close
1.

図書
図書
1. Chainerで学ぶディープラーニング入門
島田直希, 大浦健志著
出版情報: 東京 : 技術評論社, 2017.9  xiv, 193p ; 23cm
所蔵情報: loading…
目次情報: 続きを見る
第1章 : ディープラーニングのいま
第2章 : ニューラルネットワークの基礎
第3章 : ディープラーニングのチューニング技術
第4章 : Chainerの基礎
第5章 : 畳み込みネットワーク
第6章 : 画像認識
第7章 : GAN
第8章 : RNN
第9章 : 強化学習
第1章 : ディープラーニングのいま
第2章 : ニューラルネットワークの基礎
第3章 : ディープラーニングのチューニング技術
概要: 基礎理論から応用手法までをこの1冊に凝縮。Chainer 2.X対応。
2.

図書
図書
2. 時系列解析 : 自己回帰型モデル・状態空間モデル・異常検知
島田直希著
出版情報: 東京 : 共立出版, 2019.9  viii, 211p ; 24cm
シリーズ名: Advanced Python ; 1
所蔵情報: loading…
目次情報: 続きを見る
第1章 時系列データの記述・処理 : 時系列データとは
時系列解析の概要 ほか
第2章 自己回帰型モデル : パラメタ推定
ARモデル ほか
第3章 状態空間モデル—ベイズ型統計モデル : 連続状態空間モデル
線形ガウス型モデルの設計と解析 ほか
第4章 異常検知 : 異常検知概要
変化点検出 ほか
第1章 時系列データの記述・処理 : 時系列データとは
時系列解析の概要 ほか
第2章 自己回帰型モデル : パラメタ推定
3.

図書
図書
3. 推薦システム : 統計的機械学習の理論と実践
Deepak K. Agarwal, Bee‐Chung Chen著 ; 島田直希, 大浦健志訳
出版情報: 東京 : 共立出版, 2018.4  xvii, 332p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
第1部 導入 : 古典的手法
推薦問題における探索と活用
推薦システムの評価
第2部 一般的な問題設定 : 問題設定とシステム構成
Most‐Popular推薦
素性ベクトルベースの回帰による個別化
因子モデルによる個別化
第3部 高度な話題 : 潜在ディリクレ分配による因子分解
コンテキスト依存推薦
多目的最適化
第1部 導入 : 古典的手法
推薦問題における探索と活用
推薦システムの評価
概要: 推薦システムで生ずる統計的課題を包括的に扱うためには、適応的逐次計画(多腕バンディット手法)、双線形ランダム効果モデル(行列分解)、MapReduceを用いた拡張性の高いモデルの当てはめ、などの最先端の技術の詳細な議論が必要である。推薦シス … テムで用いられる複雑な概念を、Yahoo!およびLinkedInにおける大規模システムでの開発/運用経験をもとに具体性のある説明を行い、理論と実践のギャップを埋めている。 続きを見る
4.

図書
図書
4. データ分析プロジェクトの手引 : データの前処理から予測モデルの運用までを俯瞰する20章
David Nettleton著 ; 市川太祐, 島田直希訳
出版情報: 東京 : 共立出版, 2017.2  xiii, 414p ; 21cm
所蔵情報: loading…
目次情報: 続きを見る
ビジネス課題
さまざまなデータソースや情報を組み合わせる
データ表現
データの質
変数の選択と因子の推定
サンプリングとパーティショニング
データ分析
データモデリング
システムの開発—クエリレポーティングからEISおよびエキスパートシステムまで
テキストマイニング
リレーショナルデータベースと連携したデータマイニング
CRM分析
インターネット上のデータを分析する1—ウェブサイト分析とインターネット検索
インターネット上のデータを分析する2—検索体験の最適化
インターネット上のデータを分析する3—オンラインソーシャルネットワーク分析
インターネット上のデータを分析する4—検索トレンドの時系列変化をつかむ
データにおけるプライバシーと匿名化技術
ビジネスデータ分析のための環境整備
ビジネス課題
さまざまなデータソースや情報を組み合わせる
データ表現
文献の複写および貸借の依頼を行う
 文献複写・貸借依頼