機械学習

【1月24日公開】向こう28日間(1月23日～2月19日)感染者数397,604人1日平均14,200人死者数10,615人1日平均380人※1月23日公開予想と比べると感染者増加予想と死亡者予想ともに更に激増。感染者増加予想350,548人→397,604人死者増加予想8,584人→10,615人さて、1日たって

【1月23日公開】1月21日時点予想は向こう28日間(1月22日～2月18日)感染者数350,548人1日平均12,500人死者数8,584人1日平均300人※1月22日公開予想と比べると感染者増加予想と死亡者予想ともに激増。感染者増加予想174,003人→350,548人死者増加予想4,606人→8,584人さて、

２０２１年１月２０日（水）日経朝刊２３面（経済教室）やさしい経済学に「データ革命とビジネス⑤顧客との接点に与える影響」との記事あり。インターネットは、企業と顧客の接点を拡大・多様化した。実店舗では、顧客は商品購入時にしか来店しないが、ネットショップでは、顧客は購入前からサイトにアクセスし、商品情報を収集する。購入後も企業はメールで配送状況を伝え、顧客はサイトに口コミを書き込む。さらにスマートフォンの登場で、顧客といつでもどこでもつながるようになり、企業が提供できるサービスの幅は広がっ

【1月22日公開】1月20日時点予想は向こう28日間(1月21日～2月17日)感染者数174,003人1日平均6,200人死者数4,606人1日平均160人※1月21日公開予想と比べると感染者増加予想と死亡者予想ともに減少。感染者増加予想230,367人→174,003人死者増加予想6,839人→4,604人さて、1

【1月21日公開】1月19日時点予想は向こう28日間(1月20日～2月16日)感染者数230,367人1日平均8,200人死者数6,839人1日平均240人※1月19日公開予想と比べると感染者増加予想と死亡者予想ともに減少。感染者増加予想271,575人→230,367人死者増加予想8,210人→6,839人昨日(1月20

プログラミング、無料と検索すると出てきたのが、"Progate"以前何かのyoutubeでも紹介されており、アプリも可愛い感じだったので即インストール。色々調べるとプログラミングには色々と言語があるとのこと。今回私が選んだ言語はPython「フォトン」と読んでいたのですが、「パイソン」と読むらしいですPythonは機械学習にも用いられるようで、AIなど自分で作れちゃう？と将来性を重視してとりあえずチョイスしました。レッスンを１つずつ進めているので、また次回レ

https://photo.nyanta.jp/DRY.html水中ハウジングのお手軽結露（曇り）防止策水中写真を撮られる方でしたら、何方も経験がおありでしょう。水中ハウジングのガラス面内側に生じる、ニックキ結露を。これを防止するためには、乾燥剤をハウジング内に入れるのが一般的なのですが、乾燥した環境で蓋を閉じれば手っ取り早く、結露を防止する事ができます。そんな訳で、今回は冷蔵庫を使った簡易結露防止策をお伝えします。この方法でしたら、乾燥…photo.nyanta.jpこちらのサイトを参考に

【1月19日公開】1月17日時点予想は向こう28日間(1月18日～2月14日)感染者数271,575人1日平均9,700人死者数8,210人1日平均290人※1月17日公開予想と比べると感染者増加予想は少し増え、死亡者予想は大きく増えた。感染者増加予想271,386人→271,575人死者増加予想6,514人→8,210人

２０２１年１月１９日（火）日経朝刊２５面（経済教室）に「データ革命とビジネス④モノづくりの大きな変化」との記事あり。万物の履歴データと機械学習アルゴリズムは、ビジネスにどのような影響を与えるのか。我が国の経済をけん引する製造業について考える。センサーの小型化と低コスト化、工場内の無線環境強化で、製造プロセスにおけるデータ計測は容易になった。製造プロセスのデータ化が進めば、これまで工学的に解明できなかった現象についても機械学習で予測可能となる。出荷後の使用段階でも、製品をネット接

２０２１年１月１８日（月）日経朝刊１２面（経済教室）やさしい経済学に「データ革命とビジネス③ＡＩが持つ驚異的な能力」との記事あり。ヒトやモノに関する個々の履歴データは、そのままでも役立つが、多くの履歴データを集めてコンピューターで解析すれば、新たな「予測」や「発見」が生まれる。それを可能にしたのは人工知能（ＡＩ）、正確にいうと、その一部である「機械学習」。機械学習はコンピューターにデータを学習させ、データに潜むパターンを発見させるアルゴリズムの総称。人が予測モデルを自ら開発しなくても

【1月17日公開】1月15日時点予想は向こう28日間(1月16日～2月12日)感染者数271,386人死者数6,514人※1月16日公開予想と比べると感染者増加予想は減り、死亡者予想は大きく増えた。感染者増加予想365,778人→271,386人死者増加予想4,500人→6,514人公開日の1日の違いでこうした変化があることが私にはわからない。でも非常

【1月16日公開】1月14日時点予想は向こう28日間(1月15日～2月11日)感染者数365,778人死者数4,340人※1月15日公開予想と比べると感染者増加予想と死亡者予想はともに大きく上方修正※一昨日(1月14日)1月10日時点での28日間予想が出された。そして、昨日(1月15日)も1月10日時点での28日間予想が出された。10日時点予想が2日連続で出た。1日経過して、本日(1月16日)1月14

【1月15日公開】1月10日時点予想は向こう28日間(1月11日～2月7日)感染者数190,386人死者数2,868人※1月14日公開の予想と比べると感染者増加予想と死亡者予想はともに下方修正※昨日(1月14日)1月10日時点での28日間予想が出された。そして、本日(1月15日)あらためて1月10日時点での28日間予想が出された。1日経過して、28日間予想の数字が大きく変わった。どうしてか

【1月14日公開】1月10日時点予想は向こう28日間(1月11日～2月7日)感染者数229,435人死者数3,480人※1月12日公開の予想と比べると感染者増加予想と死亡者予想はともに下方修正※1月12日に公開後、昨日(1月13日)は新たな公開がなく、本日(1月14日)1月10日時点での28日間予想が出された。公開のペースは、どうなっているのであろうか。ほぼ毎日更新されるのだが……※さて、機械学習に

最近まで、これ↓の勉強をしていましたが、一段落したのでこれ↑の勉強に戻ります。この本に、上記の本を読めっと書いてあったのです。

1月9日時点での予想は(1月12日公開)向こう28日間(1月10日～2月6日)感染者数234,024人死者数4,118人※1月11日公開の予想と比べると感染者増加予想は下方修正死者増加予想は上方修正※さて、機械学習による予想とのことだが、緊急事態宣言の要素はどのように反映されるのだろうか。機械学習は、”誰にもどこにも忖度することなく”客観的に予想することを信じたい。Japan:

1月8日時点での予想は(1月11日公開)向こう28日間(1月9日～2月5日)感染者数279,010人死者数3,947人※1月10日公開の予想と比べると感染者増加予想と死者増加予想ともに上方修正感染者増加予想は大幅に増加※さて、機械学習による予想とのことだが、緊急事態宣言の要素はどのように反映されるのだろうか。機械学習は、”誰にもどこにも忖度することなく”客観的に予想することを信じたい。

17:23今日は衛星データの分析に機械学習を活用した事例が色々載っているサイト宙畑のサイトを読んでみた記事はこちら[目的]衛星データを将来的に活用するにあたって現状の事例を認識すること。[感想]一次産業で使われることが多いなと感じた。漁業やエネルギー産業の把握に使われる事例が多かった。加えてざっくりとしたイメージだった"衛星データ"というもののイメージがより鮮明に想像できるようになった。このことから、機械学習を勉強するにあたって、画像認識にあたる分野のスキ

前機械学習をスクラッチやったことがあるのでその説明に使ったプレゼンをのせます。【プレゼンスライド・台本付き】ワンダーメイクフェス5_発表者用のコピーここに台本を書こう！（目安20秒）1.【自己紹介】（クリエイターネーム・校舎・学年・通塾歴）ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー1.【じこしょうかい】（クリエイターネーム・こうしゃ・がくねん・つうじゅくれき）（ぼく・わたし）のなまえは（）です。しょうがく（

国際通貨基金は、個人のインターネット履歴に基づいて銀行のクレジットスコアを作成することを提案しています「インターネットの台頭により、個人の閲覧履歴やオンラインショッピング行動など、新しいタイプの非金融顧客データの使用が可能になりました」2020年12月24日（LifeSiteNews）–「FinancialIntermediationandTechnology」というタイトルの新しいワーキングペーパーで、国際通貨基金（IMF）は、「非金融データの使用は、金融の提供に大きな影響を与

以前、ブログで〇aaS←〇に入る文字は？といった内容をお伝えしました。SaaS、PaaS、IaaSに加え、最近ではMaaS、DaaSなども登場してきていて(￣▽￣；)一体、〇aaSっていくつあるんよ～といった話でしたね。ここ最近、似たようなものを見つけたので、シェアしておきます。情報処理技術者試験の学習をされている方ならDevOps（デブオプス）という開発手法はご存じでしょう。【DevO

全銘柄（約４０００）×300日分のデータをいっぺんにINSERTしようとしたらエラーになった。なので一度銘柄コードごとにCSVを出力してから取り込むことにした。そこには注意点があって、またコンフィグファイルをいじる必要があった。理由はmySQLのセキュリティがデフォルトでCSVをインポートできないから。my.cnfの内容は以下のとおり#DefaultHomebrewMySQLserverconfig[mysqld]#Onlyallowconnections

和から講師の岡崎です。2020年もいよいよ大詰めとなりました。今年はなんといってもコロナウイルスが社会に与えた影響が凄まじく、私たち講師陣にとってもセミナーや個別授業のオンライン化に適応するべく、様々な挑戦となった1年となりました。受講者の皆様のご協力も得ながら、なんとか年越しを迎えることができそうです。今年も本当にありがとうございました。さて、今回はそんなオンライン化に至るまでの間、その裏側で生まれた1つのPythonツールを今回ご紹介します。プログラミング言語「Python」。アプリ

昨日の一読は序章の「六第三次AIブーム－統計機械翻訳からニューラル機械翻訳へ」まで読みました。ここでは、論理主義に基づく機械翻訳が頭打ちになる中で浮上してきた「統計・確率主義」が中心となっていました。「統計・確率主義」に基づく機械翻訳には膨大な言語データを解析する必要があるので、コンピュータの処理能力の高まりに伴って現実味を帯びてきたようです。この動き自体は1980年代からあったようですが、2010年代の「機械学習」と結びつくことで進展したみたいです。「深層学習」という言葉もこのあたりから

ディープラーニングモデルは、爆発的に増加する電子健康記録（EHR）に伴う予測タスクにおいて優れた性能を発揮してきた。しかし、透明性がないため、ディープラーニングモデルの振る舞いは解釈が難しい。信頼性がなければ、深層学習モデルは医療問題の実社会での意思決定プロセスを支援することができない。本研究では、データノイズによって誘発される不確実性を予測するために、ベイジアンニューラルネットワーク(BNN)に基づく深層学習モデルを提案する。不確実性を導入することで、モデル予測にさらなる信頼度を与える。

リスク調整は、医療においてますます重要なツールとなっている。リスク調整は、会員に保険を提供する際に予想されるコストを反映させるために、医療計画の支払い調整に広く適用されている。リスク調整モデルは一般的に線形回帰を用いて推定されますが、これはクレームデータの情報を十分に活用していません。さらに、このような線形回帰モデルの開発には、かなりの専門知識とデータの前処理のための計算労力が必要である。この論文では、患者の病歴を表現するために意味的エンベッディングを使用するリスク調整のための新しいアプロ

勉強のペースが週一で定着しつつあります…もう少し増やしたい前回はコチラ『UdemyでPythonの勉強を始めました（3日目）』昨日に引き続き、2日連続で勉強しています前回はコチラ『UdemyでPythonの勉強を始めました♪』怒涛の忙しさが終わったので（言い訳）、AIの勉強を…ameblo.jp今回も、前回の続きで、「現役シリコンバレーエンジニアが教えるPython3入門+応用+アメリカのシリコンバレー流コードスタイル（酒井

BLOCKCHAINANDTHETRANSFORMATIONOFFINANCEブロックチェーンと財務の変容FinancialExecutivesResearchFoundation(FERF)spokewithJonRaphael,auditchiefinnovationofficeratDeloitte&ToucheLLP,aboutblockchain,thefutureoffinancialreporting,andare

強化学習勉強しないと！ビットコイン自動売買にはこれですね。数式訳わかんないところからのスタートですけど。(´д｀、)ウウウ支援法もね、仕事上…(´･ω･｀)現場で使える！Python深層強化学習入門強化学習と深層学習による探索と制御Amazon（アマゾン）3,366円データ分析のための機械学習入門Pythonで動かし、理解できる、人工知能技術(Informatics&IDEA)Amazon（アマゾン）118〜8,514円機械学習スタートアップシリーズＰｙｔｈｏｎで学ぶ

TBSの「危険なビーナス」が昨日最終回を迎えました。東野圭吾先生のドラマ化作品です。意外な犯人、楓の正体、行方不明の絵の在りか見どころ満載で、とても面白かったです。私はといえば、最近は、再び機械学習の勉強をしています。LinkedInでスカウトメールが来たのです。勉強を終えたら応募してみようかと思います。なので、ミステリーはしばらく読めないかも。今は「死んだレモン」と言うニュージーランドの作家さんの本を読んでいる途中でし