Deep Insider 全記事一覧

Deep Insider 全記事一覧

@IT/Deep Insider フォーラムのすべての記事を一覧表示しています。



最終更新日: 2021年12月02日

僕たちのKaggle挑戦記(2021/12/02)

  1. Kaggle初心者のためのコンペガイド ― Titanicの先へ
  2. 「無料のKaggle公式講座×コンペ初参戦」で機械学習を始めよう
  3. Kaggleで学ぶ、k-fold交差検証と、特徴量エンジニアリング
  4. Titanicから始めよう:ベースラインの作成とユーティリティースクリプトの記述
  5. Kaggleで学ぶ、Optunaによるハイパラ自動チューニング
  6. Kaggleで学ぶ、モデルのブレンディングとスタッキング

解決!Python(2021/11/30)

  1. [解決!Python]数値を0埋めして文字列化するには
  2. [解決!Python]文字列やリストの要素数を調べるには
  3. [解決!Python]for文で繰り返し処理を行うには
  4. [解決!Python]if文で条件分岐を行うには
  5. [解決!Python]print関数で変数や式の値を出力するには
  6. [解決!Python]文字列を結合するには
  7. [解決!Python]range関数を使いこなすには
  8. [解決!Python]リスト(配列)の要素にインデックスやスライスを使ってアクセスするには
  9. [解決!Python]リスト(配列)に要素を追加するには(+演算子/+=演算子/append/extend/insertメソッド)
  10. [解決!Python]リスト(配列)から要素を削除するには(del文、remove/clear/popメソッド、リスト内包表記)
  11. [解決!Python]リスト(配列)から要素を検索するには(in/not in演算子、count/indexメソッド、min/max関数)
  12. [解決!Python]リスト(配列)をソートしたり、逆順にしたりするには(sort/reverseメソッド、sorted/reversed関数)
  13. [解決!Python]リスト(配列)の使い方まとめ
  14. [解決!Python]文字列と数値を変換するには(int/float/str/bin/oct/hex関数)
  15. [解決!Python]文字列から部分文字列を検索するには(in演算子、find/index/count/startswith/endswithメソッド)
  16. [解決!Python]文字列を置換するには(replace/translate/expandtabsメソッド)
  17. [解決!Python]文字列の大文字/小文字を変換するには(lower/upper/swapcase/caplitalize/titleメソッド)
  18. [解決!Python]文字列から部分文字列を削除する基本的なやり方とは(replace/translate/strip/removeprefix/removesuffixメソッド、re.sub関数)
  19. [解決!Python]文字列を中央寄せ/左寄せ/右寄せするには(center/ljust/rjust/zfillメソッド)
  20. [解決!Python]文字列が英字(文字)のみで構成されているかどうかを判定するには(isalpha//isasciiメソッド、re.match/re.fullmatch関数)
  21. [解決!Python]文字列が数値へ変換可能かどうかを判定するには(int/float関数の例外、re.fullmatch関数)
  22. [解決!Python]文字列が数字だけで構成されているかどうかを判定するには(isdecimal/isdigit/isnumeric/isasciiメソッド)
  23. [解決!Python]正規表現を使って文字列が数字だけで構成されているかどうかを判定するには
  24. [解決!Python]文字列が英数字(文字および数字)のみで構成されているかどうかを判定するには(isalnum/isasciiメソッド、正規表現)
  25. [解決!Python]インデックスやスライスを使って文字列から一部を抽出するには
  26. [解決!Python]re.findall関数と正規表現を使って文字列から部分文字列を抽出するには
  27. [解決!Python]re.search/re.match関数と正規表現を使って文字列から部分文字列を抽出するには
  28. [解決!Python]文字列から正規表現を使って数字だけを抽出するには(re.findall/re.sub/re.search関数)
  29. [解決!Python]文字列から特定の文字で囲まれている部分を抽出するには(re.findall関数)
  30. [解決!Python]正規表現を使って文字列から特定の文字以降の部分や特定の文字より後ろの部分を抽出するには
  31. [解決!Python]数値を四捨五入する(丸める)には(round関数/decimal.Decimalクラス)
  32. [解決!Python]テキストファイルに書き込むには
  33. [解決!Python]テキストファイルを読み書き両用にオープンするには
  34. [解決!Python]エンコーディングを指定して、シフトJISなどのファイルを読み書きするには
  35. [解決!Python]テキストファイルのエンコーディングを調べて、その内容を読み込むには(chardetパッケージ)
  36. [解決!Python]バイナリファイルを読み書きするには:文字列と整数編
  37. [解決!Python]バイナリファイルを読み書きするには:structモジュール編
  38. [解決!Python]バイナリファイルを読み書きするには:pickle編
  39. [解決!Python]テキストファイルの読み書きまとめ
  40. [解決!Python]バイナリファイルの読み書きまとめ
  41. [解決!Python]内包表記でリストを作成するには
  42. [解決!Python]リストの内包表記と「if」を組み合わせるには
  43. [解決!Python]内包表記で辞書を作成するには
  44. [解決!Python]内包表記で集合を作成するには
  45. [解決!Python]内包表記を使ってリスト/辞書/集合を作成する方法まとめ
  46. [解決!Python]CSVファイルから読み込みを行うには(csvモジュール編)
  47. [解決!Python]CSVファイルに書き込みを行うには(csvモジュール編)
  48. [解決!Python]CSVファイルに書き込みを行うには(NumPy編)
  49. [解決!Python]CSVファイルから読み込みを行うには(pandas編)
  50. [解決!Python]CSVファイルに書き込みを行うには(pandas編)
  51. [解決!Python]CSVファイルの読み書きまとめ
  52. [解決!Python]pass文で何もしない文を記述するには
  53. [解決!Python]while文やfor文で無限ループを記述するには
  54. [解決!Python]Pythonでコメントを書くには
  55. [解決!Python]今日の日付や時刻を取得するには
  56. [解決!Python]日付や時刻をYYMMDDhhmmssなどの形式に書式化するには
  57. [解決!Python]datetime型の日付や時刻とISO 8601形式の文字列との間で変換するには
  58. [解決!Python]日付や時刻の文字列表現をstrptimeメソッドでdatetime型のオブジェクトに変換するには
  59. [解決!Python]Python処理系のバージョンを確認するには

数学×Pythonプログラミング入門(2021/11/25)

  1. 中学・高校数学で学ぶ、数学×Pythonプログラミングの第一歩
  2. 中学数学だけでフェルマーの小定理をプログラミングしてみよう
  3. 中学・高校数学でオイラーのγの近似値を求めるプログラミング
  4. Matplotlibで折れ線グラフ(正規分布など)を描こう
  5. Pythonでグラフを描こう ― 棒グラフ/ヒストグラム/散布図/ヒートマップ
  6. 微分法の数値計算をプログラミングしてみよう

AI・機械学習の用語辞典(2021/11/22)

  1. 音声認識とは?
  2. 強いAI/弱いAI、汎用型AI(AGI:Artificial General Intelligence)/特化型AIとは?
  3. 音声生成、音楽生成とは?
  4. 画像認識とは?
  5. 画像生成とは?
  6. 自然言語処理(NLP:Natural Language Processing)とは?
  7. 学習(learning)とは?
  8. 推論/推定(inference)とは?
  9. 転移学習(Transfer Learning)とは?
  10. 機械学習(ML:Machine Learning)とは?
  11. ニューラルネットワーク(NN:Neural Network)とは?
  12. ディープラーニング(DL:Deep Learning、深層学習)とは?
  13. ディープニューラルネットワーク(DNN:Deep Neural Network)とは?
  14. 手法(approaches)とは?
  15. アルゴリズム(algorithm)とは?
  16. モデル(model)とは?
  17. 回帰(regression)とは?
  18. 分類(classification)とは?
  19. AutoML(Automated Machine Learning: 自動化された機械学習)とは?
  20. クラスタリング(clustering)とは?
  21. CNN(Convolutional Neural Network: 畳み込みニューラルネットワーク)とは?
  22. オートエンコーダー(Autoencoder)とは?
  23. 表現学習(feature learning、特徴表現学習)とは?
  24. 次元削減(Dimensionality Reduction)とは?
  25. TensorFlow(機械学習フレームワーク)とは?
  26. トレーニング(training、訓練)とは?
  27. ラベル(labels、正解ラベル、教師データ:labeled training data)とは?
  28. トレーニングデータ(training data、訓練データ)とは?
  29. 学習方法(learning types)とは?
  30. LSTM(Long Short-Term Memory: 長・短期記憶)とは?
  31. RNN(Recurrent Neural Network: 再帰型ニューラルネットワーク)とは?
  32. 精度検証データ(validation data、評価データ:evaluation data)とは?
  33. テストデータ(test data)とは?
  34. 教師あり学習(Supervised Learning)とは?
  35. 教師なし学習(Unsupervised Learning)とは?
  36. 強化学習(RL:Reinforcement Learning)とは?
  37. 半教師あり学習(Semi-Supervised Learning)とは?
  38. PoC(概念実証)とは?
  39. PoC貧乏とは?
  40. XAI(Explainable AI:説明可能なAI)/解釈可能性(Interpretability)とは?
  41. 透明性(Transparency)/透明なAI(Transparent AI)とは?
  42. MLOps(機械学習基盤)とは? AIOpsとの違い
  43. アカウンタビリティ(Accountability、説明責任)とは?
  44. 公平性(Fairness、フェアネス)とは?
  45. [活性化関数]ステップ関数(Step function)とは?
  46. [活性化関数]シグモイド関数(Sigmoid function)とは?
  47. [活性化関数]ReLU(Rectified Linear Unit)/ランプ関数とは?
  48. [活性化関数]tanh関数(Hyperbolic tangent function: 双曲線正接関数)とは?
  49. 活性化関数(Activation function)とは?
  50. [活性化関数]恒等関数(Identity function)/線形関数(Linear function)とは?
  51. [活性化関数]ソフトマックス関数(Softmax function)とは?
  52. [活性化関数]Swish関数(スウィッシュ関数)とは?
  53. [活性化関数]ソフトプラス関数(Softplus関数)とは?
  54. [活性化関数]Mish関数(ミッシュ関数)とは?
  55. [活性化関数]Leaky ReLU(Leaky Rectified Linear Unit)/LReLUとは?
  56. [活性化関数]PReLU/Parametric ReLU(Parametric Rectified Linear Unit)とは?
  57. [活性化関数]ELU(Exponential Linear Unit)とは?
  58. [活性化関数]SELU(Scaled Exponential Linear Unit)とは?
  59. 次元の呪い(Curse of dimensionality)とは?
  60. ノーフリーランチ定理(No Free Lunch theorem)とは?
  61. みにくいアヒルの子の定理(Ugly Duckling theorem)とは?
  62. バーニーおじさんのルール(Uncle Bernie's rule)とは?
  63. 内挿/外挿(Interpolation/Extrapolation)とは?
  64. バイアスとバリアンス(偏りと分散)のトレードオフ(Bias-Variance Tradeoff)とは?
  65. モラベックのパラドックス(Moravec's paradox)とは?
  66. トイプロブレム(Toy problem)とは?
  67. Garbage In, Garbage Out(ゴミを入れたら、ゴミが出てくる)とは?
  68. フレーム問題(Frame problem)とは?
  69. トロッコ問題(Trolley problem)とは?
  70. チューリングテスト(Turing test)とは?
  71. 中国語の部屋(Chinese room)とは?
  72. 人工知能(AI:Artificial Intelligence)とは?
  73. シンギュラリティ(Singularity:技術的特異点)とは?
  74. 無色の緑の考えが猛烈に眠る(Colorless green ideas sleep furiously)とは?
  75. シンボルグラウンディング問題(Symbol grounding problem)とは?
  76. 身体性(Embodiment)とは?
  77. シンプソンのパラドックス(Simpson's paradox)とは?
  78. 損失関数(Loss function)とは? 誤差関数/コスト関数/目的関数との違い
  79. 評価関数(Evaluation function)/評価指標(Metrics)とは?
  80. [損失関数/評価関数]平均絶対誤差(MAE:Mean Absolute Error)/L1損失(L1 Loss)とは?
  81. [損失関数/評価関数]平均二乗誤差(MSE:Mean Squared Error)/RMSE(MSEの平方根)とは?
  82. [損失関数/評価関数]平均二乗対数誤差(MSLE:Mean Squared Logarithmic Error)/RMSLE(MSLEの平方根)とは?
  83. [評価関数]平均絶対パーセント誤差(MAPE:Mean Absolute Percentage Error)とは?
  84. [評価関数]平均二乗パーセント誤差の平方根(RMSPE:Root Mean Squared Percentage Error)とは?
  85. [損失関数]Huber損失(Huber Loss)/Smooth L1 Lossとは?
  86. [評価関数]中央絶対誤差(MedAE:Median Absolute Error)とは?
  87. [評価関数]決定係数(Coefficient of Determination)R2とは?
  88. 平均値(Mean)/中央値(Median)/最頻値(Mode)とは?
  89. 分散(Variance)/標準偏差(SD:Standard Deviation)とは?
  90. 平均絶対偏差(Mean Absolute Deviation)/中央絶対偏差(Median Absolute Deviation)とは?
  91. 正規化(Normalization)/標準化(Standardization)とは?
  92. 相関係数(Correlation Coefficient)/ピアソンの積率相関係数(PCC)とは?
  93. [評価関数]分散説明率(Explained variance score)とは?
  94. [評価関数]相対絶対誤差(RAE:Relative Absolute Error)/相対二乗誤差(RSE:Relative Squared Error)とは?
  95. マンハッタン距離(Taxicab distance)/ユークリッド距離(Euclidean distance)、L1/L2ノルムとは?
  96. 残差平方和(RSS:Residual Sum of Squares)/[損失関数]二乗和誤差(SSE:Sum of Squared Error)とは?

Visual Studio Codeで快適Pythonライフ(2021/11/19)

  1. Visual Studio Codeから「Hello Python」してみよう
  2. アクティビティーバーと[エクスプローラー]ビューとエディタを使ったファイルの作成と編集の第一歩
  3. VS CodeでのPythonコーディングを快適にするエディタ機能の使い方
  4. コマンドパレットを駆使してVS Codeを使いこなそう!
  5. ショートカットキーを活用して、VS Codeをより快適に!
  6. ここから始めるVS Codeのカスタマイズ
  7. フォントからエディタ、改行文字まで、VS Codeを自分好みにカスタマイズ
  8. VS Codeの拡張機能でPythonの仮想環境構築からコード整形、Lintまでを体験してみよう
  9. VS Codeを使ってPythonコードをデバッグするための基礎知識
  10. VS CodeでPythonコードのデバッグ構成をしてみよう
  11. VS CodeでJupyterしてみよう
  12. Jupyter対話環境を使ってVS Codeでノートブックのデバッグ
  13. ColabCodeを使って、Google Colabの上でVS Codeを使ってみよう
  14. colab-sshを使って、VS CodeからGoogle Colabに接続してみよう
  15. VS Codeのタスクを使ってGoogle ColabへのSSH接続の構成を自動化しよう
  16. VS Codeでソースコード管理、初めの一歩
  17. VS Codeでソースコード管理:ブランチを操作してみよう
  18. VS Codeでソースコード管理:拡張機能でコミット履歴を簡単操作
  19. VS Codeでソースコード管理:リポジトリをGitHubに発行してみよう
  20. VS Codeでソースコード管理:プルリクエストを作成してみよう
  21. VS Codeでソースコード管理:issueを作成してみよう
  22. VS Codeでソースコード管理:GitLens拡張機能を使ってみよう

Kaggle入門(2021/11/08)

  1. Kaggleはじめの一歩
  2. 脱・Kaggle初心者 〜 一歩先に行くためのノウハウ
  3. メダル獲得、Kaggle Masterへの道 〜 他者と差を付ける
  4. Kaggle Grandmasterへの道 〜 データサイエンティスト“最高峰”を目指す

AI・機械学習のデータセット辞典(2021/11/01)

  1. fastMRI Dataset:膝MRI/脳MRIの画像データセット
  2. MNIST:手書き数字の画像データセット
  3. KMNIST/Kuzushiji-MNIST:日本古典籍くずし字(手書き文字)データセット
  4. Fashion-MNIST:ファッション商品(写真)の画像データセット
  5. CIFAR-10:物体カラー写真(乗り物や動物など)の画像データセット
  6. CIFAR-100:物体カラー写真(動植物や機器、乗り物など100種類)の画像データセット
  7. Boston Housing:ボストンの住宅価格(部屋数や犯罪率などの13項目)の表形式データセット
  8. Titanic:タイタニック号乗客者の生存状況(年齢や性別などの13項目)の表形式データセット
  9. Large Movie Review:IMDb映画レビューコメントの「肯定的/否定的」感情分析用データセット
  10. Dataset Search:Googleによる「データセット検索」サイト
  11. PyTorch/TensorFlow/Keras/scikit-learnライブラリ内蔵のデータセット一覧
  12. アクティブに更新され続けている、お勧めの機械学習データセット一覧サイト
  13. 機械学習/データサイエンスに活用できる「政府系」オープンデータセット3選
  14. ImageNet:大規模なカラー写真の画像データベース
  15. Reuters newswire:ロイターのニュース記事のトピック分類データセット
  16. EMNIST:手書きアルファベット&数字の画像データセット
  17. QMNIST:手書き数字の画像データセット(MNIST改良版)
  18. 画像データをキーワード検索で効率的に収集する方法(Python「icrawler」のBing検索)
  19. Open Images Dataset:Googleによる膨大な画像データセット
  20. Food-101:料理カラー写真(アップルパイや餃子など)の画像データセット
  21. Food-101N:料理カラー写真(分類ラベルのノイズが多いバージョン)の画像データセット
  22. Wiki-40B:高品質に加工された、40以上の言語のWikipediaデータセット
  23. クラウド(AWS/Azure/GCP/IBM)で手軽に使えるオープンデータセット
  24. 浮世絵顔データセット
  25. Papers With CodeのDatasets: 人気度まで分かるデータセット一覧サイト
  26. COCO dataset:セグメンテーションなどに使える大規模なカラー写真の画像データセット
  27. Hugging FaceのDatasets: 自然言語処理のデータセット提供サイト

AI・機械学習の無料電子書籍(2021/10/21)

  1. 無料で読める「機械学習/ディープラーニング」の有名書籍 厳選4冊
  2. 無料で読める、東大/京大の「Python教科書」電子書籍

Python最新情報キャッチアップ(2021/10/15)

  1. Python 3.9で追加された辞書の和集合演算子、removeprefix/removesuffixメソッドとは
  2. 「Python 3.9」登場、デコレーターに関する制約の緩和、新しいパーサーの採用とは
  3. Python 3.10の新機能:「構造的パターンマッチ」とは
  4. Python 3.10の新機能:with文の強化/エラーメッセージの改善/EncodingWarningクラス
  5. Python 3.10の新機能:型ヒントに関連する新機能

AI・機械学習の独学リソース(2021/09/30)

  1. TensorFlowが学べる、無料のオンライン学習講座。CourseraとUdacityに新設
  2. 人気の東大松尾研「DL4US」ディープラーニング講座のコンテンツが無償公開
  3. 機械学習概論〜ディープラーニングGAN、本格的に学べる全20時間の大学講義が無償公開
  4. 機械学習・ディープラーニングの数学/技術の概要を理解できる厳選「無料動画」
  5. 「機械学習の最先端」を効率的に情報収集! おすすめのメルマガ3選
  6. 機械学習/ディープラーニングが無料で学べる、米国有名大学の「オンライン講座/講義動画」
  7. 機械学習/ディープラーニングの「数学」が学べるオススメ本
  8. AI/機械学習の認定資格ガイド(主要テクノロジー別)
  9. 機械学習/統計学/データサイエンスの無償gacco動画、全まとめ【2021年秋版】

人気連載まとめ読み! @IT eBook(2021/09/21)

  1. 普通のエンジニアでも分かるディープラーニング概説
  2. Pythonチートシート
  3. 普通のエンジニアが初めて動かすディープラーニング
  4. 作って試そう! ディープラーニング工作室
  5. 解決!Python:リスト(配列)編

AI・機械学習のクラウドサービス(2021/07/12)

  1. これから始める人のための最新Cognitive Services入門
  2. クラウド「AI」API入門:AWS/Cognitive Services/Google Cloud/IBM Watsonの比較

Google Colaboratory入門(2021/06/07)

  1. Lesson 1 ディープラーニングを始めるための、作業環境の特長と使い分け指針
  2. Google Colaboratory(Jupyter Notebook)の準備と、ノートブックの作成
  3. 「ディープラーニング作業環境の概要とGoogle Colaboratory(Jupyter Notebookのオンライン版)の使い方」まとめ
  4. Google Colaboratory(Jupyter Notebookのオンライン版)の使い方
  5. Google ColabユーザーのためのTipsトップ10
  6. Colab Proとは? 無料版との違い、比較表

AI・機械学習の数学入門(2021/05/17)

  1. AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ!
  2. [AI・機械学習の数学]文字式を使いこなせば一気にレベルアップ
  3. [AI・機械学習の数学]総和を表すΣは機械学習に必須の記号
  4. [AI・機械学習の数学]微分法の基本を身につけて「変化」を見極めよう
  5. [AI・機械学習の数学]微分法を応用して、回帰分析の基本を理解する
  6. [AI・機械学習の数学]偏微分の基本(意味と計算方法)を理解する
  7. [AI・機械学習の数学]偏微分を応用して、重回帰分析の基本を理解する
  8. [AI・機械学習の数学]番外編1 「0」の取り扱い
  9. [AI・機械学習の数学]合成関数の微分(連鎖律)とニューラルネットワーク初歩の初歩
  10. [AI・機械学習の数学]ベクトルの基本と類似度の計算
  11. [AI・機械学習の数学]行列の基本と、回帰/ニューラルネットワークでの表現
  12. [AI・機械学習の数学]確率の基本から条件付き確率までをおさらいしよう
  13. [AI・機械学習の数学]機械学習でよく使われる「ベイズの定理」を理解する
  14. [AI・機械学習の数学]確率分布の基本、ベルヌーイ分布、二項分布を理解する
  15. [AI・機械学習の数学]正規分布とベータ分布、確率分布とベイズ統計の関係を理解する
  16. [AI・機械学習の数学]番外編2 指数と対数(指数編)
  17. [AI・機械学習の数学]番外編3 指数と対数(対数編)

5分で分かるシリーズ(2021/04/26)

  1. 5分で分かる人工知能(AI)
  2. 5分で分かる機械学習(ML)
  3. 5分で分かるディープラーニング(DL)

作って試そう! ディープラーニング工作室(2021/04/09)

  1. 機械学習やディープラーニングってどんなもの?
  2. Hello Deep Learning:ニューラルネットワークの作成手順
  3. データセット、多次元配列、多クラス分類
  4. ニューラルネットワークの内部では何が行われている?
  5. ニューラルネットワークの学習でしていること
  6. 自分だけのLinearクラスを作ってみよう
  7. MNISTの手書き数字を全結合型ニューラルネットワークで処理してみよう
  8. CNNなんて怖くない! その基本を見てみよう
  9. CNNなんて怖くない! コードでその動作を確認しよう
  10. プログラムを関数にまとめて、実行結果をグラフにプロットしよう
  11. RNNに触れてみよう:サイン波の推測
  12. PyTorchのRNNクラスとRNNCellクラスを再発明しよう
  13. PyTorchでオートエンコーダーによる画像生成をしてみよう
  14. PyTorchでCIFAR-10を処理するオートエンコーダーを作ってみよう
  15. PyTorchで畳み込みオートエンコーダーを作ってみよう
  16. PyTorchからGPUを使って畳み込みオートエンコーダーの学習を高速化してみよう
  17. MNISTを使ってオートエンコーダーによる異常検知を試してみよう
  18. PyTorchで全結合型のGANを作ってみよう
  19. PyTorchでDCGANを作ってみよう
  20. PyTorchでCIFAR-10を基にDCGANで画像生成をしてみよう
  21. [文章生成]スクレイピングで青空文庫からデータを取得してみよう
  22. [文章生成]MeCabをインストールして分かち書きを試してみよう
  23. [文章生成]マルコフ連鎖で文を生成してみよう
  24. [文章生成]PyTorchのRNNクラスを使って文章生成を行う準備をしよう
  25. [文章生成]PyTorchのRNNクラスを使って文章を生成してみよう
  26. [文章生成]パープレキシティーとドロップアウトにより、よりよい文章生成を目指してみよう

TensorFlow 2+Keras(tf.keras)入門(2021/03/04)

  1. スタンドアロンKerasとtf.kerasの違いとは? 〜 #AskTensorFlow より〜
  2. 第1回 初めてのニューラルネットワーク実装、まずは準備をしよう ― 仕組み理解×初実装(前編)
  3. 第2回 ニューラルネットワーク最速入門 ― 仕組み理解×初実装(中編)
  4. 第3回 ディープラーニング最速入門 ― 仕組み理解×初実装(後編)
  5. 第4回 知ってる!? TensorFlow 2.0最新の書き方入門(初中級者向け)
  6. 第5回 お勧めの、TensorFlow 2.0最新の書き方入門(エキスパート向け)
  7. 第6回 カスタマイズするための、TensorFlow 2.0最新の書き方入門
  8. マルチバックエンドKerasの終焉、tf.kerasに一本化
  9. 第7回 回帰問題をディープラーニング(基本のDNN)で解こう
  10. 第8回 分類問題をディープラーニング(基本のDNN)で解こう
  11. 第9回 機械学習の評価関数(回帰/時系列予測用)を使いこなそう
  12. 第10回 機械学習の評価関数(二値分類用)の基礎を押さえよう
  13. 第11回 機械学習の評価関数(二値分類/多クラス分類用)を理解しよう

Kaggleイベントレポート(2021/02/01)

  1. Kaggle Grandmasterに聞く「トップデータサイエンティストの過去・現在・未来」 ― データサイエンティスト協会 6th シンポジウム
  2. 企業の“Kaggler枠”って実際どうなの? ― データサイエンティスト協会 7th シンポジウム

MLOpsイベントレポート(2021/01/27)

  1. 第1回勉強会:なぜ今MLOpsなのか、先駆者や実際の現場からMLOpsを学ぼう
  2. MLOps実践者たちのリアルなお悩の解決にコミュニティーがどう貢献できるか
  3. 第3回勉強会:異音検知プラットフォーム開発を通した機械学習プロダクト開発の体制と課題

AI・機械学習の業界動向(2020/12/28)

  1. 2020年の「AI/機械学習」界わいはこうなる! 10大予測
  2. 2021年の「AI/機械学習」はこうなる! 5大予測

AI・機械学習のツール&ライブラリ(2020/12/16)

  1. DataRobot概説: データサイエンティストでない人に、データサイエンティストっぽく働いてもらおう
  2. PyTorch vs. TensorFlow、ディープラーニングフレームワークはどっちを使うべきか問題
  3. Neural Network Console概説: GUIで直感的にディープラーニングしよう!
  4. PyTorch vs. TensorFlow、ディープラーニングフレームワークはどっちを使うべきか問題【2021年】

簡単に試せるAI・機械学習(2020/11/18)

  1. 画像認識の機械学習を、無料で誰でも簡単に作れる「Microsoft Lobe」

データサイエンスのイベントレポート(2020/10/22)

  1. 目指すべき今後の人工知能とは? パネルディスカッション ― データサイエンティスト協会 セミナー2018 第1回
  2. 企業から見たデータサイエンティストの採用と育成(パネルディスカッション)― データサイエンティスト協会 調査・研究委員会セミナー
  3. コロナ時代におけるデータサイエンティストの育成と、日常業務におけるメリット/デメリット

@IT/Deep Insiderの歩き方(2020/06/25)

  1. Python&AI・機械学習を無償の記事で学ぼう! @IT連載まとめ
  2. 「AI・機械学習の勉強を始めたい」「AIサービスを作りたい」人のための技術情報フォーラムです!

AI・機械学習の活用ガイド(2020/06/01)

  1. 各AI研究分野の立ち位置を示す「AIマップ」(人工知能学会の公開リソース)とは?

PyTorch入門(2020/02/20)

  1. 第1回 難しくない! PyTorchでニューラルネットワークの基本
  2. 第2回 PyTorchのテンソル&データ型のチートシート
  3. 第3回 PyTorchによるディープラーニング実装手順の基本

Pythonチートシート(2020/02/18)

  1. [Pythonチートシート]基本要素編
  2. [Pythonチートシート]関数定義編
  3. [Pythonチートシート]文字列/リスト/タプル/辞書/集合の操作編
  4. [Pythonチートシート]クラス定義編
  5. [Pythonチートシート]ファイル操作編
  6. [Pythonチートシート]モジュール/例外編
  7. [Pythonチートシート]特殊メソッド編

AWS DeepRacer入門(2020/01/16)

  1. 第1回 強化学習が楽しく学べる自律走行レーシングカー「AWS DeepRacer」とは?
  2. 第2回 AIの強化学習の基礎を学ぼう
  3. 第3回 強化学習を簡単に調整できるDeepRacerのコンソールとシミュレーター
  4. 第4回 手を動かして強化学習を体験してみよう(自動運転ロボットカーDeepRacer編)
  5. 第5回 DeepRacerリーグ勝者に聞く「どうすれば勝てますか?」

Python入門(2019/12/10)

  1. Pythonってどんな言語なの?
  2. Hello Python
  3. 数値と算術演算
  4. [Python入門]変数とは
  5. [Python入門]文字列の基本
  6. [Python入門]文字列の操作
  7. [Python入門]文字列の書式指定
  8. [Python入門]コメント
  9. [Python入門]if文による条件分岐
  10. [Python入門]for文による繰り返し処理
  11. [Python入門]while文による繰り返し処理
  12. [Python入門]関数の基本
  13. [Python入門]関数の引数
  14. [Python入門]関数のローカル変数とスコープ
  15. [Python入門]ローカル関数とラムダ式
  16. [Python入門]リストの基本
  17. [Python入門]リストの操作
  18. [Python入門]リストと繰り返し処理
  19. [Python入門]タプル
  20. [Python入門]辞書
  21. [Python入門]集合
  22. [Python入門]モジュールの使い方
  23. [Python入門]モジュールの作り方
  24. [Python入門]パッケージ
  25. [Python入門]Pythonのオブジェクトとは
  26. [Python入門]オブジェクトの同一性、比較、文字列表現
  27. [Python入門]Pythonの演算子まとめ
  28. [Python入門]クラスの基礎知識
  29. [Python入門]クラス変数/クラスメソッド/スタティックメソッド
  30. [Python入門]クラスを使ってスタックとキューを作成する
  31. [Python入門]クラスの継承
  32. [Python入門]リストを継承してスタックを作成する
  33. [Python入門]クラスのスコープとプライベートな属性
  34. [Python入門]多重継承
  35. [Python入門]多重継承とmixin
  36. [Python入門]例外と例外処理の基礎
  37. [Python入門]例外の送出と例外クラス
  38. [Python入門]ファイル操作の基本
  39. [Python入門]バイナリファイルの操作
  40. [Python入門]pickleモジュールによるオブジェクトの直列化
  41. [Python入門]shelveモジュールによるオブジェクトの永続化
  42. [Python入門]urllib.requestモジュールによるWebページの取得
  43. [Python入門]Beautiful Soup 4によるスクレイピングの基礎
  44. [Python入門]ディレクトリ操作の基本
  45. [Python入門]pathlib.Pathクラスによるパス操作
  46. [Python入門]shutilモジュールによる高水準ファイル操作
  47. [Python入門]ファイル操作と例外処理
  48. [Python入門]イテレータとは
  49. [Python入門]ジェネレータ関数とジェネレータイテレータの基礎
  50. [Python入門]ジェネレータの高度な話題
  51. [Python入門]デコレーターの基礎
  52. [Python入門]docstringの書き方
  53. [Python入門]PEP 8:Pythonコーディングスタイルガイド

AIと法律・知財・契約(2019/12/02)

  1. 生データ使い放題?! 「日本は機械学習パラダイス」になった ― DEEP LEARNING LAB 勉強会
  2. 個人情報を含むデータは、AI&機械学習に使えるのか?〜個人情報保護法〜 ― DLLAB勉強会

気になるニュース&ネット記事(2019/11/25)

  1. Swift For TensorFlowのオープンソース化など、GW前後の機械学習関連ニュースまとめ
  2. Microsoft Build 2018 vs. Google I/O 2018[機械学習視点]: FPGA vs. TPU、ML.NET vs. ML Kit
  3. Neural Network Console クラウド正式版など - 機械学習の必読情報
  4. 無償公開! AI関連のPDF『Future Computed』、I/O 2018 & Build 2018 のセッション動画
  5. de:code 2018、AI関連セッションの動画&資料の一覧
  6. 立教大学大学院、2020年4月新設の「人工知能科学研究科」の特設サイトをオープン
  7. BigQueryが無料で試せる「BigQueryサンドボックス」。毎月1TBの検索が可能
  8. Deep Learning Labの次回大規模イベント情報と、今後の方針・施策 〜2周年イベントより〜
  9. Python 2系終了のタイムリミット迫る。早く「3系」に切り替えよう
  10. 人気プログラミング言語の変遷、1965〜2019年(Python視点)

Pythonイベント(2019/09/27)

  1. Pythonが世界を席巻している理由:PyCon JP 2019 第1日目 基調講演レポート
  2. Pythonで切り開く新しい農業:PyCon JP 2019 第2日目 基調講演レポート
  3. 今がPython 2から移行するのにベストなタイミング:トークセッションレポート

イベントから学ぶ最新技術情報(2019/09/05)

  1. AIの音声/画像認識技術は人間レベルを超えた!? Microsoftによる最新AI技術。Japan Partner Conference 2017 Tokyo
  2. Chainer×Azureの関係とは? Preferred NetworksのCEO、西川氏が登壇。JPC 2017 Tokyo
  3. 機械学習の作業がはかどる新ツール「Workbench」とは? TensorFlowやAWSも使える。Microsoft Tech Summit 2017
  4. 「DEEP LEARNING LAB」勉強会の開催方針と、7割補助金が出るハンズオン講座
  5. GTC 2018におけるAI関連の発表内容、そこから見えるNVIDIAの方向性
  6. 深層学習にはどんなデータが使えるのか? どれくらいのデータ量が必要か? ― DLLAB コミュニティ勉強会 2018Q2
  7. MSやPFNのAI技術最新情報からPost Kまで ― DLLAB DAY 2018 基調講演レポート
  8. グーグルのAI技術、2018年9月最新情報 ― Google Cloud Next ’18 in Tokyo 基調講演レポート
  9. TensorFlow 2.0 α版で何が変わる? 新機能の概要 ― TensorFlow Dev Summit 2019
  10. AI・機械学習関連のマイクロソフト最新技術情報 〜de:code 2019の基調講演より〜
  11. グーグルのAI技術、2019年夏の最新情報 ― Google Cloud Next ’19 in Tokyo 基調講演2レポート

機械学習&ディープラーニング入門(Python編)(2019/08/31)

  1. ディープラーニングを始めるための、Python基礎文法入門
  2. Lesson 2 モジュール ― Python基礎文法入門
  3. Lesson 3 コメント ― Python基礎文法入門、APIリファレンスの使い方
  4. Lesson 4 変数、オブジェクト ― Python基礎文法入門
  5. Lesson 5 データ型(ブール/数値/文字列) ― Python基礎文法入門
  6. Lesson 6 データ型(リスト/タプル/辞書/各種オブジェクト) ― Python基礎文法入門
  7. Lesson 7 関数 ― Python基礎文法入門
  8. Lesson 8 関数の定義 ― Python基礎文法入門
  9. Lesson 9 条件分岐 ― Python基礎文法入門
  10. Lesson 10 ループ処理 ― Python基礎文法入門
  11. Lesson 11 クラス ― Python基礎文法入門
  12. Lesson 12 クラスの定義 ― Python基礎文法入門
  13. Lesson 13 旧バージョン2環境への対応、標準ライブラリ ― Python言語の文法(応用編)
  14. Lesson 14 if 条件式、and/or/not 論理演算子 ― Python言語の文法(応用編)
  15. Lesson 15 ラムダ式 ― Python言語の文法(応用編)
  16. Lesson 16 リスト内包表記 ― Python言語の文法(応用編)
  17. Lesson 17 例外 ― Python言語の文法(応用編)
  18. Lesson 18 「Python言語基礎文法」と「いくつかの応用文法」のまとめ

機械学習&ディープラーニング環境構築入門(2019/08/29)

  1. UbuntuでのGPUディープラーニング環境の構築【Ubuntu 16.04 LTS対応】
  2. UbuntuでのGPUディープラーニング環境の構築【Ubuntu 18.04 LTS対応】

機械学習の参考事例(2019/06/17)

  1. Deep Learningが医療向けVR/MRサービスでどう活用されたのか
  2. Deep LearningがECサイトの商品分類でどう活用されたのか

機械学習&ディープラーニング入門(データ構造編)(2019/02/08)

  1. Lesson 1 機械学習を始めるための、Pythonデータ構造「多次元リスト」入門
  2. Lesson 2 機械学習に欠かせない、NumPy入門と「多次元配列(ndarray)」
  3. Lesson 3 NumPyによる数学計算と、数学用語の「テンソル」
  4. Lesson 4 「AIのデータ構造となるNumPyの多次元配列と、数値計算」の基礎まとめ

機械学習&ディープラーニング入門(コンピューター概論編)(2018/12/18)

  1. Lesson 1 ディープラーニングを始めるための、プログラムの基礎
  2. Lesson 2 ディープラーニングを始めるための、コンピューターの基礎
  3. Lesson 3 ディープラーニングを始めるための、アプリケーションと開発の基礎
  4. Lesson 4 「プログラム、コンピューター、アプリケーションと開発」の基礎まとめ

ディープラーニング習得、次の一歩(2018/08/08)

  1. Kerasを用いたディープラーニング(LSTM)による株価予測
  2. 挑戦! word2vecで自然言語処理(Keras+TensorFlow使用)
  3. word2vecリターンズ! 品詞分類による精度改善
  4. ディープラーニングで自動筆記 − Kerasを用いた文書生成(前編)
  5. ディープラーニングで自動筆記 − Kerasを用いた文書生成(後編)

TensorFlow入門(2018/04/27)

  1. 第1回 TensorFlowとは? 入門連載始動! データフローグラフ、事例、学び方
  2. 第2回 TensorFlow環境の構築
  3. 第3回 TensorFlowの基本構成要素:「テンソル」と「セッション」
  4. 第4回 CNN(Convolutional Neural Network)を理解しよう(TensorFlow編)
  5. 第5回 画像認識を行う深層学習(CNN)を作成してみよう(TensorFlow編)
  6. 第6回 RNN(Recurrent Neural Network)の概要を理解しよう(TensorFlow編)
  7. 第7回 時系列データの予測を行う深層学習(RNN)を作成してみよう(TensorFlow編)
  8. 第8回 TensorBoardとは? スカラー値やデータフローグラフの可視化

機械学習&ディープラーニング入門(概要編)(2018/04/18)

  1. Lesson 1 AI・機械学習・ディープラーニングがしたい! そもそも何ができるの?
  2. Lesson 2 機械学習やディープラーニングには、どんな手法があるの?
  3. Lesson 3 機械学習&ディープラーニングの、基本的なワークフローを知ろう

Deep Insiderオピニオン:吉崎亮介(2017/11/27)

  1. 第1回 人工知能・機械学習・ディープラーニングとは? 基礎概念まとめ
  2. 第2回 機械学習に必要なスキルセット

OpenCV入門【3.0対応】(2017/09/12)

  1. 第1回 OpenCVとは? 最新3.0の新機能概要とモジュール構成
  2. 第2回 OpenCV 3.0の新機能(+ 次バージョンのロードマップ)
  3. 第3回 OpenCVの環境構築(OpenCV 3.0/3.1)
  4. 第4回 初めてのOpenCV開発 ― Visual Studio/CMake/NuGetでプロジェクト作成【OpenCV 3.0/3.1】
  5. 第5回 初めてのOpenCV開発 ― coreモジュール【OpenCV 3.1.0】
  6. 第6回 初めてのOpenCV開発 ― highgui/imgcodecs/videoioモジュール【OpenCV 3.1.0】
  7. 第7回 初めてのOpenCV開発 ― デバッグ機能およびデバッグ支援プラグイン【OpenCV 3.1.0】
  8. 第8回 初めてのOpenCV開発 ― CMakeを使ったOpenCVのカスタマイズ【OpenCV 3.1.0】
  9. 第9回 初めてのOpenCV開発 ― opencv_contrib紹介【OpenCV 3.1.0】

まだ知らないエンジニアのための人工知能/機械学習概説(2016/05/20)

  1. 第3次人工知能(AI)ブームにおける機械学習、そろそろ入門しよう!

RSSについて

アイティメディアIDについて

メールマガジン登録

@ITのメールマガジンは、 もちろん、すべて無料です。ぜひメールマガジンをご購読ください。