梅田弘之のレビュー一覧
-
-
-
-
Posted by ブクログ
第１部では、ハードウェア（チップとサーバー）、MLライブラリ（フレームワーク）、AIプラットホーム、AIアプリケーション（サービス）のレイヤーに分類して解説、更に機械学習とディープラーニングの違いからディープラーニングの学習方法を説明する。
第２部では、機械学習を教師あり学習、教師無し学習、強化学習の三つに分類して、学習方法と統計学（回帰、分類、クラスタリング、バンディットアルゴリズム、Q学習）そしてアルゴリズム（ペイズ線形回帰、サポートベクター回帰、決定木、ランダムフォレスト、ロジスティック回帰、k近傍法、k平均法、混合ガウス分布、主成分分析PCA)の関係を解き明かし、ディープラーニングであ -
Posted by ブクログ
崩壊するだの死滅するなどと叩かれているSI業界に救世主が登場！少なくともユーザ企業はSI企業が不在ではビジネスを進めることはできなくなるので、自信を持ってビジネスを推進していこうと呼びかけるも、悪いところは改めよと啓蒙するのが本書です。
重要なのはエンジニアを育てることであり、より大きな成長を促すためには会社も成長する必要があるということです。その為の施策については、弊社でも既に行なっていることや、行なったものの失敗したこと、そして未だ行なっていないことなど色々書かれていて、考えを新たにするヒントを頂きました。
退職率を下げるために、退職者にはなぜ退職するかのアンケートを取るとの一節がありまし -
-
-
-
-
Posted by ブクログ
AIと呼ばれる技術の知識体系や主な手法の理論がわかりやすかった。
教師あり、教師なし、強化学習の違い。
分類と回帰の違い。
SVM、決定木、ランダムフォレスト、ロジスティクス回帰、k近傍法、k平均法などの手法。
勾配消失や過学習への対応としてのミニバッチ学習やドロップアウトやk交差検証などの手法。
ニューラルネットワークの概要、畳み込みニューラルネットワークやリカレントニューラルネットワークの必要性と特性。
敵対的生成モデル（GAN）の概要。
半教師あり学習とオートエンコーダー。
など、数式なしで概念を理解できるように説明されていた。
名著。 -
-
-
-
