保護中: 勾配法の基礎(直線探索法、座標降下法、最急降下法と誤差逆伝搬法)
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される勾配法の基礎(直線探索法、座標降下法、最急降下法と誤差逆伝搬法、確率的最適化、多層パーセプトロン、アダブースト、ブースティング、ウルフ条件、ゾーテンダイク条件、アルミホ条件、バックトラッキング法、ゴールドシュタイン条件、強ウルフ条件)
デジタルトランスフォーメーション
保護中: ベイズ推論による機械学習 – 混合モデルとデータ生成過程と事後分布
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)に活用されるベイズ推論による機械学習での混合モデルとデータ生成過程と事後分布(グラフィカルモデル、ポアソン分布、ガウス分布、ディリクレ分布、カテゴリ分布)
保護中: Apache SparkとMLlibによる大規模な機械学習
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるApache SparkとMLlibによる大規模な機械学習(予測値、RMSE、因子行列、ランク、潜在的特徴、近傍領域、二乗和誤差、Mahout、ALS、Scala、RDD、交互最小二乗法、alternating least squares、確率的勾配降下法、永続化、キャッシュ、Flambo、Clojure、Java)
保護中: 強化学習に対するニューラルネットワークの適用(1)概要
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される強化学習に対するニューラルネットワークの適用の概要(Agent、Epsilon-Greedy法、Trainer、Observer、Logger、確率的勾配降下法、Stochastic Gradient Descent、SGD、Adaptive Moment Estimation、Adam、Optimizer、誤差逆伝搬法、Backpropagation、勾配、活性化関数、バッチ法、価値関数、戦略)
分散データ処理を可能とするApache Sparkの導入と環境設定
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される分散データ処理を可能とするApache Sparkの導入と環境設定(NodeManager、YARN、spark-master、ResourceManager、spark-worker、HDFS、NameNode、DataNode、spark-client、CDH5.4、haddop、Yum、CentOS)
マイクロサービスのデプロイと運用-DockerとKubernetes
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるマイクロサービスのデプロイと運用-DockerとKubernetes(minikube、コンテナ、デプロイ、kube-ctl、ローリングアップグレード、自動ビンパッキング、水平スケーリング、スケールアップ、スケールダウン、自己回復、kubelet、kube-apiserver, etcd, kube-controller- manager, kube- scheduler、Pod、kube-proxy、Docker CLI、Docker Registry、cgroups、Linuxカーネル、カーネルネームスペース 、ユニオンマウントオプション、Hypervisor)
アンサンブル法による機械学習 -基礎とアルゴリズム 読書メモ
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用されるアンサンブル法による機械学習での基礎とアルゴリズム(クラス不均衡学習、コスト考慮型学習、アクティプラーニング、半教師あり学習、類似性に基づく手法、クラスタリングアンサンブル法、グラフに基づく手法、祭ラベルに基づく手法、変換に基づく手法、クラスタリング、最適化に基づく枝刈り、アンサンブル枝刈り、結合法、バギング、ブースティング)
保護中: 正定値行列の情報幾何(3)計算の手順と曲率
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される正定値行列の情報幾何としての計算の手順と曲率(双対ギャップ、アフィン微分幾何、ヘッセ幾何、ガウシアングラフィカルモデル、偏微分方程式論、確率論、線形計画問題、正定値対称行列、半正定値計画問題、予測子・修正子法、多項式時間アルゴリズム、幾何情報的量、ニュートン法、中心曲線、内点法、主内点法、双対内点法、主双対内点法、近似最適解、アフィン空間、ポテンシャル関数)
保護中: 確率的バンディッド問題の方策 尤度に基づく方策(UCBとMED方策)
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスクに活用される確率的バンディッド問題の方策 尤度に基づくUCB方策とMED方策(MED方策(Indexed Mimimum Empirical Divergence policy)、KL-UCB方策、DMED方策、リグレット上界、ベルヌーイ分布、大偏差原理、Deterministic Minimum Empirical Divergence policy、ニュートン法、KLダイバージェンス、ビンスカーの不等式、ヘフディングの不等式、チェルノフ・ヘフディングの不等式、Upper Confidence Bound)
保護中: 機械学習のためのオンライン型確率的最適化と確率的勾配降下法
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習(ML)タスク活用のための機械学習のための確率的最適化と確率的勾配降下法(ネステロフの加速法、凸関数の最適化を勾配法で解く、ラグランジュの未定乗数法、ユークリッドノルム、収束レート、KLダイバージェンス、指数勾配降下法、ニュートン・ラフソン法、ブレグマンダイバージェンス、確率的鏡像降下法、狭義凸関数、リプシッツ連続、損失関数、射影勾配法、SGD、コーシー・シュワルツの不等式、ミニマックス最適、最急降下法)