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
確率・統計:Probability and Statistics
python アルゴリズム:Algorithms Prophetを用いた時系列分析について
Prophetの概要
Prophetは、Facebookが開発した時系列予測ツールであり、時間の流れや周期性、祝日などの影響を考慮して、未来の時系列データを予測することができるものとなる。
Pro...
アルゴリズム:Algorithms 保護中: ベイズ推論での隠れマルコフモデル構築と完全分解変分推論
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ベイズ推論での隠れマルコフモデル構築と完全分解変分推論(近似事後分布、カテゴリ分布、ディリクレ分布、期待値計算、遷移確率行列、ポアソン混合モデル、変分推論)
アルゴリズム:Algorithms 保護中: 深層強化学習の研究動向:メタラーニングと転移学習、内発的動機づけとカリキュラムラーニング
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深層強化学習の研究動向:メタラーニングと転移学習、内発的動機づけとカリキュラムラーニング(カリキュラムの自動生成、タスクの自動分解、タスクの難易度調整、内発的報酬、ロボットドメイン変換、シミュレータからの転移学習、BERT、Model-Agnostic Meta-Learning、Active Learning、Metric/Representation Base、Memory/Knowledge Base、Weigh Base、Learning to Optimize)
アルゴリズム:Algorithms 保護中: プレイヤーの行動の候補が膨大あるいは連続的な場合の最適腕バンディットとベイズ最適(2)
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ベイズ最適化とプレイヤーの行動が膨大/連続的な時のバンディット(マルコフ連鎖モンテカルロ、モンテカルロ積分、ターンカーネル、スケールパラメータ、ガウスカーネル、共分散関数のパラメータ推定、Simultaneous Optimistic Optimazation policy、SOO方策、アルゴリズム、GP-UCB方策、トンプソン法則、期待値改善方策、GP-UCB方策)
アルゴリズム:Algorithms 保護中: 重複型スパース正則化によるスパース機械学習
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重複型スパース正則化によるスパース機械学習(主問題、双対問題、相対双対ギャップ、双対ノルム、モーローの定理、拡張ラグランジュ法、交互乗数法、停止条件、重複ありグループL1ノルム、拡張ラグランジュ関数、prox作用素、ラグランジュ乗数ベクトル、線形制約、交互方向乗数法、制約付き最小化問題、テンソルの多重線形ランク、凸緩和、重複型トレースノルム、置換行列、正則化法、補助変数、エラスティックネット正則化、罰則項、タッカー分解、高階特異値分解、因子行列分解、特異値分解、ウェーブレット変換、全変動、雑音除、圧縮センシング、異方的全変動、テンソル分解、エラスティックネット)
アルゴリズム:Algorithms 保護中: 機械学習における主問題に対する最適化
デジタルトランスフォーメーション(DX)、人工知能(AI)、機械学習タスクに活用される機械学習における主問題に対する最適化(バリア関数法、ペナルティ関数法、大域的最適解、ヘッセ行列の固有値、実行可能領域、制約なし最適化問題、直線探索、最適性条件のラグランジュ乗数、集積点、有効制約法)
アルゴリズム:Algorithms 保護中: 非負値行列因子分解でのベイズ推論の応用モデルの構築と推論
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ベイズ推論の応用モデルの構築と推論としての非負値行列因子分解(ポアソン分布、潜在変数、ガンマ分布、近似事後分布、変分推論、オルガンの演奏データのスペトクグラム、欠損値補間、高周波成分の復元、超解像、グラフィカルモデル、ハイパーパラメータ、モデル化、補助変数、線形次元削減、推薦アルゴリズム、音声データ、高速フーリエ変換、自然言語処理)
アルゴリズム:Algorithms 保護中: 深層強化学習の弱点である環境認識の改善の為の2つのアプローチの実装
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深層強化学習の弱点である環境認識の改善の為の2つのアプローチの実装(逆予測型、制約型、表現学習、模倣学習、再構成型、予測型、WorldModels、遷移関数、報酬関数、表現学習、VAE、Vision Model、RNN、Memory RNN、モンテカルロ法、TD Search、モンテカルロ木探索、モデルベースの学習、Dyna、深層強化学習の弱点)
アルゴリズム:Algorithms 保護中: Clojureを用いた回帰分析(2) 重回帰モデル
このコンテンツはパスワードで保護されています。閲覧するには以下にパスワードを入力してください。
パスワード: