C/C++ 各種言語でのコード開発環境の作り方
各種言語でのコード開発環境の作り方
プログラミングを行うためには、それぞれの言語に合わせた開発環境を作る必要がある。ここでは、本ブログに述べているPython、Clojure、C、Java、R、LISP...
python
C/C++ C/C++ 各種言語での繰り返しと分岐の実装例
概要
プログラミング言語の中でも基本機能は、"プログラミング言語の歴史"でも述べた「構造化言語」の3つの機能である(1)順次進行、(2)条件分岐、(3)繰り返しの中の一つの要素となる。ここではこの内繰り返しと分岐...
python Pythonによる機械学習とデータ分析の概要と代表的なライブラリの紹介
デジタルトランスフォーメーション(DX)、人工知能(AI)に活用されるPyhonを用いたデータ解析のライブラリ、参考図書に関する解説
Clojure webクローリング技術の概要とPython/Clojureによる実装
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webクローリング技術の概要とPython/Clojureによる実装(jsoup、clj-http、enlive、clojure.data.json、HTML、CSS、XPATH、JSON、BeautifulSoup、Scrapy、データ抽出、自然言語処理、データベース、検索、SNS分析)
python 最近の国際学会で注目される人工知能技術について
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)タスクで活用される最近の国際学会で注目される人工知能技術について(マルチモーダル技術、Federated Learning、質問応答型学習、自動機械学習、AutoML、Few-Shot Learning、One-Shot Learning、メタ学習、Meta-Learning、グラフニューラルネットワーク、Graph Neural Networks、GNN、自己教師あり学習、Self-Supervised Learning、IJCAI、AAAI、TNNLS、CVPR、ACM SIGKDD、ICLR、NeurIPS、ICML)
python 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 価値評価に深層学習を適用するDeep Q-Network
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 価値評価に深層学習を適用するDeep Q-Network(Prioritized Replay、Multi-step Learning、Distibutional RL、Noisy Nets、Double DQN、Dueling Network、Rainbow、GPU、Epsilon-Greedy法、optimizer、報酬のClipping、Fixed Target Q-Network、Experience Replay、平均二乗誤差、mean squared error、TD誤差、PyGame Learning Enviroment、PLE、OpenAI Gym、CNN)
python 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)
python 保護中: モデルフリー強化学習のpythonによる実装(3)経験を価値評価、戦略どちらの更新に利用するか:ValueベースvsPolicyベース
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モデルフリー強化学習のpythonによる実装ValueベースとPolicyベース(経験を価値評価、戦略どちらの更新に利用するか、Deep Q-Network、深層強化学習、Off-policy Actor Critic、Q-Learning、SARSA、Actor Critic法、Multi-step Learning、TD法、Monte Carlo法、TD(λ)法、Epsilon-Greedy法)
IOT技術:IOT Technology 保護中: 分散データ処理を可能とするApache Sparkの処理モデル
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の処理モデル(エグゼキュータ、タスク、スケジューラー、ドライバプログラム、マスターノード、ワーカーノード、Spark Standalone、Mesos、Hadoop、HFDS、YARN、パーティション、RDD、変換、アクション、Resillient Distributed Dataset)
Clojure UML、ワークフローデータの可視化ツールplantUML
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UML、ワークフローデータの可視化ツールplantUML(シーケンス図、クラス図、オブジェクト図、アクティビティ図、コンポーネント図、配置図、状態遷移図、ステートマシン図、タイミング図、JSON data、YAML data、Network diagram 、nwdiag、ワイヤーフレームによるグラフィカルインターフェース、UIモックアップ、salt、アーキテクチャ図、仕様及び記述言語 、SDL、Ditaa、ガントチャート、マインドマップ、WBS図、作業分解図、AsciiMath 、JLaTeXMath 、数学的記法、ER図、mac、windows、Java、Clojure、Javascript、サーバー)