『グラフニューラルネットワーク』を上梓しました - ｼﾞｮｲｼﾞｮｲｼﾞｮｲ
グラフニューラルネットワーク (機械学習プロフェッショナルシリーズ) 作者:佐藤 竜馬講談社Amazon 講談社より『グラフニューラルネットワーク（機械学習プロフェッショナルシリーズ）』を上梓しました。 グラフニューラルネットワークはグラフデータのためのニューラルネットワークです。化合物やソーシャルネットワークのようなグラフデータの解析に使うことができます。また後で述べるように、テキストも画像もグラフなのでテキストや画像の分析にも使えますし、それらを組み合わせたマルチモーダルなデータにも適用できます。要は何にでも使うことができます。この汎用性がグラフニューラルネットワークの大きな強みです。 本稿ではグラフニューラルネットワークを学ぶモチベーションと、本書でこだわったポイントをご紹介します。 グラフニューラルネットワークは何にでも使える 付加情報をグラフとして表現できる グラフニューラルネッ
Stable Diffusionの内容を理解するための情報・書籍 - karaage. [からあげ]
Stable Diffusion完全に理解した 画像生成AIで話題のStable Diffusion、完全に理解した状態になりたいですね。私もです。夜な夜な、Stable Diffusion睡眠不足になりながらの自分の理解は以下です。 Stable DiffusionというAIモデルは、上記のように、2つのモデルで構成されています。凄いのがDiffusion Modelとよばれるもので、これはランダムノイズ的な画像から、クオリティの高い絵を生成することができます。 ただ、このままだとどんな絵が生成されるか分からないので、絵をコントロールするために、プロンプト（自然言語）をCLIPと呼ばれるTransformerのモデルに入力して、埋め込みベクトルに変換します。このベクトル情報をDiffusion Modelに入れてやることで、自分の好きな画像を生成することができます。 無理やりカメラとの対
![Stable Diffusionの内容を理解するための情報・書籍 - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/621adc324d3f307ba672d6950449c99f297e7975/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20220923%2F20220923012149.png)
“Probabilistic machine learning”: a book series by Kevin Murphy
"Probabilistic Machine Learning" - a book series by Kevin Murphy Project maintained by probml Hosted on GitHub Pages — Theme by mattgraham “Probabilistic machine learning”: a book series by Kevin Murphy Book 0: “Machine Learning: A Probabilistic Perspective” (2012) See this link Book 1: “Probabilistic Machine Learning: An Introduction” (2022) See this link Book 2: “Probabilistic Machine Learning:
Make: Japan | 1冊まるごとScratchでできる！機械学習の入門書『Scratchではじめる機械学習』が7月発売。試し読みページを公開！
1冊まるごとScratchでできる！機械学習の入門書『Scratchではじめる機械学習』が7月発売。試し読みページを公開！ 子ども向けビジュアルプログラミング言語「Scratch」を使って学ぶ、機械学習の入門書『Scratchではじめる機械学習 ―作りながら楽しく学べるAIプログラミング』が7月に発売されます。ML2Scratch、TM2Scratch、PoseNet2ScratchなどのScratchで機械学習を扱える拡張機能を組み合わせ、画像認識や音声認識、姿勢推定などを利用したプログラムを作りながら、機械学習の仕組みを楽しく学んでいくことができます。だんだんとステップアップしながら、最終章では、遺伝的アルゴリズムをScratchで実装することにも挑戦します。Pythonなどのテキストプログラミング言語や、難しい数学の知識は不要。機械学習の仕組みを使ったアプリケーションを“作りながら学
DeZero Book
「ゼロから作るDeep Learning ❸」オンラインブック¶ ここでは『ゼロから作るDeep Learning ❸ ―フレームワーク編』の一部を公開しています。興味のある方は、ぜひご覧ください。 必要なのはブラウザだけ 本ページの内容は、webブラウザで読むことができます。また各ページでは、次のように「Open in Colab」というボタンが表示されます。 上のボタンを押すと、本ページの内容がそのままGoogle Colab上で実行することができます。つまり、ブラウザがあればーースマホでも、タブレットでもーー、文章を読んで、コードを実行できます。 英語ページ できるだけ多くの方に読んでもらうために、英語版のページも用意しています。こちらは機械翻訳をベースにしたもので、まだ多くの改善が必要です。英語のブラッシュアップに協力していただける方は、指摘していただければ幸いです。なお、本ページ
Core ML Tools実践入門 - iOS × DEEP LEARNING | 本 | coremltools | TensorFlow | Swift | Python | Mac - shu223 - BOOTH
本書はCore ML Toolsの実践入門書です。 KerasやTensorFlowを用いて構築した機械学習／ディープラーニングのモデルをiOSで利用するために必要な変換ツールである「Core ML Tools」（Pythonパッケージ名としては`coremltools`）の利用方法を**さまざまなモデルをつくりながら**学んでいきます。 最初はわずか2行のコードで変換することからはじめてCore ML Toolsに入門しつつ、もっと高度な変換方法や、モデルのサイズを縮小する方法、パイプラインを構築する歩法、オンデバイスで学習できるようにする方法等も解説していきます。 また巻末には「逆引きリファレンス」も収録しています。開発の現場で「どう書くんだっけ？」となったときに大いに役立つことでしょう。 A5版、本文164ページ（製本版は150ページ）。サンプルコードはGitHubよりダウンロード可
「Core ML Tools実践入門」という本を書きました #技術書典 - その後のその後
iOS×機械学習といえばCore ML。既製のCore MLモデルを扱うのは非常に簡単なのですが、 TensorFlowやKeras等の機械学習ツールで作成した独自モデルをCore MLモデルに変換したい モデルサイズを小さくしたい 複数サイズの入力をサポートしたい オンデバイスで更新できるようにしたい 等々、つまり 自分でCore MLモデルをつくりたい・カスタマイズしたい場合にはCore ML Tools（coremltools）を使いこなすことが不可欠 です。 が、こんなに重要なツールなのに意外にも情報が少なく、日本語情報どころか英語の公式ドキュメントすら全然網羅的ではありません。 というわけで自分で勉強しつつ書いた本がこちらです1。 Core ML Toolsの利用方法を実践形式でさまざまなモデルをつくりながら学んでいきます。最初はわずか2行のコードで変換することからはじめてCor
Mehryar Mohri -- Foundations of Machine Learning - Book
Download (official online versions from MIT Press): book (PDF, HTML). lecture slides. Hardcopy (MIT Press, Amazon). Errata (printing 1). Foundations of Machine Learning Mehryar Mohri, Afshin Rostamizadeh, and Ameet Talwalkar MIT Press, Second Edition, 2018. Copyright in this Work has been licensed exclusively to The MIT Press, http://mitpress.mit.edu, under a Creative Commons CC-BY-NC-ND license.
Deep Learning with PyTorch | PyTorch
Deep Learning with PyTorch Download a free copy of the full book and learn how to get started with AI / ML development using PyTorch Deep Learning with PyTorch provides a detailed, hands-on introduction to building and training neural networks with PyTorch, a popular open source machine learning framework. This full book includes: Introduction to deep learning and the PyTorch library Pre-trained n
『わけがわかる機械学習』中谷秀洋（著）の書評 - StatModeling Memorandum
僕が中谷さんと初めて会ったのはみどりぼんの読書会で、初めて話したのは岩波DSの打ち合わせだったと思います。今でもそんなに親しくはないと思います。しかし、中谷さんのブログは10年ぐらい前から読んでいました。自然言語処理を中心とする機械学習に関連する理論（の解釈）・論文レビュー・数値実験の記事が多く、他のブログでは見られない独特かつ理解の深い内容で、毎日勉強させてもらっていました。今でも何度も読むべきブログです。その中谷さんが機械学習についてまるごと一冊書いたものが本書になります。もともと買うつもりでしたが、献本いただいたので簡単にご紹介いたします。 わけがわかる機械学習 ── 現実の問題を解くために、しくみを理解する 作者: 中谷秀洋出版社/メーカー: 技術評論社発売日: 2019/08/28メディア: 単行本（ソフトカバー）この商品を含むブログを見る 目次は以下になります。 0章： はじめ
「機械学習のための特徴量エンジニアリング」が良かったので訳者に媚を売る - Stimulator
- はじめに - 本ブログでは恒例になりつつある、献本されたので媚を売るシリーズです。 「機械学習のための特徴量エンジニアリング」は2/23に発売される、機械学習エンジニアのための書籍です。 本記事は、筆者に媚びを売りつつ、どういった内容の書籍か、どういう人が読むと良さそうか、私がどう感じたかをつらつら書いていくもでのす。 機械学習のための特徴量エンジニアリング ―その原理とPythonによる実践 作者: Alice Zheng,Amanda Casari,株式会社ホクソエム出版社/メーカー: オライリージャパン発売日: 2019/02/23メディア: 単行本（ソフトカバー）この商品を含むブログを見る - はじめに - - 書籍の概要 - - どんな層に向けた書籍か - - 感想とか - - おわりに - - 書籍の概要 - 「機械学習のための特徴量エンジニアリング」は、謎のデータサイエン
Interpretable Machine Learning (Second Edition)
Interpretable Machine Learning is a comprehensive guide to making machine learning models interpretable "Pretty convinced this is the best book out there on the subject" – Brian Lewis, Data Scientist at Cornerstone Research Summary This book covers a range of interpretability methods, from inherently interpretable models to methods that can make any model interpretable, such as SHAP, LIME, and per
David MacKay: Information Theory, Inference, and Learning Algorithms: The Book
Information Theory, Inference, and Learning Algorithms (Hardback, 640 pages, Published September 2003) Order your copy Price: £35.00 / $60.00 from |CUP UK/USA| |amazon.co.uk/.com/.ca/.co.jp| | Barnes & Noble USA | booksprice. | fetchbook.info | allbookstores | biggerbooks | blackwells | directtextbook | kalahari.net (South Africa) | Special Paperback edition for South Asia.| Download the book too
Interpretable Machine Learning
Interpretable Machine Learning A Guide for Making Black Box Models Explainable Christoph Molnar 2023-08-21 Summary Machine learning has great potential for improving products, processes and research. But computers usually do not explain their predictions which is a barrier to the adoption of machine learning. This book is about making machine learning models and their decisions interpretable. Afte
Companion webpage to the book "Mathematics for Machine Learning"
Companion webpage to the book "Mathematics for Machine Learning". Copyright 2020 by Marc Peter Deisenroth, A. Aldo Faisal, and Cheng Soon Ong. Published by Cambridge University Press. View the Project on GitHub View On GitHub Please link to this site using https://mml-book.com. Twitter: @mpd37, @AnalogAldo, @ChengSoonOng. We wrote a book on Mathematics for Machine Learning that motivates people to
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
機械学習を学習｜sonson
Awni Hannun
Fairness and machine learning
GitHub - oreilly-japan/deep-learning-from-scratch: 『ゼロから作る Deep Learning』(O'Reilly Japan, 2016)
MLYearning - Machine Learning Yearning Book PDF Download, AI news, and ChatGPT
