【統計分析】機械学習・データマイニング12©2ch.netYouTube動画>2本 ->画像>31枚

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

■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11
http://echo.2ch.net/test/read.cgi/tech/1482227795/

■過去スレ
【統計分析】機械学習・データマイニング【集合知】
http://toro.2ch.net/test/read.cgi/tech/1286200810/
[統計分析]機械学習・データマイニング[集合知] 2
http://toro.2ch.net/test/read.cgi/tech/1342812444/
【統計分析】機械学習・データマイニング3
http://peace.2ch.net/test/read.cgi/tech/1350121405/
【統計分析】機械学習・データマイニング4
http://peace.2ch.net/test/read.cgi/tech/1403603502/
【統計分析】機械学習・データマイニング5
http://peace.2ch.net/test/read.cgi/tech/1439302488/
【統計分析】機械学習・データマイニング6
http://echo.2ch.net/test/read.cgi/tech/1455651930/
【統計分析】機械学習・データマイニング7
http://echo.2ch.net/test/read.cgi/tech/1460535528/
【統計分析】機械学習・データマイニング8
http://echo.2ch.net/test/read.cgi/tech/1464586095/
【統計分析】機械学習・データマイニング9
http://echo.2ch.net/test/read.cgi/tech/1470037752/
【統計分析】機械学習・データマイニング10
http://echo.2ch.net/test/read.cgi/tech/1479498503/
【統計分析】機械学習・データマイニング11
http://echo.2ch.net/test/read.cgi/tech/1482227795/

■関連スレ
人工知能・機械学習のスレッド＠数学板
http://rio2016.2ch.net/test/read.cgi/math/1467700762/
パーセプトロン
http://rio2016.2ch.net/test/read.cgi/informatics/1330911251/
人工知能ディープラーニング機械学習のための数学
http://echo.2ch.net/test/read.cgi/tech/1482808144/
Deep learning
http://echo.2ch.net/test/read.cgi/tech/1387960741/
ディープラーニング
http://echo.2ch.net/test/read.cgi/tech/1457792560/
自然言語処理スレッド　その４
http://echo.2ch.net/test/read.cgi/tech/1401741600/

■人工知能考察スレ
(強いAI)技術的特異点/シンギュラリティ(知能増幅) 55
http://rio2016.2ch.net/test/read.cgi/future/1485004129/
(AI)技術的特異点と政治・経済・社会等(BI) 9
http://rio2016.2ch.net/test/read.cgi/future/1484578214/
(情報科学)技術的特異点と科学･技術等 1
http://rio2016.2ch.net/test/read.cgi/future/1427220599/
人工知能
http://rio2016.2ch.net/test/read.cgi/future/1286353655/
人工知能で自我・魂が作れるか
http://rio2016.2ch.net/test/read.cgi/future/1476229483/
こころがあるロボットは作れるのか
http://rio2016.2ch.net/test/read.cgi/robot/1287505889/

いちもつ

>>1 乙

ニューラルネットワークで、入力Xa, Xbに対し、出力Xa/Xbを得たいんだけど・・・・これって何層あっても無理なん？

>>6
何がしたいのか意味分からん。

わり算

https://chrome.google.com/webstore/detail/%E3%81%AF%E3%81%A6%E3%81%AAng/mbgdnfmdelffjdhkdggilmphfdihnmcj?hl=ja

数学もできないゴミどもが頑張ってもたいしたことできないからさっさとあきらめた方がいい

まあ出来るわけないんだろうけど、事前処理以外になんかいいごまかし方ってあるんかな？

すまん、何がしたいのかわからない

ガチで>>6が何したいのか分からない
ただのわり算？？

無能おじさんがまだいるのか
さっさと会社やめればいいのに

そうそうタダの割り算だよ、まあ掛け算でも同じことになるんだろうけど
タダの掛け算・割り算をニューラルネットワークでやるのに、なんかいい方法ないかな？

>>15
すまん、教えて。
何でニューラルネットワークを使うのか。

backpropで学習するために割り算もまたニューラルネットで表現しないといけない、みたいなこと考えてる？

>>17
いやそんなことはないよ
ただ事前に掛け算割り算が必要だと分かってればいいけど、人間が分かってないことも多いだろうからね
ニューラルネットワーク内で処理できたらそれに越したことはないじゃない

>>18
計算コストの掛かる除算の処理そのものに、NNを使おうとしてる？
それとも除算処理を回避しようとしてる？

最大値で割って正規化してから学習させたらいけそうだけど

>>19
前者だけど、すまんが後者の意味はよくわからないな

NN中で除算が何回も発生してる時点でやる意味が分からない

アホだからしょうがない

加減乗除しかしてないのに

>>15
出来たぞ
乱数で作った10個だけどな

いやそりゃできるだろ… 意味があるかは別にして

ネタなのかほんまもんのアホなのか分からん

>>26
一般化は難しい気もするけどな
つまり割り算の概念みたいなのを学習するのは

割り算の概念を獲得することと、割り算が正確にできることに何か違いがあるのかね

>>21
後者は直接的な除算はしてないけど、数字の組み合わせとかを覚えさせて結果だけ出力させるみたいな方法があるかと思って上げた。


何故わざわざNNでやろうとしてる？
除算の時間短縮化？

>>29
違うと思うけどな

>>14
またあんたか。
数学についてはあなた無能でしょ？

会社で無視されてて役に立たない人は帰ってどうぞ

>>15
ニューラルネットワークは普遍性定理によって任意の関数を表現できる
http://www.dartmouth.edu/~gvc/Cybenko_MCSS.pdf

割り算の演算は思いつく方法として
１）２つの任意の数字をN桁の２進数の数字に置き換える（手動でNNを設定できる）
２）２進数における割り算の論理回路は存在するのでそれを元にNNに置き換える（凄く面倒くさい）
３）２進数で演算できたら10進数に置き換えるNNに代入して出力（これも手動でNNを設定できる）

かなり面倒だが手動で変数を設定して　１）→２）→３）とデータを流せば演算ができるが
変数が未設定のNNに対して誤差逆伝播法などを使って学習させたら
正確な変数を設定できるかどうかは分からん

>>30
なるほど、その後者の方は流石に勘弁してほしいな
NNでやりたいのは、複雑なモデルを自分で考えるには限界があるだろうからで、除算が必要な場所には除算相当の機能を勝手に追加してくれたら便利だなと思ったのさ

アホだな

割り算が「複雑な演算」ｗ

せめてニューラルネットワークぐらい勉強して。

>>15 掛け算だけど極限操作を許容すればドンピシャで一発回答
Why does deep and cheap learning work so well?
https://arxiv.org/abs/1608.08225
p.4 Continuous input variables
ここでの記号でXa * Xbの例がイラスト付きで例に挙げられてる
論文中の記号でシグマと書いている関数を原点近傍でテイラー展開しているので
割り算にはそのままでは適用できないけど手がかりが掴めればと思う
論文の著者が直接くおーらで回答しているのは以前リンクを貼っといた

このスレで数学の話題はNG

んなわけないし

自称理論屋を呼び込むなということだろ、もっとも無能社畜の憂さ晴らしだったのがバレたけど

>>42
何言ってんの？
君はカルマンフィルタの実装化でもやってなさい。
すでにこっちはやったけどな。。

>>39
うーん分からん
とりま英語の論文は貼るなや

無能集団

intで小数の割り算できない

>>39
ありがとう！
時間かけて読んでくるよ

以下のコードを実行しましたが、
Irisのデータが取得できません。
なぜでしょうか？

Raschkaの本に載っているコードです。

import pandas as pd
df = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data', header=None)
df.tail()

掛け算ができたら0.5掛ければ2で割るのと同じ結果を得られるんじゃね
Fig2に書いてある重みにしたらuvの積になるとかそんな感じだと思うが

>>48
そのURLにブラウザでアクセスしたらダウンロード出来るの？

>>48
ダウンロード出来た
てことはpandasをインストールしてないとかじゃね？

>>50

ありがとうございます。

ブラウザでアクセスすると csv ファイルのページが表示されます。
そして、それをダウンロードして、

df = pd.read_csv('iris.data', header=None)

とやるとちゃんと読み込めています。

書き忘れましたが、データを取得できないだけでなく、
Python自体が動作を停止します。

>>53
エラーがでたりしてないの？
取り敢えず読み込めてるならいいんじゃね？

>>54

PythonによってデータをダウンロードしようとするとPythonの動作が停止してしまいます。
ブラウザを使ってデータをパソコンに保存して、それをPythonで >>52 のように読み込むと
ちゃんと読み込めます。

確かに、一応読み込めるのでとりあえずこのまま進むことにします。

ありがとうございました。

Python自体が動作を停止します。 キリッ

wwwww

Raschkaの本を持っている人に質問です。

第2章の plot_decision_regions 関数で、

Z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T)

の辺りの処理は何をやっているのでしょうか？

意味が分かりません。

なんとなくは分かります。

おそらく直線で分けられた二つの領域を分けるためのような気はします。

>>48-55
よく知らないけど、https は読み込めないとか？

>>59

なるほど。
でもRaschkaの本に書かれている通りなんです。
Raschkaが確かめもせずに書いたとも思えないですし。

Raschkaの本を持っている人に質問です。

第2章のパーセプトロンの学習アルゴリズムについてですが、
データに値が負のデータが含まれている場合に重みの更新
方法がまずいように思いますが、どうでしょうか？

>>59
その本結構実装自体が間違っているから読んでも無駄
エッセンスだけ理解して自分で実装できないならやめた方がいい

ここでCMです
>>47 掛け算を数値計算と比較をした記事があったのを思い出した
Notes for "Why does deep and cheap learning work so well?" - GitHub
https://gist.github.com/fperez/c7b1cb4810f9d0935e893f34c41f0c62
コードの方がわかりやすければこっちを先に読んだ方が良いかも

pandas 0.19.2のAPIReferenceではhttpsは含まれてないですね。
pandas.read_csv
The string could be a URL. Valid URL schemes include http, ftp, s3,
and file. For file URLs, a host is expected.
For instance, a local file could be file ://localhost/path/to/table.csv

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html

紹介したいのだろうが、こんなん読む気がしない

こういう情報提供の方がありがたいんだよなぁ…

そんなわけない自演おつ

>>39
その論文と割り算に関係ないよね？

>>39
>>63
いろんな論文を読んで勉強することはいいことだけど
ややこしい論文を読むと言う話では無くて、割り算をテイラーなど
何かの級数展開して積の数列にすればいいと助言するだけの話では？

アホの考え休むに似たり、相手すると損ｗ

びっくりするよな、割り算てw
機械学習が解こうとする課題と、人工的で低レベル演算をあたかも同じカテゴリにあるかの如く認識してるとか

だって同じじゃん

(x1, y1, 1), (x2, y2, 1), …, (xi, yi, 1), …, (xn, yn, 1)
(u1, v1, -1), (u2, v2, -1), …, (ui, vi, -1), …, (um, vm, 1)

というデータが与えられているとする。

未来に与えられるデータ

(a1, b1, l1), (a2, b2, l2), …, (ai, bi, li), …

の li が 1 なのか -1 なのか予測したい。

この問題を機械学習で解決するのに、なぜ、α, β, γを適当に決めて、

α*ai + β*bi + γ > 0 ならば li = 1
α*ai + β*bi + γ < 0 ならば li = -1

と予測するというような方法をとることがあるのでしょうか？


xi, yi, ui, vi の分布が正規分布だと仮定して、

(x = ai のときの確率密度関数の値) * (y = bi のときの確率密度関数の値)

と

(u = ai のときの確率密度関数の値) * (v = bi のときの確率密度関数の値)

の大小を比較して、大きいほうのグループに属すると判定するというような
方法を誰でも最初に思いつくのではないかと思うのですが。

>>73
分類が出来るから。
というか、変数全部正規分布する仮定置くのよキツいし、その方法でやる意味が分からん

どうしてそんなにつまらない例題ばかりを持ち出すんだろう

宿題か何かだろw

なぜ直線で平面を分割するのですか？
不自然だと思います。

>>77
カーネル関数使えば非線形分離出来るから

二つの正規分布の分散が同じなら境界は直線になる。たしかに不自然な仮定だな

>>78
なんでいきなりカーネル使うことが前提になるww
以前からある手法で>>73みたいなことすんのは何故と聞いてるのに

>>73
その比較する値が等しいときの点をつないだ線は直線になるんじゃね？

x y u vの平均とか分散も判らないからサンプルから推定するしかないが本当の母平均や母分散とは誤差があるだろう

関連性がよくわからん（紹介主も関連性をわかってない？）
ややこしい論文見るより

http://nnadl-ja.github.io/nnadl_site_ja/chap1.html

ここみたらパーセプトロンが計算論的万能性があるのは分るでしょ。
あとは既存の論理計算と見比べてパーセプトロンを再構成したらいい

>>73
それ重回帰分析でしょ
機械学習じゃないよ

パーセプトロンの学習層をどんどん多重にしていったら、どうなるかな？

線形カーネルだと何層重ねても単層と変わらないよ

と言いつつ線形関数の折り曲げ版であるReluがなぜ問題ないのかわからない

>>86
wwwwww

カオス理論がやはり有効かな？

>>86
どんまい ( ＾∀＾)

>>73
予測可能かどうかは保証ないが評価関数を最小にする係数は存在するからそれはあり。
後半の確率密度関数なんちゃら〜は絶対にしない。各事象が独立とは言えないからね。

>>86
ReLUは出力0になる入力範囲があるから出力合成でどんな領域も近似できる。

活性化関数ReLUについてとReLU一族【追記あり】
http://qiita.com/mommonta3/items/bf7be0ae3bf4aa3905ef

【数学・統計モメン集まれ】　将棋・竜王戦。三浦九段出場見送りの判断は妥当との論説。　これがベイズの定理だ！ [193727557]
http://hitomi.2ch.net/test/read.cgi/poverty/1485248767/

ADALINEでヘッセ行列を計算して最小値となる重みを求めないのはなぜですか？

勾配降下法などという手法を使っています。

>>93
自分でやればいいんじゃね？
なんでやらないの

>>92
疑惑自体がなく完全な冤罪と結論が出て、三浦九段の名誉回復が懸念されている問題たぞ。
何がベイズの定理だ、良識はないのかな？

このスレは数学できないやつらのたまり場だからベイズの定理とか言っても無駄

社会に出たこともない人が常駐してそうだからな、常識はずれなのもいるだろ

ベイズの定理が数学（剥笑）

またいつかのアホガールか

>>97
そういうギャグはいいから。名誉毀損事案をスレに持ち込むべきじゃない

>>99
このスレの連中にとってベイズの定理は高等数学だよｗ

ベイズの定理ってなんで定理の名前がつくのか不思議なくらい自明な
つまらない命題ですよね。

豚に真珠、という言葉を捧げよう

ゼロから作るDeepLearning
あたらしい人工知能の教科書

この2冊がこのスレの必読書だな

ディープラーニングならそれでいいけど
ｽﾚﾀｲに従えばPRMLも、MurphyのMachine Learningも、DudaとHeartのパターン識別も入れたい

おもしろそうなサイトを見つけた。どうよ？

素人でもディープラーニングができる「NVIDIA DIGITS」で文字認識をやってみた
http://www.itmedia.co.jp/pcuser/articles/1701/24/news033.html

Murphyっていう人、実名でアマゾンにレビュー書いていますよね。

セジウィックのAlgorithmsがいままででベストのアルゴリズムの教科書だとか書いていました。

肝心の登録方法が書いてないからわからん。

>>102
おまえはアホ

PRML未だに積んでるなあ…

>>111

時代遅れになって近いうちに捨てられますよ。

めぐるめぐる地球はめぐる俺様の周りで

Raschkaっていう人なんか怪しい人ですね。

本当に「達人データサイエンティスト」なんですか？

特徴量のスケーリングを以下の式で行うとき、

x_i' := (x_i - μ) / σ

「データに標準正規分布の特性を与える」などと書いています。

松坂君とは教科書をdisることが生きがいの厨房

粗探しに生きがいを見つけるとういう性格障害ｗ

機械学習の前に統計学勉強した方が良い連中ばかりだな

さてそろそろ為替市場で実験してみるかな

単純に価格に辟易してるだけだろ
「これが最後の来日！」とか散々煽っといて隔年ごとに来ればそりゃ飽きられるし、いつも大して変わらないセトリじゃ客も馬鹿じゃないんだからうんざりする。

すまん誤爆ったw

>>103
本当にそう思っているのならお前には才能のかけらもない

ベイズの定理は自明でつまらない（ｷﾘｯ

コミュ力を学習させた方がいい奴ばかり

117=123

>>107
人生ダッシュボードに見えた

Raschkaっていう人なんなんですか？

↓の下線を引いた辺りが意味不明なんですが。



何が言いたいんですか？

突然、確率がどうのこうの言い出して。

別に学者でもなんでもないそこらへんの大学院生が
たまたま本を書く機会が与えられたっていうだけなん
でしょうね。

>>127
なんで自演してるの？

ロジスティック回帰だから確率を考えてるんじゃね？

松坂君はスルーよろ

>>112
ニューラルネットのせいでベイズがなかったことになりそう。大量データあるしベイズ使うメリットあるのかね？

統計的機械学習はオワコン

んなあこたない

機械学習で解きたいタスクに生成モデルで立ち向かっていたのは自然現象の複雑なモデル化が困難だったからでしょ
ニューラルネットみたいな識別モデルで解けるんなら持ち込まない選択肢もあるかと

>>126
左辺を右辺で近似しようって言ってる

>>126
logit関数は0-1の値を実数に変換する
これを使って特徴量の線形結合と、その特徴量の時にクラス1になる確率を結びつけることができる

荒らしでも相手したーいｗ

最近の機械学習って全部ニューラルネットワークで出来てる？
RNNもDeepQNetworkもCNNも全部そうじゃない？
この分野どれもやってること同じじゃん

できてねえよ

コホーネン。出来てる出来てる。

連想記憶を思い出してあげてください

最近といっているが

お前が何をもって機械学習と呼んでるのかは知らんが
画像や音のような特定分野を除けば今も昔も大半は重回帰分析やコサイン類似度やkNNのような原始的な方法が一般的だろ

DQNの損失関数の一部に出てくるmaxQ(S',A')みたいな部分の計算ってどうやんの？
そもそもmaxQ(S,A)が求まるんならそもそもなんの苦労もしないような気もするし、きっとインチキするんだろうけどどうやんだ！？

wikipediaのQ学習のページ読めばわかる。適当な初期値からスタートして更新しまくれば正しい値に収束する

Google翻訳のアプリはすごいな
スマホカメラに写ってる文字が自動翻訳され、そのまま置き換わって写ってるんだぜ
Deep learning 恐るべき

>>119 いつまでもやつている閉店セール。

>>143
最大を選らばないんじゃなかったかな

たぶん、Q値をすべて0から始めて、結果の評価をQ値に入れるのが味噌
その利得計算が目的合理なら、やればやるほど合理的な判断になる。

>>145
グーグルのフィードバック関数とは、プレイヤーたるユーザ、ミリオネラのオーディエンス

Q(S,A)は、状態とアクションの結果だから、中身は単純にその2値から配列参照して、過去のQ値を返せばよい。
で、評価関数は、実証する、というか実験して、それをなんらかのスコア付けすればよい。
スコアをQ(S,A)のテーブルに入れる。

すると、二回目からは、最適解らしきものを選びやすくなる仕組み。

>>145
今確認して見たらほんっとに凄くてワロタwww
もうこの分野はグーグル様の天下やな(´・ω・｀)

スマートフォンアプリの『Google翻訳』がリアルタイム翻訳に対応し、カメラを向けるだけで英語から日本語、または日本語から英語に翻訳することが可能となった。

やりかたは簡単で、『Google翻訳』を起動しカメラアイコンをタップ、その後対応している言語ならリアルタイム翻訳が開始される。
目玉アイコンでインスタントのオン、オフが可能で、右下のアイコンで一時停止が可能。

ただ制度はまだまだで、認識レベルが低く、フォントによっては別の単語と認識してしまうことも多々あるようだ。
特に映画やゲームのパッケージは認識が困難で、もはやイラストレベルの文字は認識すらままならない。

有名な単語であれば、直訳でなくそのままカタカナにしてくれる。例えばSHARPは「細い」ではなく「シャープ」と翻訳され、VIERAも「ビエラ」となった。
身の回りにある物を日本語から英語、英語から日本語にすると実に面白いぞ。

今後の課題としては文字認識の精度の向上や、多言語への対応だろう。今までは写真を撮影し該当範囲をタップし翻訳結果を表示していたが、より翻訳が楽になった。

旅行先などで看板や案内に何が書いてあるのかを知りたいときアプリを起動すればリアルタイム翻訳翻訳してくれるので、重宝しそうだ。

http://gogotsu.com/archives/25863

>>145

画像認識はすごいと思いましたが、肝心の翻訳がひどいですね。

高級なおもちゃの領域を脱していないですね。

記事URLだけ貼れば十分だろ何やってんだ

スマホアプリ『Google翻訳』のリアルタイム翻訳が凄いと話題　身の回りの物を翻訳するとカオスに！ [無断転載禁止]©2ch.net
http://hayabusa8.2ch.net/test/read.cgi/news/1485367323/

グーグルに学ぶディープラーニング
https://www.amazon.co.jp/dp/4822236862/ref=cm_sw_r_cp_api_b8BIyb17648N7

>>90
ちょっと気になるんだけど、線形モデルも変数同士は独立の仮定置いてるからそこはええんちゃう？

あと、線形モデルがおかしいとはいうけど、モデルの複雑さとかとのトレードオフで最近傍法とかあるし、手法の一つだとしか言いようがないような

>>157
駄本の予感

Raschka の本ですが、 variance と bias が出てくるあたりから説明が意味不明になりますね。

ひどい本です。

ビショップの本のほうが分かりやすいですか？まともですか？

翻訳ソフトが使えるくらいの性能になるのはいつになるのでしょうか？

>>161
お前の理解力が問題

馬鹿と鋏は使いよう、馬鹿には無理

Raschka の本はひどすぎるので、ましそうなビショップの本に乗り換えることにします。

数学できないこのスレの奴らにビショップとか読めるわけないだろが

馬鹿ほど自説に拘る

久々に覗いてみたら粘着おじさんがまだいてワロタｗ
翻訳に興味あるなら、ウェアラブル翻訳デバイス ili（イリー）の発表会が1/31にありんす
こいつにはかなり期待している

http://iamili.com/ja/

あ、粘着おじはそろそろこのスレ卒業せいよ〜

python機械学習プログラミングは理論分かってるの前提だから説明はかなり不十分
PRMLとは役割が全然違う

>>170
あの本は著者の講義の副読本だから
厳密なことは書いてない

機械学習に数学はいらない

実際そういう人は実務で機械学習やってる人の中にゴロゴロしてるだろうな

数学で演繹的にアルゴリズムを構築できるの？
できないでしょ

>>168
これNICTのエンジンで所？
ゴミっぽい

>>174
ちゃんと演繹的に構築された機械学習アルゴリズムなんかいくらでもあるがな

現状
人工知能（実際は無能）→目的の為にパターンを学習→有力な結果を表示

理想図
人工知能→目的の為にパターンを学習→有力な結果を表示→溜まった結果を踏まえて自身を書き直す
以下ループ

>>177
学習自体が自分を書き直す事じゃね？
隠れ層の要素数を増減させるくらいはすぐ出来そう
その他のハイパーパラメータも変化させるのはできるだろうし

>>178
学習自体はデータ量の増大（蓄積）だと思ってる。
（データ量と反応パターンが増える）

自身を書き直すとは、単純に書くと、
最初はネストしないif文とfor文連打から、ネストする
if文とfoo文にする（自身を書き直す）

これにより、既存データ量の減少（不要なデータの破棄）や
もっと、複雑になって行く。かんじ？

難しいな、
データ量の増大→評価されたデータから有力なデータを出力して、
評価上位結果だけが残る→低評価データの破棄（次の学習で学習しない様にする工夫が必要）

思ったより、説明するのが難しい。
分かり難いと思う。

>>179
kNNでいうと、代表的な点の付近にある冗長な値や明らかな外れ値を優先的に削除していくとか?
うまいことバランスよく削除対象を選択できる評価関数さえあれば比較的簡単に継続的に運用できそうだけど、そういう研究あるのかな

普通の評価関数（他人のだけど）
http://data.gunosy.io/entry/2016/08/05/115345

削除対象を選択は難しい。
有効な出力を残そうとして、評価項目の設定を変えて行くと、帰ってデータ量が多くなる。
5項目なら100,100.100,100,100次に100,100,100,100.99+(トータル値)

上記見たいに、精度を上げる段階で膨大に増えるかも知れない

>>179
実現する手段が違うけど
外から見たら同じじゃね？

自動的に出力が改善されていくんだから

そういう話だったら、強化学習でハイパーパラメーターを調整していく方法をGoogleはやってるみたいよ
計算資源がクソかかるみたいだけど

googleのとは別だけどこんなんもあるね
http://techon.nikkeibp.co.jp/atcl/news/16/012405925/?ST=SP

chainer最強だな
tensorflowでかなり時間がかかる処理を4時間で終わる神アップデート入ってる
もうtensorflowをオワコンだな

すげーーーー。
tensorflow使うわ。

>>185
PFNの深層学習フレームワーク「Chainer」が大幅な高速化へ、分散処理に対応
http://itpro.nikkeibp.co.jp/atcl/news/17/012700269/
>PFNの西川社長はChainerの性能が高くなった理由について、
>「分散処理の仕組みとして『MPI』を採用し、
>　ノード間通信では『InfiniBand』に最適化したため」と説明する。

Message Passing Interface
https://ja.wikipedia.org/wiki/Message_Passing_Interface

分散バージョンのChainerがAWSで効率的に動くなら当分はユーザーが増えるだろう。
でも他のフレームワークもMPIを採用できるからオワコンはない。

分散処理なんてtensorflowに前からついてるじゃないか

機械学習って比較的大きな粒度で並列化しやすいからそんなに厳密に同期しなくていいしデータもでかいから、
MPIなんかに拘るよりもっと緩い制御の方が向いてると思うけどね
いかにも学者崩れのオナニーって感じがする

tensorflowが遅いのは確か
つかリンク先に速度比較乗ってる

じゃあすぐにtensorflowが高速化してしまうだろうな
引き続き頑張ってくれ

なんでそんな喧嘩腰なんだろう

オッパイそれは宇宙の理

今更 chainer なんか使うかよw

>>192
恣意的なデータセットによるいい加減な速度比較を信じる奴がいるからじゃないか？w

速度気になるならC++で書けばいい
高速な行列演算ライブラリもあるし最適化も優秀なコンパイラがいっぱいある

TF の後追いで playground やら分散やるのもいいけど、日本語ドキュメントを作ればいいのにな
どうせ日本人ユーザしかおらんのだから

>>187
さくらインターネット、演算に特化した「高火力コンピューティング」への取り組みを開始
〜Infiniband接続による大規模なGPUクラスタをPreferred Networks社と共同構築〜
https://www.sakura.ad.jp/press/2016/0126_gpu/

『InfiniBand』に最適化ということはさくらのGPUクラスタでテストしたのだろう。
さくらのGPUクラスタでChainerの性能がTensorFlowの5倍以上なら
2017年は「さくらでChainer」が流行るかもしれない。

>>195
Deep Learning framework速度比較


Distributed TensorFlowの話
http://qiita.com/kazunori279/items/981a8a2a44f5d1172856

TensorFlowが遅い事は以前から指摘されていた。
そしてGoogle以外はGoogleのJupiterネットワークを使えない。

>>199
一年前の記事を持ってくるな wwwww

>>198
何だかなぁ。５倍以上というけど、Chainer 以外のフレームワークのコードが
32ノード/128GPU に最適化されているとはとても思えないんだが？
あと、さくらのクラスタは 32ノード/128GPU でお幾らなの？初期化コストも含めてな。現実的なの？

>>199
TensorFlow はマイナーバージョンアップ毎に高速化してるよ。

chainerユーザが増えないのは速度の問題じゃないんだがな…

ぶっちゃけフレームワーク戦争なんて大した学習コストも無いしどうでも良い
むしろユーザーとしては、競合が多い方が専制的にならないから嬉しい

>>197
マジでこれなw足元をおざなりにする馬鹿って感じ

>>201
さくらが大量演算向け「高火力」サーバ正式提供開始、時間課金も
http://ascii.jp/elem/000/001/241/1241091/
>来年3月には現在の月額課金制に加えて時間課金制も提供開始する予定。

「さくらの専用サーバ 高火力シリーズ」の料金表

Quad GPUの1時間あたりの利用料金が267円だから、
32ノード/128GPUだと1時間あたりの利用料金は267 × 32 = 8224円だね。
時間課金の初期費用が明確になるのは今年3月かな。

え、735,000円じゃないの？
初期費用

>>199
フレームってなんの単位なの？

PFNとPFIって同じなの？

GCPは8GPUまで分単位の課金で気軽に使えるようになるはずだけど、
それにしてもいつからGPUが利用可能になるのだろうか。

Graphics Processing Unit (GPU) | Google Cloud Platform
https://cloud.google.com/gpu/
クラウド GPU が 2017 年から利用可能に
https://cloudplatform-jp.googleblog.com/2016/11/gpu-2017.html
>NVIDIA Tesla P100 および K80 GPU も提供します。
>仮想マシン（VM）インスタンスごとに最大 8 GPU のダイを接続できます。
>Google Cloud の VM と同様に、GPU の料金は分単位で課金され、

>>197
>>204
母国語で読めるというのは高いアベレージなのにね。
それにユーザーのメモ帳のようなブログ記事に任せずに
公式本や資料を充実させればいいのに。
もしくは相手がやっていないJavaやC/C++版も充実させるとか。

あそこは初学者でも何でも積極的に広めようというより
いいのを作れば意識高い人が使って自然に広まるという考えなんだろうけど。
閉じた研究グループ活動ならともかく商売なのに下手なやり方よね。

速度比較って意味あるのか?
コーディングのうまさに強烈に依存してるだけだろ

chainerアンチくんそろそろ自演はやめよう

Wekaでクロスバリデーションを行う場合、
テストデータがどのように分割されたかと、
=== Predictions on test data ===
inst#,actual,predicted,error,prediction
の部分で元データの何行目がどれなのかを知る方法はありますか？

高いアベレージ

chainerとか関係なくこういうの作れるのええな
https://togetter.com/li/1075134

せめてタイトルくらいかけよ
そんなのアフィリエイトの誘導にしか見えない

>>215
技術だけを気にしていると理論系の記事しか読まなかったりするけど
機械学習の普及には一般受けする応用を考えるのも大事だね。
TensorFlowで実装して翻訳記事を書いた人までいて影響力が桁違いだ。

初心者がchainerで線画着色してみた。わりとできた。
http://qiita.com/taizan/items/cf77fd37ec3a0bef5d9d

>>216
タイトルは書く方が親切だけど、
下記Webサービスの反響まとめだから見て損はない。

chainerで線画着色をwebサービスにして公開してみた
http://qiita.com/taizan/items/7119e16064cc11500f32

togetterのURL貼ってアフィとか言われたの初めてだわｗ
NAVERまとめかなんかと勘違いしとるんか？

>>216さんは親切なお人やね〜

>>217
これ初心者（PFN所属）なんだよなw

>>212
chainer信者… www

>>210
禿同。

>>209
GCP でも使えるのか、Cloud ML だけだと思っていたわ。
これは楽しみだな、AWS は１時間単位だから嫌w

>>210
良いものを作れば自然に広まるという考えは企業初心者の陥る罠なんだよなぁ…
過去に同じ考えの会社が Microsoft に駆逐されまくったのを知らないわけじゃないと思うのだが。

>>211
前提条件を絞れば意味がないことはないだろうけど、
問題の質やコーディングの上手さに大きく影響を受けるのはその通り。
特に GPU 絡みの分散コードなんて TF で勉強した人もいるだろうけど、職人芸。

ディープラーニングすごいっていってるやつは、ニューラル冬の時代を知らないのかな

ディープすごい！人工知能すごいって盛れるのはせいぜいあと三年だろ、
まーたそのあとは人工無能だって発覚していつものごとく終わりだよ

科学にもとづかない馬鹿みたいな前提でそれをもとにビジネス組み上げる馬鹿なんていねえよヴぁーか

数学と科学と統計学の区別もつかないスクリプトキディ様乙

人間様に扱えない判断基準で物事を裁く馬鹿はまずいねえんだよね

ディープに新規性はないし、ハードウェアが変わった、昔のポンコツ環境とは違うといくらいったところで、君の妄想を実現するのに何年かかるのか

いくらハードウェアが進歩したからといってあのニューロンモデルに、現実世界でおこる問題の(真なる)モデルをエミュレートさせようとしたときに発生するモデルの複雑性、計算能力の必要性

これを統御するすべがディープには存在しない、だから児戯に終わる

ディープには計算力必要、分散システムつかってからが本番とか言いだしてる時点で、モデルを救いようのないまでに複雑にしますって言ってるようなもんなのにそれも理解してないよね

挙げ句の果てにディープにパフォーマンスは重要じゃないとかコードの善し悪しの問題とか言いだしちゃうんだよね、意味がわからない
ただでさえディープの設計思想はくそなのに、その頼りないディープの設計思想からして、パフォーマンスは何よりも重要なことぐらいわかるだろ

この意見に反論する奴はまず機械学習やマイニングを理解していないのに、tfとかのライブラリをただ単に走らせて喜んでる、科学的素養のないキッズだよな

ディープは単なる投機対象にすぎないってことをまず理解してからライブラリ使おうね
あとコンピュータにできる限界も理解してからね

>>210
>母国語で読めるというのは高いアベレージなのにね。

高い平均・・・？

>>210
母国語で読めるというのは大きなアドバンテージだね。
高火力コンピューティングでさくらを巻き込んだのだから
分散バージョンChainerの日本語ドキュメントを出して
高火力コンピューティングの営業に協力してもいいと思う。

>>224-225
ディープラーニングは万能ではないが有用だから普及する。
ム板住人にとってこの技術はとても役に立つ。
>>217がペイントソフトの標準機能になる未来はすぐそこだ。

機械学習マンは統計学の用語をわざわざ格好いいものに置き換えているのは気のせいだろうか

回帰・分類 → 教師あり学習
説明変数 → 特徴量
応答変数 → ラベル

統計と対応してないんだから当たり前。

>>228
それらの用語どころじゃないくらい多い。
カッコつけしいなんだわ

>>228
成立ちが違うんだから用語が違うのは当たり前だ
同じような概念が違う用語で表される事もあるだろう

統計学ってうさん臭いあいまい過ぎる定義多いから
測度論の用語で統一して欲しい

>>232
自分でやってみよう

統計ぎょり機械学習のほうがよっぽど胡散臭いだろ…

機械学習に数学はいらないからね
仕方ない

>>232
例えば？

>>219
なんだこいつPNFの人間だったのかw
ドッチラケだはw

>>235
使うための技術として数学が必要なものは流行らないんじゃね

最近はTensorFlowばっか使ってるけど、よく考えたら数年前にWekaを使ってた頃としてることが何も変わってなかったでござる

この分野だけの用語が多い。
イメージでラベル化されると
人はそれ以上のことを考えなくなる
『特徴抽出』、『過学習』、『教師有り/無し学習』
>>235みたいなやつを量産させる

>>228
その右の語を左よりカッコイイと思ってる時点でコンプレックス丸出し情け無い

>>239
そうだよ、今回の大惨事ブームに乗った大企業様のただのゲームチェンジだから

一部専門家しか使えなかった技術がある程度の頭があれば誰でもできるようになってしまった。
専門家は相当危機感持ってるよ。

脳内評論家

同じ概念を学術分野が違えばまったく別の言葉で呼んでるのはよくあることだから

文系事務職から児の業界に転職して、Pythonデータサイエンスを終えて、パイソンでちょっとした何かを作れるようになったレベルなんですが
もっとレベル上げるにはどうすればいいですか？
統計にしても、数学にしてもチンプンカンプンなので、高校レベルから勉強し直してます

ビジネス系なら普通に統計を勉強するのがいいと思うよ
ツールもPythonよりRやSPSSあたりを優先的に学んだ方がいい
機械学習に手を出すのは労多く実り少ないのでおすすめできない

数学できないこのスレの連中にきいても無駄

文系かつビジネス系の人になんでRすすめるの？
Pythonでいいじゃない

>>246
データ分析職の新人で下記の本を終えたという事でいいのかな?

Pythonデータサイエンス -可視化、集計、統計分析、機械学習
https://www.amazon.co.jp/dp/4865940588

Pythonで行くならJupiter notebookを武器にすればよい。

Python でデータサイエンス
http://pythondatascience.plavox.info/
IPythonデータサイエンスクックブック ―対話型コンピューティングと可視化のためのレシピ集
https://www.oreilly.co.jp/books/9784873117485/
IPythonデータサイエンスクックブック ―対話型コンピューティングと可視化のためのレシピ集
https://www.amazon.co.jp/dp/4873117488

ところで「六本木で働くデータサイエンティストのブログ」は知っているよね?

データサイエンティストというかデータ分析職に就くための最低限のスキル要件とは
http://tjo.hatenablog.com/entry/2015/03/13/190000

× Jupiter Notebook
○ Jupyter Notebook

機械学習に数学は不要だから文系にこそピッタリだと思うよ
統計は普通に数学使うからおすすめしない

>>248
なんでこのスレ見てるの？

>>158こんなレスあったのか

そんな仮定しない。
各パラメータが独立してるなら、個々で考えたらいいだけ。Excel処理で十分

各パラメータの相関関係を見たいから機械学習してるのに何のためにry

それもそうだw

>>254
説明変数の多重共線性のことじゃね

学習済みのオートエンコーダがあってテストしたい時、
特定次元のみ値が不明という場合は、その次元はどんな値にして入力すればよいでしょうか？

>>257
乱数でもなんでも
そこから学習させればいいんじゃね

他の所は学習させなければ早いだろう

>>257
勘違いしてた
テストしたい時か
バイナリだったら反転とかじゃねーの

>バイナリだったら反転
連続値です

>>246
児の業界ってなに？

>>256
何を指摘して言ってるのかさっぱりなんですが‥‥
用語を使わずに説明してもらえますか？

>>262
ごく簡単に言うと重回帰分析とかで説明変数同士に相関があると結果が正しくならないことがあること

wikipediaとかでは、重回帰は説明変数の無相関を仮定してると書いてはあるけど、実際はどうなんだろう

>>263
いや用語の説明じゃなくて文脈上何を指摘してるの？？
>>73で当てはめて説明するとどういうこと？

統計的学習の基礎みて探してるけど、相関が結果に悪影響を及ぼすとか、高い相関は良くないとは書いてあるけど、明示的に無相関は仮定してないように見える
詳しい人教えて

>>265
俺は256じゃないけど、
73で確率密度関数の値同士をかけ算してるが、事象が独立でないこともあるから駄目だって指摘に対して、そもそも重回帰分析の場合でも説明変数同士は独立と仮定してるから、73の手法においても独立を仮定してもいいんじゃないって意味でしょ

説明変数なんて知らなかったけどwikiで調べたら、『説明変数同士が関連性の高いものを使うと係数が妙な値になることがあるので注意する必要がある』
って書いてある。

つまり独立じゃない場合があるからその仮定は気をつけてねってことでは？

このスレのレベルがここまで低いとは…
道理で「機械学習に数学はいらない」とかいいはじめるわけだ

結論だけ書いておくと説明変数同氏は相関していてもよい
multicolinearityというのは x_k = (x_{k 1}, ..., x_{k n})' と
したときにベクトル x_1, ..., x_k, ..., x_K が一時従属になることをいっている
この場合,、X' X が非正則になって逆行列が定義できずに例えば
最小二乗法も計算できない

統計的独立と一次独立の概念をごっちゃにしているからこういうことになる
ただし、相関係数の絶対値が1になると当然、一次従属になるので、
相関係数の値が非常に大きくなると実質的にmulticolinearityとなる

数学わからないこのスレの連中のためにより初等的な説明しておくと
y = a + b x_1 + c x_2 + epsilon (a, b, c はパラメータ)
として、multicolinearityというのはx_1 = k x_2 と両者の間に線形関係が
成立していると生じる。
なぜなら、このとき
y = a + b (k x_2) + c x_2 + epsilon
= a + (b k + c) x_2 + epsilon
となって、b, c が単独では識別できないから

x_1とx_2が線形の関係ではない(例えばx_1 = k x_2^2)みたいな
場合はx_1とx_2には相関はあるがさっきみたいな現象はおこらない

何当たり前のことをドヤ顔で言ってるの

答え教えてもらった後ならなんとでもいえるわな
恥ずかしいやつ

へえ、つまりID:4DZGSucbは>>73の後半は有りと言ってるわけだ
ﾜﾗﾜﾗだね

レベル低いと言っておきながらww

ID:4DZGSucb

草生えるwwwwwwwwwwwwwwwwwwwwwwwwww

>>268で十分なのに
>>269-270で不要な説明始めたな。

>>276 全く同意。

>>269
ありがとう！
自分は学部生でまだまだレベル低くて申し訳ないが参考になります！

>>260
自分が望む能力に応じたノイズを乗せればいいのでは？

小高知宏の機械学習と深層学習に書かれているQ学習が分からないのですが。

迷路抜けを課題に選んでいますが、「迷路抜け知識」とは何でしょうか？

一度迷路のゴールに到達してしまえば学習も何もないですよね？

どういうことなのか分かりやすく説明をお願いします。

>>280
アホなの？本当にアホなの？
頭に脳みそ入ってるbot？

Q学習って何ですか？

>>282
http://www.sist.ac.jp/~kanakubo/research/reinforcement_learning.html
強化学習のひとつ
正解に至った場合、及びそれにいたる過程までの行動に対して報酬（スコアなど）を逐次与えていく。
報酬を何度も与えた（学習させた）後、各状態において高いスコアの方向に行動を選ばせるようにすると
その学習をさせたモノは最善の行動（最短のゴール）をするようになってくれる。
wikipediaでも概要が書いているでしょ。

小高知宏の本は買って読んだけど、そのサンプルコードは
Q(s,a)という変数から素直にコード化しておらず、
例題に合わせて変に捻ったコードだからわかり難い、
というか他の章のサンプル例もあんまり良くない。

説明長い。
この方法の一番大事な点は収束性について数学的な保証がついてること。

>>283

ありがとうございます。

状態 s_t のときに、行動 a_t を起こすと、状態 s_(t+1) になるという
ルールはあらかじめ与えられているのでしょうか？

上に進んだら上のマスに進むってルールはあらかじめ与えられているのでしょうか

ブームは池沼も呼び込むな

丁寧語のアホには本当に苛つかさせられるな

http://ainow.ai/labmap/

>>280
『分かりやすく説明お願いします』はかなり図々しい発言。

>>290
それは俺も思ったわ

アルゴリズムは知恵袋にでも聞けばよろし。
興味も答えるメリットもなきゃ誰も答えない(この発言も優しい)

>>289
>企業からは、AIに関わる事業の推進
そういう意図なら産総研を載せるべきだと思う。

人工知能研究センター
http://www.airc.aist.go.jp/
産総研人工知能セミナー
http://www.airc.aist.go.jp/seminar/

Pythonでimport sklearnすれば機械学習できるし余裕っていう派に限って
機械学習は万能！しゅごい！とか言ってて迷惑
数学がわからないのに機械学習を使いこなせるわけないだろ

>>293
書き漏れてしまったが無断でこういう一覧作ってるけどどうなんだ？
あと他に有力な研究者とかいないの？

小高知宏の機械学習と深層学習に書かれているQ学習が分からないです。

前半のロボットを例にした説明は大体分かります。

ところが迷路を例にした例が分かりません。

分からないので、Cで書かれたプログラムを読んでみました。

S14という状態がゴールのようです。（S14に達すると報酬がもらえるため）

でも、迷路のプログラムの目的はゴールへ到達することです。
だとすれば、S14に達した時点で目的達成ということになるので
はないでしょうか？だから、学習した成果であるQ値のテーブルが
何の役に立つのか分かりません。1度ゴールにたどり着けばもう
用済みなのではないかと思ってしまいます。

それともう一つ分からないのは、

p.66の2式

qv = qvalue[s] + ALPHA * (1000 - qvalue[s]);
qv = qvalue[s] + ALPHA * (GAMMA * qmax - qvalue[s]);;

です。なぜこのような式で、 Q値を更新しているのでしょうか？

>>283
をこれから読んでみようと思います。

他に分かりやすい説明があれば本などを教えてください。

ビショップの本には載っていないようですね。

>>296

プログラムでは、ゴールである、S14に到達した後も、学習をつづけています。

それとS11に達したときにも報酬がもらえるようにする場合の実行結果も載っていますが、
これは何のために報酬を与えているのでしょうか？

>>298

ゴールに到達した後も学習を続ける理由がさっぱり分かりません。

とりあえず、よくわからないので、第3章を読むことにしましたが、
やはり気になります。

>>298
その本は読んでないけど
複数のルートがある場合より早くゴールに到達できる方が良いんじゃね

>>301

ありがとうございました。

うーん。迷路の例はスタート地点を根とする木でゴールがある一つの葉なんですよね。

だから、ルートは一通りしかありません。

Q学習を説明する例として迷路抜けが適切なのかどうなのかといった問題も
あるのではないかと思いますがいかがでしょうか？

わからないから質問するのはまだ理解できるけど、わからないのに回答するのは有害すぎんじゃねえのか・・・・
早くゴールできたほうが良いとか、人間のただの希望にすぎねえじゃねえか・・・・

>>295
公共機関である大学の研究室一覧に「無断で作ってる」は言いがかりだ。
一覧公開が駄目なら追加情報をこのスレに書くのも駄目だろう。

>>247>>249
科学計算における均質化、あるいはなぜPythonが着実に他言語のシェアを奪っているか
http://chezou.hatenablog.com/entry/20140118/1389978078

3年前の記事だが、その後さらにPython一人勝ちが進んだ。
Pythonに集中する方針でよいと思う。

いまどきビジネスマンにRおススメってのは無いわな

jupyter使ってるけど、使い心地がデスクトップであるRstudioの方が好き

jupyter notebookは気軽でいいよ。
http://www.websuppli.com/datascience/676/
この辺とか導入からいい感じまとまってるからためした方がいいね

Jupyter Notebookの導入は済んだかな?
では講義ノートをどうぞ。

Scipy Lecture Notes
http://www.turbare.net/transl/scipy-lecture-notes/

日本語でよろ

仕事でRでデータ分析してるけど、周りがどんどんpythonに移行してて悲しいのぅ…

RのライブラリってPythonから普通に呼び出せるからね
汎用性のあるPythonの方が便利

生成モデルがよくわからん
わかりやすいサイトとかない？

http://monadfx.com/Company/
こんな情報商材が

>>313
おまえには無理そう
http://www.slideshare.net/beam2d/learning-generator
http://www.slideshare.net/pfi/iibmp2016-okanohara-deep-generative-models-for-representation-learning

前も同じこと言った気がするけどslideで勉強する気にならないわ

スルーすればやる気があれば自分で探せ、探せなければ勉強する資格はない

高卒ならしょうがないけどｗ

小高知宏の機械学習と深層学習を読んでいます。

今、第３章の遺伝的アルゴリズムによるナップサック問題のプログラムを読んでいます。

この手法は乱暴すぎないでしょうか？

第一、これでなぜうまくいくのかの説明は困難なのではないでしょうか？
実際、何の説明もありません。

そして、最適解の9割程度の解しか得られません。
乱暴であるうえに、優れた手法でもありません。

生物学から、染色体、染色体の交叉、突然変異などとキーワードをなんとなく
借りてきて、なんとなく本当に似ているのかどうかも分からずに真似事をやって
いるだけのように思います。ただの遊びの域を出ていないように思います。
結果もさんざんですね。

たとえば、突然変異に本当に意味はあるのでしょうか？

とにかくいい加減すぎます。

>>316
>前も同じこと言った気がするけど
コテつけるなり分かるようにしろ

ニューラルネットワークも最初は、生物学からニューロンなどのキーワードを
借りてきただけの単なる思いつきだったわけです。

たまたま、最近、計算機パワーに頼って、画像認識などの分野でいい結果を
出しただけではないでしょうか？

もっといい方法などいくらでもありそうな気がします。

とにかく発想がチープすぎます。

飛行機を作るのに鳥をまねて作るような愚かさに通じるものがあります。

滑稽ですね。

322 名前：デフォルトの名無しさん[] 投稿日：2017/02/02(木) 22:48:15.31 ID:l9Q1PWti
飛行機を作るのに鳥をまねて作るような愚かさに通じるものがあります。

滑稽ですね。

滑稽爺はブログ開設して自説はそっちに書け
いつまでスレに居座るつもりよ？

高卒様スレッドに逆戻りか

>>319-322
機械学習の読書感想スレへどうぞ。

人工知能ディープラーニング機械学習のための数学
http://echo.2ch.net/test/read.cgi/tech/1482808144/

もっといい方法がいくらでもあるならそれを使え

終了

>>315-316
PFIセミナーの動画とブログもあるよ。

PFIセミナー2016/2/25：生成モデルのDeep Learning


なんちゃって！DCGANでコンピュータがリアルな絵を描く
http://yasuke.hatenablog.com/entry/generative-adversarial-nets

謎解きゲームは人工知能ではクリアできない

>>328
宣伝乙。そんなもんを見るくらいなら、スタンフォードとかの講義を見たほうがマシだわ

今まで黙ってたけど小高知宏の本こそチープ
なんでこんな本を参考にしようとしたのか共感できない

>>330
スタンフォードの機械学習コースを見るのは結構だけど、
これは基礎知識を学ぶコースで深層生成モデルは範囲外だ。

Machine Learning
https://www.coursera.org/learn/machine-learning
数学を避けてきた社会人プログラマが機械学習の勉強を始める際の最短経路
http://qiita.com/daxanya1/items/218f2e3b922142550ef9
>基本英語ですけど、このコースの動画に全て日本語字幕がついています

Pythonにやられっぱなしだったけど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

新聞にSOINN はプログラムするのではなく、データを与えることで自ら育つ人工知能です。
ノイズが混入したデータであっても、そのまま学習データとして活用できます。
と書いているのですが何故このスレで話題にならないのですか

小高知宏の本を読み終わりました。

ひどい本ですね。

まずプログラムが下手。

プログラムがトリビアルすぎる。

スカスカの本ですね。

{w_n} は正の実数からなる単調減少数列で、 w_n → 0 （n → ∞） をみたすとする。

{z_n} を複素数列とする。

S_n = z_1 + … + z_n とする。

{S_n} は有界であるとする。

(1)
Σ z_n*w_n は収束することを示せ。

(2)
T := Σ z_n*w_n
M := sup{ |S_n| | n ∈ {1, 2, …}}

とする。

|T| ≦ M * w_1

であることを示せ。

松坂の馬鹿が誤爆

誰も収束すると言ってないものを示せとか、もう高卒もびっくりの域に来てるな

>>333
Rubyは無いよー
Webアプリでも他の言語にリプレースされつつあるよー

>>333
数値計算系弱いんだからしゃしゃってくるなで国内外の意見は一致している
リスクの高い戒律が不可思議な宗教言語って認識で最近だと使われない

数理工学なんて専門家に任せようぜ

>>333
個人的にこれは嬉しい、機械学習はPython使ってるけどRubyラッパー出てくれたらそっち使うわ

アクセスアップとお小遣い稼ぎの裏技
トラフィックエクスチェンジ
http://tra-chan.jugem.jp/?eid=1

それって詐欺に近いのでは？

>>344
マルチ商法と似た感じかもな

>>334
パット見、インターフェースに課題があるからだろ。

ロジスティック回帰もAIなのね

病態悪化につながる患者行動をAIが予測
http://www.ntt.co.jp/news2017/1702/170203a.html

現在はニューラルネットが飛び抜けてるから他の古典的なアルゴリズムじゃお話にならん

;sns=em

データセットが少ない場合はxgboostで多かったらニューラルネット使えばOK

発表者「この特徴量が効いてました」
聴衆「（　´_ゝ`）ﾌｰﾝ」
ｵﾜﾘ

なんで俺の発表知ってんの？！

病気だからどれが影響与えるか知ることは意味あるだろ

んなもん主成分分析で十分じゃね？

>>347
受診中断っておい見出し詐欺じゃねーか

>>354
自称理論屋のダメサラリーマンは仕事したら？

pix2pixで画像いぢりたいのですが、GPUってGTX1060の6GBで回せますか?
GTX1070にしといた方が無難でしょうか?

服を脱がすフィルター作りたいです

GTX1080の方がいい

>>334
k-means clusteringの亜種に過ぎないから。
元々k-means clusteringで上手くいった事例に対して多少精度は上がるけど
逆にそうではない事例においては上手くはいかない、逆に精度が悪くなる。
それにマスコミは凄いと言っているけど具体的にアルゴリズムとか説明していないでしょ。

AIAIって頭の悪いマスゴミが煽って、盛りまくった記事書いて、それを情弱が信じ込んで酷い状況だな

最近だとPFNのchainerのAI自動着色（）とかどっかで見たパクリでドヤも出る始末、これからはAIの時代になるとか戯言ツイートやアフィカス記事が湧いてるし
大丈夫か日本人?
海外でもこういうのが大量発生してるんだろうか

そんなに興奮しなくてよろしい

>>360
AIブームは景気の波のように何度も来ている。
「今のAIブームがシンギュラリティまで続く」という予想は
「ニューエコノミーで永遠の好景気が続く」ぐらい間違いだろう。
今のAIブームは高性能のパターン認識を実現だけで終わるかもしれない。

でもAIブームの繰り返しは景気変動ほどの実害はないよ。
演繹と組み合わせた抽象的思考が実現したら次のAIブームが始まる。

論理と確率を混ぜた推論とか、人間みたいに柔軟にデータを融合させたり（言語モデルで分類した花と、画像モデルでの花をどう関連付けるとか）、統計モデル自体を切り替えたりするような、単一の学習機以外の話題をあまり聞かない・・・・

完全な自然言語処理ができるかどうかまではたしかにわからないが
確実に頭打ちが来るとまで言えないだろう

>>334
人工知能SOINNの機械学習手法は学習速度を重視していて精度はDeep Leaningより劣る。
このスレは人工知能スレではなく機械学習スレだから人工知能SOINNは注目されにくい。
Qiitaの記事は人工知能SOINNと機械学習手法SOINNを区別していないが情報がまとまっている。

超高速オンライン転移学習
http://www.slideshare.net/HasegawaLab/ssii2011-8740961
【 自律学習型人工知能 事例調査 】 東工大 長谷川研究室 発の「SOINN」（自己増殖型ニューラルネットワーク）がすごい
http://qiita.com/HirofumiYashima/items/b6e69170d4167659136c

>>359
新聞に載ったSOINNはオンライン教師なし学習手法ではなく学習型の汎用人工知能だそうだ。
汎用人工知能SOINNの目標はパターンベース人工知能なのだろう。

SOINN：Self-Organizing Incremental Neural Network
http://www.haselab.info/soinn.html
>自己増殖型ニューラルネットワーク（SOINN）は，Growing Neural Gas（GNG）と
>自己組織化マップ (SOM) を拡張した，追加学習可能なオンライン教師なし学習手法です．

SOINNとは?
http://soinn.com/about/
>人工脳「SOINN」って何？
>人を含む動物は「脳」を持ち、運動や視覚、聴覚、記憶をはじめ、
>連想、発想、感情といった高度な知的活動まで、全て脳で行っています。
>同じように、「人工脳」は感情を除く多くの知的情報処理を担うことができる、
>学習型の汎用人工知能です。

「パターンベース人工知能」とはなにか?
http://www.slideshare.net/HasegawaLab/pbai-19256755

長谷川修って在日じゃない？

>>336 ワロタ 誤爆だよね
Abel's test - Wikipedia
https://en.wikipedia.org/wiki/Abel%27s_test
それはそれとして部分足し算の方法はとっても役に立つ奴だと思うので
real analysis - Prove if ... Mathematics Stack Exchange
http://math.stackexchange.com/questions/1641119/prove-if-displaystyle-sum-n-1-infty-a-n-converges-b-n-is-bounded
or
https://goo.gl/YBH9uh

>>334
はっきり言って実績が少なすぎる。
取り上げるほどのものではない。

既存の手法より優れているかどうかの理論的なあとづけがない、かつ、ほんの数人しか手を付けてなく実行例が少ない段階なのに勝手にマスコミが取り上げて騒いでるだけ。

>>369
日本だと理論が優れているかではないんだよ
どれだけ政治力で採用できるかでしかない
セキュリティフォントもそういう仕組みでできているし

ビックリするくらい人工知能に飽きてきてワロタw
なんか馬鹿らしくなってきたw普通に明日から仕事頑張りますwww
機械学習？要らねえっすわ(´・ω・｀)

人工知能に変わる言葉が必要だと思う
あきらかに知能じゃないし

>>360
PFN みたいに迷走してるとこを代表例にするなやw あそこはパクってドヤ顔するだけじゃんw

>>371
さよなら〜 (^O^)///

>>372
良いとは思ってないが、ビッグデータよりマシじゃね。少なくとも客の引き合いは滅茶苦茶増えた

機械学習は金がかかるのが弱点。
クラウド課金がきついんで、自前で Tesla を買うか思案中

K80 使ってるけど、すぐに物足りなくなるぞ

顧客「なぜこのような結果になるのでしょうか？」
ベンダー「人工知能が計算した結果なのでわかりません」
顧客「(´･∀･`)ﾍｰ」
ｵﾜﾘ

>>378
言いたいことは分かるが、AIブームに乗り遅れないことが大切で早急な結果は求めない客もいる

VRと同じ
使うこと自体が目的で、使う目的はどうでもいい

>>369
マスコミは金払えば取り上げるから有効かどうかの指標にはならない

>>376
その投資分を回収できるの？

今のマスゴミなんて単なる広告媒体でしかないし、そもそも技術が分かるはずない

>>382
それは何とも… ただ、高スペックな GPUなしでは実用的なモデルのトレーニングは無理なんで。

>>384
トレーニング後の運用はCPUで足りるのかな？

>>385
それはケースバイケースかと。
自分が扱ってる範囲内だと運用はCPUでもいける、もちろんGPU使えるならベターだが

こんにちは
ディープラーニングで回帰問題（材料となるデータを入力してある値を予想するようなこと）をしたいのですが
応用例や実装が載っているサイトはないですか？？？

>>372
AI

>>387
なんでディープラーニング？
普通に重回帰分析とかでいいんじゃね？

非常に言いにくいのですが，流行りのキーワードを取り入れたいということになります
結果は正直うまく行かなくてもいいので，とりあえず動くようなものを作りたいです

>>390
それなら定番の deep learning フレームワークのチュートリアルを見れば回帰の例も出てるよ

すみません
本格的に無知なので定番のやつと言われても分かりません
どのページあるのか教えていただけますか？？？

マテリアルインフォマティクスか。
言葉だけは流行ってるな。

>>370
頭悪いな。
なんで事象が違うセキュリティフォントを例にあげるw
最初に実績がないって言った。
それが全て

数人がやってみて効果があるなら広まるさ。理論を上げたのはバックアップがあるならなおのこと広まりやすいって話だよ

>>392
『ゼロから始めるディープラーニング』買え。それですむ

>>392
無理しなくていいよ

『ゼロから作るDeep Learning』は評判もよさそうで気にはなっていました
しかし，サンプルを見たところ『誰のための本ではないか？』の節に「本書は，主に画像認識を主題にしています」とあったのでこれは役に立たないだろうと判断したのです

>>395

行列の積を行列の内積と書いているのはなぜなのでしょうか？

偏執者

>>397
じゃあ買わなくていいよ

>>369 >>394
特許検索ページで「長谷川　修 東京工業大学」で検索したら21件ヒットする。
そのうち7件がSOINN関連特許でSOINNの基礎技術は特許で固められていた。
特許が絡むSOINNは今後も東工大とSOINN株式会社しか研究しないだろう。
一方でDeepLearningは大勢が研究して途方もない速さで進歩していく。
ソフトウェア特許は計算機科学にとって有害すぎると思う。

特許・実用新案、意匠、商標の簡易検索
https://www.j-platpat.inpit.go.jp/web/all/top/BTmTopSearchPage.action
特開2014-164396　(LBSOINN)
　　【課題】学習結果について優れた安定性を有する。
特開2012-084117 (転移学習)
　　【課題】オンラインかつ追加学習が可能な属性の学習及び転移を実現すること。
特開2011-086132　(連想記憶)
　　【課題】連想記憶システムに要求される機能に関して、
　　従来より優れた性能を持つ連想記憶装置を提供すること。
特開2008-305129 (推論)
　　【課題】入力パターンを実数値ベクトルにより表現することができると共に、
　　連言、選言、否定を含む任意のｉｆ−ｔｈｅｎルールを
　　自己増殖型ニューラルネットワークによって学習させることができる
　　推論装置、推論方法、及びプログラムを提供することを目的とする。
特開2008-299644 (追加学習)
　　【課題】ノードの数を事前に決定することなく、逐次的に入力される
　　新たな連想対を既存の知識を壊すことなく追加学習することができる
　　連想記憶装置、連想記憶方法、及びプログラムを提供すること。
特開2008-299640 (時系列学習)
　　【課題】状態数及び各状態の出力分布を自動的に決定して、
　　時系列データの頑健なモデル化をすることができるパターン認識装置、
　　パターン認識方法、及びプログラムを提供すること。
特開2008-217246 (ESOINN)
　　【課題】高密度の分布の重なりを持つクラスを分離できる情報処理装置、
　　情報処理方法、及びプログラムを提供すること。

soinn の専用スレでやってくださいな、自演臭や宣伝臭が酷いわ

SONIN、しつこいわ

>>392
いや、本の名前を言ったわけじゃないのだが…
tensorflow でも chainer でも好きなフレームワークのチュートリアルを見たら、という話し

>>402
機械学習実装時に回避が必要なソフトウェア特許がなぜ宣伝に見える?
>>401は自己増殖型ニューラルネットワークには地雷があるという話だよ。

>>405
他にもAIに関する特許があるんじゃね？

とりあえずSONINからいったん話題をずらして。
興味もないのにクローズアップされるとただただ不快だわ

今の特許庁は特許ゴロの標的になってるぐらい審査がザルだからな
特許も無効審判ができるし、既に出してれば絶対有効な訳でもない
裁判になっても100%勝てるソフトウェア特許なんてないでしょ
freeeの糞特許なんて笑うレベル

ジャスラックの件といい、ITと機械学習を駆使して知的財産保護の仕組みを作り直せばいいのに

すでに投資詐欺化が進んできてるよな

そこでブロックチェーンだっちゃ(´・ω・｀)

プログラムに自動で売買させる仕組みを商品として売るのはどうかと思うな

>>397
>これは役に立たないと判断した
なんかもうね。頭が悪そう

どうして何一つわからない人間が偉そうに判断できるのかっていうね
何でもそうだけどまず試してみて、そのうちで少しずつ、なんとなく覚えていくってプロセスというかスタンスというか
そういうのが欠けてるんじゃないかと
否定から入られるとイライラする

2chだと特にそういう人が多いように感じる
実際に話しても同じような感じなのだろうか…

どうせコピペしか出来ない高卒様が人工知能に興味を持ったんでしょ
そんなわけでそのものズバリのコードが載ってないと駄目な人なんだよ

もう世間はお腹いっぱいで興味なくしつつあるようだw

SOINNのヤツ、書き込みしても誰にも相手にされなかったから自演しちゃったかｗ

ID:CmWPA7NT
ID:dIHobaUF

時系列データのコンテストってあんの？

>>418
ハズレ。
自分が興味ない話をする人は同一人物と考えるのは間違いだ。
SOINNはDeepLeaningスレなら範囲外だが機械学習スレなら範囲内だ。
オンライン学習を独自実装するならSOINNも調べることを勧める。

どのIDが同一人物か知りたければこのスレの書き込みの特徴を見てくれ。
他人のレスに食いついて複数URLを貼る奴がずっといるだろ。

>>419
去年こんなコンテストがあった。

CIF 2016
http://irafm.osu.cz/cif/main.php
Cognitive Toolkit Helps Win 2016 CIF International Time Series Competition
https://blogs.technet.microsoft.com/machinelearning/2016/11/30/cognitive-toolkit-helps-win-2016-cif-international-time-series-competition/

>>419
kaggleとかにないの？

>>419 あるよ

>>420
本当にしつこいな…

こんなスレでひたすらぶっこむしかないなんて、余程切羽詰まってるんだろうな

リンクはる奴もいい加減
ほどほどにしてくれ
理由は>>407に同じ

>>420
そういう問題じゃないことに
いい加減気づけよ

>>422
kaggleは時系列だろうが何だろうがブースティング最強だからあんまり関係ないかと

もっと客観的な理論がしっかりしていれば食いついてもいいが、他人が作ったご都合主義のルール押し付けられても魅力的に映らないな

>>428
アドホックな手法を嫌う所はム板の他のスレと感覚が違うね。
Chainer日本語ドキュメント不足を叩く人がたくさんいるのを見て
このスレもとうとう普通の開発者が主流になったと思っていたよ。

知らんがな。
実績がないならとっとと失せな。

chainerは機械学習スレ公認のライブラリだ
chainerを叩くやつは失せろ

アホ同士仲良く

くっだらないアルゴリズムで会社立ち上げたのはいいけど、すでに数年経ってるよね？何か社会にインパクト残せましたか？

なんかもうDLの登場で淘汰されそうに見えるんですけど大丈夫ですか？

意味分からない。
最初からKeras使った方が良くない？
流石日本人。Chainer好きすぎでしょ。

>>433
PFN最大のメディア露出はpaintschainerだからな
初めの記事は初心者がわりとできたとか、qiitaで完全に煽ってたが
実はPFNで会社としてやってたっていうオチ、（会社ページもそれように準備してる

モデルはpix2pixの殆どパクリ、結果もお察しレベルという、情弱ホイホイにしかなってない

会話が噛み合ってないんだが‥‥

>>435
pix2pixという先例をChainerで再現してみた、という事なのだろう。

できそうなことはだいたい出来る、「ある意味で汎用???」ニューラル・ネット、pix2pix登場
http://d.hatena.ne.jp/shi3z/20161125/1480024995
pix2pix(GAN)を使ってモノクロのおそ松くんをカラー画像にしてみた
http://t-nkb.hatenablog.com/entry/2016/11/26/120255

いやあ、いつ見てもここは有意義な議論で盛り上がっているなあ

>>433
>なんかもうDLの登場で淘汰されそうに見えるんですけど大丈夫ですか？
他の機械学習アルゴリズムはDeepLearningに淘汰されるからもう不要だと考えている?

DeepLearningは学習時間が長いのでオンライン機械学習では他のアルゴリズムも使われる。
Chainerを開発したPFNもJubatusではDeepLeaningを使用していない。
『オンライン機械学習』は18ページ分だけがDeepLeaningで後は別のアルゴリズムの解説だ。
DeepLeaningが他のアルゴリズムを淘汰するのは学習が今より数桁速くなってからだろう。

Jubatus : オンライン機械学習向け分散処理フレームワーク
http://jubat.us/ja/
>株式会社Preferred NetworksとNTTソフトウェアイノベーションセンタが共同開発
アルゴリズム - Jubatus
http://jubat.us/ja/method.html
>このページでは、各サーバで使用されているアルゴリズムの詳細について説明する。

オンライン機械学習（機械学習プロフェッショナルシリーズ第1期）発売のお知らせ
https://research.preferred.jp/2015/04/olbook/
「オンライン機械学習」　サポートページ
https://sites.google.com/site/daisukeokanohara/kodansha_online_learning
目次でいうと「発展編 深層学習で使われるオンライン学習」だけがDeepLeaningの解説だ。

>>439
433の前半部分に答えないのはなぜですか？今の状況になっているのは何が原因ですか？

くだらない会社＝SOINNのこと？

くっだらないと言ったのはアルゴリズムのほうだよ

>>440
>答えないのはなぜですか？
うわー厚かましい。全部他人に調べさせるつもり?

別に調べなくていい。
知ってる範囲で実績なんか有りました？あるわけないと思ってるんですが

>>444
どうして何も調べずにそこまで思い込めるの?
2015/04/02の記事ではスタッフ5名だが今は19名に増えているから仕事はあるのだろう。
名前が出ている所だとNTT　Comが採用、セブン銀行が実験済、ソシオネクストが共同事業化を目指す。

12年もの研究成果を商品化した人工脳。人間が操作している動画を見せるだけで学習してしまう！
http://www.dreamgate.gr.jp/news/3661
>防災系の研究機関をはじめ、建設業、製造業、金融業、小売業、広告業などいった幅広い分野で、
>数十社が導入を決定もしくは検討している。
>スタッフ数：5名

クラウド上のAIでIoT関連ビッグデータを迅速に精製・分析する「CLARA with SOINN」(仮称)を開発
http://www.ntt.com/about-us/press-releases/news/article/2015/20150331.html
AI(人工知能)が家計を分析し、節約できるポイントを教えてくれる「節約アシスト」機能を開発
http://www.ntt.com/about-us/press-releases/news/article/2015/20151217.html
セブン銀行、ATM内紙幣の増減予測精度を向上のため、人工知能を活用する実験を開始
https://iotnews.jp/archives/19971
SoCセンシング技術と人工知能の融合による事業化のトライアルを開始
https://www.socionext.com/jp/pr/sn_pr20160831_01j.pdf

soinnとpfn の業者の競演！

でもみんなはtensorflowとkerasを使ってますw

SOINNはコテハンかなにかつけてくれないかな

会社としてどっちも上手くいってないのかな、と思わされる
廃れたり、流行ってもいないのに、匿名掲示板で執拗に業者の名前を出すのは違和感がある

>>447
同意。

日本の島国根性丸出し、狭い日本だから業者の工作で何とかなると考える。
ＳＯＩＮＮとやらは過去にさんざんスレを荒らしておきながら、今更何を言ってるんだ、という感じ。手段を選ばなくなってきたな

昔ruby が rorをきっかけに流行ったけど、あれは欧州発じゃなかったかな
日本ローカルで無理やり流行らせでも今どき意味ないんだよ
github のスター数とか見れば何が伸びているか一目瞭然だろうに
tensorflowは別格としても、chainerとか昨年殆ど増えてない。
逆にkeras の伸びは異常。もう勝負はついてる

>>450
chainerとかtensorflowとかを使う人が増えると
それらを開発した会社はどんな金儲けができるの？

後に有償化とかサポート料とるとか？
コンサルみたいな事をやるとか？
コンサルは自前のライブラリじゃなくても良くね？

>>451
横からだが、会社の立ち位置で違うでしょ、グーグルはAI産業で世界支配したいだけかとw
chainerは今となっては良くわからん
社内ツールではあるのだろうが

>>451
PFN：我々のフレームワークはここまでできる、何か仕事くれ（社員５０人日本ベンチャー

google：社内で使って十分儲かったし新規性ないから置いとくわ、良い改良や人材発掘、儲けネタがあったら買い取るから、お前らどんどん使えよ（社員５万超えで世界展開

開発研究分野は資本第一だからな
アリと巨人の戦いだよ、もうどうしようもない

>>451
453 さんの言う通りだと思う。憶測だがchainer は最初は有償化も考えてたかもな、今となっては無理だが
あと、コンサルやるなら今後はtensorflowやるしかない

>>453
pfn って50人もいるのかよwww スポンサーはいるにしても、そりゃ食わせるのマジで大変だわ。
google は tensorflow で出し惜しみしてるのが分かっちゃうのがな、仕方ないけど

>>449
過去の経緯があることを教えてくれてありがとう。
過去スレを調べたらpart6からSOINNを連呼している人がいた。
part8の494がすでに適用限界を指摘しているのに無視している。
>>334は連呼している人だから回答したら自演認定されたんだね。

>>454
XNOR-NetをFPGAに実装したら相当な速度向上を期待できる。
GoogleがTensorFlowで出し惜しみしてるからこそ
KerasとAPIコンパチなFPGA対応独自ライブラリに商機があると思う。

[Survey]XNOR-Net: ImageNet Classification Using Binary Convolutional Neural Networks
http://qiita.com/supersaiakujin/items/6adaf9731c9475891911
AWS で FPGA 利用可能インスタンスが登場
http://qiita.com/shirono_kei/items/4c6cf757e8ad1b85394d

アルゴリズムなんて研究者にまかせて、最新技術を何に使って売るか考えたほうが儲けにつながる

儲かるならこんなとこに書かないで黙って儲かる作業をするだろうｗ

儲かり過ぎて暇なんだろ

part8の494コピペ↓

0494 デフォルトの名無しさん 2016/07/03 03:23:12
このスレでやたらSOINNを推す人がいるが、あれは単に
他のデータと類似度が低いデータを間引きする条件を付けた
クラスタリングに過ぎないぞ。
だから元々クラスタリングで上手くいった案件なら上手くいくが
そうじゃないと全然上手くいかない。
また、データを間引きする条件は二つの自由パラメーターに依存するが
その設定は試行錯誤するしか方法が無いし、しかも結果がかなり変化する。
考案者は深層学習に対抗して人工脳と言っているようだが
人工脳とはとても言えないし、それいぜんにデータマイニングとして
危なっかしくて使う気がしない

アルゴリズムがクズ過ぎる

>>460
クラスタリングなんて、なかなか上手くいかないだろう。アイリスみたいな教科書に載ってる例ならともかく

出荷品の試験データで使ってるが、
階層的クラスタリング、k-means、主成分分析何れも同じ結果にはならないけどそこそこいい感じで分けてくれてる。

そりゃー試験データが表してる現象が割と低次元に収まってるからでしょ

勝手に決めつけんな30次元越えとるわ

個人的には主成分分析で軸変換したした後に階層的クラスタリングで分けるとだいたいこちらが意図した区分になるから一番気に入ってる

失礼。話がズレてるな。

低いか否かは主観的な相対評価
個人的には100次元以下なら低次元だ

>>468
ハイハイ。
ところであなたは上のよくわからん会社の推進者？違う？

なんか沸点低いやつ多いな、ID真っ赤にして騒ぐなよ

それだけ KUSOINN 業者に不愉快な思いをしてるということだろ

>>471
いや嫌いな人ってより、KUSOINN業者本人が暴れてるっぽいな
2ch好きなのかねKUSOINNは

機械学習スレではSOINNちゃんのマスコットデザインを募集しています

いくら騒ごうが、NHKの教育番組でやってるニッポンすごい系の番組ぐらいしか取り上げてくれないだろう

>>472
2chくらいしか暴れる場所がないんじゃないか。相手してもらえてるか微妙だがw

SOINNをまだNGにしてないの？

KUSOINN(クソー員)
ナイスラベリングですね。

いやアルゴリズム見ちゃったけど、あまりに酷いなと思いました。こんなん世に出しちゃいけないと思た。

ゼロから作るＤｅｅｐＬｅａｒｎｉｎｇやってたらＰｙｔｈｏｎ３やんけ
２しか入れとらんのに・・・

釣れますか？

機械学習関係なくPython使うなら3系も入れとこうぜｗ

いつもスルーしていたのに
ID:dIHobaUF
が食いついたので面倒くさくなったな。
話題ごとにいつも微妙な記事や論文をリンクする人なんだろうが
題名だけで判断するのじゃ無くて内容も自分で咀嚼してから紹介してくれよ。
荒らしと変わらん

いやお前今回もスルーしろよ
何蒸し返してんだバカ

ソインをNGにするだけだろ

>>481
同意

＋１

アホ++

>>482
あんたもウルサイよバカ
あの件自体のみだったら本来スルーするつもりだったけど
いつもずれた論文を紹介する人の方が煩かった＆炎上補助したので
敢えて書いたんだよ

>>487
良く言うよ、最近ネチネチと繰り返し同じ事を書いてるじゃんwww

ロボット研究なんですが、機械学習ってこれから需要あると思いますか？
用途絞った汎用品ならライブラリ既にありますよね特に認識系
本職のデータサイエンティストが自作したのより、後に出た汎用オープンソースの方が精度高いとか普通みたいですし

組み込み系か、機械学習どっち担当するか選ばないといけないのですが
組み込みのが潰しが効きそうな気がしてます

>>489
http://gigazine.net/news/20160310-google-deep-learning-robot/
こういうの？
組み込みはあんまり詳しくないけど、例えば、学習済みのニューラルネットワークを組み込み用に軽くするコンパイルとかあるらしいからそういうのもいいかもね

>>490中途半端で無責任なレスだな。どっちかを聞いてるのに。学生さんだろ？

組み込みをやったほうがいい。
俺なら両方、あるいは、食いっぱくれない片方やりながら興味ある残りをやる。

後者は余裕があるときに＋アルファで

>>491中途半端で無責任なレスだな。需要も聞いてるのに。学生さんだろ？

>>489
日本を正しく書くことが重要、ここで進路相談したいのならどうかしてるぞ

は？組み込みと答えたはずだが？

需要なんて圧倒的だろ？
機械学習なんて大手が試しにベンチャーに依頼してやってるだけ。

ID:v3NHLy3A
ID:DJGUrx55

おまえらコテ付けてくんない？NG登録するから

好きなものやれ

>>495
「ロボット」に関して「これからの需要」を聞いてるっぽいけど、>>491 はその答えになってないように見える >>496 もロボットの話じゃないっぽいし

あー、なんか荒れるきっかけになってすいませんでした
卒研の作業分担で選べるんですが、言語や覚える内容も違うし、将来の就職的にどっちに力を入れるべきかの話でした

機械学習は注目集めてるから現場の方は特需になってるのか聞きたかったんですが、市場数的にはやっぱ組み込みですよね
機械学習の方が未開拓ぽくて面白そうではあるのですが

機械学習は後から独学でも勉強できるが、組み込みはどうなんでしょ。

ガイジが毎日のように騒いでるだけだから気にしなくていいよ

画像処理だとディープラーニングはもう成熟の域に達してるから
むしろ画像処理屋なのにディープラーニング知りませんだと死ぬと思う

そもそもの認識が間違ってる

機械学習で特徴抽出してその結果から汎用のライブラリを作る

オープンソースは置いといて一般的にどこかの研究結果をもとにして
組み込み向けに企業が製品を泥臭く作る
確かに製品のほうが精度高いだろう
研究は現場で使う用のライブラリは作ろうとも考えてないから

でもこれを読んでどっち側に行きたいと思うだろうか

スマホを作る側と使う側に差があるとは思わないか？

機械学習に数学がいらないと思っている時点で、何言っても無駄

NNに限って言えば、実際問題あんまり数学は必要ないよな
あえて言うなら損失関数から積算を減らすためにちょっと高校数学の域を出るテクニックが要るぐらいで、それもしないんだったら高校数学で十分だろう

そいつにはさわるな

本職のデータサイエンティストってコンサルやで
成功するには情報科学以外のスキルのほうが重要

企業では機械学習だけができる人間はいらない。

この国ではデータサイエンティストというのは暇を持て余した無能な社内SEの別名
有能な奴は現場で本業をバリバリやりながら片手間でデータ分析やって成果出してる

>>510に同意
就職考えるんなら機械学習はメインにしない方が良い
上で述べたとおり興味があるなら＋αで

この＋αが後々、役に立ったりする。
(そこに数学的な知見があるとあれこれ理論的に考えながらコード開拓できるかもって感じかな)

>>511
あれ？
俺のこと言ってる？？

そもそもこのスレの住人の職業が怪しいわけだが
大体がIT土方かweb屋だろ、メーカーの人とかいなそう

機械設計のエンジニアはいるべ

異分野を専門にしてる技術者がツールとして機械学習を利用しているって状況が多いのかな。
それだと機械学習の専門家を一人雇うより、研究者に定期的に最新ニュース送ってもらうのが丁度いいのかもね
本の知識じゃ遅すぎるし

ニューラルネットって不可逆の圧縮技術であって機械学習はその中で操作する世界と錯覚してしまう。
射影の世界で操作しても次元に囚われる。
四則演算や確率で次元の壁を越えられるのかね？

機械学習マンが関数をこねくり回して数百円稼いでいる間に
ビジネスパーソンがExcel分析で売上を数百万円アップさせるのであった

>>517
ブラックボックスな手法では次元の壁の前に稟議の壁を越えるのが困難

ウチはEC業界やから何でもありやぞ
レコメンドとかディープを取り入れるようになったで

最近できたfaceappってアプリあれどういう方法使ってんだろうな
vae使ってるんだろうけどあんなに綺麗に再構成できる技術あるのかって感じだわ

vaeじゃなくて3d facial model reconstructionしてからのmorphじゃない？

>>514
まだメーカーを信じてるの？
メーカーの技術者なんてリストラされまくったよ

ここみたいに具体的なプログラミングから外れたスレの住民はプログラマ少ないんじゃないかな
プログラミングできないだろこいつってようなレス多いもん

プログラマじゃない人がいるのは確かだな。
でも少なくとも keras や TFの話しをしている人はプログラマでしょ。俺もそうだが

>>523
関わっている限りではメーカー系のエンジニアは本当に酷いのしか残ってないな。
パソコン事業から撤退しているから当たり前なんだが。
メーカーの場合、元々優秀なやつは現場はそこそこにして出世しちゃうけどな

自分は材料メーカーで実験と物理シミュレーションしてたけど、
機械学習もするようになったわ。
まだDLによる画像処理と各種クラスタリング試してるぐらいだけどさ。
これまでの実験、解析、シミュレーションにインフォマティクスが入り込んできた感じ。

大手メーカー以外の製造業だと機械学習に手を付け始めた感じ。良く相談を受ける

>>527
専門分野が特化されたメーカーさんだと機械学習の使いどころは多いだろうね

真板でやれ

>>530
別にスレチだとも思わないが

イタチｗ

ごっこ

無人自動車の公道実験がようやくできるようになった、運用面でAIの実用化はまだまだ先の話

AIの法的課題、議論も始まっていない
http://www.bizlaw.jp/legalcuttingedge_02_01/

このスレ内でTensorFlowを仕事で使っている人がいるみたいだけど
Caffeを使っている人いる？

MNINSTデモと数式見て何を言ってるかさっぱりわからない状態の人におすすめの書籍ありませんか?
web会社で一ヶ月勉強して、データ分析して不正検知やレコメンドの精度上げてって言われたんですが

高校数学すら怪しい30のオッサンです
もう時代の変化についてけなそう、いっそのこと配送オジサンになろうか。。。

>>537
使用できるプログラム環境は？

>>538
特に縛りはないです
Linux, TensorFlow, pythonで始めてみました
個人スキルはphp, javascriptの各フレームワークくらいです

正直自力じゃ厳しいレベルやろ
レコなら協調フィルタリング使うことをおススメするで

変に回り道しないで関連してる論文を読めばいいんじゃないだろうかっていつも思う
わからないことはその都度調べて潰せばいいし

馬鹿には無理なので諦めろ

>>539
数学の基礎力がよく分からないので、なんとも言えないけど
業務で利用できそうなコードやライブラリ、方法論を決めてしまい、
分からない数学のところをメモして、大型書店で直接自分が読みやすそうと感じた本を
ケチらず買うのが一番いい。

ただ、一ヶ月で勉強するのは恐らく無理だから上司と相談した方が良い。

>>519
稟議の壁wワロタ
実際そのとおりww

>>537
異常検知を扱う本は他にもあるが異常行動検知を明確に扱う本はこれしか見つからなかった。

データマイニングによる異常検知
https://www.amazon.co.jp/dp/4320018826

レコメンドは人工知能学会誌連載「推薦システムのアルゴリズム」がネットで読める。

推薦システムのアルゴリズム
http://www.kamishima.net/archive/recsysdoc.pdf
【レコメンド】内容ベースと協調フィルタリングの長所と短所・実装方法まとめ
http://qiita.com/haminiku/items/f5008a57a870e0188f63
レコメンドに浸透していくDeep Learning： 大手サービスの実用例から最新アルゴリズムを概観する
https://deepage.net/deep_learning/2016/09/26/recommend_deeplearning.html

社内便の配達屋になりなさい、ストレスないぞ

抹茶の公開してるソースで学習させてみたけど
まともな顔出力するようになる前に同じ画像しか出さなくなる破綻の方が先に来るね
世代を重ねすぎるとそうなるのはdcganの性質らしいけど学習できないのは何でだろう

>>518
割とマジでこれ

機械学習なんてこのレベルでいいんだよ
http://www.shuukei.info/imas_cg_words/

Jubatusいいよ。web屋が集合論のしゅの字も知らないレベルでMySQL使ってるのと同じ感じで使える

機械学習に数学はいらない

余計なお節介かも知らんが、リコメンドこそ人間の書いたプログラムを超えるのは難しいぞ・・・・

>>550
ハイハイ乙乙。
でも数学のおかげで今の機械学習が存在して、飯食えるんだってことは知っといてね。

数学を踏まえて学習方法が研究されてライブラリに落ちているから
プログラマー(という名のただのズブの素人ユーザ)が機械学習出来るってだけだからな

>>541
数が多いわ

>>552
そんなこと言い始めたら、OSやらネットワーク機器の仕組みも知らないとな

もうディープラーニングで目新しいことするのって難しいのかね

>>553
機械学習のアルゴリズム自体を研究したいのか、機械学習で得た結果を利用してビジネスしたいのかで全く違ってくるだろ
後者が必要以上に原理の理解に拘って肝心のビジネス適用が遅れてたら本末転倒

>>555
スルー推奨

>>547
絵画の画風変換もそうだけど
それなりに見られるサンプルを出すには
設定や素材をかなり選ばないと上手くいかないね。

>>536
C++で使っているけど、段々面倒になってきたから
少しずつ自作コードに移行しようとしている。

keras2

>>539
必要に迫られないのなら勉強とPythonだけに絞った方がいい。
tensorflowの和書も中井悦司氏のぐらいしかないが、構成が見にくいし
本の入り口は本人のサイトに書いている。

株価のローソク足とかいっぱい読み込ませて学習させるとチャートから
株価予想することできるだろうか？

>>563
予想することはできるけどそれが当たるかどうかは別問題じゃね

株価予想する場合、入力データは株価自体、それとも変化量？

https://chart.yahoo.co.jp/?code=6502.T&;tm=1d&vip=off

こういうチャートをクローラでいっぱい集めてどんどん学習させるとか
できないかなあ、と思ったんだけど誰かやって

システムトレードとか興味あるからパンローリング社の本を
何冊か買って読んでいるが経済用語がよく分からん。

>>563
既に企業はやってるけどレベルが違うからなぁ
ネットの情報、ニュース、政府系を自動監視分析して、ミリ秒単位で株式市場全株の数値分析しとるらしいよ

ゴールドマン・サックスはトレーダー600人を2人に、エンジニアは200人に

つまり素人が投資に手を出すのは無謀

今の大手金融機関のＡＩだと
前の米大統領選でも上手く対処できるのかな。

教師なしの不均衡データでクラスタリングを行うにはどういう方法が上手くいきましたか？
もし経験済みの方がいれば聞きたいです

無理だろう、調査に反応に反応しないのだから捕らえられない

最近はディープラーニングやってる中国人が多いな
検索したら英語の次は中国語の記事が多い

>>566
効率的市場仮説と言うのがあって
効率的だったら瞬時に株価に反映されるから
時間が経過することで利鞘を稼ぐのは難しい

非効率的だったら可能かもしれない

機関投資家が狙うような銘柄は効率的だろうから難しいだろう
機関投資家が狙わない様な銘柄は利益が出るとしても大したこと無いんじゃ無いかな
銀行預金よりは良いかもしれないけど

>>572
中国は本当に多いな

論文も中国人ばかり
中国人が携わっていないものを探す方が難しいと言えば大袈裟だけど
ホントそう感じるよ

人が元々多いのに、資金力もあるからな…

おまけに有象無象だし

日本人は機械学習に数学はいらないとか抜かすくずばっかだからな
そりゃ中国に負けるのは仕方ない

ILSVRC 2015まではアメリカ勢が上位独占してたが、昨年12月のILSVRC2016 は中国勢が上位独占してる

教科書も書き換わるな

学生同意

>>579
前にOxfordも入ってたろ
それはともかく、中国みたいな一党独裁はやることが極端だからなぁ

>>570
自分がクラスタリングする不均衡データで上手くいく方法を知りたければ
ライブラリが用意しているアルゴリズムを片端から試すのが近道だと思う。

imbalanced-learn
https://github.com/scikit-learn-contrib/imbalanced-learn
imbalanced-learnで不均衡データをアンダーサンプリングしてみる
https://hogehuga.com/post-1430/

>>581
確かに中国は極端だけど、アメリカのアポロ計画も極端だった。
日本でも数百億円の気象衛星に誰も反対しない。
一党独裁でなくてもその必要性が国民の共通見解になればよいのだろう。

中国の人工知能研究が日本を一気に抜き去った理由
http://www.yomiuri.co.jp/fukayomi/ichiran/20151016-OYT8T50057.html

『過学習』って便利な言葉ですね。
よく分からない結果になった場合、そう言っておけば皆さん理解してくれます。
本質的な問題は何か、全く分かってないのにw

>>584
あなたが分かってないだけだろ

80〜90年代は日本の研究者も元気だったのにね。。。

>>585
機械学習の結果って解釈可能なんですか？

過学習というと「おっ、そうだな」と相づちいってくれる
お客がいるんだな

お前は加齢臭

違うよ
学会にいくと『これは過学習が原因です』と言っちゃう発表者がそこそこいるんだよ
聞いててなんだかな〜と思ってるだけ

化学の研究発表で収量悪かったのはフラスコ振り過ぎたのが原因ですと言ってるようなもんだからな

過学習って言葉を学会では禁止にしてよく詳細分析させるのはどうでしょうか？

>>592
浅はかさに乾杯

何故浅はかと考える？
ちゃんと説明してみて

>>590
過学習とleakageは発表前に確認した方がよいね。

ビッグデータ解析で薬剤副作用予測がほぼ100%可能に
http://pc.watch.impress.co.jp/docs/news/yajiuma/740480.html
「正答率100%」になってしまう機械学習モデルの例を挙げてみる
http://tjo.hatenablog.com/entry/2016/01/27/235620
そのモデル、過学習してるの？未学習なの？と困ったら
http://chezou.hatenablog.com/entry/2016/05/29/215739

流れをぶった切って悪いが
アンサンブル学習ってどうよ

結構好きなんだが

ランダムフォレストとか

アンサンブルのアルゴリズム自体が関心の対象になることってほとんどなくね?
完全にブラックボックスとして使われることがほとんどだろう
ブラックボックス故に容易に使えるメリットもあるし、
モデルが意味不明で価値がないと言われることもある
アンサンブルをはじめとした、人間がモデルを理解することを最初から投げてる手法をひっくるめて
ブラックボックス法とでも呼ぶのが実態に近いんじゃないか

そもそも過学習かどうかすら主観的な問題だからな
点の分布にたいして何が正しいかなんて正解がない限り何も言えない
という態度が本来正しい

統計分析は全部オカルトなんだよ

>>597
そうは思わない

http://tomoshige-n.hatenablog.com/entry/2014/12/07/011221

>>599
正しく伝わってないようだけど、モデルと言ってるのは学習アルゴリズムじゃなくて
学習の結果得られた予測モデルのことね
学習結果を知識として理解できるか? ということ

学習結果を人間が理解できないのであれば、結局は精度の高さだけが問題になる
そういう手法は必然的にブラックボックス化する

>>600
知識として理解するのは何の為？
利用するだけなら同じ結果が得られればいいんじゃね
人間の脳について遺伝子について完全に理解されてるわけじゃ無いだろう

不確定性原理とかある様に確率的にしか把握できない現象があってもいいんじゃね？

あと、時代が進めば解明する手段ができるかもしれない
CNNの畳み込み層のフィルタとかは見えるんじゃね

主成分分析の固有ベクトルも解釈は人によるんだし対象だけで決まると言うよりは相対的なものだろう

相対論も量子論も相対的

学習サンプルが全てのケースを網羅してるなら100%検出でも間違ってはいない
正解分布が離散的な場合、不完全な学習サンプルではどう頑張っても信頼性は上がらない

1. データを色々と図示して特徴を理解する
2. 線形モデルなど人間が説明可能なシンプルなものを作ってみる
3. さらに予測精度を高くするなら非線形モデルを作る

2までの過程がないと関係者にも説明できないし、与えられたデータに含まれない特徴量を見つけることができない。
いきなり3に進んで「これが効いてました」だと単なるパラメータ調整屋さんになってしまうよ。

1や2を経ても別のデータを追加したらもっと精度が上がるかもしれない

現状のデータで最も精度が高い結果を得られれて目的をよりよく達成できるなら細かい原理まで気にしないんじゃね？
突き詰めていけば判らない点が出てくるだろ

>>605
正解が判ってるならそれからデータを生成すればいいんじゃね

正解が判っていないならデータから帰納的に正解を推定するしかない
データが少ないケースは発生可能性が少ないわけだから別の方法でリスクマネジメントすればいいんじゃね

従来の方法を使ってはいけないわけじゃない

>>607
例えば「クラスAよりクラスBの方が好ましいのでクラスBの割合を増やしたい。どうすればいい?」
というような問題はどうする?
実際のビジネスではこの種の問題が非常に多い

>>609
クラスBの出現確率に関係する説明変数を求めるんだろう
ANOVAとかでいいんじゃね
それを説明しても理解を得られるかどうかはキーパーソン次第

NNで精度が高ければそれで良いと言うキーパーソンもいるだろう

>>602
同意

クラス分類問題の全てに人間の認識の範囲でラベル付けした正解がある
ラベル付けの規則を導出する試みは自然現象の抽象化と等しい
抽象化で説明できる現象は一部でしかないので人間に理解可能なクラス分類器は
人間の認識を産み出す脳の仕組みを模倣したNNよりも精度が悪い

>>609
ビジネスだと、そこ(の方が好ましい)を合理で切り捨てるもの
政治からの誘導に抗するためにAI

まあAIにおける評価、選択基準次第でどうとでもなる。
この精度は悪いから使わない。これは好ましいから使う。
結果望む答えを作れますし。

>>545
>人工知能学会誌 2007 年 11 月号 [神嶌 07]，2008 年 1 月号 [神嶌 08a]，および 2008
年 3 月号 [神嶌 08b]

古すぎだろ
ディープラーニング以前では

一応言っとくけどディープラーニング専用スレあるからな

tensorflowはwindowsに対応してるからもうlinux使う必要もなくね

Differentiable Neural Computers

すまない、スレ間違えた

winはライブラリ関係でエラー良くでるからLinuxが楽。

GUI環境だと無駄に計算が遅くなってるんじゃないかと思ってしまうからwin,macはない

winでやろうと思ったけど面倒だからVMware linuxでやっている。
遅いけど

>>614
これ？今年に入ってまだ1つも書き込みが無いような死にスレみたいだけど
Deep learning
http://echo.2ch.net/test/read.cgi/tech/1387960741/

>>615
逆に何で windows を使う必要があるんだよw

>>613
>Release: 2016-09-26 21:53:16 +0900
>誤りの訂正や,新しい内容の追加などの更新を行ったものである

推薦システムの主要アルゴリズムと類似度判定に使うDeepLearningは階層が異なる。
だから2012年の本だけでなく2016年のCourseraでも
内容ベースフィルタリングと協調フィルタリングを説明しDeepLearningは説明しない。

情報推薦システム入門 -理論と実践-
https://www.amazon.co.jp/dp/4320122968
Courseraの推薦システムのコースを修了した
https://takuti.me/note/coursera-recommender-systems/

>>622
くだらない環境構築に悩まされることがないね

windowsには、どうでも良いところで悩まされた。
会社でofficeつかう以外はLinuxでいい。

今はLinuxとwinでGPUパフォーマンスはかなり変わるの？

理論的には変わるが、安定性は保証できないな。
Winの場合、各PCメーカーが、GPUメーカーと協力してそれぞれのPCで問題が起きないようにドライバ書き換えるのが仕事として確立してるだろうが、Linuxはその辺自己責任。
問題出たら自分で何とかしてね。
まあ、だからこそハック、解析して腕も上がろうものだが。
一応AMDはドライバのソース公開してたと思う。
NVはドライバだけ。
ノートPCとか、型番ごとに基盤違うから鬼門やで。

>>621
http://echo.2ch.net/test/read.cgi/tech/1457792560

ただ別スレにする意味はあんまり無いから統合してもいいのかも

>>627
日本のゴミメーカーの話しを一般化して語るなw

ありり

ディープラーニングに使う際は、PCメーカーなんて関係ないよ。
GPGPUでの物理シミュレーションだってLinuxが普通。

中国製でもオーケーなんか、俺は嫌だな

うちは小さいところだからGTX1080ひとつでやってるけど
みんなはAWSのGPUとかでやってんの？

>>633
会社では Tesla、個人では AWS だな

tesla p100と今度のquadro gp100って性能ほぼ同じかな
displayportついてめ普段使いもできるからgp100だと一石二鳥だな

元々データがクラウドにあるかオンプレにあるかというだけの話だよ
わざわざオンプレのデータをクラウドに全部転送してからやるような大掛かりな分析なんてなかなか無い
逆にわざわざクラウド上のデータを落としてくるメリットもあまり無いし、クラウド使ってると今更ローカルで色々やるのは嫌がる人が多い

>>636
仕事だとオンプレはセキュリティを気にする客が多いよ

>>635
ベースは p100 だから性能は同じだろうね

レスありがとう
とりあえず1080二枚でがんばってみるよ

社内のPC（1080x1)でしか回したことないわ
awsって1080換算でどれくらいのコスパなの？
弱小会社で社内利用のみだから節約重視とお漏らし懸念で許可降りないんだよね

>>639
最初はそれでいいと思う。すぐに段々と高いスペックの GPUが欲しくなるよw

>>640
クラウド使うなら基本は必要な時だけ沢山立ち上げて終わったらすぐに止める
なので単純比較はできない
クラウド使う場合は、1台で10時間かかるなら10台使って1時間で終わらせれば
値段は同じでも処理時間が1/10になる、という考え方をする

>>568
ゴールドマン凄えなw
その情報どこよ？リンク教えてケロ

囲碁プログラマがAWSのGPUとかで計算させているのは
聞いたことあったけど、それ以外でも個人で使っている人はわりといるんだね。

>>643
クビの話はこれだな
https://www.technologyreview.com/s/603431/as-goldman-embraces-automation-even-the-masters-of-the-universe-are-threatened/

株式市場をどう分析してるかはブラックボックスだけど

>>644
初期コストが不要だから、ハードルが低いのよw

今時VMWareはねえだろ
Docker使え

株価予測とかってニュースのネガポジとかもやってんの？

GSのエンジニアも凄く高給だろうがストレスも半端ないのだろうな

高いからべつにいいよ

質問なのですが
少し前にDeepMindがDifferentiable Neural Computers
というのを発表したのですが、これからはメモリがついたNNが
話題の中心になるのですか？

なりません。

ブラックボックス厨うぜえ

ブラックボックスなのか。。

GSトレーダー600人から2人に削減って、その専門職の人たちどこいったんだろね?
業界全体の流れだから、数万人レベルか
国内のトレーダーも結構な数いそうだよね

機械に置き換えられた人の行く末が知りたいわ
自動運転、自動レジ、警備巡回ロボなんか結構な人減らすよな

>>651
DNCの応用範囲はとても広いのだろうけど追試できる成果がないと人が集まらない。
DNCのソースコードが応用込みで公開されたら人気アルゴリズムになるかもしれない。

Differentiable Neural Computers 文献読み会 (Published January 6, 2017)
https://speakerdeck.com/yano_123/differentiable-neural-computers-wen-xian-du-mihui
>DNCのソースコードは半年以内に公開予定

>>201
TensorFlow分散環境が他のフレームワークより数倍遅いのはgRPCが遅いからだそうだ。
gRPC高速化パッチが登場したが変更点が多すぎて安定版にすぐにマージできない。

ChainerMN による分散深層学習の性能について
https://research.preferred.jp/2017/02/chainermn-benchmark-results/
grpc RecvTensor is slow
https://github.com/tensorflow/tensorflow/issues/6116

>>656
なるほど
まだこれからなのね

論文貼られて発狂とか草

>>659
そう・・・（無関心）

PFNさんこんなところまで来て活動しとるんかｗ
chainerはもうオワコンなんでいいです

>>657
じゃあ何でtensorflowばかりが流行るの？

>>661
暇なんだろ

>>657
関係者？こっちの質問にも答えてくれないかな？わりとマジで。
| さくらのクラスタは 32ノード/128GPU でお幾らなの？初期化コストも含めてな。現実的なの？

>>660
安価つけて無関心とか面白すぎかよ

>>657
そんな前の質問にわざわざ記事を作成してリンク張るとはご苦労さん
だけどもう Keras にさえ圧倒的に人気で負けてる現実をもっと認識しようぜ
あとベンチマークに theano がないのはわざと？

chainerは猿まねしては後追いでドヤ顔するのがな…

みんなKeras使ってるやろ？
Tenso直にいじるより楽ちんじゃ

>>668
そうだね、まわりにもKeras を勧めてる。
日本語ドキュメントが翻訳されたので勧めやすくなったし

俺はTensorFlowに慣れちゃったからもうそれで行くけど、KerasやTorchみたいな層を足してくようなタイプの方が直感的にわかりやすいよね

>>666
1GPUにしか対応していないポンコツをこの比較に載せろとは、どんな図々しい野郎だ

>>670
keras を theanoで使ってる人が数的に多いからでしょ

さくらのクラスタの価格はどのくらいなんだろ、俺も知りたい

俺もバックエンドはtheanoで使ってるわ。

keras + theanoは安心感があるんだよなw 何となく安定してそう

印象操作

謎のchainerアンチがいるけど、Sales Forceが高速化をうけて乗り換えたのどう思ってるんだろうか

一強になると勝者はダレるからchainerは頑張って欲しい

>>666
Redditにその質問の回答があったよ｡
TheanoやTorchあたりはファーストパーティーによるGPU分散計算対応が現状なされて無いからであって、
公式に対応された際にはベンチマークに含めるそうだ｡
フェアな比較を心がけてるように見える。

頑張って欲しいがtensorflow使うわ。

それが正解

物理シミュレーションと機械学習ってどう繋げるの？
目的がわからない

パラメタ振ったり

>>681
インフォマティクスだろう。
データが実験なのかシミュレーションなのかの違い。

機械学習ってさもはやプログラミングじゃなくて
要素とパラメータをいじって、精度がー精度がーっていう
作業でしょ？

>>676
謎でも何でもなくて、クソニンもだが業者・工作員っぽいから嫌われるんだよ。数百も前の書き込みに公式サイトのページを持ち出して反論なんてこのゴミスレで不自然なんだよ

>>679
実際、tensorflowの話しばかりだよ仕事だと。

>>685
完全にこれ

Chainer使っててすまん

>>684
数学できない人だとそう映るんだろうな

>>684こんなゴミなやつが増えてるな
数学は出来なくてもいいけど金貰ってんならさ‥‥と言いたくなる。

原理分かってないクライアント相手なら問題にならないけど、そこそこ頭のいい理系なら色々突っ込んでくるよ

数学と工学的な理屈は雲泥の差があるけど、どうでもいいがｗ

>>645
これからはよりアートな才を持つ者が重宝される
とくにアナログなね

数理工学

使い勝手がよいソフトウェアが一般に販売され始めたら中途半端なプログラマーは要らなくなる。

現状はレベルの低いプログラマーでも機械学習が可能な状態ということ。これが一般人でも使用可能な状態になったら>>684みたいなのは淘汰される

TensorFlow Developer Summit あるのか
行きたかったなぁ

GUIでディープラーニングするソフトなんて一杯あるじゃん
今んとこコード無しは実用性低いよ

SPSSでゴミみたいな分析が量産されてるのを考えるとGUIでまともな機械学習がされるのかも怪しい

>>664
自分も加わった話題の詳細情報を見かけたから紹介しただけだ。
>>205で答えた事以外は知らない。

>>685-686
仕事でTensorFlowを使うならgRPCの性能問題は君にも関係あるだろう。
TensorFlow分散環境を使うなら自分でgRPCにパッチを当てた方がよい、
というだけの話なのに業者・工作員と言い出す方がおかしい。

chainer工作員、必死杉 wwwwwww

>>698
gRPC の指摘をするのにchainer を持ち出してるから工作員だと思われるんじゃね？全然必要ないじゃん
そもそもgRPC の話しなんて仕事で使ってる人なら誰でも知ってるよ、何故上から目線なんだwww

>>700
gRPCのせいでどれだけ差が付くかがわかりやすい記事だから必要と判断した。
gRPCの話を知ってたのなら速度比較の話が出た時に書いてくれ。
速度比較に対するレスを見ればTensorFlowが遅い理由を知らないとわかるだろ。
情報提供せずに煽るだけの人が減ればゴミスレでなくなると思うよ。

横やりだか、
んな話どうでもいいけどリンク連発するやついい加減不快だから押さえて欲しいな
>>701みたいな偉そうな発言するんだったら別にいらない

>>702
不毛な事を書いてすまなかった。
改めて煽りはスルーを心がける。

ほどほどにってだけ

あと情報は選定してほしいな
いらんもん大杉
証拠だけ並べて人に読ませる気がないよね

実際のところ
Googleに比べて遥かに規模の小さいところが
chainerみたいなフレームワークを出してるのは凄いと思う

tensorflowみたいなフレームワークに対して
分散に強いというadvantageもあったりして
よくやってる

俺は使ってないけど

機械学習アプリ構築で大変なのはデータ収集と整形だよね。
ビジネス知識のある一般人と、>>684みたいなこだわりのない人が生き残るかもしれない。

あとは
>>612
の人みたいに客のリクエストを察するのが敏感な人だね。
占い師と同じで。

>>684は
すぐ役に立つことは、すぐ役に立たなくなる
の典型だろ

>>709
こだわりがないから、また新しいことするんだよ

海岸を埋め尽くす死んだ魚だね

実験結果が主体で、解釈が従属関係だけど
データマイニングの場合は逆にするとを強いられることがあるからしょうがないね

ブームで機械学習勉強したけど使うデータがなくて
立ち止まっている人は多そう

会社の業態にかなり依存する技術だからなぁ
メーカー、金融、web系くらいじゃね仕事に利用してるの
あとは何でもAIや人工知能付けたい微妙な会社

>>714
コンサルとかで使ってるとこないのかね

データ分析のための機械学習入門 Pythonで動かし、理解できる、人工知能技術 (Informatics&IDEA)

Pythonによる機械学習入門

を買った人いたら感想をおしえてほしい

ブームも今年で終わるらしいな
さっさと本来の仕事に戻るかのぉ

>>694
> これが一般人でも使用可能な状態になったら>>684みたいなのは淘汰される

つまり、今はプログラマが要素とパラメータ変えて精度がーって言ってるんだが
一般人が要素とパラメータ変えて精度がーって言うようになるんだよねｗ

機械学習が目指している先が人間が考えなくても自動的に判断してくれる方法だから
必然的にあとは要素とパラメータだけになるもんね

>>713
> ブームで機械学習勉強したけど使うデータがなくて

結局それ。

初期は統計的な計算はできたけどデータがなかった。
徐々にデータの量は増えたけどそれだけでは精度が出なかった。
次にデータの種類を増やして精度を上げた。
どんどんデータの種類を増やしたは良いが、今度は人間がそれらを
どう組み合わせればいいか判断が大変になった。

そこに出てきたのが機械学習とディープラーニング
データの量と種類を増やすしても、機械にやらせればいいから
楽に精度を上げることができるようになった。


だけそれは、人間の手にあまるような、大量のデータとデータの種類を
集められるところだけに限られた話。

そして最後は機械学習のデータを販売するビジネスが生まれて終わりかな

>>707
何を根拠に言ってるのやら。
恥ずかしいやつだな

データ整形のほうが面倒くさい

機械学習の本質はもっと他にあると思うけどな
googleのロボットアームで教師なし学習で、色んな形の物の掴み方を覚えるってのあったけど、すごく応用が効きそうじゃん

データは人間が集めるだけじゃなくて機械に生成させればいい、最初は人がインプットしたプログラムで動かして、センサーだけの数値で学習するとかさ
デジタル領域の機械学習よりも発展性がある

教師ありか無しか区別する必要ないし

>>717
じゃあ勉強するかｗ

顔画像を入力すると貰えるチョコレートを算出するアプリを作りたいので
皆さんサンプルになってください

イケメンスカウターでも作れよ
アプリであったら使うぞ

PyTorchはchainerをお手本にしてるのね
mxnetやdynetもそうだし動的ネットワークが主流になるのか

dynetってどうなの？

機械学習男子

FFTとクラスタリングとかを組み合わせて似た音声ファイルの検出をやってるけど、
こんなのRNNを使おうと思わない。そういう研究あるだろうけど。
NNは数ある技術の一つなのにアホみたいに持ち上げすぎでしょ。。。

それで？

>>706
全然勝負になってないよ
今週だけでもtensorflowfoldが出て、yahooがTFとSparkを組み合わせてきた。
ガラパゴス日本だけがマヌケなだけ

>>730
FFTとか使う伝統的な手法に限界をかんじるからLSTMとかやってるわけで…

TensorFlowOnSparkは間違いなく流行るな。Google, Yahoo, Apacheが絡んでるから

chainer 瞬殺 www

誰かがdynamic computation graphをchainerで実装するだけだろ
なにが瞬殺なのかわからん

>>728
新種のNNを実装しやすいという点ではトップクラスだね。

ニューラルネットのフレームワークDyNetの紹介
http://qiita.com/odashi_t/items/237a34d56e5d2a1df7ae
>C++とPythonで使用可能
>インクリメンタルなネットワーク計算が可能
>ミニバッチの隠蔽

深層学習のフレームワーク「dynet」
http://s0sem0y.hatenablog.com/entry/2017/01/18/032806
>KerasはChainer以上にゴリゴリモジュール化しているため、一見直感的ですが、
>細かい変更はできない小回りの効かないものとなっています。
>dynetはだいたいTensorFlowと同じくらいの粒度ように見えました。

>>736
バカなの？

>>736
そういう問題じゃないだろ…

一般人からしたら来年あるか分からないような会社が作ってる製品と、Google,Yahoo,Apacheが推す製品と、どちらを使うかという話しだろう

>>736
研究視点とビジネス視点では評価が違うと思う。
商売でTensorFlowと戦えそうなのはAmazon推しのMXNetぐらいだろう。
MXNetがFPGA対応すれば状況がひっくり返る可能性はある。

MXNet 入門
http://qiita.com/pottava/items/ed1975bf7b67d696c70d
>FPGA については TensorFlow 同様現在未対応ですが、
>コミッタの一人は「ロードマップにはあるよ」と言っていました。

個人レベルならむしろtensorflowfold が面白そうだから。scala 好きには良いと思う

>>741
同意。MXNet には注目している。

>>729 女子っていないの？

機械学習ゆとり
機械学習俺様

>>740
多少行き詰まり感のあった Cloudera も乗ってくるだろうしな

この世界は英語必須？

日本語で大丈夫

>>746
英語を読めないと困るけど、読めれば普通は十分だよ

「読める」とはどのレベルでしょうか？
TOEICレベルや英論文が普通に読めて、専門英単語覚えれば大丈夫ですか？

そんな質問する時点でお察しレベルだな、ゆとりか？
公開されてる論文読んで自分で判断しろ
読めなきゃ読めるように工夫すればいいだろ

>>749
そこまで出来れば十分だよ。英論文が読めればそれに越したことはないけど、
通常は（日本語訳が出てない）英文マニュアルとかチュートリアルが読めればオーケー

>>750
まぁまぁ。正論だけど

>>750
ありがとうございます。工夫します。
年代はゆとりですが、青年期に日本の教育を受けていないのでゆとりではないです。

>>751
ありがとうございます。マニュアルを見てみます。

海外でもゆとりっているんだな

>>752
例えば、以下の tensorflow 本家サイトの top page とか見てごらん。全然分からないなら要勉強な :
https://www.tensorflow.org/

TensorFlowについて
TensorFlow?は、データフローグラフを使用した数値計算用のオープンソースソフトウェアライブラリです。
グラフのノードは数学的演算を表し、グラフのエッジはそれらの間で伝達される多次元データ配列
（テンソル）を表す。 柔軟なアーキテクチャにより、1つのAPIを使用してデスクトップ、サーバー、
またはモバイルデバイスの1つ以上のCPUまたはGPUに計算を展開できます。 TensorFlowはもともと、
機械学習や深いニューラルネットワーク研究を行う目的で、GoogleのMachine Intelligence研究機関の
Google Brain Teamに取り組んでいる研究者や技術者によって開発されましたが、このシステムは他の
さまざまな分野 よく

>>755
ブラボー！パーフェクトじゃんw 初見でそれだけ訳せれば問題なし

機械学習の仕事を受注している人がいるみたいだけど
今年は去年と比べて受注や仕事量はどう？

>>757
前にも書いたんだが、TFのお陰でめちゃくちゃ案件が増えた。客のほうからTFで何か作ってと言ってくる。
無茶振りも多いからclosingは面倒だがw

だから他のフレームワークを持ち上げるのはかまわないのだが、TFがダメというレスには賛成しかねるんだな

今年はそこそこ、来年は自社の社員にしごとさせるようになるから
受注はガックリ下がると予想。
開発の材料も揃ったしね。

>>756
googleのことはgoogleに聞けｗ

>>760
ええ！？そういうカラクリかよw

>>759
それはあるかもな。けどグーグル様がハードルあげしてくださるだろうw

>>759
リストラし過ぎて社内リソースがないとこも目立つぞ

学会であるベテラン先生が発表しているとき、別のベテラン先生が
「私の論文を参考にしているけど、解釈が間違っている」
と突っ込んでいたことがあった。

あと英国からの留学生が「母国語だからといっても論文は内容が難しいから
スラスラ読めんし、変な文章の論文や発表者も多いから簡単じゃないよ」
といっていたから、
正直母国語の日本語同様に英語でスラスラ読めるという輩は信用していない。

データ整形面倒くさくない？
任意データをベクトルにって単純作業だよね
誰でもできることを時間かけてやってる

>>765
君は高卒かい？

はい

>>733
適材適所という言葉を知らないのか・・・・
そこら辺のビジネスデータをNNに突っ込むバカとかそんな雰囲気。
とりあえずNNライブラリの使い方を覚えたから、魔法の杖だと思いたいようなエンジニアも結構いる予感。

>>768
魔法の杖だなんて誰一人言ってないじゃん

>>719 データーを勝手に集めてくれて勝手に学習してくれるソフトが最終形。

>>770
それはもう人間では

割と高IQで従順な低賃金の奴隷を雇えばいい

これって日本人じゃんw

果てしなく奥が深いデータマイニング

>>769
行間

このスレでMXNetを知った。
話題を振ってくれた人ありがとう

MXNet はいいぞ。Keras と MXNet を併用してるわ

家のwindowsにtensorflow入れて遊んでみるかと思ったら、メモリエラー吐きまくってマジうんこ
仕方ないから別のSSDにLinux入れて使い始めたけど、こっちのが安定してるわ

それはお前のPCが傷んでるだけだろ

windows対応で開発が遅れるなら
linuxだけにしてほしい

別にlinuxだけの対応でも困らないし

windowsでやるやつなんておらんやろ、バックで糞みたいな処理走るから無駄が多い
アプデやスキャン走るとまともに使えないぞ

たぶん学習用にwindows対応しただけでしょ

>>780 Deep learning はlinux一択。

択一ね

初めて勉強するんだが、どこからやればいいのかわからん

服を脱ぎます

それから服を着ます

>>783
プログラミング言語は何ができるの？

Excel VBAにAIメソッドが取り込まれないかな

Excelいらないです

>>783
まず、何をしたいかから始めたほうがいい
何ができるか分からないならgitでtensorflowで検索、事例見て完成のイメージ膨らませる
既にあったらそれ使う
なかったら、自分で組む
車輪の再発明はしないほうがいい、すぐに陳腐化するか、既存と大差ないものしかできないから

データの前処理技術が重要だわ。

IBM Watson API　を仕事で使っている人いますか？
もし使っていたら使い心地を教えて欲しいのだが。

以前ニュース関連板で、あるスーパーが売れる商品の予測をさせたら精度が悪く
ベテランバイトのおばちゃんの方が精度が高かったと書いていたのだが。

GTX1050で機械学習ってきついですか？

>>786
Cです
>>789
仕事にしたいって感じ

仕事にするのは難しいと思うよ
人工知能ライブラリを使うだけなら1日でなんとかなるから、先に客を1人でも取ってきてみたら良いんじゃないの？

>>793
機械学習だけで就職してる奴なんておらんやろ、最近認知を得たレベルだし
理系の新卒じゃないなら、分析系の業務経験ないと応募資格なくて無理
中途でも車関係くらいしか見たことないな

実際、仕事に活かせる場所ってなかなかないぞ、まず自社内で活かす事例から探せば?

>>793
Cを使った入門書もあるけど、C++ ならフレームワークが使えるよ。
但し、主流はpythonだね

機械学習はおまけ。
メーカーなら他に専門性ないと駄目。

おまえら、相変わらず他人に厳しいな…

>>792
少なくともVRAM4GB以上ってのはよく見たな
1050ti4GBのショボいのでも時間かかるけど使えてはいる
最後はAWSでぶん回すなら別になんでもいい
学習ならそもそもCPUでいい

IT系でもビジネスドメインの知識がないと厳しいよ。
知識のある人のExcel分析で瞬殺されておわり。

とりあえず画像認識でもゲームでも何でもいいから、
自分が面白そうなサンプル例を真似してみたら。
途中で飽きたり挫折したら別の道に行けばいいし、
面白ければ別のサンプル、関連の勉強をすればいい。

awsでやるとお金すごくかからないの？

>>797-798
本当はNN専門の研究者レベルの知識欲しいけど
進化が早すぎて情報収集する暇すらない

日本OSS推進フォーラムという団体がRubyでデープラーニングの実証したけど詰んでてワロタ
超一流企業のエンジニア達でも苦労してるんだな

速度が出ないってのなら分かるけど、それ以外なら詰む要素なんてなんも無いと思うけどな

>>805
確かにRubyじゃ速度は全く出ないだろうな
使い物にならないだろう

何でそういう無駄なことするんだろw

PythonでもnumpyなしGPUなしで実装すると数百倍処理時間が違うかな？

1時間で終わる学習が3ヶ月かかったりとか？

そもそもrubyのDNNフレームワークってあるの？

Ruby なんて RoR の一発屋だろ

>>808
そもそも機械学習ライブラリがないに等しいんじゃないかな
DNN については ruby brain だったかな、2年くらい前にほんの少しだけ話題になった気がするが、
その後全然聞かなくなった

TensorFlow 1.0来たね

>>810
本当だ、ステーブル版キタコレ。
Google は手慣れてるなぁ、ぐいぐい来るな。次は Cloud ML をまとめにかかるかな

Javaサポートも入るんだったかな

どれくらいの期間計算させてたらいいの？

>>813
お前の目的が達成されるまで
Excelで1秒かからない計算でお前の10倍以上の稼ぎを得る奴はいくらでもいる
大事なのは技術ではなく中身である

Tensorflow1.0はGPU数に比例して高速化したみたいやな
chainerドヤってたのにドヤれなくなっちゃったやん

速度なんか最終的には体力勝負なんだからグーグルに喧嘩売っても勝ち目がないのはわかりきってるのにな
chainerの開発陣は頭良いんなら限られたリソースをより高い価値を生むところに効率的に使うことを覚えろよ

いい意味でhackerだから自分の腕で対抗してみたいんでしょ

寧ろバカなんじゃないかと思うわ
実際にはビジネス慣れしてないのだろうけど
前はchainer使ってたけど、バカみたいに更新かかるんで追随するの諦めたわ

>>817
悪い意味でハッカーなんだよw ドンキホーテ

>>796 scratchでやりたい。

>>816
同意。グーグル内部じゃ自前でGPUクラウドを用意してるらしい

>>817
対抗できてると思ってるのは中の人と信者だけでしょ。先行して投入してたはずが、分散は後追い、playgroundは猿まね。次はGCEをパクれるといいね

日本の科学技術って、常に常時欧米の後追いじゃないの？
最近じゃ中国の後ろを走らされてる気もするけど・・・・

>>822
chainerがいい例
技術はあってもビジネスが下手
本人たちにとっては不本意だろうけど、典型的な日本企業だよ

>>822
そう、だから悔しいんだよ
chainer、おまえもか！？ってね。もちろん勝手な期待なんだが。
あと中国にも完全に抜かれちゃったね orz

頭の悪そうな愚痴

愚痴と頭の悪さは関係ない
ここで、chainerで愚痴ってたって、どうせみんなtensorflowやkeras使ってるよ

>>822
これのこと

Chainer使っててすまん

>>828
chainer 批判のレスが続くと毎回締めくくりにそれを書くね。まともな議論はできないのかな

>>815
誰に向かってドヤ顔してるのか良く分からないんだよな。
会社としてやってるならビジネスマンにアピールしなきゃいけないのにその視点が完全に欠落してる。
一部の意識高い系を喜ばしても商売にならない。

>>816
禿同。自動運転の車を自前で用意しちまう IT ジャイアントが相手なんだ、速度なんて本気でやられたら勝負にならない。
自前でGPU設計だって当然やってるし、モバイルフォンをどうするかだって考えてるだろう。
そして市場の動向やコスト計算しながら様子を伺ってるだけだからな。

>>829
なんで議論しないといけないの？

>>817
google が hacker をどんだけ飼ってると思ってるんだよw 的確に出来る順に引き抜きに来るぞw

>>831
あんただけ浮いてるってだけだろ

>>831
狙ってやってるから浅ましい印象があるよ。

>>833
そんなこと言われても、俺はChainer使ってるし>>826
みたいなレスみたら主張したくなるじゃん？
>>832
多様性を認められない雑魚か？

俺もchainer使ってる

俺も俺も

俺も俺も、俺も

俺だって使ってる

わいが一番使いこなしてるでー

shi3z

shi3zさんは早く宮崎駿を見返せる人工知能を作って下さい

そんなライブラリがどれが良いか言い合うなら
プログラム勝負でもすれば

指標は実行速度とコードの行数？

>>842
稼いだ金額に決まってるでしょ
データの分野における唯一絶対の物差しだよ

gitに上がる利用ライブラリの数じゃね?
それだけ使われてる、優れていることの証左

データの分野だと稼ぎが絶対的な指標なのか。プログラムの分野とは良し悪しの指標が違うみたいだな。

>>843
計測できないやん。。

消費電力量であればなんとか求められそうだね。
それだけの投資があると解釈できるかなと。

chainerつくってる会社って元研究者がやってるようなとこでしょ
システム計画研究所も似た体質で、会社が傾いて以後ずっと迷走してるよ
大学の研究なのか営利活動なのか区別がつかない状態になるんだ

ただ50人もの従業員を食わせてるってすごいな
一体どっから金が流れてくるんだか

>>848
そういう感じだな。何かビジネスとは違うルールで動いてるように見える

>>849
スポンサーいるじゃん…いつまで支えてくれるか知らんが

おやすみ

トヨタと共同研究してるんだよなぁ…

>>849
トヨタ、ファナック、DeNA、SCSKなどのスポンサー
共同研究も多いみたいだね
まぁ、PFNには頑張ってほしい

googleが賞金総額10万ドルでyoutubeの動画タグ付け処理を募集
youtubeデータセットとGCEも貸し出すらしいよ
もうバンバン金使うね、上位者はヘッドハントされてくだろうし

>>852
共同研究といえば聞こえがいいがな…要は金を出してもらってるわけだろ
トヨタって Google や Microsoft とも共同研究してるのに意味あるのかしらん

>>853
Google はえげつなくてうんざりするわ… w

>>853
PFNの中の人だって引き抜きの対象になってるだろ

>>855
?
何が言いたいのかわからん
なってるかなんて知らんし、おめでとうとしか言えん

>>856
横からだが、単にヘッドハントの例としてあげただけだろ。深読みしすぎ

話しは違うけど MXNet を Julia で試した人いたら感触教えてください

PFNかNVIDIAに入りたいんだか、どうしたらよい？

入った人と入れなかった人の経歴から学習してください

>>854
トヨタは無人運転に否定的でGoogleと共同研究していないし仲も良くない。
運転支援のためにPFNとTRIの技術を使うのだろう。

グーグル：東大で「青田買い」　ＡＩ技術流出に日本危機感 (2015/04/02)
http://web.archive.org/web/20150404045943/http://sp.mainichi.jp/select/news/20150402k0000m020147000c.html
>世界のＩＴと自動車の巨人同士が手を結ぶかに見えたが、「トヨタが目指すのはあくまでドライバーのサポート。
>無人運転を目指すグーグルとは自動車への思想が違った」（トヨタ幹部）ことから提携交渉は頓挫。
>これを受け、グーグルは米国トヨタの自動運転開発のメンバーを複数引き抜いた。

AIが勢力図を塗り替える業界とは　PFNが絞った３つの領域 (2015/06/13)
http://blogos.com/article/116573/
>特に信号機や電柱にもカメラなどのセンサーを搭載すれば、
>人工知能は運転席からは見えない情報も考慮して、瞬間的な判断を下すことが可能。
>こうした技術は「2020年代までに大きく進化し、交通事故は劇的に少なくなるでしょう」と言う。

人工知能研究新会社Toyota Research Institute, Inc.（TRI）の体制および進捗状況を公表 (2016/01/05)
http://newsroom.toyota.co.jp/en/detail/10866787
> 1) 「事故を起こさないクルマ」をつくるという究極の目標に向け、クルマの安全性を向上させる
> 2) これまで以上に幅広い層の方々に運転の機会をご提供できるよう、クルマをより利用しやすいものにすべく、尽力していく

ハヤオに見せたゾンビって二足歩行させようとして失敗したからゾンビとして公表したんだろ

>>859
学生ならインターンシップに参加するか
社員と友達になって、技術の意見交換とかして推薦して貰う

>>862
分かっていてかいているんだからつまらんスレするな

>>860
有意差はありませんでした

ハヤオオブザデッド

chainer憎しの人は何なんだろう
別にchainerが存在してもいいと思うのに

>>865
モデルが悪いか、データが足りないか、あるいは完全ランダムな採用か。

囲碁、将棋、ポーカーときて次は麻雀と思うのだが
まともに研究しているのは東大の学生さんだけなんだな

>>861 googleの子会社とホンダ。

>>867
そういうレスがあるからに決まってんじゃん… ここは2chだぞ

googleに買われるなよ
旧帝大や奈良先端は機械学習の学生を量産して日本企業に送って欲しいよね

ｗｗｗ

>>867
ヒントつ chainer信者

ユーザが信者呼ばわりされるのはchainerだけ

機械学習だけできる人間は必要とされません。
学生は気をつけましょう。

>>869
ゲーム理論を少しでも学んだことがあれば、その推論は誤りとすぐわかる

>>876
次に攻略を目指すゲームの選択と
ゲーム理論と何が関係ある？

何もないっす

>>867
煽ってるの？

>>874
Python以外サポートしないChainerがシェアを取ると主張するなら信者だね。
でもChainerはPythonだけで新種のNNを簡単に実装できるからNN研究に向いている。
Qiitaの論文解説記事で実装もしている場合は大抵Chainer実装だ。
アルゴリズムを知りたい人と応用が目的の人で好き嫌いが分かれるのでは?

>>880
信者乙

>>880
qiita が根拠かよwwww
意識高い系の巣窟じゃないかwwww

>>880
そうやって煽るんだもん…

信者はわざと嫌われるようにしてるとしか思えないわ
無意識に他のフレームワークを貶めてるのに気がつかないんだよな

>>883-884
フレームワークは信仰対象ではなくただの道具であってそれぞれ特徴がある。
MXNetはR対応なのでRユーザーはみんなMXNetを使っているとか
TensorFlowはライブラリが多いから応用が楽とかそういう話を頼む。

>>876
このスレの連中は数学全く理解してないからいっても無駄

クラウドでやりたいんだけどPaperSpaceが一番安いのかな？
すまんがGPU8GB(GTX1080?)のインスタンス$0.27/h　+　ディスク代$10/500GB/Monより安いところがあったら教えてくれんか

ただの雑談になるが、AIとDWHをゴッチャにしている節を感じる。
主にニュース

PFNはトヨタとかと組んでいるけど、あれはpython以外の言語を使った社内用のChainer使っているの？

chainerの機能うんぬんが嫌いというより
qiitaとか意識高そう人達が嫌いなのでは

>>886
んなこたーない

んじゃChainer擁護するわ
Chainerは新しくネットワーク作ろうとした時にもChainerの中で完結できて作りやすい。
TensorflowやTheanoもそうだが、この両者を生で触るのはちょいとしんどい
Kerasは良くあるネットワークを超簡単に作れるけど、変なものを作ろうとするとLambda使うかtheanoを触ることになってなんか混乱する
そして何よりChainerは設計がPythonのオブジェクトシステムの上に乗っているからPythonユーザーにとって違和感が少ない
俺みたいなよく分かってない奴が触るにはバランスが良いライブラリと感じている。
ちなみにMXNetは知らん。使いやすいんなら俺もそっちに乗り換える

>>892
私もchainerのそういうところがすごく好きだったのだが
最近やはりユーザー数というのは馬鹿にできないなと感じはじめた。
chainerかそれに類似した設計思想のフレームワークが天下取ってくれるとすごくありがたいのだが。
TFがこんなに持て囃されてるのはかなり違和感あるよ。
他社の生産性を落とすためにTF公開したんじゃないかとすら思う

caffe...

ネタ抜きでc++版のchainer出たらchainerに転向してもいい

わいが作ったる！！

shi3z

使いにくそう…

c++はtensorflowがあるだろ

フレームワークとか別にどうでもいいわ、好きなの使えよ
俺はkeras,tensorflowで困ってないし、chainerも使ってた

youtubeのタグ付けDLコンテスト日本人で参加するやつおるんかね?
こういうコンテスト系開催すればもっと開発スピード上がりそう

c++でやる利点そんなにある？
思い処理が必要になる部分は限られてるんだから
そこだけ分離できればあとは全部Pythonとかのが扱いやすいと思う

>>892
MXNet はすっきりしていて良いよ。Python、C++ 以外にも複数言語もサポートしているし。
スレで誰かが書いてたけど、ビジネス的には TF を追うのは MXNet だと思う。

>>839
同意。やっぱユーザ数はでかいわ、DeepMind も含めて世界中で TF やってるのは何か凄い。
Google の手のひらで踊らされてる感が納得できないのも同意w

>>895 >>898 >>900
自分のまわりは C++ で TF やってる人多いよ。目的は Android で動かすためみたい。

なんでもいいからscratchで書きたい。

scratchからgoogLeNet書けたらいいね

mxnetはいいぞ。世界的にはchainerなんかより使われてるだろうにこのスレじゃあんま話題にならん不思議。

MXNet面白そうだな
紹介してくれた人ありがとう。
勉強してみるよ。

うーん、難しい

上の人の意見を聞くとqiitaでChainerが多いのは他人が提案したアイデアや新規ネットワークを
再現しやすいためということなのかな。
MXnetもその辺はどうなの？

>>909
つまり、両方とも使ったことないのね…

>>909
その chainerのアドバンテージの意味が良く分からんわ。
ペーパー読んでパクって実装なんてコツをつかめば簡単だぞ？今どきは実装が公開されてるのだから。
例えば caffe 実装を他のフレームワークで実装するなんて誰でもやってること、
企業なら権利問題になるのが嫌で内緒でやってるだけだよ。

tensorflowってウェブアプリで動かす手段ない？
テストをしたいだけなんだけど

>>912
jupyterじゃいかんの？

>>911
chainerは意識高い系だから

>>912
pythonなんだから書けるでしょ