【無料】データサイエンス入門:機械学習編全35回まとめと目次

2022/06/12 16 users 目次 データサイエンス入門 線形回帰 カメ 無料

こんにちは，米国データサイエンティストのかめ(@usdatascientist)です． いやーついに長かったデータサイエンス入門機械学習編35回分の記事を書き終えました！！ 本記事はそのまとめです．目次として使ってください． 目次 線形回帰 第1回: 機械学習とは？なにをしているのか？ 第2回: 線形回帰の損失関数をわかりやす... 続きを読む

�【2020決定版�】スーパーわかりやすい最適化アルゴリズム -損失関数からAdamとニュートン法- - Qiita

2019/12/30 22 users Qiita Problem Adam Optimizer 数式

Help us understand the problem. What is going on with this article? 【2020決定版】スーパーわかりやすい最適化アルゴリズム 深層学習を知るにあたって、最適化アルゴリズム(Optimizer)の理解は避けて通れません。 ただ最適化アルゴリズムを理解しようとすると数式が出て来てしかも勾配降下法やらモーメンタムやらAd... 続きを読む

【深層距離学習】Center Lossを徹底解説 -Pytorchによる実践あり-｜はやぶさの技術ノート

2019/12/08 9 users 備忘録 Cpp_Learning 深層 PyTorch 概要

こんにちは。 現役エンジニアの”はやぶさ”@Cpp_Learningです。最近、距離学習を楽しく勉強しています。 今回は、損失関数のCenter Lossについて勉強したので、備忘録も兼ねて本記事を書きます。 深層距離学習（Deep Metric Learning）とは 深層距離学習の概要については、以下の記事で説明済みなので割愛します。 【深層... 続きを読む

Pythonで理解するディープラーニング入門 - Speaker Deck

2019/10/10 331 users Python Speaker Deck コーディング 題材

ディープラーニングの仕組みを理解するための一番のポイントは「損失関数」と「勾配降下法」の考え方です。本講演では、線形回帰モデルを題材に、この2つの考え方についてPythonのコーディングも含めた形で説明します。講演者の著作「最短コースでわかるディープラーニングの数学」からエッセンスをお届けします。 続きを読む

なるほどそうか、「機械学習モデル」を高1数学で理解する | 日経 xTECH（クロステック）

2019/06/25 335 users 例題 xTech 偏微分 関数 指標

機械学習をマスターする上でカギとなる、「損失関数」。機械学習モデルにおいて、予測値と正解値（正解データ）がどの程度近いかを示す指標となる関数です。 そのイメージをより具体的に持つため、簡単な例題をここで扱ってみましょう。解を導き出すのに少し時間がかかりますが、「偏微分」などの高度な数学は全く使いま... 続きを読む

Deep Metric Learning の定番⁈ Triplet Lossを徹底解説 - Qiita

2019/03/22 44 users Metric Learning Qiita 分類 距離学習

はじめに Deep Learningを使った距離学習（Metric Learning）は、人物同定（Person Re-Identification）をはじめ、顔認識、細かい画像の分類、および画像検索など多くのコンピュータビジョンタスクにおいて広く利用されています。その中でも損失関数にTriplet Lossを用いたMetiric Learningは比較的ポピュラーなやり方で... 続きを読む

機械学習と深層学習の数理

2016/05/12 262 users 数理 Twitter Ryobot ac.jp CNN

機械学習と深層学習の数理 1. 中村 良 慶應義塾大学 青山敦研究室 学部4年 s13642rn sfc.keio.ac.jp　　　Twitter@_Ryobot 機械学習と深層学習の数理 @ 2. ・誤差逆伝播法 ・損失関数と活性化関数 ・重回帰モデル（最小二乗法，最尤推定法） ・正則化（Ridge，Lasso） ・CNN（Convolutional Neural Network） ・ホップフィ... 続きを読む

機械学習 - Autogradという野郎が乗り込んできたのでガクブルな件 - Qiita

2015/11/07 403 users Qiita torch 野郎 Julia パラメータ

Autogradという野郎が乗り込んできました。はい、そりゃもういきなり。複雑な確率モデルや損失関数だとしても、パラメータに関する勾配をこれでもかというぐらい簡単に計算できちゃうので、機械学習の世界に大きな影響を与えそうです。現時点では、PythonとTorchでの実装が公開されているようですが、これからJuliaなど他の言語でも実装されていきそうですね。 ちなみに始まりはこんな感じでした。 ゆる... 続きを読む