AI_ML_DL’s diary

人工知能、機械学習、ディープラーニングの日記

Kggle散歩(October 2020)

Kggle散歩(October 2020) 10月は、OpenVaccine(10/5:訂正10/6)とOSIC(10/6)とRSNA(10/26)が締め切りを迎える。 これらのコンペの中からメダルを1個獲得できれば、2個目となり、Expertにランクアップされる。 しかし、どのコンペも難しい。 OpenVaccine:…

Kaggle散歩(September 2020)

9月のKaggle散歩 9月1日 8月17日にSIIM-ISIC・・・が終わり、翌日から、OSIC・・・に取り組んでいる。 これまでは、一定の期間に1つのコンペを選んで取り組んできたが、結果が出ずに、リーダーボードに載ることなく終わったものが多い。リーダーボードに載る…

OSIC Pulmonary Fibrosis Progression

OSIC Pulmonary Fibrosis Progression Predict lung function decline 今日から、このコンペに挑戦しよう! 目的:予測モデルを1から作れるようになるためのコードの学習。 手段:お手本モデルから、徹底的に学ぶ。 方法:プログラムのすべての行に、初心者…

SIIM-ISIC Melanoma Classification

SIIM-ISIC Melanoma Classification 2020年5月28日~8月17日 1st place $10,000.- 7月23日:あと26日 このコンペの目標は、正確な医療診断技術を習得し、1位を獲得することである。 その手段は、目標となる公開ノートを探し出し、それを理解し、ファインチュ…

PANDA Challenge

PANDA Challenge 6月30日参戦:4月22日開始、最終日は、7月22日 目標順位:1位 : $12,000 目標スコア:0.985 予定: 課題の把握 結果: Data Descriptionは、精読すべきである。 TReNDSのコンペでは、データの説明欄に免責事項が書かれていて、その内容は、…

TReNDS Neuroimaging

TReNDS Neuroimaging 2020年6月14日から参戦 最終提出締切:2020年6月29日 目標:メダル獲得 6月14日:1日目 概要: データのダウンロード:164GB 文献1:B. Rashid and V. Calhoun, Towards a brain-based predictome of mental illness 文献2:Y. Du et al…

Protein structure prediction using multiple deep neural networks in the 13th Critical Assessment of Protein Structure Prediction (CASP13)

Protein structure prediction using multiple deep neural networks in the 13th Critical Assessment of Protein Structure Prediction (CASP13) Andrew W. Senior1 | Richard Evans1 | John Jumper1 | James Kirkpatrick1 |Laurent Sifre1 | Tim Green1 |…

パウリの相対性理論

W.パウリ 相対性理論 内山龍雄 訳 昭和49年10月28日 第1刷発行 講談社 本棚に眠っていた本を取り出してみた。 たぶん、読んで理解できるのは、序文とか、歴史的背景のような読み物のところだけだろうと思うが、今日1日、つまみ食いしてみよう。 W. Pauliが2…

The frontier of simulation-based inference

The frontier of simulation-based inference Kyle Cranmer, Johann Brehmer, and Gilles Louppe www.pnas.org/cgi/doi/10.1073/pnas.1912789117 Many domains of science have developed complex simulations to describe phenomena of interest. While the…

ARC コンペのコードに学ぶ

KaggleのARCコンペ第3位、Ilia Larchwnko氏の手法に学ぶ 目的は、Domein Specific Languageにより、課題を解くことができるようにすること。 ARCコンペの7位以内で、かつ、GitHubで公開しているものの中から選んだ。 Ilia氏は、2名で参加していて、最終結果…

Chapter 19 Training and Deploying TensorFlow Models at Scale

Chapter 19 Training and Deploying TensorFlow Models at Scale Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron Chapter 2は、KaggleのTitanicと並行して勉強していたので、何をどこまで学んだか忘れてしまった…

Chapter 18 Reinforcement Learning

Chapter 18 Reinforcement Learning Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron Reinforcement Learning (RL) is one of the most exciting fields of Machine Learning today, and also one of the oldeat.…

Chapter 17 Representation Learning and Generative Learning Using Autoencoders and GANs

Chapter 17 Representation Learning and Generative Learning Using Autoencoders and GANs Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron Autoencoders are artificial neural networks capable of learning …

Chapter 16 Natural Language Processing with RNNs and Attention

Chapter 16 Natural Langage Processing with RNNs and Attention Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron style=137 iteration=1 style=137 iteration=20 style=137 iteration=500

Chapter 15 Processing Sequences Using RNNs and CNNs

Chapter 15 Processing Sequences Using RNNs and CNNs Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron RNNs are not the only types of neural networks capable of handling sequential data: for small seque…

Chapter 14 Deep Computer Vision Using Convolutional Neural Network

Chapter 14 Deep Computer Vision Using Convolutional Neural Network Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron In this Chapter we will explore where CNNs came from, what their building blocks loo…

Chapter 13 Loading and Preprocessing Data with TensorFlow

Chapter 13 Loading and Preprocessing Data with TensorFlow Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron So far we have used only datasets that fit in memory, but Deep Learning systema are often tra…

Chapter 12 Custom Models and Training with TensorFlow

Chapter 12 Custom Models and Training with TensorFlow Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron Up until now, we've used only TensorFlow's high-level API, tf.keras, but it already got us pretty…

Chapter 11 Training Deep Neural Networks

Chapter 11 Training Deep Neural Networks Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron In Chapter 10 we introduced artificial neural networks and trained our first deep neural networks. But they we…

Chapter 10 Introduction to Artificial Neural Networks with Keras

Chapter 10 Introduction to Artificial Neural Networks with Keras Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron From Biological to Artificial Neurons Biological Neurons Logical Computations with Neu…

Chapter 9 Unsupervised Learning Techniques

Chapter 9 Unsupervised Learning Techniques Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron Although most of the applications of Machine Learning today are based on supervised learning (and as a resul…

Chapter 8 Dimensionality Reduction

Chapter 8 Dimensionality Reduction Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron Many Machine Learning problems involve thousands or even millions of features for each training instance. Not only d…

Chapter 7 Ensemble Learning and Random Forests

Chapter 7 Ensemble Learning and Random Forests Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron Suppose you pose a complex question to thousands of random people, then aggregate their answers. In many…

Chapter 6 Decision Trees

Chapter 6 Decision Trees Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron Like SVMs Decision Trees are versatile Machine Learning algorithms that can perform both classification and regression tasks, …

Chapter 5 Support Vector Machines

Chapter 5 Support Vector Machines Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron A Support Vector Machine (SVM) is a powerful and versatile Machine Learning model, capable of performing linear or no…

Chapter 4 Training Models

Chapter 4 Training Models Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron 2章、3章で、housingデータを使ったregressionと、MNISTデータを使ったclassifierを学んで、いろいろなモデルやテクニックを実際に使…

Chapter 3 Classification

Chapter 3 Classification Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow 2nd Edition by A. Geron MNIST MNISTの説明:手書き数字のデータベースで、機械学習の"hello world"である。 Scikit-Learnからダウンロードできる。 from sklea…

Titanic: Machine Learning from Disaster - 2

Titanic: Machine Learning from Disaster - 2 A. Geronさんのテキスト第2章の勉強の成果を試そう! 意気込んでとりかかったのはよいが、いきなり、つまづいた。 A. Geronさんのテキストで学んだhousingは、住宅価格を予測するということで、回帰問題、regre…

Titanic: Machine Learning from Disaster

Titanic: Machine Learning from Disaster Kaggleを、一からやりなおそう! やりなおす理由: 1.地固めせずにいろいろ手を出し、背伸びしすぎて、現在地がわからなくなった。 2.コンペに参加しても、結果を提出できるところまでたどり着けない。 3.pan…

Deep Learning with Python 9.2 The limitations of deep learning

Deep Learning with Python 9.2 The limitations of deep learning F. Chollet氏の"The Measure of Intelligence"は、非常に難しい。 F. Chollet氏のテキスト、"Deep Learning with Python"の9章が、"The Measure of Intelligence"の序章になっているように…