はてなアプリケーションエンジニアの id:shiba_yu36 です。 最近自分が基礎的でずっと廃れなさそうな分野であるアルゴリズムを少しずつ学びたいと考えていました。しかし、アルゴリズムはあまりにも基礎分野のため、モチベーションをずっと保ち続けられるかという不安もありました。そこで周りの人も巻き込むことでモチベーションを保ち続けたいと思い、社内で勉強会を開催したいと考えました。 勉強会の教材を選定していたところ、Courseraで「Algorithms, Part I」という非常に高評価な教材を見つけることが出来たので、最近はこの教材をみんなで集まって見ながら議論をするという体裁で社内勉強会を開催しています。実際にやってみると、社内勉強会という形式を取ったのも良く、さらにこの教材を利用したことも良かったと感じています。 少しずつ社内勉強会で講義を進めていき、ようやく半分のWeek3まで終

coursera で Andrew Ng 先生の Machine Learning の講座を受講してる。 Machine Learning - Stanford University | coursera 本当は、修了時にブログ記事を書こうと思ったけれども、 勢いで半分終わった今(week5)、記事を書いてしまったので公開。 2 度挫折しました# MOOC の講座は 30 近く受講してきたけれども、 実は MOOC の代表ともいえるこの講座は手が出なかった。 なぜなら、、、難しいから・・・。 2 度挑戦して、2 度挫折しています。 1 度目: 他の mooc(nand2tetris)を受けてて時間がなかったから week3 で挫折。 2 度目: week5 の back propagation の難解さに挫折。 機械学習諦めようと、何度も思った。 でも、世間の風潮は AI まっしぐら。 エ

１週目はイントロということで、課題も無難にこなし２週目も受講し終わりました。 ２週目はざっと以下のような内容でした。 ネットワークの種類の説明 feed forward network recurrent network symmetrically connected networks 以上３つの種類のネットワークの解説 パーセプトロンの解説 歴史的経緯からパーセプトロンを解説 パーセプトロンの幾何的な概念 weight spaceの話 急にweight spaceの話が出てきて、初め何を言っているのかわかりづらい 線形分離していることを説明しているようだ パーセプトロンでなぜ学習できるか input vector とweightをかけてうまく領域分けできますというのを原理的に解説した。 feasible　regionをとれば領域分けは収束するよという話のようだ パーセプトロンで何ができな

7,000+ courses from schools like Stanford and Yale - no application required. Build career skills in data science, computer science, business, and more.

Courseraの機械学習コースを完了しました。ほぼ毎日１コマ〜２コマ進めてました。 www.coursera.org 終わると↓のような文字がコースのページに表示されるみたい。あとメールが来る。それ以外については特に無しですｗ 小テストを各回でやる必要があり、4/5以上とらないと先に進めない仕組みとなっています。自分の場合いくつか4/5のまま放置していたのもあって最終的な成績は97.3%でした。 このコースは本当に秀逸で、知る必要があるトピックをほぼ一通り学ぶことができます。なので初心者の方にぜひおすすめしたいです。 このコースで身につくこと "機械学習"のエッセンスの理解。なんとなくscikit-learnで分析できます！ではなくて、ライブラリが裏でどんな処理をしているのか勘が働くようになる。紹介されたアルゴリズムについては本質的な理解が進む。 その結果、以下のことができるように。 ・

Coursera の講座について Coursera の講座については、いろいろなかたが絶賛しているので、機械学習をこれから勉強しようとか、少しかじったけどもっと網羅的に理解したいとかという人には最適です。僕も最近、一通り終えました。 (参考) レビューなどはこちら 機械学習をゼロから1ヵ月間勉強し続けた結果 深層学習へ それから、分類の問題(二値ではなく多値)にもう少し踏み込もうと考え、TensorFlow を触ってみたり、深層学習の本を読んだりしています。 多分もっともわかりやすいTensorFlow 入門 (Introduction) Deep MNIST for Experts  |  TensorFlow 深層学習 (機械学習プロフェッショナルシリーズ) 前述の講座のおかげで、理解がはやく、ものすごいさくさく勉強が進むのですが、2点ほどその講座では触れられていなかったことがありまし

coursera で Programming Languages を受けた。 Programming Languages, Part A - University of Washington | coursera Programming Languages, Part B - University of Washington | coursera Programming Languages, Part C - University of Washington | coursera 概要# ワシントン大学の CS のコース。3 つの言語、SML、Racket、Ruby を通じて、プログラム言語のエッセンスを学ぶというコース。 なぜこの３つの言語かというと、以下のように説明される。 functional language dynamically typed: Racket statically

概要 Courseraというオンライン学習サイトで公開されているMachineLearningコースを修了しました。 もくじ どんな講座か 講座のアジェンダ なぜ受講したか 受講した感想 あると望ましい事前知識 はまりどころ 最後に どんな講座か 機械学習の主要なアルゴリズムを直感的に理解して、実際にプログラミングできるように教えてくれます。また、実装前にどのアルゴリズムを使うべきかの判断、テストとチューニングの方法、大量データの並列処理といった付帯トピックも言及されます。 講師はStanford UniversityのAndrew Ng(呉恩達)氏で、Googleの人工ニューロン研究プロジェクト発起人や百度の首席科学者として知られています。実際にこんな風にやっていますよ！という話を交えるので、画一的で教科書的な解説よりも聴きやすいと感じました。 ボリュームは結構重いです。「講義および4択

Coursera Machine Learning (1): 機械学習とは？単回帰分析、最急降下法、目的関数機械学習coursera最急降下法単回帰分析目的関数 機械学習を学ぶのに最も適した教材と言われる、Machine Learning | Coursera　を受講しているので、復習も兼ね学んだ内容を簡潔にまとめてみようと思います。 第一弾は、機械学習の定義 (What is machine learning?)、単回帰分析 (linear regression)、最急降下法 (gradient descent)、目的関数(cost function)　です。 そもそも機械学習ってなに？ 機械学習の元々の定義は、 The field of study that gives computers the ability to learn without being explicitly pr

本記事はジーズアカデミー Advent Calendar 2016の12/3分です。 ジーズアカデミー4期の浜谷と申します。すでにジーズアカデミーDEVコースを卒業したのですが、現在はジーズアカデミーにて機械学習勉強会を開催しています。 機械学習勉強会では、機械学習の授業で最も人気があるCoursera Machine Learningのコースを利用することにしました。何番煎じかわからないのですが、ここではCoursera Machine Learningコースの概要と前半のWeek1-Week5までの振り返りについて書いていきます。 Coursera Machine Learningコースとは Courseraとは大学レベルの講義をオンラインで受けられるwebサービス(MOOCs)の一つです。講師はStandord大学准教授であり、百度(Baidu)のChief Scientistでもあ