#author("2024-05-09T14:48:25+09:00","default:irrp","irrp")
#author("2024-05-27T09:31:12+09:00","default:irrp","irrp")
→AI/機械学習

→数学(統計学)

#contents


*一般 [#f07b5a18]
-[[Python: LightGBM を使ってみる - CUBE SUGAR CONTAINER>https://blog.amedama.jp/entry/2018/05/01/081842#google_vignette]] 2024.5

-[[ランダムフォレストをスクラッチで実装したい #Python - Qiita>https://qiita.com/roki18d/items/1c5633beb80a5c2d58e7]] 2024.5

-[[機械学習って何から勉強すればいいの?という人向け必読の4冊 - Qiita>https://qiita.com/ken1041/items/d10bf1d35227f4031d89]] 2022.12

-[[ロジスティック回帰を解釈する - TECHSCORE BLOG>https://blog.techscore.com/entry/2023/04/10/080000]] 2023.4
-[[ロジスティック回帰をscikit-learnを使わずでゼロから実装する(Python)|es|note>https://note.com/strictlyes/n/n7830315e8140]] 2022.12

-[[KNNアルゴリズム(K-近傍法)をscikit-learnを使わず5行で実装する。(Python)|es|note>https://note.com/strictlyes/n/n46120331689a]] 2022.12

-[[世界一わかりやすい機械学習プログラミングチュートリアル - Qiita>https://qiita.com/nuco_fn/items/75272b5f4a3c27da132a]] 2022.12

-[[深層学習だけではない、業務の現場で「使える」AIアルゴリズムとは | 日経クロステック(xTECH)>https://xtech.nikkei.com/atcl/nxt/column/18/02200/091600001/]] 2022.9
--k-means
--主成分分析
--潜在クラス分析

-[[たった2行で機械学習手法を選定! - Qiita>https://qiita.com/shimokame777/items/b874c0f91205da11c42a]] 2022.9
--Lazypredict

-[[機械学習プロジェクトの最上流工程での「機械学習の価値を計算する」方法について解説動画を公開しました!【ML Enablement Series Light#3】 | Amazon Web Services ブログ>https://aws.amazon.com/jp/blogs/news/ml-enablement-series-light3/]] 2022.7

-[[機械学習入門:動かして学ぶ、機械学習のキソ - Qiita>https://qiita.com/ksonoda/items/fed7b6d5cd839c9e8220]] 2022.5

-[[機械学習で精度が出ない時にやることまとめ - Qiita>https://qiita.com/junichiro/items/7e2842c7afba2407c49b]] 2022.4

-[[科学的に人間の性格を把握するツール 「Personality Insights」の紹介 - Qiita>https://qiita.com/makaishi2/items/384554cc29214e4eaf65]] 2022.4
--Watson API

-[[BigQuery MLの使い方をまとめてみた | DevelopersIO>https://dev.classmethod.jp/articles/bigquery-ml-overview-2022-03/]] 2022.3
--Google Cloud, Google BigQuery
--SQLの記述のみで機械学習が行えるBigQuery ML(以下BQML)

-[[ Pythonによる決定境界表示 - Qiita>https://qiita.com/makaishi2/items/2d0dd015ac1cbd86dd3f]] 2022.2

-[[機械学習の主要アルゴリズムを事例から学べるレシピ紹介 - Qiita>https://qiita.com/Axross_SBiv/items/9d8ff3f6dea4f1e241a5]] 2022.2

-[[画像の機械学習が劣化する理由 - Qiita>https://qiita.com/nonbiri15/items/2bd2320d8268321c331d]] 2022.1

-[[データ無しからの機械学習:どのように機械学習のポートフォリオを作るか - パロアルトインサイト/PALO ALTO INSIGHT, LLC.>https://www.paloaltoinsight.com/2019/07/09/cold-start-ml-portfolio-japanese/]] 2022.1

-[[機械学習をやる上で必要な数学とは、どの分野のどのレベルの話なのか(数学が大の苦手な人間バージョン) - 渋谷駅前で働くデータサイエンティストのブログ>https://tjo.hatenablog.com/entry/2018/04/24/190000]] 2021.12

-[[Pyroで実践するベイズ機械学習 | Pyroで実践するベイズ機械学習>https://pyro-book.data-hacker.net/]] 2021

-[[GitHub - icoxfog417/mlnote-note: 機械学習帳を学ぶノート>https://github.com/icoxfog417/mlnote-note]] 2022
-[[機械学習帳>https://chokkan.github.io/mlnote/]] 2021.12
--機械学習帳は、機械学習を学ぶためのノート(帳)を、デジタル(機械)による新しいカタチの学習帳として実現することを目指しています。

-[[機械学習の評価に便利なROC曲線の描画ライブラリを作ってみた - Qiita>https://qiita.com/c60evaporator/items/401806703543689936ec]] 2021.11

-[[【完全版】機械学習の手法15選!選択方法を詳しく解説 | TRYETING Inc.(トライエッティング)>https://www.tryeting.jp/column/1028/]] 2021.2

-[[【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>https://qiita.com/tani_AI_Academy/items/625915dc034a6993d521]] 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。>https://qiita.com/hikaru_/items/3d64af35769235471d9c]] 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〜>https://qiita.com/zenonnp/items/9cbb2860505a32059d89]] 2018.7

-[[機械学習エンジニアのスキル要件をレベル別に整理>http://qiita.com/shu_marubo/items/70db88c17acd86ba5fd2]] 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>http://qiita.com/icoxfog417/items/b85f1191a22e7ced8839]] 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 >https://developers-jp.googleblog.com/2017/08/facets-open-source-visualization-tool.html]] 2017.8.1

-[[【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】>http://qiita.com/Kuma_T/items/7b3e11ebea69743d4f88]] 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>http://qiita.com/toshimitsu-miyachi/items/06bd47d5196698318dd0]] 2017.5.18


*ED法 [#pc54c886]
-[[金子勇さんのED法の解説と弱点、行列積を使用した効率的な実装 #Python - Qiita>https://qiita.com/Cartelet/items/a18e32348adc0c689db4]] 2024.4

-[[ED法でmnistを学習する(BCELoss) #Rust - Qiita>https://qiita.com/malt03/items/ad8eae77c46496e304c2]] 2024.4

-[[ED法を高速化してその性能をMNISTで検証してみた #Python - Qiita>https://qiita.com/pocokhc/items/f4387c099a28a69df918]] 2024.4

-[[金子勇さんのED法の解説と弱点、行列積を使用した効率的な実装 #Python - Qiita>https://qiita.com/Cartelet/items/a18e32348adc0c689db4]] 2024.4
-[[金子勇さんのED法のシンプルな解説を試みた #Python - Qiita>https://qiita.com/deep_samurai/items/dc261d8133eb85f50a97]] 2024.4
-[[Winnyの金子さんのED法について | やねうら王 公式サイト>https://yaneuraou.yaneu.com/2024/04/21/mr-isamu-kanekos-ed-method/]] 2024.4
-[[金子勇さんのED法を実装してMNISTを学習させてみた #Python - Qiita>https://qiita.com/pocokhc/items/f7ab56051bb936740b8f]] 2024.4



* Amazon Forecast [#o84e1b5b]
-[[Amazon Forecastに再入門してSDKを使って時系列予測 | DevelopersIO>https://dev.classmethod.jp/articles/amazon-forecast-reintroduction-with-sdk/]] 2023.2
-[[Amazon Forecastに再入門して時系列予測 | DevelopersIO>https://dev.classmethod.jp/articles/amazon-forecast-reintroduction/]] 2023.2
-[[Amazon Forecastの概要を20分でザックリ学べるハンズオンを紹介します | DevelopersIO>https://dev.classmethod.jp/articles/aws-amazon-forecast-handson/]] 2022.12
--Amazon Forecastは時系列の数字を予測するサービスです。
--例えば、Amazon Forecastでは過去のデータを基に「1日の商品売り上げ」や「来客数」などの予測を立ててくれます。
--[[Amazon Forecastでお手軽に時系列予測 | DevelopersIO>https://dev.classmethod.jp/articles/amazon-forecast-getting-start/]] 2019


* サポートベクターマシン、SVM [#sfdeea4e]
-[[サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会 | PPT>https://www.slideshare.net/ssuser186f56/svm-146231602]] 2019

-[[サポートベクターマシンを図でやさしく理解する(理論+実装)【機械学習入門34】>https://datawokagaku.com/svm/]] 2022.6
-[[SVMは復権し得るか? - 渋谷駅前で働くデータサイエンティストのブログ>https://tjo.hatenablog.com/entry/2022/05/20/130638]] 2022.5
-[[量子サポートベクターマシンによる2値分類(理論) - Qiita>https://qiita.com/hiro949/items/8528983d13d88ac1a8e8]] 2022.4

トップ   編集 差分 履歴 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS