機械学習 | ページ 3 | Deus Ex Machina

保護中: トレースノルム正則化に基づくスパース機械学習

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トレースノルム正則化に基づくスパース機械学習(PROPACK、ランダム射影、特異点分解、低ランク、スパース行列、近接勾配の更新式、協調フィルタリング、特異値ソルバー、トレースノルム、prox作用、正則化パラメータ、特異値、特異ベクトル、加速付き近接勾配法、トレースノルム正則化付き学習問題、半正定行列、行列の平方根、フロベニウスノルム、フロベニウスノルム二乗正則化、トーレスノルム最小化、2値分類問題、マルチタスク学習、グループL1ノルム、推薦システム)

2023.04.20

アルゴリズム:Algorithmsグラフ理論スパースモデリングスパースモデリング幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra

保護中: 機械学習における制約付き不等式最適化問題の最適性条件

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機械学習における制約付き不等式最適化問題の最適性条件(双対問題、強双対性、ラグランジュ関数、線形計画問題、スレイター条件、主双対内点法、弱双対性、凸最適化の1次の十分条件、2次の十分条件、KKT条件、停留条件、1次の最適性条件、有効制約式、Karush-Kuhn-Tucker、局所最適解)

2023.04.19

アルゴリズム:Algorithmsグラフ理論スパースモデリング幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra

保護中: 確率的最適化における凸解析の基本事項(1)凸関数と劣微分、双対関数

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最適化における凸解析の基本事項での凸関数と劣微分、双対関数(凸関数、共役関数、ヤング・フェンシェルの不等式、劣微分、ルジャンドル変換、劣勾配、L1ノルム、相対的内点、アフィン包、アフィン集合、閉包、エピグラフ、凸包、平滑凸関数、狭義凸関数、真凸閉関数、閉凸閉関数、実行定義域、凸集合)

2023.04.18

アルゴリズム:Algorithmsグラフ理論スパースモデリング幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra

保護中: ベイズ推論における線形次元削減モデルでの画像特徴抽出と欠損値推論

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における線形次元削減モデルでの画像特徴抽出と欠損値推論(欠損画像情報復元、欠陥値補間、変分推論、未記入アンケート、未記入プロファイル情報、複数センサー統合、線形次元圧縮アルゴリズム、画像非可逆圧縮)

2023.04.17

アルゴリズム:Algorithmsグラフ理論ベイズ推定幾何学:Geometry微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra

保護中: 説明できる機械学習(17)反事実的説明 (Counterfactual Explanations)

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反事実的説明による機械学習結果の説明(Anchor、Growing Spheresアルゴリズム、Python、Alibi、カテゴリカル特徴量、羅生門効果、LIME、全結合型ニューラルネット、反事実生成アルゴリズム、ユークリッド距離、中央絶対偏差、Nelder-Mead法、因果意味論、原因)

2023.04.14

アルゴリズム:Algorithmsグラフ理論スパースモデリング幾何学:Geometry微分積分:Calculus数理論理学:Mathematical logic最適化:Optimization確率・統計:Probability and Statistics線形代数:Linear Algebra説明できる機械学習集合論:Set theory

保護中: 深層強化学習の弱点と対策の概要と環境認識の改善の為の2つのアプローチ

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)タスクにに活用される深層強化学習の弱点と対策の概要と環境認識改善のの2つのアプローチ(Mixture Density Network、RNN、Variational Auto Encoder、World Modles、表現学習、戦略ネットワーク圧縮、モデルフリー学習、Sample-Based Planning Model、Dyna、シミュレーションベース、サンプルベース、Gaussian Process、ニューラルネット、遷移関数、報酬関数、シミュレーター、学習能力、転移能力)

2023.04.13

アルゴリズム:Algorithmsグラフ理論スパースモデリング幾何学:Geometry強化学習微分積分:Calculus最適化:Optimization機械学習:Machine Learning深層学習:Deep Learning確率・統計:Probability and Statistics線形代数:Linear Algebra

保護中: Clojureを用いた回帰分析(1) 単回帰モデル

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)タスクに用いられるClojureを用いた回帰分析(1) 単回帰モデル(決定係数R2、相関係数R、残差の分散、分散、平均二乗誤差、説明変数、適合度、線形回帰モデル、従属変数、独立変数、モデル化誤差、異分散性、残差プロット、回帰直線関数、線形方程式、回帰モデル,incanter)

2023.04.12

Clojure微分積分:Calculus最適化:Optimization機械学習:Machine Learning確率・統計:Probability and Statistics線形代数:Linear Algebra

保護中: Pythonでのmypyを使った静的型チェック

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)タスクのベースとなるプログラミング技術としてのPyhtonでのmypyを使った静的型チェック(Protocol、Class、継承関係、Structural subtyping、Nominal subtyping、型ヒント、型チェック、型アノテーション、動的型付け言語、静的型付け言語、漸進的型付け)

2023.04.11

プログラミング言語:Programming Language

インフラストラクチャの管理ツールTerraformの概要とHello Worldと参考図書について

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)タスクに活用されるインフラストラクチャの管理ツールTerraformの概要とHello Worldと参考図書について(AWS、セットアップ、Hello World、クラウドインフラストラクチャ,環境設定)

2023.04.10

ICT技術:ICT Technology

DXでの課題の情報源「会社四季報:業界地図」と製造業での業務分析例

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DXでの課題の情報源「会社四季報:業界地図」と製造業での業務分析例(プロトタイピング、ワークフロー分析、業務課題分析、製造業、KPI、KGI、OKR、KJ法、ポーターの五つの競争力分析、PEST法、SWOT分析)

2023.04.09

ICT技術:ICT Technology人工知能:Artificial Intelligence課題解決:Problem solving