基礎知識 †
機械学習の種類とアルゴリズム †
教師なし学習（Unsupervised Learning） †
- 正解データは与えられない
- 未知のデータから規則性を発見する
- クラスタリング
- K-平均クラスタリング
- 階層クラスタリング
- ニューラルネットワーク
- 混合ガウス分布
- 自己組織化マップ
教師あり学習（Supervised Leraning） †
- データとともに正解が与えられる
- 未知のデータに対して予測を行う
- 分類
- 線形判別・2次判別
- K-最近傍識別
- 単純ベイズ分類
- 決定木
- アンサンブル学習
- ニューラルネットワーク
- サポートベクターマシン
- 回帰
- 線形回帰モデル
- 一般化線形回帰モデル
- 非線形回帰モデル
- 回帰木
- アンサンブル学習
- ニューラルネットワーク
- サポートベクター回帰
- ガウス過程回帰
強化学習（Reinforcement Learning） †
- 行動により部分的に正解が与えられる
- データから最適な解を見つける
- 強化学習ではエージェント（行動の主体）と環境（状況や状態）が登場する
- エージェントは環境を観察し、それに基づいて意思決定を行い行動する。すると環境が変化し、エージェントに何らかの報酬が与えられる。エージェントはよりたくさんの報酬が得られる、より良い行動を学習していく
機械学習の応用分野 †
- クラス分類
- 与えられたデータにラベルを付けて分類することができる
- 迷惑メールの分類や手書き文字の認識、クレジットカードの不正検知などの判別を行うことができる
- グループ分け、クラスタリング
- 値の類似性を元にしてデータを複数のグループに分けることができる
- 推薦
- 回帰
- 過去のデータを元に、将来の数値を予測するのに利用する
- 販売予測や株価の変動、機器の異常検知などを予測する
- 次元削減
- データの特徴を維持しつつ、データ量を減らすことができる
- データの可視化や構造抽出、計算の高速化・メモリ節約などの用途に利用できる
Deep Learning †
- Deep Learning は機械学習の一分野
- Deep Learning は多層構造のニューラルネットワークを用いた機械学習のこと
- 学習データから機械が自動的に特徴を抽出する
NVIDIA †
機械学習ライブラリ †
TensorFlow? †
Caffe †
Chainer †
計算処理アクセラレータ †
Xeon Phi †
環境構築 †
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
