須山敦志 Suyama Atsushi
@sammy_suyama
Followers
28K
Following
2K
Media
125
Statuses
6K
データサイエンス・AIに関して情報発信しています。「ベイズ推論による機械学習入門」「ベイズ深層学習」著者 確率的生成モデル、深層学習、強化学習、人工知能、汁なし担々麺、ねこ ※講演・執筆依頼等ありましたらDMください
日本 東京
Joined December 2015
無駄なPoCは無くしたい藤井です。本日の登壇資料です！ AI PoCのアンチパターンをご紹介してきました。 チェックリスト的に使っていただきたい！！ そんなことわかってるがなと思いつつ、どこか忘れてしまう。。
1
64
529
今週土曜日登壇します（11/15）。僕からはビジネスにおけるデータ分析の引っ掛かりポイントやその対処法などに関してお話ししようと思っています。申し込みは明日まで。
【11/15 開催 Nospare Analytics Forum】 効果検証と因果推論の「現在」と「未来」を議論する一日。 国内を牽引する研究者・実務家が集結し、理論と応用の未来を議論。現場で成果につながる視点の獲得。学際コラボの出会いも。 申込ページ： https://t.co/lfbOofkHWC #データサイエンス #因果推論
0
6
26
目次を見ていただければわかるのですが、扱っている内容は基本的なもので、機械学習を扱う上では最低限概念だけでも知っておいたほうがよいもの。referenceとしても有用で、たいていのポッと出のアイデアであればすでに良い解決策が載っています。
0
1
9
「確率的機械学習」をご恵贈いただきました。持橋/鈴木両先生による待望の日本語訳です。いわゆるMurphy本というものでして、機械学習のかなり広範囲な基礎をカバーしています。自分も大変お世話になりました。 https://t.co/E6sUlME2NO
https://t.co/c9fJqgUzmd
amazon.co.jp
基礎の数学からスタートし、機械学習の考え方をじっくり理解することができる決定版テキスト.IとIIの2分冊.第II巻では深層ニューラルネットワークなどの非線形モデルを扱う。 【主な目次】 第III部 深層ニューラルネットワーク 13 構造化データのためのニューラルネットワーク 14 画像のためのニューラルネットワーク 15ニューラルネットワークによる系列データの処理 第IV部 ノンパラメトリッ...
1
9
83
「Difyではじめる 業務効率化AIアプリ開発 AIを会社に根付かせる実践ガイド」をご恵贈いただきました。単なる技術解説だけではなく業務適用に踏み込んだノウハウが体系的に解説されています。 https://t.co/DIA82G5IPM
amazon.co.jp
Difyは、ノーコードでAIアプリケーションを開発できるオープンソース・プラットフォームです。本書ではそのDifyについて、導入の準備から実際のアプリ開発までをやさしく解説します。 生成AIの登場から数年が経ち、ビジネスの現場での活用は急速に広がっていますが、「個人的に試した」段階にとどまる企業も少なくありません。 その要因として、プログラミングを要するAIアプリケーションの開発を現場だけで...
0
5
20
もちろん、手法や技術の詳細などは多くのステークホルダーが理解しておけば、将来的なリスクを解像度高く認識できたりするなどの利点はあるのですが、「ちゃんと理解してもらわらないと使えない」という思い込みは持たなくてもよいと思っています。
0
0
23
分析結果のプレゼンで「報告側が詳細を延々と語る」「難しい統計手法をわかりやすく説明できない」みたいな話はよく聞きますが、大抵プレゼンの目的認識に関してズレがあります。プレゼンは多くの場合、聞く側が何か「判断」を行いたくて、その判断に必要な「情報」を提供する、というのが原則です。
1
29
201
例えば画像分類による判定結果を個人のユーザーに提示するようなアプリとかは、フィードバックとして継続的にラベルを得るのには一定の工夫が必要です。逆に単純な時系列予測とかは、次々と正解データが入ってくる場合が多いので、事前検証の時点でも運用上の課題が想像しやすい。
0
0
12
AI/機械学習の活用を検討する際、かなり初期から「データ取得のエコシステム」を設計すべきなんですが、ちゃんと検討してない場合が多い気がします。大量のラベルでそこそこのモデルが作れても、運用時に性能確保のため継続的にデータを集める必要があり、この可否は課題の構造に依存します。
1
8
84
LLMのおかげでPythonさえ触れれば誰でもそこそこのベイズモデルを作って動かせるようになりました。なので、今後はこのあたりの実践的な知見がキモになってくると思います。
明日16日ですが、PyMC開発者のThomas Wiecki氏が講演されます。ベイズ統計（確率的プログラミング言語）を活用した実世界のデータ分析や最新のトレンドに関する話などが聞けると思います。 https://t.co/x1OY7VCqEV
0
32
312
明日16日ですが、PyMC開発者のThomas Wiecki氏が講演されます。ベイズ統計（確率的プログラミング言語）を活用した実世界のデータ分析や最新のトレンドに関する話などが聞けると思います。 https://t.co/x1OY7VCqEV
sites.google.com
日時：10月16日(木) 10:30-11:30 会場：慶應義塾大学三田キャンパス 東館G-Lab (東館6F) キャンパスマップ 講演者：Thomas Wiecki (PyMC Labs) 講演タイトル： The Future of Explainable AI: Bayesian Agents
0
18
150
明日16日ですが、PyMC開発者のThomas Wiecki氏が講演されます。ベイズ統計（確率的プログラミング言語）を活用した実世界のデータ分析や最新のトレンドに関する話などが聞けると思います。 https://t.co/x1OY7VCqEV
sites.google.com
日時：10月16日(木) 10:30-11:30 会場：慶應義塾大学三田キャンパス 東館G-Lab (東館6F) キャンパスマップ 講演者：Thomas Wiecki (PyMC Labs) 講演タイトル： The Future of Explainable AI: Bayesian Agents
0
18
150
LLMを用いたシンボリック回帰の論文。 データから数式を自動的に発見するシンボリック回帰の候補式生成にLLMを用いることで、保存則など物理的制約を考慮した予測が可能になり、ノイズがあってもうまく予測できたそうです。 LLMによるドメイン知識の付与はいろいろ使える。 https://t.co/vw1sekMQMU
0
33
217
こちら明後日ですので、ご興味ある方どうぞよろしくお願いします。
10月16日(木)10:30-11:30慶應三田キャンパスにてPyMCの開発者であるThomas Wiecki氏に講演していただけることになりました!! リンク先から参加登録ができます。 https://t.co/HGqBKJNPqC
0
2
14
ワークライフバランスについて以前から思っていること。ライフは、必ずしもラクなものではない。ワークよりハードなことだってある。そのバランスは各自が自分の責任のもと、決めていくべきこと。
年始のSNSを見ていてワークライフバランスが何だかノンビリしたものとして批判されることがあるが、自分の理解では、ワークライフバランスというのは、ワークでも、ライフでも責任を果たすということであって決してラクなことではない。
0
16
40
「AIは〇〇が得意で、〇〇が苦手」というテンプレートがあるが、こういうカテゴリカルな切り分けで人間のまだ残る相対的優位性を語ろうとする所作自体が、そんな単純でカテゴリカルな分類でしか「分かり易く」認識／語り得ない人間の認知／コミュニケーションの限界／バイアスをメタに自己言及的に語っ
0
14
52
自分も同じ日に家族でTDLに行っていてIt's a small world感がすごい
先週講談社募集のTDL貸切に当たったので行ってきたんだけど、そう言えば「宝くじが当たるまでに要するくじ引き回数の確率分布」があったはずだと思い出した次第。どれだったっけ？（これが分かれば次から妥当な最低応募口数が推定できるはず）
1
1
10
原啓介先生の新しい入門書。いわゆる確率の基本的な概念（条件付確率など）と応用（統計、機械学習、AI）の間ってかなりギャップがあったんですが、それをうまく埋めてくれるような内容になっています。 ＞原理と意味から理解する ベイズ統計 入門講義 https://t.co/yM7PkEIiTQ
1
48
276