https://youtu.be/-_SxoMdZNOg
2023年5月31日水曜日
やさしく学ぶ 機械学習を理解するための数学のきほん ~アヤノ&ミオと一緒に学ぶ 機械学習の理論と数学、実装まで~ 単行本（ソフトカバー） – 2017/9/21
https://www.amazon.co.jp/dp/4839963525/ref=cm_cr_lh_d_bdcrb_top?ie=UTF8
アマゾンレビューより引用致しました。
ご参考まで。
2021年7月24日に日本でレビュー済み
Amazonで購入
アヤノという娘がミオという娘に教えてもらうという対話形式だけど、
他の人が書いてる通り、このアヤノという娘は非常に頭がよくて
ほんの少し教えてもらうだけでどんどん理解していく。
「やさしく学ぶ」とあるけど、アヤノという娘は頭がいいのでハイスピードで飛ばして進んでいく。
これじゃあ、最初からある程度分かってる人でないと分からんわな。
この本に高評価を付けてる人のレビュー内容を見ると
他の人が書いてる通り、このアヤノという娘は非常に頭がよくて
ほんの少し教えてもらうだけでどんどん理解していく。
「やさしく学ぶ」とあるけど、アヤノという娘は頭がいいのでハイスピードで飛ばして進んでいく。
これじゃあ、最初からある程度分かってる人でないと分からんわな。
この本に高評価を付けてる人のレビュー内容を見ると
分かるけど、
みんなこの本を読む必要が無いぐらい最初から機械学習のことをよく分かっている。
つまり、数学関係でよくある「最初から分かっている人には分かる本」だ。
「やさしく学ぶ」なんてのはウソだから、信じちゃいけない。
つまり、数学関係でよくある「最初から分かっている人には分かる本」だ。
「やさしく学ぶ」なんてのはウソだから、信じちゃいけない。
ーーー
2018年2月11日に日本でレビュー済み
Amazonで購入
数式の展開を丁寧に説明してくれているので、最初に読むときは理解しやすいが、再度読み返すときは、冗長すぎて見にくくなってしまう。そういう意味で、全体の構成・関係を理解するためにも、以下のように概要をまとめておくと、後から思い出しやすい。
１）教師あり学習 回帰・分類
教師なし学習 クラスタリング
２）回帰
・最急降下法
・確率的勾配降下法（局所解に捕まりにくい）
３）分類
パーセプトロン
ロジスティック回帰（確率による分類）（尤度関数と対数尤度関数）
線形分離可能と線形分離不可能
４）評価
回帰問題
分類問題
Accuracy
Precision（適合率）
Recall（再現率）
Fmeasure（Precision + Recall）
Weighted Fmeasure
過学習対策としての正規化
学習曲線
未学習（ハイバイアス）と過学習（ハイバリアンス）の曲線
最初に書いたように、数式の展開を追っていくには、説明が丁寧でわかりやすいいのだが、より根本的な理屈に関して、以下のところがよく理解できなかった。
a) なぜ確率的勾配降下法を用いると（最小二乗法ではなく、1サンプルの差ずつで評価すると）、局所解に捕まりにくいのか？
b) なぜ正規化を用いると（評価関数を最小化する変数の値が小さくなると）、過学習しにくいのか？
１）教師あり学習 回帰・分類
教師なし学習 クラスタリング
２）回帰
・最急降下法
・確率的勾配降下法（局所解に捕まりにくい）
３）分類
パーセプトロン
ロジスティック回帰（確率による分類）（尤度関数と対数尤度関数）
線形分離可能と線形分離不可能
４）評価
回帰問題
分類問題
Accuracy
Precision（適合率）
Recall（再現率）
Fmeasure（Precision + Recall）
Weighted Fmeasure
過学習対策としての正規化
学習曲線
未学習（ハイバイアス）と過学習（ハイバリアンス）の曲線
最初に書いたように、数式の展開を追っていくには、説明が丁寧でわかりやすいいのだが、より根本的な理屈に関して、以下のところがよく理解できなかった。
a) なぜ確率的勾配降下法を用いると（最小二乗法ではなく、1サンプルの差ずつで評価すると）、局所解に捕まりにくいのか？
b) なぜ正規化を用いると（評価関数を最小化する変数の値が小さくなると）、過学習しにくいのか？
史上初オールアルニコJBL 4345 4インチBe振動板 Full AlNiCo & 4" Beryllium | Diana Panton - I've Told Ev'ry Little Star]
https://www.youtube.com/watch?v=tXDKI9RgeXc
JBL 4345 のオールアルニコで 4インチのベリリウム振動板の仕様は、Youubeで視聴していると音質が良さそうで、これが、JBLでも、販売されたら、もっと欲しくなりそうだと思います。
ケンリックサウンド JBL 4345 & ハーツフィールドなどの375のベリリウムと換装するオプションで、2インチなのか、4インチなのか混乱しておりましたので、ケンリックサウンドに質問してみたら、回答が来ましたので、情報共有したいと思います。
スロート径で呼んだり、ダイアフラム径で呼んだりするので混在しますが、
以下の関係でありますから、375＝2440です。
以下の関係でありますから、375＝2440です。
JBL 175, 2420, 2421B（1インチスロート、2インチダイアフラム）
JBL 375, 2440, 2441（2インチスロート、4インチダイアフラム）
持ち運べる水素で自動車のミライが変わる！？マグネシウムに水素を閉じ込める技術｜クルマとミライ。＆ 水素貯蔵技術『マグ水素』電気自動車疾走！？ ちなみに海水から淡水化せずに海水から直接水素を取り出す技術は既に存在致します。水素エンジンより水素燃料電池をHONDA自動車方式のFCVで化学反応でバッテリーを充電する技術の方が優れており、地球環境やクリーンな排ガスなどの為には、FCV方式の方が優れております。
持ち運べる水素で自動車のミライが変わる！？マグネシウムに水素を閉じ込める技術｜クルマとミライ。
https://www.youtube.com/watch?v=eT7qlgm6dbAーーー
水素貯蔵技術『マグ水素』電気自動車疾走！？
https://www.youtube.com/watch?v=eT7qlgm6dbA
ーーー
水素燃料【パワーペースト】の性能と将来性について。
https://www.youtube.com/watch?v=mLu5bz6AOGU
やさしく学ぶ 機械学習を理解するための数学のきほん ~アヤノ&ミオと一緒に学ぶ 機械学習の理論と数学、実装まで~ 単行本（ソフトカバー） – 2017/9/21
https://www.amazon.co.jp/dp/4839963525/ref=cm_cr_lh_d_bdcrb_top?ie=UTF8
アマゾンレビューより引用致しました。
ご参考まで。
2021年7月24日に日本でレビュー済み
Amazonで購入
アヤノという娘がミオという娘に教えてもらうという対話形式だけど、
他の人が書いてる通り、このアヤノという娘は非常に頭がよくて
ほんの少し教えてもらうだけでどんどん理解していく。
「やさしく学ぶ」とあるけど、アヤノという娘は頭がいいのでハイスピードで飛ばして進んでいく。
これじゃあ、最初からある程度分かってる人でないと分からんわな。
この本に高評価を付けてる人のレビュー内容を見ると
他の人が書いてる通り、このアヤノという娘は非常に頭がよくて
ほんの少し教えてもらうだけでどんどん理解していく。
「やさしく学ぶ」とあるけど、アヤノという娘は頭がいいのでハイスピードで飛ばして進んでいく。
これじゃあ、最初からある程度分かってる人でないと分からんわな。
この本に高評価を付けてる人のレビュー内容を見ると
分かるけど、
みんなこの本を読む必要が無いぐらい最初から機械学習のことをよく分かっている。
つまり、数学関係でよくある「最初から分かっている人には分かる本」だ。
「やさしく学ぶ」なんてのはウソだから、信じちゃいけない。
つまり、数学関係でよくある「最初から分かっている人には分かる本」だ。
「やさしく学ぶ」なんてのはウソだから、信じちゃいけない。
ーーー
2018年2月11日に日本でレビュー済み
Amazonで購入
数式の展開を丁寧に説明してくれているので、最初に読むときは理解しやすいが、再度読み返すときは、冗長すぎて見にくくなってしまう。そういう意味で、全体の構成・関係を理解するためにも、以下のように概要をまとめておくと、後から思い出しやすい。
１）教師あり学習 回帰・分類
教師なし学習 クラスタリング
２）回帰
・最急降下法
・確率的勾配降下法（局所解に捕まりにくい）
３）分類
パーセプトロン
ロジスティック回帰（確率による分類）（尤度関数と対数尤度関数）
線形分離可能と線形分離不可能
４）評価
回帰問題
分類問題
Accuracy
Precision（適合率）
Recall（再現率）
Fmeasure（Precision + Recall）
Weighted Fmeasure
過学習対策としての正規化
学習曲線
未学習（ハイバイアス）と過学習（ハイバリアンス）の曲線
最初に書いたように、数式の展開を追っていくには、説明が丁寧でわかりやすいいのだが、より根本的な理屈に関して、以下のところがよく理解できなかった。
a) なぜ確率的勾配降下法を用いると（最小二乗法ではなく、1サンプルの差ずつで評価すると）、局所解に捕まりにくいのか？
b) なぜ正規化を用いると（評価関数を最小化する変数の値が小さくなると）、過学習しにくいのか？
１）教師あり学習 回帰・分類
教師なし学習 クラスタリング
２）回帰
・最急降下法
・確率的勾配降下法（局所解に捕まりにくい）
３）分類
パーセプトロン
ロジスティック回帰（確率による分類）（尤度関数と対数尤度関数）
線形分離可能と線形分離不可能
４）評価
回帰問題
分類問題
Accuracy
Precision（適合率）
Recall（再現率）
Fmeasure（Precision + Recall）
Weighted Fmeasure
過学習対策としての正規化
学習曲線
未学習（ハイバイアス）と過学習（ハイバリアンス）の曲線
最初に書いたように、数式の展開を追っていくには、説明が丁寧でわかりやすいいのだが、より根本的な理屈に関して、以下のところがよく理解できなかった。
a) なぜ確率的勾配降下法を用いると（最小二乗法ではなく、1サンプルの差ずつで評価すると）、局所解に捕まりにくいのか？
b) なぜ正規化を用いると（評価関数を最小化する変数の値が小さくなると）、過学習しにくいのか？
【未経験可】データサイエンティスト(正社員/土日祝休み/充実研修)
株式会社ユニゾン・テクノロジー
【未経験者の採用＆育成実績多数】経歴よりもあなたのやる気を評価します！まずは面接でざっくばらんにお話ししましょう◎
東京都 豊島区 池袋駅
月給 27万円 ~ 70万円
IT・クリエイティブ
残業なしリモート面接OK勤務開始時期調整即日勤務OK急募
履歴書応募
Indeed 履歴書で即応募できる求人です。
高返信率
簡単応募など Indeed 上での応募機能を利用できる求人に関して、過去 30 日間に Indeedを通じて75%以上の応募に返信しました。
募集要項
仕事内容
職務内容
【未経験者積極採用中】
「データ分析やAIを使って、社会を変えていきたい！」
「データ分析のプロになって、今までの業界を変えていきたい」
という思いがあれば、応募条件クリア！
充実した研修を受けて、データサイエンスのプロとして道を歩んでいただきます。
【研修制度】
入社後は、3ヶ月間の研修を受けていただきます！
研修では、データ分析 ・クラスター分析 ・ 時系列分析・ 機械学習といった分析技術、Python などのプログラミング技術、顧客の課題抽出／分析要件定義などのビジネス技術を体系的に学習可能です。
3ヶ月間の研修の後は、さらに3ヶ月間のOJT研修。
計6か月間に及ぶ教育研修を経て、データサイエンティストのプロフェッショナルとしてスタートしていただきます！
【仕事内容】
データ分析を駆使することで、データを構造化・整理し、クライアントにとって有効な情報となるように解析結果を導き出すこと。
また、その結果を用いて企業の課題解決に向けたソリューションの提案や意思決定の支援を行います。
【プロジェクト例】
・製菓会社の売上データから新商品の販売予測を検証
・車載バッテリー情報と走行履歴データを分析しバッテリーの劣化有無を予測
・大手製薬会社にてデータ分析業務における仮説の立案・検証支援
・工場のラインの在庫管理や作業メンバーの業務可視化
求める人材
高卒以上／未経験者歓迎
お気軽にご応募ください！
〈歓迎〉
・スキルを身に付けていきたい
・キャリアチェンジを考えている
・データ分析のプロになりたい
〈活躍している方〉
・元営業職
・元フリーター
・元事務職
・元看護師
・元ホテルマン など
様々な業界からキャリアチェンジしています。
社会人経験の無い方も活躍しています！
アピールポイント
【離職率3%】
2022年の離職率は3%となっております。
居心地の良さや人の温かさを理由に離職率の低さが自慢です！
【ワークライフバランス充実】
平均残業時間7.8時間と少なめ！年間休日125日ございます。
仕事もプライベートも充実させていける環境がございます。
勤務時間・休日
勤務時間
10:00~18:30（休憩1時間、実働時間7時間30分）
休暇・休日
・年間休日125日
・完全週休2日制（土日祝休み）
・有給休暇（消化率100％！）
・夏季休暇
・冬季休暇
・介護休暇
・育児休暇
・祝日
・年末年始休暇
・慶弔休暇
・育児・介護休暇
・産前産後休暇
・生理休暇
・骨髄ドナー休暇
勤務地
勤務地
東京都 豊島区 池袋駅
将来的にフルリモート（在宅勤務）も可能です。
まずはスキルを身に付けることからはじめましょう！
アクセス
JR東日本：池袋駅 徒歩3分
東武鉄道：池袋駅 徒歩3分
西武鉄道：池袋駅 徒歩3分
東京メトロ：丸ノ内線 徒歩3分
給与・待遇
・昇給（年1回）
・賞与（年2回）
・各種社会保険完備
・通勤交通費全額支給
・残業手当（1分単位／全額支給）
・団体総合生命保険
・書籍代支給
・セミナー・講習会参加費支給
・ビジネスセミナー法人契約
・資格試験料支給
・年末納会
・技術交流会・勉強会開催
※社内イベントは現在、感染症対策として一部休止しています
その他
書類選考→WEB面接（1回）オンライン→内定
将来的にはリモートワーク（在宅ワーク）なども可能です。
まずはスキルを身に付けることからはじめましょう！
【よくあるご質問】
Q:リモートワークは可能ですか？
A：スキルが身に付いた段階でリモートは可能です。
未経験の方は最初は出社になります。
Q：研修中の給与は発生しますか？
A：発生します。
Q：勤務地はどこですか？
A：ご本人様の希望を最大限考慮しアサインさせていただきます。
自社開発も行っておりますので、そちらの可能性もございます。
Q：面接方法は？
A：オンラインで実施します。ネット環境があればスマホからでも面接可能です。
Q：副業は可能ですか？
A：可能でございます。
Q：知識のない未経験でも大丈夫ですか？
A：大丈夫です。研修制度を充実させていますので、ご安心して入社できます。
Q：入社日はいつになりますか？
A：基本的に入社日は選択することができます。
試用期間: なし
雇用形態: 正社員
給与: 270,000円 - 700,000円 月給
学歴:
- 高等学校卒業 (必須)
この求人にご不明な点がありますか?
採用企業の担当者に問い合わせる
この求人から十分な情報が得られましたか？
思ってるより応募はカンタン！
