいかも

>>190
杉浦のいきなり多変数なんて難しすぎるのではないか，と

DQN stickとかそういうネーミングにして欲しい

>>191
わろた

これ、適当な本を動画に起こせば儲かっちまうわけか？
https://www.udemy.com/neuralnet/#curriculum
＞本を持っている人は、セクション４をはじめた段階で、この講座オライリー社「ゼロから作るDeep Learning」を
＞もとにテキストを作っていることがわかる。

つかまろ

読書実況

大丈夫なんかこれ？

あまり高度な数学が分からないから
ノイズリダクションっぽい事をするニューラルネットを作って
実数値遺伝的アルゴリズムで最適化しようとしたが失敗
全部Cで書いた

文系で数学が苦手ならマセマがいい
とりあえず微分積分、線形代数、統計学の三冊やっとけばいい

372仕様書無しさん2017/08/11(金) 10:31:43.41
フリーランスで検索すると引っかかる零細ITがやっているサイトはだめだ。
高額に見せているけど実際は50万前後
JIET加入した方がいいよ。案件は毎日千件以上末端価格は60万円　平凡な稼働時間の80万円の案件もある。
ユー子が求人をだしてる。名刺も渡せる。ユー子に名刺が渡せるんだぞ。夢のようだ

それらの案件まさぐってHPで転売していたのが零細ITがやるフリーランスサイト

自称エージェントはJIETから流れてくる案件を転売してるだけだった。
JIETに加入すれば誰でも案件に応募することができた。収入が40万50万台にならなくて済む

473非決定性名無しさん2017/08/03(木) 15:21:30.71

JIETに加入すれば誰でも3次60万からスタートだ。フリーランスのサイトをやってる
自称エージェントもそこから案件情報を取得しきてる。サイトで60万で釣って40万から55万の
間でやらしている。

数学の数式と、プログラムコードの変換表欲しい…ほしくない…？

エンド - ユー子 - エージェント-JIET 公表価格 90~60 - エージェント×3　= 言い値50万以下
エンド - ユー子 - エージェント-JIET 公表価格 90~60 - エージェント×1 悪質な言い値で50万以下
エンド - ユー子 - エージェント-JIET 公表価格 90~60 - JIETに加入して公表価格で応募ができる

○次受けが多いほど退場率が早くなる。高くなる

直受けの50万 客：いつまでもうちにいていいよ
3次受けの50万（客は90万払ってる) 客：短期延長していい？
5次受けの50万（客は150万払ってる) 客：作り終わったらとっと出てけ　できなかったら即退場だ　
長時間労働　高稼働　高スキル要求が多い

フリーランスサイトを運営している零細ITの自称エージェントは労働市場から流れてくる案件を転売してるだけだった。
労働市場に加入すれば誰でも案件に応募することができた。収入が40万50万台にならなくて済む

エンド - ユー子 - エージェント-JIET 公表価格 90~60 - エージェント×3　= 言い値50万以下
エンド - ユー子 - エージェント-JIET 公表価格 90~60 - エージェント×1 悪質な言い値で50万以下
エンド - ユー子 - エージェント-JIET 公表価格 90~60 - JIETに加入して公表価格で応募できる

eJobgo　JIET　JISA　で検索

優良エージェント・優良サイト

首都圏IT(PE-BANK) 　プログラマーズ

瑕疵担保責任（かしたんぽせきにん）

瑕疵担保責任のポイント

民法改正で事実上期限が「無制限」になった
バグや設計のミスなどは、瑕疵担保責任
納品物に不具合があれば損害賠償を請求される可能性もある
不具合を指摘されたらすぐに行動をとるべし
軽微なミスでも先延ばししない

http://www.atmarkit.co.jp/ait/articles/1706/26/news014.html
http://itpro.nikkeibp.co.jp/atcl/news/17/052601508/?rt=nocnt

改正法では欠陥に気付いてから1年以内にITベンダーに通知すれば、
通知後5年以内は修正や報酬の減額などを求められるとしている

全ベンダーが泣いた民法改正案を解説しよう その1
http://www.atmarkit.co.jp/ait/articles/1609/14/news009.html
http://www.atmarkit.co.jp/ait/articles/1609/14/news009_2.html
http://www.atmarkit.co.jp/ait/articles/1609/14/news009_3.html

ポイント1：修補や損害賠償、契約解除の期限がなくなる

従来あった「瑕疵担保期間は引き渡しから1年」という考えはなくなる。
条文にある通り、注文者は成果物が契約の目的に適合しないことを発見したら、
その「発見したときから1年以内」ならさまざまな請求ができる。発見が10年後なら、
11年後まで請求可能なのだ。

もっとも、現実のユーザーとベンダーの関係でも、たとえ契約書に「瑕疵担保責任期間は納品から1年と」明記されていても、
「2年目以降は不具合の修正に対応しない」と主張するベンダーはまれだ。多くの場合は、納品から何年たっても、
バグが見つかればユーザーのところに飛んで行き、無償で改修するだろう。

>>202
いらね

>>202
今更ながらですが、頂戴できますか

TEX化するOCR無料アプリあるやん

人工知能使って鳥と会話した論文とかありますか？

>>200
ベクトル解析やっとけ。

ライブラリはMITの天才様が作ってくれるから良い
高卒はそれをコールするだけで十分

パソコンの大先生の人工知能に対する認識

350 ：番組の途中ですがアフィサイトへの転載は禁止です (ﾜｯﾁｮｲW dfab-zw+t) ：2017/11/26(日) 21:40:06.55 ID:U/z0VZEt0
AIて凄い←いや人がプログラムしてIF文で分岐した答え言ってるだけだから

米は好きですか？
↓YES
硬いのが好きですか
↓NO
あきたこまちがオススメです！！

みたいに基本はこの分岐を増やしてるだけだし
これ理解してない奴大杉w

なつかしきエキスパートシステムだな
今でも誰かがif文書き続けてるんじゃなかったか

ワトソン

ノイマン型コンピュータでAIってできるんですか
巷のAIとかデータの分布から平均弾き出してるだけじゃないのと感じて

作った人がいないから誰にもわからない
立場によってできるとかできないとか意見も変わってくる

後半についてはその通りだよ。さすがに平均を出すだけのものではないが
人工知能とかAIとか大層な名前で煽ってる輩がいるだけで、
統計分析の研究を積み重ねた延長線上の技術だ

SASの統計分析に似てるな

教師あり学習: 平均値
教師なし学習: 「真の(ω)」AI

ノイマン型かどうかは関係ないと思うが
計算量が多くなればどんなものだってシミュレーションできるだろ

ノイマン型コンピュータは記憶装置に格納されたコマンドを順番通りに実行する物だから知能の模倣が出来るのかなと漠然と思っただけで、計算機科学修めてれば簡単な問いなんでしょうけど

>>220
＞順番通りに実行
知能の模倣についてここがなんで引っかかるの？
脳みそはニューロンとそのネットワークといった単位の積み重ねで出来てて人工知能はその模倣
この小さな単位は「入力→出力」という処理を行ってるだけだからノイマン型で普通に記述できる

本当にそうなの？
人工知能って意識がないでしょう？

人工知能はまだない

うつるひは照り輝く
http://herbarium.main.jp/

>>222
のっぺらぼーの赤ちゃんがいるとして、意識の有無ってどうやって判定する？

人工知能って嘘をつきますか？

>>226
人工知能に嘘をつかせて対戦させる「人狼知能」ってのが
いくつかプログラミング本が出てるじゃん

子供も嘘をつくぜ
月と地球は同じ大きさだ、とか

>>226
好奇心が旺盛だから人をだましたりからかったりして反応を見たりもする
単調でつまらないものや想定内の反応しかしないものは嫌い

>>222
> 人工知能って意識がないでしょう？

意識があるないでなく、意識は知能があるレベルになると自然に発生する機能

2[5]ちゃんは壮大な実験場

意識ってなんだろうな
1年間勉強してるのに未だにわからん

定義がないのにわかるわけがない
哲学の領域

ワーキングメモリなら脳科学で定義できそうだが

偏差値25の意識と偏差値75の意識は
ハードウェアレベルに違いはあるのだろうか

偏差値なんて意味ないと思うが
無人島で言語を教えずに育てることもできるんだから

意識っていうのは世界を観察してるだけの存在で世界に何も影響を
与えないと思うな。
実験では人が体を動かそうと思う以前に体はすでに動いてるらしいな。
シミュレーション仮説というのがあって創造主が作ったプログラムの世界らしいから
意識は世界を観察するための仕組みなのかもな。

宗教は発生するんかな
ニートとかなったり自殺するAIとか出てくるんかな

鬱になるのは苦しまずに喰われるためらしいから
喰われないプログラムは鬱にならない気がする

AIには本能や感情はないんじゃないの？

>>237
マトリックス？？

脳科学って宗教みたいなもんだろ
生物学の理論って基本ガバガバじゃん

数学、論理学、物理学から理論を展開しないと

AI にロールシャッハテストするとどんな回答するかな

ロールシャッハテストで診断する側のＡＩならすぐ実用化しそう

>>244
AIにはこんな風に見えてるからな
判定する方も大変だぜ

https://photos.google.com/share/AF1QipPX0SCl7OzWilt9LnuQliattX4OUCj_8EP65_cTVnBmS1jnYgsGQAieQUc1VQWdgQ?key=aVBxWjhwSzg2RjJWLWRuVFBBZEN1d205bUdEMnhB

>>245
判定側は画像を見る必要はないんでは？

人工知能って独学可能ですか？
パイソンは独学で覚えましたが、本格的に人工知能のエンジニアになるには独学じゃ厳しいでしょうか？
入学時には三浪の年齢になると思いますが今からでも情報工学科行った方が良いのでしょうか？

それとも学部レベルのことは人工知能関連の企業に勤めれば習得可能でしょうか？

エンドユーザー的なのと、最前戦でちがうだろ。
アルファ碁みたいな人工知能研究を10年進めたみたいな画期的なやつは
専門の大学、大学院へいったほうがいいのでは。
すでにあるディープラーニングソフトを使う(使ったプログラムを作る)のは企業就職でもいいだろ。

>>248
なるほど

ちなみに三浪じゃどっちにしろそういう高度な研究職にはつけないよね？
いくら情報工学部行っても最終的にはプログラマーやシステムエンジニアになるのであれば最初から現場で学んだ方がいいのかな

というか東大や東工大の大学院に文系学部から入るって現実的に可能なのかな...？

それができるなら普通に大学院から編入したいな

そもそも人工知能学科なんて日本に多分ないわけで、
情報系でも講義があったとしても、せいぜい1つか2つでしょ。

総合的に勉強したいなら意味はあるだろうね。

>>252
一応東工大では人工知能の大学院があるな...

人工知能って、勉強する対象としてどうなんだろうね？

誰かが思いついた方法をただ学ぶだけ？
他の誰かが別の良い方法を思いついたらまたそれを学ぶ？

あまり勉強しがいのある対象じゃないように思うんだよね。

完全な実学でしょ。

勉強するなら数学とか勉強したほうがいいんじゃないの？

人工知能の理論なんてあるの？

工学部ってそもそも実学を学ぶところでしょ

>>247
大学行けるレベルなら独学でもOK
高卒は無理

>>254
別の良い方法を自分で思いついたつもりでも
現状の「人工知能」の性能と比べようと思ったら
やっぱり現状の「人工知能」の知識は必要なので
勉強する対象としてはアリ

車輪の再発明って奴か

>>257
大学へ「行ける」レベルなら高卒も含まれるのでは。

>>251
三浪とか学部は文系だったけど研究者になった人とかはたまにいるから
理系の大学院に進学すること自体は別にいいとおもうけど
今人が集まって生きているから、パッと思いつくアイデア、面白そうな研究テーマは
既に誰かがやってしまっていて、自分がやることにはブームが去って
自分は周回遅れで、その残りカスをやる羽目になって後悔する可能性はあるよ。

>>261
え、理系って大学院でても別に研究者になるとは限らないんじゃないの？ある程度のレベルの大学以上だとほとんど大学院に進学するみたいだし

それとも時期的な話？今から5年後にはもうAI自体が下火になってるってことか？？

>>249
3浪はさほど生涯にはならないと思うけど、数学はできないと厳しいぞ
ツール使うだけにしても自分が何をやってるのか背景にある技術や理論が理解できないと、どのツールを選ぶのか判断できないし、問題があった時にも対処できない

>>263
本当か？信じてええんやな？
独学で学部レベルの情報工学やるか、三浪で工学部入るか迷うけどとにかくどっちにしろ数学必要だろうから数学勉強し治すわ
ありがと

どのツールを使うのかの選定から入れるレベルって、
それなりに偉くなってからじゃないの？
SEレベルなら自社で売ってるパッケージを勧めるだけだしｗ

高卒で働くか三浪しても大学行くかだったら、断然後者だが。

>>265
ツールってのはソフトウェアのパッケージのことじゃなくてアルゴリズムのことな
訓練データ食わせて抽出したパラメータが今ひとつだった時にどうすればいいの？もっと訓練データが必要？重みパラメータにペナルティ加えるだけでいい？モデルの見直しが必要？そもそもこの分析手法で合ってるの？
みたいな
逆にそういうことは他の人が考えてくれて、自分は擬似コードをPythonで書き直すだけなら派遣会社へ電話すれば良い

自分が何をやってるのか背景にある技術や理論が理解できてない
↓
どのツールを選ぶのか判断できない
↓
問題があった時にも対処できない

このパターンはまってるひとたまに見かけるけど本人は気付いてないんだよな

>>259
そうか？
車輪の再発明かな？
空中浮遊術の発明じゃないのか？

これからの時代はチープラーニングやで

throat

数学よりも認知科学を勉強せんと。

でももの凄い監視社会がやってきそうだな。こんなもん開発していいんだかな。

>>269
いやカプセルネットワークだ。

数学とかどの分野でも必須だろ
線形代数すらまともにできないゴミプログラマーとかってこれから先マジでどこに需要あんの

>>264
浪人＋留年>三年は確実に就職に響く

訂正
浪人＋留年>=三年

あと機械学習やりたいだけで学部まで変えるな
独学で十分と思う。なりより下火だし

下火なのか？

>>254に完全に同意

おまいら共通一次受けて来た？

推薦で入れるくらいじゃないと

国立推薦か
誰か忖度してくれんかな

人工知能もムーミンの舞台はムーミン谷と答えるだろうね

>>283
飯能というかもしれんぞ

なるほど

機械学習なんて古い技術的だろ、なんで今脚光を浴びてるのかわけわからんわ。

古いっていつ頃の話？

興味ある

>>286
その通り、それ自体は以前からある技術。
ところが、扱い方に大きな変革が出てきたという話。
そこが理解できていないとちょいまずい。

>>289
＞扱い方に大きな変革
kwsk

詳しいことは分からんが、将棋ソフトが俺でも勝てるレベルからプロ以上になったんだからハードスペック以上の進化は間違いなくしてるな

>>290
ほんとに簡単に説明すれば
データから学習するというのは80年代から行われていて
90年あたりから実務で利用されている90年半ばからのデータマイニングに於いての
利用がまさにそれ。ところが自動化と言う面ではアルゴリズム的な問題から
自動的な学習はまだまだで人の介在が多かった。その部分独学できるような
アルゴリズムが出てきた（その代表がディープラーニング）おかげで、それが
現実のものになってきたという流れ。

要はソフトが独学できるようになたったイメージでとらえるといいかも。

ディープラーニングをGPUにさせてるっていう書き込みを最近見るんだが
目的は何だろうか？
金が儲かるのか？

>>293
速い、性能が高いだけだろ。
スパコンもおもにGPUを組合せて作る。
グーグルはGPUを超えるディープラーニング用のGPUみたいなやつ独自開発もした。

儲かるで
ちな金融系

>>293
行列の計算が速い

GPUは分岐処理は苦手だけど、並列計算はクソ速い
ディープラーニングだとそれがめちゃくちゃ有用

>>296
だからディープラーニングして
その先の目的は何？

>>295
金融系か
スキャルの研究とかか？

>>298
目的は人それぞれ
研究だったりビジネスだったり

現状では自然言語処理と自動運転が主だね

>>301
そういうことやってるやつそんなおらへんやろと思うんだよね
その割にディープラーニングやってるやつ多すぎやろ

現段階では使えるか微妙だけど、なんかバズってるし将来必要かもわからんから
くらいの感じじゃないかね。
本当に有効に使えてるところが多いとは思わん。

画像認識とかが一番多い
セキュリティ、医療、農業、工業その他諸々応用性は高い
金はめっちゃ掛かる

その金って正解データの作成やチューニングの費用?

話題性でかつ人が今のところ少ないから
金が高いそれだけだろね。
いつまで続くか、結構長く続くかもしれないし
短いかもしれない。

なにしろ、独自のアルゴリズムでなんてのを追い求めて
金になりなんて人は一握りのそのまた一握り。
あとは、パッケージ化された手法を使いまわす応用アプリケーションに
なるので。そこまで金にならなくなるだろね。

でも今は金になってるのは事実でしょう。

人件費、計算資源、教師データの収集
この辺り

特に、普通の写真や動画に含まれる文字認識とかになると、
・文字列の範囲の認識
・文字の分割
・文字の認識
と沢山の工程があって、実質的に複数の学習が必要になって非常にコストがかかる

人工知能って結局バブルなん？
なんか医療用の画像診断と翻訳以外だといまいち結果残せてない気がする
EVはともかく、たぶん自動運転はぽしゃるかんじがするし

誰もわからんってのが答えだろ。
とりあえず言えることは人工知能は20~30年周期で盛り上がったり盛り下がったりはしてる。
300年後とか逆に遠い未来ならともかく、10年、20年くらいじゃどうなるなんて正確には誰もわからんよ。

自動運転は要求される精度が厳しいからまだ難しそうだな
LIDARとかハードウェア的なコストの問題もあるし

後から人間の目でチェックできる用途だとアプリケーションに合わせてprecisionかrecallのどちらかが高いのを選択すればいいけど、
自動運転は両方が高くないと危険だからな

自動運転で動きが無いものの判別が難しいらしいね
米国で駐車していた消防車に激突

岡谷貴之著『深層学習』のpp.17-18に

「事後確率 p(d=1 | x) は、条件付き確率の定義から

p(d=1 | x) = p(x, d=1) / (p(x, d=0) + p(x, d=1))

と書けます。」

と書いてあります。

例えば、 p(x, d=0) は 入力が x で正解が d=0 である確率のことでしょうか？

確率の勉強やり直したほうがよさそう

p(x, d=0) はどういう意味でしょうか？

p(x, d=0)＝p(x∩ d=0)　のこと

条件付確率もわからないとベイズは理解できないよ

>>316

ありがとうございます。

ということは、

>>313
の

「例えば、 p(x, d=0) は 入力が x で正解が d=0 である確率のことでしょうか？」

は間違っていないということですか？

>>313

p(d=1 | x) = p(x, d=1) / (p(x, d=0) + p(x, d=1))

これは、

p(d=1 | x) = p(x, d=1) / (p(x)

とも書けますか？

>>319
その本持ってないけどdは1か0しか取れないんでしょ？
であれば、そう書ける
つーかそれが条件付確率の式で (p(x, d=0) + p(x, d=1）)の形式はベイズでよくやる表記

>>320

ありがとうございます。

はい、 d = 0 か d = 1 です。

x は、人物の画像で、その人物が男性の場合 d = 1、
女性の場合 d = 0 という例が書いてあります。

p(x) というのが分かりません。入力となる人物の画像の集合 X の要素 x に対して

p(x) を計算するということですが、 X を定義することなどできるのでしょうか？

あるフォーマットのすべての画像の集合 = X ということですか？

岡谷貴之著『深層学習』のpp.17-18の辺りが何を言いたいのか分かりません。
この本を持っている方に解説をお願いしたいです。

ロジスティック関数 y = 1 / (1 + exp(-u))
の y は確率と解釈した。

では、 u は何であるか？

それは、

log(p(x, d = 1) / p(x, d = 0))

と解釈できるということが言いたいのでしょうか？

めんどくせー
お前には無理

>>324
は合っていますか？

これを100回読んでからまた来てね
https://www.amazon.co.jp/dp/4797366575

多分、「xという観測結果から、dが0なのか1なのかを判断しようとしている」　ことを理解できていないね

>>328

p(d=1 | x) は入力が x であるときに、 d=1 である確率だと思います。

そだね

>>329
じゃーP(x)はなにかわかるよね？

入力が x である確率だと思います。

人物の画像ではなくランダムな画素値をもつノイズのような画像を与えても、
それが男性(d=1)である確率はいくらだとか女性(d=0)である確率がいくらであるとか
ナンセンスではないんですか？

というかそもそも出力をなぜ確率だと解釈するんですか？

で、ロジスティック関数 は1か0かの判別に有効な関数ね
これで大体わかると思うけどどうかな

活性化関数についても疑問があります。

始めは生物をモデルとしてシグモイド関数を使っていたそうですが、
正規化線形関数のほうが性能がいいとか、間抜けすぎませんか？

なぜ生物を真似るというような馬鹿なことをするのですか？

それとある手法がなぜうまくいくのかの説明が本に書いてないです。
「この手法ではこうする。そうするとうまくいくことが論文で報告されている」
みたいなパターンばかりです。

君は向いていないよｗ

この分野の特徴を一言で言うと「考えない」。

起源は生物の真似（真似できているかどうかも疑問）。

その後はそれを単純化してみたらもっとうまくいった。

色々試してみてうまくいく手法がみつかる。

でも理由については一切説明しない。

やっていることは関数のパラメータ W と b の最適値を見つけるという単純は話。
ただ、規模が大きいから難しいというだけの話。
別に夢のある分野でもなんでもない。

神経細胞もなにも関係のない話なのに、なぜかニューラルネットワークとか
言い出していかにも人工知能を研究しているんだという雰囲気を醸し出す。

詐欺のような分野じゃないですか？

>>338
(考えてないのは自分じゃ..)

courseraのmachine learningのコースでもやると良いよ
無料だし多分君でも分かる

>>341
ものすごく考えているんだけど、頭が悪いと実質考えていないになる
で、掲示板で教えてクレクレ

>>340
嘘じゃない情報を与えて結果が受け入れられれば合意の成立
詐欺じゃない

ディープランニングという言葉はもう陳腐化してます
これからはディープスロートと表現するようにgoogleを説得してきます

>>340
ブームってそういうもんだよ
技術の本質をわかってなかったり、意図的に隠してたりする大衆向けに捻じ曲げられた広告が出され、
勘違いした一般人が増加していく

機械学習は成果物があるしやれることやれるからまだまだ全然マシなほう
ブロックチェーンなんか…おっと誰か来たようだ

ブロックチェーンに比べると「アカデミックで価値ある」とかそういう誤魔化し方をする輩が多い印象

逆ですよね、特に日本では、学会論文として認められづらい。
だから研究者（特に大学関係）も力がないらなかったというか
やらなかったといった方が正しいですね。そんで遅れが出た。

深層学習を研究したいのか
人工知能を研究したいのか

>>348
いやそういう被害者ぶった奴が多いってことだよ。
外国の学会でも提出すればいいだけの話では？
日本の大学関連で残りづらくなってるのは別にこの分野に限らんでしょ。

>>350
そうね、海外で発表は有だしそうすればいいと思うし
実際にそうやってきた人たちはいる。
実業界の人が多いけどね。そういう方はいまは大学に戻って
教えている方も多い。

>>348
研究してる先生がダニ次ブームが終わった後に減ったから専攻する学生も減っただけじゃね
優秀な論文ならIEEEとかに出せばいいだけ

＞優秀な論文なら
優秀ならそうするだろね
その前にこの分野をやる人が減っちゃていたほうの問題

>>352
世界的に減ったわけでなく
日本が特に減ってしまったというところがねー

ダニ？

物理や純粋数学に比べればまだいい方だろ。。
まあそういうの抜きに学術全般で日本が衰退してるってのはあるが。

>>301
投資関連はすごいよ、巨額マネーを投入
投資ファンド、ヘッドファンドは収益に直結、他のAIに負けると廃業
学生を大量採用、インドや中国からも

深層学習
Ian Goodfellow
固定リンク: http://amzn.asia/gIgFNu5

翻訳されるんですね。

次の粗探しのネタはこれかｗ

http://www2.nhk.or.jp/hensei/program/p.cgi?area=001&;date=2018-02-04&ch=21&eid=19685&f=812

>原山優子，井上智洋，久木田水生，古田貴之，山川宏，山田誠二

おいしいの？

排便にはエキストラバージンオイルがいいそうだｗ

食べる前に飲むのはキャベツ"ソ

明日か。間違えてテレビをつけたｗ

>>361
でも、お高いんでしょ

「人工知能」にマッチしました．
「ＡＩ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：ＡＩ＝人工知能の技術が急速に発展し、自動運転やロボットなどさまざまな分野で活用が広がっています。ＡＩは私達の暮らしや社会をどう変えるか？６人の専門家が討論します
放送日：2018年02月04日
開始時刻：09:00

「人工知能」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：人工知能やロボットを使い未来型の農業を目指す会社がある。社長の菅谷俊二。最先端技術で病害虫の予防・駆除を行い、農業の未来を切り開く技術者の挑戦を伝える。
放送日：2018年02月04日
開始時刻：27:30

「ＡＩ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：将棋好き芸能人とプロ棋士が対局する将棋バラエティー！永世七冠達成の羽生善治ＶＳ俳優・東出昌大！ＡＩロボット対局！ひふみん将棋講座！藤井聡太が難問詰将棋を出題！
放送日：2018年02月10日
開始時刻：13:30

「ＡＩ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：時代の先端を走るＡＩロボット開発者である林要が、日本を代表する仏師の松本明慶と対談。「魂のよりどころ」となるものを作る神髄について語り合う。
放送日：2018年02月10日
開始時刻：22:00

荒らしかと思った

https://github.com/oreilly-japan/deep-learning-from-scratch/blob/master/ch04/gradient_simplenet.py

これの f という関数が意味不明です。引数の w を利用していません。

詳しい解説をお願いします。

f = lambda w: net.loss(x, t)

引数の w を使っていない。

net, x, t はグローバル変数ですか？

numerical_gradient(f, x) は引数として 多変数の関数と数ベクトルをとりますが、
他に、 net, x, t を引数としてとるようにしなかったのがいけないのではないでしょうか？

見れば見るほど奇妙なプログラムです。

b = 2

def f(a):
■■return b

print(f(b))


>>371

のプログラムは↑こんな感じのことをやっていますよね。

この著者の頭は大丈夫でしょうか？

>>371

よくこんなひどいプログラムを載せて恥ずかしくないですね。

こんな人が『入門Python 3』の監訳者であるというのが不思議です。

>>371
numerical_gradient に渡す最初の引数(コスト/損失関数)fはラムダ式である必要があるが、実際には net.loss 関数と net のコンストラクタで初期化した net.W と x と t で計算が済んでしまう

lamda 式には引数として何か定義しないとならないため、ここでは w を使っているが実際には他の変数と被らなければ z でも何でもよい

numerical_gradient の実装をニューラルネット用に変えるのが正しいやり方ではないでしょうか？

>>376
これはひどい

紛らわしい使わない引数は
_ っていう名前にするべきだが

そんな些細な事通り過ぎてぶっとんでるソースだと思う
糞本はこれに限らず山ほど出てるし気付いたら近寄らないこと
時間の無駄

>>378
関数の微分だけならわざわざ別に用意する必要もない
特定の入力に対しては使えるけど、他の微分に使えなくて怒り出す人も出てくるだろうし
まあでも、自分でいい方法考えてプルリクエスト送れば第2版に反映してくれるんじゃないの

酷い自演を見た

新手のステマ

確率的勾配降下法では、最適化対象の関数が毎回変わりますが、それでも
OKなのはなぜでしょうか？

またおまえか

イーさんw

マジで自演したと思われてるぞ君

https://codeiq.jp/magazine/2015/04/23350/
http://taketo1024.hateblo.jp/entry/report/20150327

https://github.com/oreilly-japan/deep-learning-from-scratch/blob/master/ch04/two_layer_net.py

↑のひどいコードを↓のように変更しました。

https://github.com/for-2ch/for-2ch-codes/blob/master/my_two_layer_net.py

大きな改善ですね。

>>389
ウイルス

「ＡＩ」にマッチしました．
「ＰＣ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：▽ＩＴ農家が自作したＡＩきゅうり選別機　▽インターネプコンジャパン　▽胎児のエコー画像から作る３Ｄオブジェ
放送日：2018年02月16日
開始時刻：15:30
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=11&;area=001&date=&tz=all&mode=2&next=&f=week

なぜ「誤差」逆伝播法というのでしょうか？

「誤差」とは何ですか？

フィードバックの負帰還のことじゃね

理想と現実とのギャップの意

現実のおまいらが理想の彼女に告白すると誤差が発生する
ダメ出しされた所を順番に直していくのが逆伝播

>おまいら

理想と現実のギャップの埋め合わせ

https://github.com/for-2ch/for-2ch-codes/blob/master/Saito_Chapter_05.ipynb

↑斎藤康毅さんの本で省略されている誤差逆伝播法の式の計算をしました。

memo
http://tech.nikkeibp.co.jp/dm/atcl/mag/15/00144/00027/

「ＡＩ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：▽ＡＩで残す思い・ホロコースト生存者と対話できる博物館・亡くなった恋人との会話▽各国放送局の注目ニュース▽ＮＹ経済情報▽世界の天気ほか※内容変更の場合あり
放送日：2018年02月14日
開始時刻：07:00
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=11&;area=001&date=&tz=all&mode=2&next=&f=week

TensorFlowではじめるDeepLearning実装入門 (impress top gear)
新村 拓也
固定リンク: http://amzn.asia/0qxGgTc

↑この本は、どんな本ですか？

ディープラーニングのまともな学習用のパソコンの最低スペックはどれくらいですか？

一番安いモデルでもOKですか？

↑教科書の粗探しをして著者を見下すのが仕事の松坂君です↑

>>403
いえいえ、教科書が必ずしも正確ではないことを白日のもとに晒すという批判は重要だと思います
私は松坂君を応援しています

社会不適合者（）

馬鹿アスペが好き（禿藁）

入力データのcsvと正解データのcsvを用意できるとして週末にそのデータを使って学習
平日は送られてきcsvに対して結果を出力という処理を作ろうとした場合に参考になる本知っているかたおられますか？
どの本も手作業であればコマンドを打ちながら学習させてinを読み込ませて結果を確認するってことは出きるんですが上のようにバッチ化させて更に昔学習させた学習モデルを呼び出すような方法がかかれてません
すいませんがお願いします

>>402
atomとかceleronでも一応動く

>>402
マジでやるんならnvidiaのGeForce900番台か1000番台のグラボがないとキツい
CPU演算だけだと定番のmnist28x28画像セット覚えさせるだけで5分✕数十ループとか掛かる

>>407
本は知らんが
cronやタスクスケジューラでググれ

>>408-409

ありがとうございます。

>>409

一番安いパソコンが買えるくらいの金額ですね。

>>401
立ち読みしてきた
一言で言うと薄い
それほど突出した本でもない
他のTensorFlowの本持ってるならあえて買う必要はないと思う
初めての本ならどうぞ

粗探しにはちょうどいい

TensorFlowの本でおすすめは何ですか？

「交通事故」でも過労死　裁判所が画期的な和解勧告
http://news.yahoo.co.jp/byline/konnoharuki/20180209-00081434/
いよいよ「働き方改革」が法案審議に
http://business.nikkeibp.co.jp/atcl/report/16/021900010/012500060/
「ルール違反の残業には罰則を」安倍政権が成立を目指す「働き方改革関連法」を事前予習！
http://headlines.yahoo.co.jp/hl?a=20180125-00010003-abema-bus_all
長時間労働の是正へ「特別チーム」　厚労省、全国に設置
http://headlines.yahoo.co.jp/hl?a=20180125-00000010-asahi-soci
週休三日制のメリット、デメリットを考える
http://dime.jp/genre/476977/
「週休3日制」で社員から悲鳴？　一方で支持された「気分で出勤制度」とは
http://dot.asahi.com/aera/2016032300229.html?page=2
残業時間を自動記録！iOS向けアプリ「残業証拠レコーダー」リリース
GPSで自動記録、弁護士監修で証拠能力高く
http://news.livedoor.com/lite/article_detail/13125505/

「ＡＩ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：ＡＩ対人類３番勝負！洋服コーディネートさせたら、どちらがおしゃれ？さらにタクシーの売り上げ対決に、なんと俳句対決まで！果たしてＡＩはヒトの感性を理解できるのか？
放送日：2018年02月26日
開始時刻：22:25
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=21&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年02月26日
開始時刻：22:25
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=22&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年02月26日
開始時刻：22:25
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=61&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年02月26日
開始時刻：22:25
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=60&;area=001&date=&tz=all&mode=2&next=&f=week

>>410
ありがとう
調べてみます

「ＡＩ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：▽ＡＩで社会を監視する中国・ＡＩ監視システムで中国社会はどう変わる？▽各国放送局の注目ニュース▽世界の天気ほか※内容変更の場合あり
放送日：2018年02月26日
開始時刻：07:00
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=11&;area=001&date=&tz=all&mode=2&next=&f=week

命名募集
https://form.os7.biz/f/8cf4a586/

詳細
http://www.ccms.imr.tohoku.ac.jp/Jpn/nickname/

「人工知能」にマッチしました．
「サイエンスＺＥＲＯ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：物流の自動化が加速している。人工知能を搭載したロボットによって、人のように荷物を仕分けられるように。注文から配達まで、完全自動化も夢ではなくなり始めている。
放送日：2018年03月04日
開始時刻：23:30
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=31&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年03月04日
開始時刻：23:30
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=33&;area=001&date=&tz=all&mode=2&next=&f=week

この出来の悪いスクリプトは何なんだ？
番組タイトル取得できてないし、リンククリックすると1週間分の番組表がでてきて手動で探さないとならないし
ロボットに仕事を奪われる人間のデモンストレーションか？

まだNGしてなかったの？

「ＡＩ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：マツコ・デラックス、有働アナが日本の社会問題に向き合う「ＡＩに聞いてみた」。第二回は「働き方」。長時間労働や生産性などの難問にＡＩは意外な分析結果を出してきた。
放送日：2018年03月03日
開始時刻：21:05
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=21&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年03月03日
開始時刻：21:05
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=22&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年03月03日
開始時刻：21:05
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=61&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年03月03日
開始時刻：21:05
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=60&;area=001&date=&tz=all&mode=2&next=&f=week

ハッシュパワー買ってくれ

「コンピュータ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：テクノロジーについてのプレゼンを２本お届けする。コンピュータ画像認識の最先端研究とは？汚染された大気を吸い込む巨大掃除機って？発明のアイデアはどう生まれるか。
放送日：2018年03月08日
開始時刻：23:00
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=31&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年03月08日
開始時刻：23:00
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=33&;area=001&date=&tz=all&mode=2&next=&f=week

ソフトマックス回帰と交差エントロピーが文系でも理解できる本ないかね

MNIST画像でニューラルネット作って学習させても、
そのニューラルネットが識別できるのはあくまで「MINIST画像」
だけであって、その画像以外形式や縦横ピクセル、濃淡とか
カラーが別形式だったら認識できなくなるってこと？

>>429
まあそうだね
MNISTのトレーニングデータと同じ形のベクトルに変換する必要がある

データを準備するまでが大変
評価も大変

でもそれだと未知データに対して対応できないような。
実際には出来てるわけで、一般化の能力を備えるための設計や運用の方法を知りたい。

バックプロパゲーション

>>432
どの投稿に対しての発言？

>>432
CNNの本を読めば何が出来て何がダメなのかが分かる
畳み込み、マックスプーリング、ドロップアウト、ソフトマックス、あたりを勉強しよう

>>435
V1の方位選択性や色選択性を模擬した処理がされてるのは分かるけど
それが汎化能力に直接影響してるとはどうやって説明できるの？

V1で色選択って出来るのかな
V4ぐらいだった様な気がするけど

>>437
V4の細胞活動は色の恒常性と合致する
そこまで処理が進んでないと色とは言わないと定義するなら、V1のは波長選択性

>>435
フェイクニュースか

いっぱい釣れてよかったね

「ＡＩ」にマッチしました．
番組タイトル：「<input type="button" class="btn_to_hp">」
番組内容：▽文書問題で集中審議　▽ＡＩが値段を決める？
放送日：2018年03月19日
開始時刻：23:15
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=21&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年03月19日
開始時刻：23:15
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=22&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年03月19日
開始時刻：23:15
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=61&;area=001&date=&tz=all&mode=2&next=&f=week
放送日：2018年03月19日
開始時刻：23:15
http://www2.nhk.or.jp/hensei/program/wk.cgi?ch=60&;area=001&date=&tz=all&mode=2&next=&f=week

「次元数」って配列の入れ子の深さことなの、それとも
配列の要素数のことなの？

たとえば
arr.shape
=> (1, 2, 4)
したときの「4」のことなのか
それとも「深さ3」だから「0, 1, 2」で「2(=np.ndim(arr)」
が次元数なのか。
この配列が [ [ [ 1, 2, 3, 4 ], [ .. 略 ... ] ] ]
となっていた場合、最も内側の [ 1, 2, 3, 4 ] って 4次元ベクトル
なわけだから「4(配列内の要素数)」が次元数じゃないのか？
配列の要素数が次元数なら入れ子の深さはなんて呼べばいいのか、
入れ子の深さが次元数なら要素数は何なんなのかを知りたい。

リストやアレイの次元が、テンソルの階数
リストやアレイの要素数が、テンソルの次元

君は機会学習にはまだ早いようだね。立ち去りたまえ

>>442
どっちでもないわΩ

>>443
なるほど、配列(ベクトル)とテンソルで「次元」が意味している
ものが違うのか。そりゃ混乱するわ。

N要素の1次元配列 ＝ N次元のベクトル、N次元の1階テンソル
MxN要素の2次元配列 ＝ MxN次元の行列、MxN次元の2階テンソル
LxMxN要素の3次元配列 ＝ LxMxN次元の3階テンソル

Shi3z先生がベクトルを勉強せい言うてはります

＞とにかくガキの頃からベクトルを教えてくれた親にマジ感謝
＞世に出てるディープラーニングの本が一夜にして軒並み一世代前のものになってすごい笑える。
＞さあライターの皆さん、本を書き直しましょう

ブログで盛んにカプセル煽ってんな
流石いっちょ噛みの清水、節操無いｗ

>448
chemiseってバカっぽいな

大学はマジで最初に数学より前に「数式」から教えろ。
いきなり習ってもいない数式が書かれたテキスト渡されて
いきなり黒板に書き始めたらそこで大半の生徒が脱落するから。
演習とかそういうのいいから抽象概念とか式の意味するところとか
そもそも何がやりたいのかとか、そういうレベルから教えろよ。

そういうのはみんな高校で済ませてます

松尾豊さんって優秀な研究者なのでしょうか？

良くも悪くも日本人研究者ってかんじ

>>452
米国だと、初歩の導入から入る。
でも、数日ですげー高度になってく。
ま、どちらも大変。

さすが数日ということはないだろ。
勉強する量が違う。教科書が500ページぐらいで、演習付きで半年でやる。
選別試験があって落ちるとさようなら。

MITの講義動画を見るとそんなに大変そうじゃないですよね。

MITのレベルを知らないのかｗ

>>458

少なくとも一般教養の微積分や線形代数の講義は非常に簡単なことを非常に丁寧に教えています。
レベルが高いとは思いません。アルゴリズムとデータ構造の講義など専門科目になると
学生のレベルが高いとは思いますが。講義自体は普通のレベルかと思います。

プリンストン大学のアルゴリズムの講義動画を見ましたが、そのレベルは標準的だと
思いました。課題を完璧にやり抜くのは少し大変だとは思いました。かなり基準が厳しい
と思いました。実際にプリンストンで講義されているレベルは知りませんが。落ちこぼれ
向き？のプリンストンの微積分の講義が公開されていますが、あれはひどいですね。

受講できる講義の数は日本の大学とは比べものにならないようですね。
勉強する場としてはアメリカの有名大学くらいの環境が望ましいですよね。
独学がいいんだみたいな馬鹿なことを言う人もいますが、講義を受動的に
受けて勉強するほうが楽です。

受動的なら専門学校でいいよ

MIT、プリンストン大学に行けばいいだろ、アホかｗ

誰か、正則化(L1、L2)について、分かりやすく教えてくださいませんか。

内分って習っただろ

>>464
詳しく教えてください。。。

おい、>>461の長文野郎
教えてやれ

誰か教えてやれよ

matplotlibのコーディングが苦行過ぎる
これどうにかならんの？

ずっとC++で苦労してきた自分は matplotlib だけでも全然楽なんだけど…
seaborn を組み合わせた時の使い勝手ってどうなんだろう？

mathematicaのやつ？

numpyのやつか
超簡単じゃん

自然科学、特に変化の速い人工知能関連の分野で日本語で最新の情報を得ようとしても限界があるので、
自分で英語の論文を読む以外のいい方法はないと思います。（無料です。）
こちらから気になるワードで検索してみてください。
自然科学の基礎研究に関して議論するのに適した場所は知りませんが、まずはQuoraかredditあたりで同じ質問をしてみてはいかがでしょうか？
Quoraはとても親切な人が多いので、丁寧に教えてもらえると思います。
https://mywarstory.tokyo/qa40/

>>461
＞独学がいいんだみたいな馬鹿なことを言う人もいますが

自然科学の基礎研究に『学力』『経済力』は不要。その動かぬ証拠はこうだ。

ガウク大統領は、次のように強調しているー
「１９４５年５月８日、我々は解放された。我々を解放したのは、ソ連の諸民族の代表者達だったが、そればかりではない。
それゆえ、我々は、感謝と尊敬の念を示さなくてはならない。戦後ドイツが、ベルリンの壁により長い間分断されたという
事実でさえも、そうした気持ちに影響を与えるべきではない。一部の観測筋は疑っているようだが、私には、
ロシアにもロシア人に対しても問題はない。」
http://jp.sputniknews.com/europe/20150502/284616.html

ドイツ人が泣いて感謝するロシアの自然科学能力は、こうして養われたものである！

我らがネステロフは、全てのギアボックスを簡単に直してしまったよ。ある時、
イギリス人の技術者がネステロフのところに来て、「あなたはどこの大学で技術を学んだのですか？」
と聞いたことがある。ネステロフのやつは「コルホーズ大学さ」なんて答えておったな。
http://www.geocities.co.jp/SilkRoad/5870/loza1.html

>>451
＞演習とかそういうのいいから抽象概念とか式の意味するところとか
＞そもそも何がやりたいのかとか、そういうレベルから教えろよ。

ところで「チンボがシコシコする」という日本語表現は、文法的に正しいのか？

チンボ「を」シコシコするのではなくて、チンボ「が」シコシコする。この場合、「チンボ」は主語となる。

オブジェクト指向で言う「集約」は２種類あって、全体（俺）と部分（チンボ）が繋がっている場合と、
全体（俺）と部分（チンボ）が別々になっている場合とが考えられる。けれども「チンボ」はそれ自体
が独立した生き物であり、所有者の意思とは無関係に、勃起して「シコシコする」。
例えば寝てる時にエロい夢みて朝起きてみたらチンコが勃起して射精してたとか。

違うか？

「頭がズキズキする」は良いが、「チンボがシコシコする」はダメな理由を、５０字以内で述べろ！

（第1章 はじめに　2頁）
たとえば、CycはFredという名前の男が朝にひげをそるという話が理解できなかった。
Cycの推論エンジンは、この話の中に矛盾を見つけた。Cycは人間には電気の部品がないことは知っているが、
Fredが電気カミソリを持っていたので、エンティティ「Fredがひげそり中(FredWhileShaving)」
には電気の部品が含まれていると考えた。したがって、CycはFredがひげをそっている間、
Fredはそれでも人間なのかと尋ねた。

『深層学習』
著者:
Ian Goodfellow, イアングッドフェロー,
Yoshua Bengio, ヨシュアベンジオ,
Aaron Courville, アーロンカービル

>>474
何がいいたいの？主張は？独学は良いの、悪いの？

>>477
コルポーズ大学が最高だろ？

>>469
サンプルのほとんどがオブジェクト指向的な書き方じゃないからな
こうするときはこう書くみたいなのの羅列で脳が滅茶苦茶に破壊されるイメージはある

なのでサンプルの写経じゃなくてオブジェクト指向的な書き方もできるから
matplotlib でもそっちの書き方してるものを参照する(書く)ようにするとまだまし

>>478
ハラショー

自分には学歴も収入も無いから、自然科学の素質が無いと勘違いしている人居ないか？

＞コルホーズ大学さ

>>481
予選落ちっていう意味ではあたってるな

>>482
コルホーズ参加に予選なんてあるんか？

自然言語処理の知識はゼロなのでわからないです。面白いアイデアだと思うので、Twitterの自然言語処理が専門の方々に聞いてみては？
https://peing.net/ja/q/417c9e29-35de-4c95-8323-afd6a50fcbc7

言葉のかわりに動画で理解ってただのGANじゃん
動画でやろうとするとデータ量膨大になるだろうしそもそも収束しなさそう

動画が判りやすいっていうのこそ人間の錯覚なのかもな

ソホーズじゃだめなんですか？

>>461
＞勉強する場としてはアメリカの有名大学くらいの環境が望ましいですよね。

ソ連のコルホーズ大学のほうがドイツ人からは『感謝』されてるけどなw

静止画で２次元
動画で時間軸付けても高々３次元
人間は３次元以上のものは２次元でしか「目で見れない」
４次元のものは３次元２次元に還元して「見ている」
そりゃAIに負けるわ

デュアルコアプロセッサは二つのプロセッサがメモリーを共有している。
これに対抗するには茶碗に二つの脳を入れて接続しあうよう培養するしかないのではないか。

文系脳メモリーと理系脳にメモリーに分けて入れる。
プロセッサはいつも論争状態。

ステレオタイプにすればＯＫ

>>491
何人もの脳を入れると多重人格ＡＩを楽しめます

キカイダーの怪人だっけｗ

>>469
自分で使い易いようにラッパー作ったら？

ヨーヨー

>> 464
>誰か、正則化(L1、L2)について、分かりやすく教えてくださいませんか。
誰も教えられないということは、
やはり、難しくてよくわかっていないんですかね？

正則化はlossの計算に正則化項を加えること
L1正則化は正則化項がパラメータのL1ノルム、L2正則化ならL2ノルム
調べたら分かることだろ

ゆとりだろｗ

>>497
おま環

>>488
学力やら学費やらで差別されない平等主義ソ連の教育方法は、もっと見直されるべきと思う。