Enviar búsqueda
Cargar
DB Pressの記事への補足
•
1 recomendación
•
2,314 vistas
N
nishio
Seguir
Denunciar
Compartir
Denunciar
Compartir
1 de 10
Descargar ahora
Descargar para leer sin conexión
Recomendados
クリーンランゲージについて
クリーンランゲージについて
クリーンランゲージについて
nishio
クリーンランゲージについて その2
クリーンランゲージについて その2
クリーンランゲージについて その2
nishio
兼 「未踏IoT開発合宿 #1」参加報告
I2CでRaspberry Piから複数の周辺機器を制御する
I2CでRaspberry Piから複数の周辺機器を制御する
Hirokazu Nishio
モデルが修正されるサイクル
モデルが修正されるサイクル
モデルが修正されるサイクル
nishio
アナリティクス アソシエーション 特別セミナー 改善活動を継続する鍵は何だろう?~グロースハックに学ぶビジネス改善~ http://a2i.jp/activity/seminar-activity-2/18670/
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
Tokoroten Nakayama
量子アニーリングマシン(イジングマシン)の入力であるイジングモデルの設計方法について
量子アニーリングマシンのプログラミング
量子アニーリングマシンのプログラミング
nishio
2017年夏のプロシンの幹事体験談です
夏プロ報告
夏プロ報告
nishio
東工大MOT特別セミナーで講演したスライドです
ITと経営
ITと経営
nishio
Recomendados
クリーンランゲージについて
クリーンランゲージについて
クリーンランゲージについて
nishio
クリーンランゲージについて その2
クリーンランゲージについて その2
クリーンランゲージについて その2
nishio
兼 「未踏IoT開発合宿 #1」参加報告
I2CでRaspberry Piから複数の周辺機器を制御する
I2CでRaspberry Piから複数の周辺機器を制御する
Hirokazu Nishio
モデルが修正されるサイクル
モデルが修正されるサイクル
モデルが修正されるサイクル
nishio
アナリティクス アソシエーション 特別セミナー 改善活動を継続する鍵は何だろう?~グロースハックに学ぶビジネス改善~ http://a2i.jp/activity/seminar-activity-2/18670/
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
スマホマーケットの概要と、マーケティングの失敗例と改善 (アナリティクス アソシエーション 特別セミナー)
Tokoroten Nakayama
量子アニーリングマシン(イジングマシン)の入力であるイジングモデルの設計方法について
量子アニーリングマシンのプログラミング
量子アニーリングマシンのプログラミング
nishio
2017年夏のプロシンの幹事体験談です
夏プロ報告
夏プロ報告
nishio
東工大MOT特別セミナーで講演したスライドです
ITと経営
ITと経営
nishio
POMCPを用いたガイスターAIの実装
部分観測モンテカルロ計画法を用いたガイスターAI
部分観測モンテカルロ計画法を用いたガイスターAI
nishio
交渉力についての雑な解説
交渉力について
交渉力について
nishio
機械学習とif文が地続きであることを解説しました。 ver.2 質問への回答を追加し、顧客価値の小問に図を追加してわかりやすくかみ砕きました。
If文から機械学習への道
If文から機械学習への道
nishio
第1回 田辺研究会での発表資料
組織横断型研究室構想
組織横断型研究室構想
nishio
2017の首都大学東京情報通信特別講義の講義資料
2017首都大学東京情報通信特別講義
2017首都大学東京情報通信特別講義
nishio
モンテカルロ計画法
強化学習その5
強化学習その5
nishio
未踏ジュニアキャンプ2017のメンタープレゼンで話したスライドです
良いアイデアを出すための方法
良いアイデアを出すための方法
nishio
部分観測マルコフ決定過程
強化学習その4
強化学習その4
nishio
関連スライド一覧 https://github.com/nishio/reinforcement_learning
強化学習その3
強化学習その3
nishio
社内勉強会での講演資料
強化学習その2
強化学習その2
nishio
社内勉強会での講演資料
強化学習その1
強化学習その1
nishio
機械学習に関して「線形な学習機より非線形な学習機の方がよい」という誤解が根強い。 モデルの表現力は確かに非線形版の方が高い。が、トレードオフとして必要なデータ量も多い。 実際に少ないデータ量で非線形版を使うと何が起こるのか回帰を題材に実験して確認する。
線形?非線形?
線形?非線形?
nishio
「機械学習や人工知能で解決できないか」という相談を しばしば受ける。特にエンジニアではない人に経営学の言葉で 説明する時に、手持ちの道具では不足を感じる。 「ビジネスモデル」という漠然としたものの設計をわかりやすく するために「リーンキャンバス」というフレームワークが生まれ たみたいに「機械学習・人工知能」 に対してもキャンバスがあれ ばいいのではないか?そこでver. 0.1を作ってみた。
機械学習キャンバス0.1
機械学習キャンバス0.1
nishio
2016年首都大学東京「情報通信特別講義」で行なった講義の資料です。
首都大学東京「情報通信特別講義」2016年西尾担当分
首都大学東京「情報通信特別講義」2016年西尾担当分
nishio
モメンタム、Nesterov accelerated gradientとAdagrad, Adadelta, Adamについて解説しました。
勾配降下法の最適化アルゴリズム
勾配降下法の最適化アルゴリズム
nishio
社内勉強会(話スシ)で話した資料
Wifiで位置推定
Wifiで位置推定
nishio
ESP8266EXで位置推定
ESP8266EXで位置推定
ESP8266EXで位置推定
nishio
Raspberry PiをWifiアクセスポイントにする。 DHCPサーバもRaspberry Pi上で動かす。 そしてそのネットワークへのアクセスを、既存のWifiにルーティングする。 その手順を一歩一歩確認しながらやることでネットワークの知識を深める。
Raspberry PiでWifiルータを作る
Raspberry PiでWifiルータを作る
nishio
Raspberry Piを使えばWifi接続も簡単だがなにぶんサイズや電力消費が大きいのでもっとコンパクトなデバイスを使いたい。 そういうニーズでよく使われているデバイス(ESP-WROOM-02とか)について、用語の整理をしつつ解説する。
Wifiにつながるデバイス(ESP8266EX, ESP-WROOM-02, ESPr Developerなど)
Wifiにつながるデバイス(ESP8266EX, ESP-WROOM-02, ESPr Developerなど)
nishio
未踏ブースト会議2016にて
「ネットワークを作る」ってどういうこと?
「ネットワークを作る」ってどういうこと?
nishio
Más contenido relacionado
Más de nishio
POMCPを用いたガイスターAIの実装
部分観測モンテカルロ計画法を用いたガイスターAI
部分観測モンテカルロ計画法を用いたガイスターAI
nishio
交渉力についての雑な解説
交渉力について
交渉力について
nishio
機械学習とif文が地続きであることを解説しました。 ver.2 質問への回答を追加し、顧客価値の小問に図を追加してわかりやすくかみ砕きました。
If文から機械学習への道
If文から機械学習への道
nishio
第1回 田辺研究会での発表資料
組織横断型研究室構想
組織横断型研究室構想
nishio
2017の首都大学東京情報通信特別講義の講義資料
2017首都大学東京情報通信特別講義
2017首都大学東京情報通信特別講義
nishio
モンテカルロ計画法
強化学習その5
強化学習その5
nishio
未踏ジュニアキャンプ2017のメンタープレゼンで話したスライドです
良いアイデアを出すための方法
良いアイデアを出すための方法
nishio
部分観測マルコフ決定過程
強化学習その4
強化学習その4
nishio
関連スライド一覧 https://github.com/nishio/reinforcement_learning
強化学習その3
強化学習その3
nishio
社内勉強会での講演資料
強化学習その2
強化学習その2
nishio
社内勉強会での講演資料
強化学習その1
強化学習その1
nishio
機械学習に関して「線形な学習機より非線形な学習機の方がよい」という誤解が根強い。 モデルの表現力は確かに非線形版の方が高い。が、トレードオフとして必要なデータ量も多い。 実際に少ないデータ量で非線形版を使うと何が起こるのか回帰を題材に実験して確認する。
線形?非線形?
線形?非線形?
nishio
「機械学習や人工知能で解決できないか」という相談を しばしば受ける。特にエンジニアではない人に経営学の言葉で 説明する時に、手持ちの道具では不足を感じる。 「ビジネスモデル」という漠然としたものの設計をわかりやすく するために「リーンキャンバス」というフレームワークが生まれ たみたいに「機械学習・人工知能」 に対してもキャンバスがあれ ばいいのではないか?そこでver. 0.1を作ってみた。
機械学習キャンバス0.1
機械学習キャンバス0.1
nishio
2016年首都大学東京「情報通信特別講義」で行なった講義の資料です。
首都大学東京「情報通信特別講義」2016年西尾担当分
首都大学東京「情報通信特別講義」2016年西尾担当分
nishio
モメンタム、Nesterov accelerated gradientとAdagrad, Adadelta, Adamについて解説しました。
勾配降下法の最適化アルゴリズム
勾配降下法の最適化アルゴリズム
nishio
社内勉強会(話スシ)で話した資料
Wifiで位置推定
Wifiで位置推定
nishio
ESP8266EXで位置推定
ESP8266EXで位置推定
ESP8266EXで位置推定
nishio
Raspberry PiをWifiアクセスポイントにする。 DHCPサーバもRaspberry Pi上で動かす。 そしてそのネットワークへのアクセスを、既存のWifiにルーティングする。 その手順を一歩一歩確認しながらやることでネットワークの知識を深める。
Raspberry PiでWifiルータを作る
Raspberry PiでWifiルータを作る
nishio
Raspberry Piを使えばWifi接続も簡単だがなにぶんサイズや電力消費が大きいのでもっとコンパクトなデバイスを使いたい。 そういうニーズでよく使われているデバイス(ESP-WROOM-02とか)について、用語の整理をしつつ解説する。
Wifiにつながるデバイス(ESP8266EX, ESP-WROOM-02, ESPr Developerなど)
Wifiにつながるデバイス(ESP8266EX, ESP-WROOM-02, ESPr Developerなど)
nishio
未踏ブースト会議2016にて
「ネットワークを作る」ってどういうこと?
「ネットワークを作る」ってどういうこと?
nishio
Más de nishio
(20)
部分観測モンテカルロ計画法を用いたガイスターAI
部分観測モンテカルロ計画法を用いたガイスターAI
交渉力について
交渉力について
If文から機械学習への道
If文から機械学習への道
組織横断型研究室構想
組織横断型研究室構想
2017首都大学東京情報通信特別講義
2017首都大学東京情報通信特別講義
強化学習その5
強化学習その5
良いアイデアを出すための方法
良いアイデアを出すための方法
強化学習その4
強化学習その4
強化学習その3
強化学習その3
強化学習その2
強化学習その2
強化学習その1
強化学習その1
線形?非線形?
線形?非線形?
機械学習キャンバス0.1
機械学習キャンバス0.1
首都大学東京「情報通信特別講義」2016年西尾担当分
首都大学東京「情報通信特別講義」2016年西尾担当分
勾配降下法の最適化アルゴリズム
勾配降下法の最適化アルゴリズム
Wifiで位置推定
Wifiで位置推定
ESP8266EXで位置推定
ESP8266EXで位置推定
Raspberry PiでWifiルータを作る
Raspberry PiでWifiルータを作る
Wifiにつながるデバイス(ESP8266EX, ESP-WROOM-02, ESPr Developerなど)
Wifiにつながるデバイス(ESP8266EX, ESP-WROOM-02, ESPr Developerなど)
「ネットワークを作る」ってどういうこと?
「ネットワークを作る」ってどういうこと?
DB Pressの記事への補足
1.
DB Pressの記事への補足 by 西尾泰和 113年7月22日月曜日
2.
• 先日、弊社の製品kintoneに搭載された 「おすすめグラフ」を記事にして頂きました。 • http://enterprisezine.jp/dbonline/detail/4978 •
ただ、サイエンティストうんぬんの話は あまり期待通りには伝わらなかったようです。 • そこで補足スライドを作りました。 213年7月22日月曜日
3.
データ解析を活かす上で 御社に足りないのは 解析手法の知識ですか? 313年7月22日月曜日
4.
解析手法は一つのピース にすぎない 413年7月22日月曜日
5.
データ解析のサイクル • 1: 検証したい仮説を明確にする •
2: 検証のためのデータを集め、分析する • 3: 分析結果を見て仮説を更新する これを科学者は「科学的手法」と呼ぶ 513年7月22日月曜日
6.
データ解析のサイクル • 1: 検証したい仮説を明確にする •
2: 検証のための計画を立て(Plan)、 実行し(Do)、分析・確認する(Check) • 3: 分析結果を見て仮説や実行計画を修正する (Act) これを経営学者は「PDCAサイクル」と呼ぶ 613年7月22日月曜日
7.
重要なこと • データ解析技術は、 データを入れると成果の出てくる 魔法のブラックボックスではない • PDCAサイクルを回すことによって 徐々に改善していくための道具 ↑このイメージは間違い 713年7月22日月曜日
8.
データ解析のサイクル 813年7月22日月曜日
9.
考えてみよう • 目的は何か? • 成果はどうやって計測するのか? •
その目的に必要なデータは何か? • どうやって集めるか? • 解析結果をどうやって実践に結びつけるか? 913年7月22日月曜日
10.
重要なこと(2回目) • サイクルを回すことで改善していくのが 科学者の考え方であり、PDCAサイクル • そこをおざなりにしたまま、解析手法だ け求めても何も解決しない •
解析手法は銀の弾丸ではない 1013年7月22日月曜日
Descargar ahora