目次 最近の記事 まとめ記事 資格関連 セキュリティ・ガバナンス関連 第７回AI戦略会議 AI事業者ガイドライン案 機械学習システムセキュリティガイドライン Version 2.00 AI原則実践のためのガバナンス・ガイドライン ver.1.1 コンペ関連 ProbSpace Signate …

2020年は、昨年から取り組み始めた機械学習の積み上げの成果を試すため、いろいろなデータ分析サイトのコンペティションに挑戦しました。 日々の積み上げの結果が実を結び、複数のコンペティションで入賞することができました。 いろいろと環境が激変し、大…

機械学習について全くの専門外で初心者だった私がコンペサイトProbspaceのRe:不動産取引価格予測コンペで３位入賞、YouTube動画視聴回数予測コンペで９位入賞するなど、累計で金２銀１銅１を獲得することができ、総合ランクで１位に到達することができました…

機械学習について全くの専門外で初心者だった私が先日コンペサイトProbspaceのYouTube動画視聴回数予測コンペで９位入賞し、累計で金銀銅を獲得することができ、総合で４位に到達することができました。 これまでたどってきた道のりを振り返って、良かった点…

これまで投稿してきた、E資格関連の勉強の振り返り記事をまとめました。 今後、受験される皆さんの参考になれれば幸いです！ 受験体験記編 応用数学編 深層学習編 E資格復習のつぶやき では、振り返ってまいりたいと思います。 受験体験記編 oregin-ai.haten…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策として学習した応用数学の分野のうち、確率統計用語のオッズ比を振り返ります。 オッズ比 1.オッズ比とは何か 2.オッズ比の具体例 オッズ比 1.オッズ比とは何か オッズ比とは、ある事象の起こりやすさ…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策として学習した深層学習の分野のうち、ゲート付きRNNのひとつGRU(Gated Reccurent Unit)を振り返ります。 GRU（Gated Reccurent Unit） 1.GRUとは何か 2.GRU全体像 3.リセットゲート（R） 4.仮の出力（…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策として学習した深層学習の分野のうち、ゲート付きRNNのひとつLSTM(長短期記憶- Long short-term memory)を振り返ります。 LSTM（長短期記憶- Long short-term memory） 1.LSTMとは何か 2.LSTM全体像 3.…

昨年合格した、JDLA E資格の復習のつぶやきをまとめました。 来月のE資格を受験される方の参考にしていただければと思います。 今日は、 #E資格 に向けて、順伝播型ネットワークの復習を実施しました。尤度関数や活性化関数の名称と数式を見直しましたが、結…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策として学習した応用数学の分野のうち、今回は、情報理論-クロスエントロピーを振り返ります。 深層学習では、以下の４つが既知のものとして登場してきます。 自己情報量 エントロピー カルバック・ライ…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策として学習した応用数学の分野のうち、今回は、情報理論-カルバック・ライブラー情報量(KLダイバージェンス)を振り返ります。 深層学習では、以下の４つが既知のものとして登場してきます。 自己情報量…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策として、今回は、応用数学の分野のうち、情報理論-エントロピーを振り返ります。 深層学習では、以下の４つが既知のものとして登場してきます。 自己情報量 エントロピー カルバック・ライブラー情報量…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策として、今回は、応用数学の分野のうち、情報理論-自己情報量を振り返ります。 深層学習では、以下の４つが既知のものとして登場してきます。 自己情報量 エントロピー カルバック・ライブラー情報量(K…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策として、今回は、応用数学の分野のうち、対数関数を振り返ります。 高校時代にならったわかったようで、よくわからない関数ですが、深層学習では必要不可欠な関数なので、今一度、定義と法則を振り返っ…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策として、今回は、応用数学の分野のうち、確率を振り返ります。直接確率を求める問題が出るかはわかりませんが、過去問や例題等を解くうえでは、確率の考え方が理解できたほうがすっと入ってきます。 で…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策として、今回は、応用数学の分野のうち、特異値分解を振り返ります。特異値分解は、過去問に言及されている受験者の方のサイト等を拝見する限りでは、前回掲載した、固有値分解とともに頻出問題のよう…

本日、８月３１日に受験したE資格（JDLA Deep Learning for ENGINEER 2019 #2）の結果発表があり、無事合格しました！ 約半年間取り組んできた努力が実りました！ させてくれた家族と会社の皆さんに感謝です。 今後、合格に向けて取り組んできた対策、例題、…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）対策の振り返りです。今回は、応用数学の分野のうち、固有値、固有ベクトル、固有値分解を振り返ります。 固有値分解は、過去問に言及されている受験者の方のサイト等を拝見する限りでは、次回掲載予定の特…

E資格（JDLA Deep Learning for ENGINEER 2019 #2）の試験が終わりました。 ３月にG検定合格した後、E資格対策として取り組んできた勉強と、参考にした書籍などを紹介していきたいと思います。 ３月 G検定に合格し、E検定受験を決意 ４月 認定講座受講開始ま…

本日、E資格（JDLA Deep Learning for ENGINEER 2019 #2）を受験してきました。 かなり苦戦しましたが、今の自分の実力の汎化性能が測定できたと思って、あとは、９月９日の結果発表を待ちたいと思います。 これまでの取り組みついては、落ち着いたら、まっ…

試験勉強に注力していたので、なかなか更新できていませんでしたが、久々の投稿です。 E資格受験に向けて、最適化（Optimizer）について、以下の書籍を参考にして、自分なりに頭の中を整理してみました。 ゼロから作るDeep Learning Pythonで学ぶディープラ…

E資格受験に向けて、一通りの分野を学習したので、現在は、 IanGoodfellow著の「深層学習」で全体を復習しています。 深層学習【電子書籍】[ 岩澤 有祐 ] とても分厚くて、勉強を始めた当初は、ビビッていましたが、ここまで学習を進めてきて、なんとも頼も…

今年、G検定に合格できたので、JDLA資格試験合格者の会に参加できました！参加した感想をレポートさせていただきます。 合格までの道のりは、以下にて公開中です。 g-kentei.hatenablog.com 今回、はじめて参加させていただきましたが、７００人以上の方が参…

今回は、pandasでDataFrameから情報を取得してみます。 前回は、DataFrameを作成しましたが、今度は、DataFrameから色々な情報を取得する処理を確認していきます。 では、早速試してきます。 0. まずは、numpyライブラリとpandasライブラリをimport。 「impo…

今回は、pandasでDataFrameを扱ってみたいと思います。 DataFrameは、エクセルのように二次元のデータを、行（レコード）と列（項目、カラム）でラベルをつけて、扱えるオブジェクトです。 pandasは、１行のレコードや、１列のカラムを扱う、Seriesというオ…

今回は、matplotlibで複数のグラフを描いてみます。 データの前処理等を行うにも、数字の羅列だけを見るよりもグラフ化した方が見通しがよくなるので、必須の処理になります。 では、早速試してきます。 0. まずは、お約束のnumpyライブラリとmatplotlibライ…

今回は、Numpyで乱数を取得する方法を学びます。 randamモジュールを利用することで、様々な乱数を取得することができます。 では、早速試してきます。 0. まずは、お約束のnumpyライブラリをimport。 「import numpy as np」とすることで、「np」にて参照し…

今回は、Numpyで行列の作成と変形を学びます。 arrayオブジェクトを利用することで、行列の作成と変形が超簡単にできてしまいます。 では、早速試してきます。 0. まずは、お約束のnumpyライブラリをimport。 「import numpy as np」とすることで、「np」に…

今回は、Numpyで行列のブロードキャストルールを学びます。 arrayオブジェクトのスカラー演算は、各成分に対する演算となります。 これがブロードキャストルールと呼ばれるとのこと。 では、早速試してきます。 0. まずは、お約束のnumpyライブラリをimport…

今回は、Numpyで行列を扱ってみます。 行列は、Numpyのarrayオブジェクトを利用して簡単に扱うことができます。学生の頃、行列の計算には悪戦苦闘していたので、逆行列も簡単に計算できるNumpyは、もはや、神ツールの域に感じました。では、早速イジっていき…