機械学習Podcast「TWiML＆AI」で先週取り上げられた可視化ライブラリ「Yellowbrick」が非常に便利だったので紹介します！ちなみにPodcastには作者の1人であるRebecca Bilbroさんが出演しているので興味持った方は是非聞いてみてください。 twimlai.com www.scikit-yb.org Yellowbrickとは 一言で言うと、機械学習に特化した可視化ライブラリです。実装的な面で言うと(こちらの方がわかりやすいかもしれません)、scikit-learnとmatplotlibをラップして、scikit-learnライクなAPIで使うことができるものです。 例えば相関行列のヒートマップをプロットしたい場合は次のように書くだけでグラフを作ることができます。 visualizer = Rank2D(features=features, algorithm=

毎年恒例、Pythonの本と学び方のまとめ・2019年バージョンとなります. ※2021/1/11更新：2021年版あります ※2020/1/9更新：2020年版もあります, こちらもよろしくおねがいします！ ※ちなみに昨年版はこちら 改めましてこんにちは、Pythonと野球を仕事にしています、@shinyorke（Python歴おおよそ8年）ともうします. なお、Python その2 Advent Calendar 2018 12/24記事でもあります. このエントリーはそこそこ長いので、「最初の方をサクッと読んで、残りはつまみ読み」してもらえると良いかもです！*1 ※もちろん全部読んでも構いません！（それはそれで嬉しい） サクッとまとめると 入り口としての「独学プログラマー」は万人が読んだほうが良い名著 データ分析・解析やりたい人も、Webからやっておくと良いかも（特に前処理） Web

Wantedlyの開発現場で活用されている技術や手法は、日々進化するプロダクトに合わせて柔軟に変化しています。この連載では実際の開発で取り組んでいる技術や手法を、実務に使える形でお伝えしていきます。今回は名刺管理アプリ「Wantedly People」の事例を踏まえながら、実際のプロダクトに機械学習がどう活用されているのか、また、マイクロサービスとしての機械学習について紹介していきます。 はじめに 本連載は、WANTEDLY TECH BOOK 2から抜粋し、再編集したものになります。 こんにちは。Wantedlyでサーバサイドと機械学習サイドを扱っている丹治です。名刺管理アプリ「Wantedly People」を作っています。 Wantedly Peopleは「人工知能」と「機械学習」を用いて賢く名刺管理を行うことができます。この記事では、アプリケーションの裏側で動いている機械学習サービ

1. はじめに 週刊少年ジャンプ（以下，ジャンプ）は，日本で最も売れている漫画雑誌1です．言うまでもなく，私は大ファンです． ジャンプ編集部の連載会議は非常にシビアです．ジャンプ作家の奮闘を描いたフィクション漫画「バクマン。」では，編集部が毎号の読者アンケートをもとに各漫画の人気を評価し，掲載順や打ち切り作品を決定する様子が描かれています2．連載開始から10週以内（単行本約1冊分）で連載が打ち切られてしまうことも珍しくありません．とても厳しい世界です． 本記事では，機械学習を使って，短命作品（10週以内に終了する作品）の予測を行います．究極の目標は，ジャンプ編集部より先に打ち切り作品を予測し，好みの作品が危ない場合はアンケートを出して打ち切りを回避することです3．我々は読者アンケートの結果を知ることができないので，掲載順の履歴を入力とし，短命作品か否かを出力する多層パーセプトロン4をTen

Azure Notebook は、マイクロソフトのアカウントで利用可能なjupyter notebookの環境です。 便利そうだったので、試してみました。 お題はこちら 池澤あやかとプログラミングで学ぼう！機械学習のための数学講座【ベイズの定理編】 https://codeiq.jp/magazine/2017/03/49158/ ※引用まずければ直ぐに削除いたしますのでご指摘頂けると幸いです。 数学が苦手、機械学習の内容に今一歩踏み込めない、pythonの環境構築がハードル、などの方におすすめです。 MSアカウントだけで、python codeが実行できちゃいます。 所要時間は５分程度です。 #Azure Notebook でNotebook を新規作成 https://notebooks.azure.com/ へアクセスし、必要な情報を登録(Get Start)するとこんな画面が出ます

2017年1月27日、found it project勉強会で発表した資料です。 機械学習を勉強するためにどうPythonを役立てればいいかという話です。Read less

Raspberry Piを利用して人工知能ツール（深層学習ライブラリ・自然言語処理ライブラリなど）を利用する手順をまとめてみます。 環境 RASPBIAN JESSIE WITH PIXEL 4.4 Python 3.4.2 tensorflow-0.12.1 Keras-1.2.1 opencv-3.1.0 MeCab 0.996 mecab-ipadic-neologd gensim-0.13.4.1 Open JTalk Version 1.07 RaspbianとPython3系のインストール Raspbianの最新版を公式ページよりダウンロードしSDカードへ。Python3系は依存関係を簡単にする為apt-getを利用してインストールします。

プログラミング言語「Python」は機械学習の分野で広く使われており、最近の機械学習／Deep Learningの流行により使う人が増えているかと思います。一方で、「機械学習に興味を持ったので自分でも試してみたいけど、どこから手を付けていいのか」という話もよく聞きます。本連載「Pythonで始める機械学習入門」では、そのような人をターゲットに、Pythonを使った機械学習について主要なライブラリ／ツールの使い方を中心に解説していきます。 連載第1回は、ライブラリ／ツール群の概要説明からです。各ライブラリ／ツールの詳細な使い方や実用上のテクニックは連載第2回以降で解説していきます。ここで挙げるライブラリ／ツール群は「普段、筆者が仕事で使っているもの」という基準で選定されています。そういう意味で全く網羅的ではなく、独断と偏見であることを自覚していますので、ご了承ください。 連載初回である本稿で

きっかけ この記事を書いた人のレベル 今回の読書プラン Python 環境の構築 インストール先の環境 Anaconda (Python 3) のインストール 科学計算に関するライブラリのインストール サンプルの実行に必要なライブラリのインストール サンプルの実行 サンプルコードを実行していて引っかかったところ 3章 12〜13章 Python の勉強 速習コースを読んでみた感想 きっかけ 機械学習の重要性は、それこそ「ビッグデータ」という言葉が出てきた頃からいろいろな人が訴えていますが、最近は特にツールが充実して、敷居が下がってきたように感じています。 そろそろ自分でも機械学習関係のツールを使えるようになりたいと思っていたのですが、そんなときに「具体的なコード例が多くて読みやすい」という本書の評判を聞いて、読み始めました。 Python機械学習プログラミング 達人データサイエンティストに

都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト 『Python機械学習プログラミング』を読んで、scikit-learnのモジュールは充実しているなぁと感じたんですが、実際にWebサイトでUser Guide( http://scikit-learn.org/stable/user_guide.html )を見た所、この本に載り切らないような数多くの機械学習手法に応じたモジュールが用意されていました。そこで、世のデータサイエンティストはどのモジュールを良く使っているのだろうと気になったので、GitHubのSearc

2. Copyright Shiroyagi Corporation. All rights reserved. 自己紹介 堅田　洋資 (データサイエンティスト＠白ヤギコーポレーション ) 日本では数少ない米国大学のデータサイエンス修士号を保有。 白ヤギコーポレーションにて、社内のデータはもちろんクライアントのデータ分析を 支援するコンサルタントとして活躍。 これまで機械学習を用いたレコメンデーション、アプリユーザーの行動分析や機械 学習を用いたプッシュ通知の最適化、交通系IoTのデータ分析などを担当。 白ヤギコーポレーション参画前は、監査法人トーマツにてデータ分析コンサルタン ト、生体センサスタートアップでサービス・アルゴリズム開発の取締役、KPMG FAS にて事業再生コンサルタント、外資系メーカーでの経理・マーケティングなど幅広い 経験を持つ。 学歴 ● University of

FIT 2016 Tutorial 資料 スライド: http://goo.gl/MeMZyO Part2 資料: http://goo.gl/y6ZmKr Part3 資料: http://goo.gl/ATC9yv

2. お前誰よ？ これ→じょんすみす(@__john_smith__) • どこにでもいる普通のアル中 • 願望 • 北海道帰りたい(テンプレ) • 花澤香菜と高橋李依と南條愛乃 • 謝罪 • 発表にオタク要素があまりはいらなかった 3. 人々の欲望と時代の変遷 • RDB使ってないシステムとかありえないでしょ • 永続化 == RDB • 他になんかあるの？時代 • NoSQL自体の到来 • データが多くなってきてRDBとかもう無理でしょw • これからの時代はNoSQLですよ！ • やっぱSQL必要時代 • RDBじゃなくても結局SQLをインターフェースにしたい • データ分析で使ってる言語でR, Pythonの次くらいにSQLが現れる • イマココ 4. AI, 機械学習時代におけるSQL • ETLとしてのSQL • 人生とは前処理の辛さとの戦い • Hiveでデータを取得してSp

名刺レイアウトの解析などを行う分析コンペに必要な画像処理や機械学習について、Python/Scikit-learn でどのようにできるのか？の説明をします。Read less

実践Pythonデータサイエンスのレクチャー86 決定木とランダムフォレスト 、やっっっと最終章に辿り着きました。 まぁ、理解しきれてないけど… 長かった。 この最終章、visualize_tree()という独自関数を使ってランダムフォレスト分類器による分類結果を二次元マップとして描いて可視化するんですが、パッと見、よく分からないんです。 理解した気になった meshgrid()関数 のことを、実際は理解できていなかったことも要因かな…。 復習を兼ねてvisualize_tree()関数を紐解いてみたら、その過程がとても楽しかったので、簡単に紹介します。 やりたいこと 機械学習の教師用データを自分で作り、それを学習したモデルを作って、未知のデータを網羅的に与えた結果を図示して楽しむのが、ここでの目的です。 機械学習って、本来はもっと高尚な目的があって分析すると思うんですが、ここではその辺り

2. 本⽇の内容 l機械学習 lプログラミング⾔語Python lPythonでの機械学習 l各種⼿法の⽐較 lDeep Learningの利⽤ (Chainer / Keras) lまとめ サンプルコードはgithubにあります https://github.com/yasutomo57jp/ssii2016_tutorial https://github.com/yasutomo57jp/deeplearning_samples 3. 機械学習とは l データから規則性や知識を⾒つけること l 出来ること Ø 回帰 ²関数のパラメータを推定する Ø クラス分類 ²クラスを分類する基準，ルールを⾒つける Ø クラスタリング ²データを複数の集合に分割するルールを⾒つける データに潜む規則性 知識を発⾒ ⼤量の データ 機械学習

2. ⾃⼰紹介 l 経歴 Ø 2012年 京都⼤学⼤学院 情報学研究科 博⼠後期課程修了 Ø 2012年 京都⼤学 学術情報メディアセンター 特定研究員 Ø 2014年 名古屋⼤学 未来社会創造機構 特任助教 Ø 2015年 名古屋⼤学 情報科学研究科 助教 l 研究テーマ Ø ⼈物画像処理 ²⼈物検出 ²⼈物追跡 ²⼈物検索 ²⼈物照合 ²歩⾏者属性認識 Ø 背景画像推定 ← Pythonを使⽤ ← ⼀部Pythonを使⽤ ← ⼀部Pythonを使⽤ 2

Think IT 本書解説記事のご案内 本書の解説記事を以下のURLにて公開しています。本書に必要な前提知識、本書の構成と読み方のプラン等について説明。本書を通して、より効果的に機械学習を学ぶための解説となっています。 ◎ ブック・インサイド―『Python機械学習プログラミング』学び方ガイド 第3回（2016/09/16 更新）「単純な例でADALINEのイメージをつかむ」 https://thinkit.co.jp/article/10666 第2回（2016/08/08 更新）「パーセプトロンを読み解く」 https://thinkit.co.jp/article/10342 第1回（2016/06/30 更新）「学び方ガイド」 https://thinkit.co.jp/article/9926 著者プロフィール ◎ Sebastian Raschka（セバスチャン・ラシュカ） ミ

2. 自己紹介 加藤公一（かとうきみかず） シルバーエッグ・テクノロジー（株） チーフサイエンティスト 博士（情報理工学） （修士は数理科学） Twitter: @hamukazu 機械学習歴・Python歴ともに3年 今の仕事： 機械学習に関する研究開発 特にレコメンデーション（自動推薦）システム、自然言語処理、画像処理 など 過去の仕事： データ分析ツールの開発、3次元CADの開発、幾何計算のア ルゴリズム設計、偏微分方程式のソルバなど 3. 3 ≪著書≫「One to Oneマーケティングを超えた 戦略的Webパーソナライゼーション」 (出版社：日経BP社 発売：2002年5月） 「ASP・SaaS・ICTアウトソーシングアワード2009」 ASP・SaaS部門「委員長特別賞」受賞 第8回(2010)、第9回(2011) 「デロイト 日本テクノノロジー Fast50」受賞 リアルタイ