![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
#author("2017-05-17T07:10:55+00:00","default:admin","admin") #author("2017-09-06T14:04:01+00:00","default:admin","admin") *基礎知識 [#ucbc7491] -[[人工知能とは何か? 機械学習、深層学習の違いとは?:http://pc.watch.impress.co.jp/docs/column/ai_nyumon/1021030.html]] -[[機械学習入門時に知っておきたい情報まとめ:http://qiita.com/nesheep5/items/0b0fe742808a501ec620]] -[[今さら聞けないディープラーニングの基本、機械学習とは何が違うのか:http://www.sbbit.jp/article/cont1/32033]] -[[Webデータ分析＆データサイエンスで役立つ統計学・機械学習系の分析手法10選:http://tjo.hatenablog.com/entry/2013/06/10/190508]] **機械学習の種類とアルゴリズム [#k044f035] ***教師なし学習（Unsupervised Learning） [#g3648c37] -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） [#y7c12d85] -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） [#f6e77e5a] -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 [#a573fd2c] -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 --与えられたデータから、異なる情報を推薦する -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 [#r54491be] -[[ディープ・ラーニング最新技術情報 - NVIDIA:https://www.youtube.com/watch?v=1aHQ2tVVlj8]] -[[数学的基礎から学ぶ Deep Learning:https://www.youtube.com/watch?v=7GoaCheaERU#t=4.160100682]] -[[Google研究者著「Deep Learning」日本語版公開 東大松尾研が翻訳:http://www.itmedia.co.jp/news/articles/1709/06/news100.html]] --[[Deep Learning (日本語翻訳版）:http://www.deeplearningbook.me]] -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 [#c2ebdb80] -[[Deep Learning Software - NVIDIA:https://developer.nvidia.com/deep-learning-software]] --[[cuBLAS:https://developer.nvidia.com/cublas]] --[[cuDNN:https://developer.nvidia.com/cudnn]] --[[DIGITS:https://developer.nvidia.com/digits]] *機械学習ライブラリ [#q56e04d4] -[[各機械学習ライブラリの比較をまとめる:http://qiita.com/jintaka1989/items/bfcf9cc9b0c2f597d419]] -[[TensorFlow, Caffe, Chainer と Deep Learning大御所を一気に source code build で GPU向けに setupしてみた:http://qiita.com/hidenorly/items/9f614534db1b151b3b93]] -[[Chainer, tensorflow, Keras, それともゼロから作る？Deep Learningを制するには何がいいのか？！:http://www.procrasist.com/entry/2016/10/01/200000]] -[[ディープラーニングの実装手順と3つのおすすめライブラリ:https://furien.jp/columns/69/]] -[[人工知能プログラミングのためのライブラリ「TensorFlow」、「Cafee」、「Chainer」の紹介。:http://analytics-news.jp/closeup/articles/?aid=201609-00001]] **TensorFlow [#re8dd252] -[[TensorFlow:https://www.tensorflow.org]] ***インストール [#x953417c] -[[Installing TensorFlow on Mac OS X:https://www.tensorflow.org/install/install_mac]] -pyenv をインストール -Python3 をアクティブ設定 -Tensorflow をインストール $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py3-none-any.whl $ pip install --upgrade $TF_BINARY_URL **Caffe [#uf53cd30] -[[Caffe | Deep Learning Framework:http://caffe.berkeleyvision.org]] **Chainer [#k66a52d7] -[[Chainer: A flexible framework for neural networks:http://chainer.org]] -[[10時間でChainerの基本を身につける:http://esu-ko.hatenablog.com/entry/2016/03/02/%E3%80%90%E3%83%87%E3%82%A3%E3%83%BC%E3%83%97%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3%82%B0%E3%80%9110%E6%99%82%E9%96%93%E3%81%A7Chainer%E3%81%AE%E5%9F%BA%E6%9C%AC%E3%82%92%E8%BA%AB%E3%81%AB%E3%81%A4]] -[[Chainerで始めるニューラルネットワーク:http://qiita.com/icoxfog417/items/96ecaff323434c8d677b]] -[[Chainerの使い方と自然言語処理への応用 - SlideShare:https://www.slideshare.net/beam2d/chainer-52369222]] *計算処理アクセラレータ [#y03581f0] -[[GPUとXeon Phi、どちらが計算処理アクセラレータに最適か? - 実際の実行性能を比較するワークショップを首都大学東京が開催:http://news.mynavi.jp/articles/2014/12/16/gpu_mic/]] **Xeon Phi [#c773b744] -[[インテル® Xeon Phi™ 製品ファミリー:http://www.intel.co.jp/content/www/jp/ja/products/processors/xeon-phi/]] -[[Intel、機械学習に特化した72コアのXeon Phiを投入:http://pc.watch.impress.co.jp/docs/news/1006326.html]] -[[機械学習の分野で「Xeon Phi 7200番台」を武器にNVIDIAと対抗するIntel，その戦略を語る:http://www.4gamer.net/games/049/G004963/20160715128/]] -[[Xeon Phiこと“Knights Landing”対応のタワー型ベアボーン、ASRock Rack「TR-KNL」:http://www.gdm.or.jp/pressrelease/2017/0417/203692]] *環境構築 [#w214b28e] -[[Retty流『2200万ユーザを支える機械学習基盤』の作り方:http://qiita.com/taru0216/items/dda1f9f11397f811e98a]]
