AI／機械学習

→アルゴリズム、数学etc

→Python関連

一般 †

• 新井紀子教授はAIの専門家ではない 『AI vs. 教科書が読めない子どもたち』 2018.3
  • 『コンピュータはすべて数学で出来ている』という勘違い

• AWSがサポートする囲碁AIと棋士の挑戦 2020.2

• Google Colabの知っておくべき使い方 – Google Colaboratoryのメリット・デメリットや基本操作のまとめ 2018.3

• DeepLearning/機械学習を始めると必ずいるカス 2018.3

• 人類の進化はこれで終わりではない、AIの“推論”によってさらに加速する【SoftBank World 2019 基調講演レポート前編】 2019.7

• ヨーロッパはAI時代の競争においてなぜ絶望的なのか 2019.2
  • VCと起業家のエコシステムがない
  • アメリカの起業家のような革新性がなく、中国の起業家の粘り強さもない
  • 今の時代に必要なソフトウェアとAIの問題を解決するのに必要になる経験がない
  • コンシューマー・インターネット、ソーシャルメディア、モバイルのアプリケーションの３分野で大きく成功した企業を作ったことがない
  • 現在、参考にすべきなのは、アメリカであり中国であり、アメリカの場合は特にシリコンバレー

• 【保存版・初心者向け】僕が本気でオススメするPythonと機械学習の良書12選 2018.10

• [機械学習] 分類問題をサクッと30分程度で試したい人向け。 2018.9

• [Kaggle]0から本当に機械学習を理解するために学ぶべきこと〜一流のデータサイエンティストを例に〜 2018.7

• 結局、機械学習と統計学は何が違うのか？ 2018.5
  • 統計も機械学習もデータサイエンスへ貢献しているという点では変わりないのですが、ゴールが違い貢献の仕方も違います。手法や理論は重なる部分があるかもしれませんが、その目的はまったく違います。ですので、機械学習を「応用統計」と呼ぶのは誤解の元ですし、二つのそれぞれの分野に対しての侮辱です。

• 【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 2018.5

• 勾配法は本当に鞍点近傍にはまるのか？モース理論で考えてみる 2018.2

• 脳科学者とITエンジニアの、DLや汎用人工知能に関する会話 2018.1.8

• 「人工知能が仕事を奪う」に怯えている人たちが、今絶対にすべきこと 2017.29
  • 「人工知能が人の仕事を奪う」どころか、「人工知能は世話がやける」こそが真実
  • そのため新しい人間の仕事が生まれる。そのために関連のリテラシーを身につけること
  • 世話ができるのは、世話をする相手のことを知っている人だけ。専門的な人的投資・研修なくしては、到底キャッチアップできないものです。今までのビジネス経験を応用してなんとかなるようなレベルではない
  • 日本企業は、アメリカ・イギリス・ドイツ・フランスのわずか1/3程度しか費用をかけていません
  • 幸い、過去の技術革新の時と比べて、私達の時代は学習しようとする人たちに有利

• ブルゾンちえみ判別器をブラウザ上に実装する 2017.12.10

• 「人工知能でいい感じの成果を出してくれ」という偉い人の脳内はどうなっているのか 2017.10.22

• 機械学習エンジニアのスキル要件をレベル別に整理 2017.8.18

• 機械学習の論文を読んでみたいけど難しそう、という時に見るサイト 2017.8.1
  • http://arxivtimes.herokuapp.com/

• Facets: 機械学習トレーニング データ用のオープンソース視覚化ツール 2017.8.1

• ラジオ伊集院光「深夜の馬鹿力」をIBM Watson Speech to Textでテキスト化してみた 2017.7.19

• 【備忘録】Python、機械学習・深層学習を始めるにあたって【リンク集】 2017.7.19

• 人工知能、機械学習、ディープラーニングを昔の自分でもすぐに理解できるように整理してみた 2017.5.18

• Viv 2016.5.9
  • Viv is an artificial intelligence platform that enables developers to distribute their products through an intelligent, conversational interface. It’s the simplest way for the world to interact with devices, services and things everywhere.

• AlphaGoのしくみ 2016.5.4

• Watson Services 2016.2

ニュラルネット、ディープラーニング †

• 非エンジニアから「CNNって何よ」って聞かれたら、とりあえずこう説明したらいいんでない？という話 2019.9

• 畳み込みニューラルネットワークは何を見ているか 2019.8

• DL4US コンテンツ公開ページ 2019.5

• 雑記： 交差エントロピーって何 2017.5

• 【深層強化学習】『2018年最強手法(?)』Ape-X 実装・解説 2018.6.22

• ゼロからDeepまで学ぶ強化学習 2017.6

• ディープラーニングを実装から学ぶ〜 (まとめ１）実装は、実は簡単 2018.3

• ディープラーニングに入門するためのリソース集と学習法（2018年版） 2018.3.5

• 今更聞けないディープラーニングの話【ユニット・層・正則化・ドロップアウト】 2018.1

• 深層学習の今のところの限界　何ができて　何ができないか 2018.1.8
  • クローズエンドな問題には最強だが、オープンエンドな問題には対応できない。

• 畳み込みニューラルネットワークの最新研究動向 (〜2017) 2017.12.27

• scikit-learnの便利機能のまとめ 2017.12.17

• 府大生が趣味ではなくニューラルネットワークの認識精度世界一を奪還してしまった論文を読んだ 2017.10.23

• Neural Network Console
  • Sony制の機械学習ツール
  • ディープラーニング未経験だけどNeuralNetworkConsole入れてみた 2017.8.19

• Labellio
  • ディープラーニングの技術で簡単に画像認識モデルを作成

• ゼロから作る Deep Learning 勉強メモ

• ゼロから作るDeep Learning のサンプルソース

• 2015年に大ブレイクした「Deep Learning」「ニューラルネットワーク」を開発現場視点で解説した無料の電子書籍 2016.1.29

• 「エンジニアは今すぐディープラーニングを学べ」松尾豊氏が見据える、日本がシリコンバレーを追い越す日 2015.7.8

• ディープラーニングとは何なのか？そのイメージをつかんでみる 2015.7.21
  • 分類させたいデータについて、どのようなパラメータで学習すれば精度が良くなるのかコンピュータ自身が最適化することを可能にした

• ニューラルネットの逆襲 2012.11.3
  • ニューラルネットの逆襲から５年後 2017.11

• http://www.deeplearningbook.org/ 2017.6.14

TensorFlow †

• https://github.com/deepmind/trfl
  • TRFL (pronounced "truffle") is a library built on top of TensorFlow that exposes several useful building blocks for implementing Reinforcement Learning agents.

• tensorflow 2.0 の紹介（日本語訳） 2018.10

• Swift For TensorFlow がオープンソースで公開

• http://tensorflow.org/
  • Googleの人工知能支援ツールがオープンソース化

• 入門者向け解説】TensorFlowの基本構文とコンセプト 2017.6.26

• TensorFlowのMNISTチュートリアルを画像入力に対応させた 2017.5.2

• 畳み込み処理入門(TensorFlowで説明) 2017.7.17

• TensorFlowを投資につかうまで 衝撃のサンプル編 2017.8.30

その他のフレームワーク †

• http://scikit-learn.org/stable/

• https://chainer.org/
  • ディープラーニング入門 Chainer チュートリアル 2019.4

• http://caffe.berkeleyvision.org/