Googleのクラウドコンピューティング部門であるGoogle Cloudが、2023年1月13日(金)にVertex AI Vision上に最先端のAIソリューションを構築し、小売店の店内在庫を認識・追跡することができるAIツールを発表しました。 Google Cloud Unveils New AI Tools for Retailers https://www.prnewswire.com/news-releases/google-cloud-unveils-new-ai-tools-for-retailers-301721298.html Google Cloud Introduces Shelf Inventory AI Tool for Retailers - WSJ https://www.wsj.com/articles/google-cloud-introduces-sh

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 仕事で、いろんな会社でデータサイエンスってどう使われているのですか？と聞かれることがあり、自分としてはなんとなくしか掴めていないな、知ったかぶりしたくないなと思うところがあったので、やや手厚くリサーチをしてみようと思いました。 2022/3/6の段階では11つの市場しかないですが、最終的には30市場を目指します。 【2021/11/27追記】 公開したところ、それなりにこの記事に関心を持ってくださった方が多かったようなので、少しずつ事例を埋めていこうと思います。 業界

Top > ラーニング > 京都大学、Pythonの基本を解説した無料の教科書「素晴らしすぎる」「非常にわかりやすくて良い」

画像は『滋賀大学「大学生のためのデータサイエンス（Ⅱ）」講座PV～ gacco：無料で学べる大学講座』より オンライン講座サイト「gacco（ガッコ）」では11月16日から、滋賀大学データサイエンス学部による「なるべく数式を使わない」という方針で構成した「大学生のためのデータサイエンス（Ⅱ）」が開講される。受講料は無料。 本講座では、機械学習の諸手法とその応用について説明する。まず「機械学習とは何か？」という説明から始め、その後に機械学習の応用事例を紹介。応用事例を先に見ることによって、機械学習の有用性が理解でき、機械学習の手法をより積極的に学べるとしている。 次に、分類問題と回帰問題の具体的な手法を説明し、同時に特徴量の設計・選択など、実践的なテクニックについても紹介する。最後に、近年、発展の著しいニューラルネットワークについても説明してくれる。また、本講座は、機械学習の分野のなかでも教

生産性向上のもっとも有効な手段。それは「仕事の自動化」です。労働時間を短縮できるだけでなく、空いた時間を付加価値を高めるために使えるので非常に効果的です。仕事を自動化するには何らかのツールが必要ですが、最近ビジネスパーソンの間でその決定版として注目されているのが「Python」というプログラミング言語です。AI活用で改めて注目を集めた言語ですが、海外では文系学生にもこの言語を習得させようとする動きもあります。今回は書籍『PythonでExcel、メール、Webを自動化する本』のプログラムを実際に動かして、Pythonによる自動化を体験していただきましょう。 そもそもどうすれば仕事を自動化できるのか？ ふだん私たちは、さまざまなデータをピックアップしてきて1つの箇所にまとめるという作業をよく行います。たとえば、請求書を作成するには、売上データから当月のデータを顧客ごとに抜き出して、ひな型に貼

連載目次 微分は関数が最小値を取るときのxの値を求めるために使えます。前回はその具体的な利用例として、最小二乗法による回帰分析を行う方法を紹介しました。しかし、取り扱った回帰式はy＝axという単純なものだけでした。そこで「偏微分」を利用し、複数の説明変数があるときにも最小二乗法が使えるようにします。つまり、重回帰分析の方法を見ていこうというわけです。 そのために今回は、偏微分の考え方と計算の方法について簡単な例で見ておくことから始めます。続けて次回、偏微分を利用して重回帰分析を行う方法を紹介します。 目標： 偏微分の意味と計算方法を理解する 複数の変数があるような関数（多変数関数）を微分するときに、1つの変数にだけ注目し、それ以外は定数として扱うというのが偏微分です。簡単な例を示しておきます。

TL;DR 機械学習のアルゴリズムには詳しくなりたいけど実装はしない、という立場の人向けの学習資料まとめ 知人向けで、具体的には同僚医師がターゲット読者（めちゃ狭い！）だが、一定度他の人にも役に立つかも 改めて色々眺めてみてやっぱり大学の講義は質の高いものが多いと思った 知人が機械学習のアルゴリズムを学びたいと言っているので、オススメの資料などを見繕ってみるブログエントリ。 機械学習への関わり方を雑にアルゴリズムと実装で分けた場合に、アルゴリズムには詳しくなりたいけど実装をするわけではない、という立場の人向けである。 このようなタイプの人はそんなにいないと思うけど、具体的にはドメインエキスパートとして機械学習エンジニアと一緒にアルゴリズム・データ改善に取り組んでいて、アルゴリズムでどんなことをやっているかをちゃんと理解したい、みたいなのが一例となる。 なんとなくのイメージ的な理解だけだと、

皆さん初めまして！ 先日kaggleのARCコンペで2位になったのですが、 2位で終了しました！みなさんお疲れさまでした。コード書くの楽しかった。 pic.twitter.com/dLxl6Mlgoe — Aryyyyy (@aryyyyy13) 2020年5月28日 僕のkaggle歴が浅めということもありtwitterでも結構反響があって、何人かの方にはわざわざDMまで頂いてどんな勉強をしたか聞いていただきました。なるほど需要があるならということで、今までのことをまるっと振り返ってみようと思います。 これからkaggle始める方のためになれば幸いです。 機械学習を始める前のスペック 準備期間：2019年7月〜 kaggle初参加：2019年9月〜 kaggleちゃんと始める：2019年10月〜 DSB参加：2019年10月〜 会社を休職して本格的に勉強開始：2020年1月前半〜 手頃な

自分は機械学習を学びたい全ての人類に（CourseraのAndrew Ngのコースをやった後に）Andrew NgのStanfordのCS229の講義を見ることをオススメしてるんですけど、その講義の2018年度バージョンが公開され… https://t.co/OUokFft3ea