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 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 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 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 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 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 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…
Ⅱ.2 Defining intelligence: a formal synthesis これは、F. Chollet氏のThe Measure of Intelligenceの、27ページから43ページまで続く記事である。 5月4日：今日も学習継続！ この節の直前に、”four core knowledge systems" が示されている。 ＜勝手に解…
Building machines that learn and think like people B. M. Lake et al., CoRR 2016 The Measure of Intelligenceの引用文献[51] ヒトのように学び、考えるマシンに関する2016年の総説。 F. Schollet氏の論文では、次のように引用している。 We also argue,…
Stacked Capsule Autoencoders A. R. Kosiorek, S. Sabour, Y. W. Teh and G. E. Hinton, NIPS2019 先に、次の論文を理解しておきたい。 Transforming Auto-encoders G. E. Hinton, A. Krizhevsky and S. D. Wang, ICANN 2011 ＜雑談＞ 画像認識に対する驚き…
Generative Deep Learning by David Foster abstraction and reasoning challengeのようにレベルの高いコンペに太刀打ちできないのは明らかだ。最先端のレベルを超えて、新たなモデルを生み出すことが求められているのだから。それでもヒントを求めてさまよ…
Program Synthesis Program synthesis S Gulwani, O Polozov, R Singh - Foundations and Trends® in …, 2017 - nowpublishers.com 4月26日～修正・追記 ARCに挑戦！ あと1か月： The Measure of Intelligenceを読みながら進む。 ステップ00 taskは、1対のgr…
Abstraction and Reasoning Challenge グリッド解釈 グリッドの解釈方法を学ぶ。 といっても、頭の中でグリッドを動かしたり、ペンを持ってお絵描きするのとは違って、プログラムするというのは、簡単な作業ではない。 コンペのDiscussionで見かけた”Manual …
The Measure of Intelligence メモ Kaggleコンペにおいて頭に入れておくのがよさそうな部分を原文のまま（タイプミス満載かも）示す。 A hypothetical ARC solver may take the form of a program synthesis engine that uses the demonstration examples of…
Abstraction and Reasoning Challenge これは、F. Chollet氏が ”The Measure of Intelligence” で議論し提案している、”知能テスト：ARCデータセット”、を解くための ”AIシステム” を開発するKaggleのコンペです。 ARC（Abstraction and Reasoning Corpus）…
Transfer Learning ＊Hands-On Transfer Learning with Python : Implement advanced deep learning and neural network models using TensorFlow and Keras, D. Sarkar, R. Bali and T. Ghosh, 2018, Packt Pub., Chapter 1: Machine Learning Fundamentals…
gDeepfake Detection Challenge - 8 Identify videos with facial or voice manipulations ＜課題＞ ＊400の動画から、各10枚の静止画像を抽出し、fakeファイルとrealファイルに名前を付けて投げ込む。次に、この2種類の画像をCNNで分類できるかどうか、試し…
Deepfake Detection Challenge - 7 Identify videos with facial or voice manipulations ＊今日は、400の動画から、各10枚の静止画像を抽出し、fakeファイルとtrueファイルに名前を付けて投げ込む。 ・それがうまくいけば、次に、この2種類の画像をCNNで分…
Deepfake Detection Challenge - 6 Identify videos with facial or voice manipulations ＊今日は、400の動画から、各10枚の静止画像を抽出し、fakeファイルとtrueファイルに名前を付けて投げ込む。 ・それがうまくいけば、次に、この2種類の画像をCNNで分…
Deepfake Detection Challenge - 5 Identify videos with facial or voice manipulations ＊今日は、400の動画から、各10枚の静止画像を抽出し、fakeファイルとtrueファイルに名前を付けて投げ込む。 ・それがうまくいけば、次に、この2種類の画像をCNNで分…
Deepfake Detection Challenge - 4 Identify videos with facial or voice manipulations ＊本日の予定：ミニモデルを作り始めよう。 ＊スコアの計算ができるようにしよう。 ・jupyter notebookを立ち上げて、計算式をつくる。 ・自分で式をつくっていたが、…
Deepfake Detection Challenge - 3 Identify videos with facial or voice manipulations ＊本日の予定：方針を考えなおす。 ＊賞金総額$1,000,000、約1億1千万円とはすごいな。ノーベル賞級だな。 ・1位の賞金は$500,000、約5千5百万円だ。 ・ほんとかな、…
Deepfake Detection Challenge - 2 Identify videos with facial or voice manipulations ＊今日は、コンペのdiscussionやnotebookに学ぼうかなと思う。 ＊やっぱりすごい、情報の量と質が違う。一人ではとても調べられるものではない。 ・外部の情報源とし…
Deepfake Detection Challenge - 1 Identify videos with facial or voice manipulations ＊コンペに参加 ・コンペに参加する必須条件の１つは、規則を遵守することである。 ・そのためには、規則を正しく理解しなければならない。 ・今回は、データセットの…
Machine Learning without DNN - 2 ＊ニューラルネットを使わない機械学習の勉強をする。 ・テキストは、 A. Géron, Hands-On Machine Learning with Scikit-Learn & TensorFlow, March 2017: First Edition, O'Reilly ・論文は、 Comparison between XGBoos…
Machine Learning without DNN - 1 ＊今日は、ニューラルネットを使わない機械学習の勉強をする。 ・テキストは、A. Géron, Hands-On Machine Learning with Scikit-Learn & TensorFlow, March 2017: First Edition, O'Reilly ・昨年、第2版が出版されたが、…
Quantum-chemical insights from DTNN -6 ＊KaggleのテーマPredicting Molecular Propertiesと類似した内容であるが、Kaggleとは離れて、DTNNの本質に迫る。 ＊プログラムコードを学び、使えるようにする。（2月9日追記） ＊主要対象論文：K. T. Schütt et a…
Quantum-chemical insights from DTNN -5 ＊KaggleのテーマPredicting Molecular Propertiesと類似した内容であるが、Kaggleとは離れて、DTNNの本質に迫る。 ＊プログラムコードを学び、使えるようにする。（2月9日追記） ・主要対象論文：K. T. Schütt et a…
+Quantum-chemical insights from DTNN -4 ＊KaggleのテーマPredicting Molecular Propertiesと類似した内容であるが、Kaggleとは離れて、DTNNの本質に迫る。 ・対象論文：K. T. Schütt et al., Quantum-chemical insights from deep tensor neural networks…
Quantum-chemical insights from DTNN -3 ＊KaggleのテーマPredicting Molecular Propertiesと類似した内容であるが、Kaggleとは離れて、DTNNの本質に迫る。 ・対象論文：K. T. Schütt et al., Quantum-chemical insights from deep tensor neural networks,…
