SlideShare a Scribd company logo
グラフ理論とレコメンデーション@yanashi
自己紹介本名:簗島 亮次(やなしま りょうじ)職業:ゲームのディレクター(新卒×文系職)履歴:チームラボのレコメンデーションエンジンのコンテストで優勝OSCTCという統計解析のコンテストで世界3位脳の情報伝達経路の国際論文1報などなどいろいろしてました。
はじめにそこまでグラフ理論関係ないです。グラフ理論系のアルゴリズムを使ったレコメンデーションの話をする人が思いのほか少ないかなぁと。いいわけですね。。。
目次今回用いた解析環境について利用するデータについてグラフ理論のアルゴリズムを使うための前処理グラフ理論のアルゴリズムの紹介
解析の環境PythonNetworkXネットワーク解析用パッケージRfastSVD次元圧縮用のパッケージMCLマルコフクラスタリングアルゴリズム用
利用するデータECサイトを運営しているわけでもなく、会社のデータを使うわけにもいかないので、実例を出すことができない。というわけで、誰でもアクセスできる商品購買データベースを利用!
Yahoo オークションAPI使い方YAHOO ID所得YAHOO APIキー取得YAHOO APIキー取得大量取得取得用スクリプト作成
購買情報の獲得検索API評価API検索APIを用いて情報を取得したい商品を販売したユーザーのIDを取得(オークションストアのみ利用)評価APIを使って、検索したユーザーIDから商品を買ったユーザーのIDを取得(売却時の評価のみ利用)評価API2買ったユーザーがほかに買った商品の情報を取得(落札時の評価のみ利用)ユーザー・アイテムリストの作成入札履歴APIカテゴリAPI入札回数取得商品のカテゴリ情報取得アイテムに対する重みを作成
データをグラフにするための前処理【購買履歴】アイテムAアイテムBアイテムCアイテムDユーザーAアイテムAアイテムBユーザーAアイテムCアイテムD重み付け
今回の場合はRMT(リアルマネートレード)と検索した場合アイテムAカテゴリ2カテゴリ3カテゴリ4カテゴリ1アイテムBユーザーAカテゴリ2カテゴリ3カテゴリ4カテゴリ1アイテムCカテゴリ2カテゴリ3カテゴリ4カテゴリ1
出力結果1
出力結果2
ここでやっとここで作成したグラフに対して分析用のアルゴリズムを用いてマイニングをします。
グラフ系の分析アルゴリズム時間の関係上二つだけ紹介グラフラプラシアン行列を用いた手法マルコフクラスタリングアルゴリズムを用いた手法※マイニングをする時間が間に合わなかったので出力結果はこちらのみ。
グラフラプラシアン行列の作り方1次数分布の行列EBDA隣接行列C
グラフラプラシアン行列の作り方2次数分布の行列上-下隣接行列今回の場合は重み付のグラフを使っているので、すべてに重みをつけて標記(グラフラプラシアンじゃないのかも。。。)
その後の処理は。。。定番ですね。行列次元圧縮クラスタリング先ほどの行列Fast SVD第一特異値のユーザーアイテム行列を作り、階層型クラスタリング
マルコフクラスタリング最短経路媒介中心性を使ってクラスタリングする手法
計算は省略して感覚で言うとここら辺
出力結果(明日埋める)mcl –I 2.0 filename
駆け足にはなりましたが。ご清聴ありがとうござました。

More Related Content

What's hot

TensorFlow 入門
TensorFlow 入門TensorFlow 入門
TensorFlow 入門
Takenori Nakagawa
 
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
Deep Learning JP
 
Point net
Point netPoint net
Point net
Fujimoto Keisuke
 
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
Hirokatsu Kataoka
 
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
Deep Learning JP
 
TensorFlowで遊んでみよう!
TensorFlowで遊んでみよう!TensorFlowで遊んでみよう!
TensorFlowで遊んでみよう!
Kei Hirata
 
Moocsの利用
Moocsの利用Moocsの利用
Moocsの利用
Yoshiki Sakamoto
 
[第2版] Python機械学習プログラミング 第1章
[第2版] Python機械学習プログラミング 第1章[第2版] Python機械学習プログラミング 第1章
[第2版] Python機械学習プログラミング 第1章
Haruki Eguchi
 
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
 
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
ディープラーニングゼミ TensorFlowで学ぶ理論と実践ディープラーニングゼミ TensorFlowで学ぶ理論と実践
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
Yota Ishida
 
【CVPR 2019】Do Better ImageNet Models Transfer Better?
【CVPR 2019】Do Better ImageNet Models Transfer Better?【CVPR 2019】Do Better ImageNet Models Transfer Better?
【CVPR 2019】Do Better ImageNet Models Transfer Better?
cvpaper. challenge
 
[DL Hacks]Model-Agnostic Meta-Learning for Fast Adaptation of Deep Network
[DL Hacks]Model-Agnostic Meta-Learning for Fast Adaptation of Deep Network[DL Hacks]Model-Agnostic Meta-Learning for Fast Adaptation of Deep Network
[DL Hacks]Model-Agnostic Meta-Learning for Fast Adaptation of Deep Network
Deep Learning JP
 
【CVPR 2019】Second-order Attention Network for Single Image Super-Resolution
【CVPR 2019】Second-order Attention Network for Single Image Super-Resolution【CVPR 2019】Second-order Attention Network for Single Image Super-Resolution
【CVPR 2019】Second-order Attention Network for Single Image Super-Resolution
cvpaper. challenge
 
Recurrent Neural Networks
Recurrent Neural NetworksRecurrent Neural Networks
Recurrent Neural Networks
Seiya Tokui
 
Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編
Etsuji Nakai
 
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
Kimikazu Kato
 
サブカルのためのWord2vec
サブカルのためのWord2vecサブカルのためのWord2vec
サブカルのためのWord2vec
DeNA
 
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
Shohei Hido
 

What's hot (19)

TensorFlow 入門
TensorFlow 入門TensorFlow 入門
TensorFlow 入門
 
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
[DL輪読会]PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metr...
 
Point net
Point netPoint net
Point net
 
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
 
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
[DL輪読会]A Higher-Dimensional Representation for Topologically Varying Neural R...
 
TensorFlowで遊んでみよう!
TensorFlowで遊んでみよう!TensorFlowで遊んでみよう!
TensorFlowで遊んでみよう!
 
Moocsの利用
Moocsの利用Moocsの利用
Moocsの利用
 
[第2版] Python機械学習プログラミング 第1章
[第2版] Python機械学習プログラミング 第1章[第2版] Python機械学習プログラミング 第1章
[第2版] Python機械学習プログラミング 第1章
 
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
 
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
ディープラーニングゼミ TensorFlowで学ぶ理論と実践ディープラーニングゼミ TensorFlowで学ぶ理論と実践
ディープラーニングゼミ TensorFlowで学ぶ理論と実践
 
【CVPR 2019】Do Better ImageNet Models Transfer Better?
【CVPR 2019】Do Better ImageNet Models Transfer Better?【CVPR 2019】Do Better ImageNet Models Transfer Better?
【CVPR 2019】Do Better ImageNet Models Transfer Better?
 
卒業研究進捗報告
卒業研究進捗報告卒業研究進捗報告
卒業研究進捗報告
 
[DL Hacks]Model-Agnostic Meta-Learning for Fast Adaptation of Deep Network
[DL Hacks]Model-Agnostic Meta-Learning for Fast Adaptation of Deep Network[DL Hacks]Model-Agnostic Meta-Learning for Fast Adaptation of Deep Network
[DL Hacks]Model-Agnostic Meta-Learning for Fast Adaptation of Deep Network
 
【CVPR 2019】Second-order Attention Network for Single Image Super-Resolution
【CVPR 2019】Second-order Attention Network for Single Image Super-Resolution【CVPR 2019】Second-order Attention Network for Single Image Super-Resolution
【CVPR 2019】Second-order Attention Network for Single Image Super-Resolution
 
Recurrent Neural Networks
Recurrent Neural NetworksRecurrent Neural Networks
Recurrent Neural Networks
 
Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編
 
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
 
サブカルのためのWord2vec
サブカルのためのWord2vecサブカルのためのWord2vec
サブカルのためのWord2vec
 
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...
 

Viewers also liked

第5回収穫祭_tabris2012
第5回収穫祭_tabris2012第5回収穫祭_tabris2012
第5回収穫祭_tabris2012
tabris2012
 
行動予測モデルを用いた潜在顧客獲得ソリューション
行動予測モデルを用いた潜在顧客獲得ソリューション行動予測モデルを用いた潜在顧客獲得ソリューション
行動予測モデルを用いた潜在顧客獲得ソリューション
dampei_yakaze
 
201610 cross border+marketing-playbook_jp
201610 cross border+marketing-playbook_jp201610 cross border+marketing-playbook_jp
201610 cross border+marketing-playbook_jp
Yoshitaka Shinohara
 
代理店向けセミナー
代理店向けセミナー代理店向けセミナー
代理店向けセミナー
Ryoji Yanashima
 
アドテク業界七不思議
アドテク業界七不思議アドテク業界七不思議
アドテク業界七不思議
Ryoji Yanashima
 
FiNC3D動作姿勢分析機(ボディコンディショナー) 提案書/slideshare
FiNC3D動作姿勢分析機(ボディコンディショナー) 提案書/slideshareFiNC3D動作姿勢分析機(ボディコンディショナー) 提案書/slideshare
FiNC3D動作姿勢分析機(ボディコンディショナー) 提案書/slideshare
hirosawashinobu
 
オンライン行動データを使ったオフラインチャネルの最適化
オンライン行動データを使ったオフラインチャネルの最適化オンライン行動データを使ったオフラインチャネルの最適化
オンライン行動データを使ったオフラインチャネルの最適化
Ryoji Yanashima
 
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Akifumi Eguchi
 
Manifold learning with application to object recognition
Manifold learning with application to object recognitionManifold learning with application to object recognition
Manifold learning with application to object recognition
zukun
 
Adtech2013 audiencemerger
Adtech2013 audiencemergerAdtech2013 audiencemerger
Adtech2013 audiencemerger
Ryoji Yanashima
 
DMPを使いこなすためには。
DMPを使いこなすためには。DMPを使いこなすためには。
DMPを使いこなすためには。
Ryoji Yanashima
 
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
健児 青木
 
Vpon 2016 h1-jp
Vpon 2016 h1-jpVpon 2016 h1-jp
Vpon 2016 h1-jp
Yoshitaka Shinohara
 
Head First Ad Technology and DMP
Head First Ad Technology and DMPHead First Ad Technology and DMP
Head First Ad Technology and DMP
Kenta Suzuki
 
3.1節 統計的学習アルゴリズム
3.1節 統計的学習アルゴリズム3.1節 統計的学習アルゴリズム
3.1節 統計的学習アルゴリズム
Akito Nakano
 
マーケジンDMPセミナー final 0528
マーケジンDMPセミナー final 0528マーケジンDMPセミナー final 0528
マーケジンDMPセミナー final 0528
Intimate Merger Inc.
 
トピックモデルによる統計的潜在意味解析 2章後半
トピックモデルによる統計的潜在意味解析 2章後半トピックモデルによる統計的潜在意味解析 2章後半
トピックモデルによる統計的潜在意味解析 2章後半
Shinya Akiba
 
「トピックモデルによる統計的潜在意味解析」読書会「第1章 統計的潜在意味解析とは」
「トピックモデルによる統計的潜在意味解析」読書会「第1章 統計的潜在意味解析とは」「トピックモデルによる統計的潜在意味解析」読書会「第1章 統計的潜在意味解析とは」
「トピックモデルによる統計的潜在意味解析」読書会「第1章 統計的潜在意味解析とは」
ksmzn
 

Viewers also liked (20)

第5回収穫祭_tabris2012
第5回収穫祭_tabris2012第5回収穫祭_tabris2012
第5回収穫祭_tabris2012
 
行動予測モデルを用いた潜在顧客獲得ソリューション
行動予測モデルを用いた潜在顧客獲得ソリューション行動予測モデルを用いた潜在顧客獲得ソリューション
行動予測モデルを用いた潜在顧客獲得ソリューション
 
201610 cross border+marketing-playbook_jp
201610 cross border+marketing-playbook_jp201610 cross border+marketing-playbook_jp
201610 cross border+marketing-playbook_jp
 
代理店向けセミナー
代理店向けセミナー代理店向けセミナー
代理店向けセミナー
 
アドテク業界七不思議
アドテク業界七不思議アドテク業界七不思議
アドテク業界七不思議
 
FiNC3D動作姿勢分析機(ボディコンディショナー) 提案書/slideshare
FiNC3D動作姿勢分析機(ボディコンディショナー) 提案書/slideshareFiNC3D動作姿勢分析機(ボディコンディショナー) 提案書/slideshare
FiNC3D動作姿勢分析機(ボディコンディショナー) 提案書/slideshare
 
Finc勉強会
Finc勉強会Finc勉強会
Finc勉強会
 
オンライン行動データを使ったオフラインチャネルの最適化
オンライン行動データを使ったオフラインチャネルの最適化オンライン行動データを使ったオフラインチャネルの最適化
オンライン行動データを使ったオフラインチャネルの最適化
 
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
 
Manifold learning with application to object recognition
Manifold learning with application to object recognitionManifold learning with application to object recognition
Manifold learning with application to object recognition
 
Adtech2013 audiencemerger
Adtech2013 audiencemergerAdtech2013 audiencemerger
Adtech2013 audiencemerger
 
DMPを使いこなすためには。
DMPを使いこなすためには。DMPを使いこなすためには。
DMPを使いこなすためには。
 
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
読書会 「トピックモデルによる統計的潜在意味解析」 第2回 3.2節 サンプリング近似法
 
Vpon 2016 h1-jp
Vpon 2016 h1-jpVpon 2016 h1-jp
Vpon 2016 h1-jp
 
Head First Ad Technology and DMP
Head First Ad Technology and DMPHead First Ad Technology and DMP
Head First Ad Technology and DMP
 
3.1節 統計的学習アルゴリズム
3.1節 統計的学習アルゴリズム3.1節 統計的学習アルゴリズム
3.1節 統計的学習アルゴリズム
 
ブレインパッドセミナー
ブレインパッドセミナーブレインパッドセミナー
ブレインパッドセミナー
 
マーケジンDMPセミナー final 0528
マーケジンDMPセミナー final 0528マーケジンDMPセミナー final 0528
マーケジンDMPセミナー final 0528
 
トピックモデルによる統計的潜在意味解析 2章後半
トピックモデルによる統計的潜在意味解析 2章後半トピックモデルによる統計的潜在意味解析 2章後半
トピックモデルによる統計的潜在意味解析 2章後半
 
「トピックモデルによる統計的潜在意味解析」読書会「第1章 統計的潜在意味解析とは」
「トピックモデルによる統計的潜在意味解析」読書会「第1章 統計的潜在意味解析とは」「トピックモデルによる統計的潜在意味解析」読書会「第1章 統計的潜在意味解析とは」
「トピックモデルによる統計的潜在意味解析」読書会「第1章 統計的潜在意味解析とは」
 

Similar to TokyoWebming

Pythonによる機械学習
Pythonによる機械学習Pythonによる機械学習
Pythonによる機械学習
Kimikazu Kato
 
ジャストシステムの形態素解析技術
ジャストシステムの形態素解析技術ジャストシステムの形態素解析技術
ジャストシステムの形態素解析技術
JustSystems Corporation
 
FPGAX2019
FPGAX2019FPGAX2019
FPGAX2019
Hiroki Nakahara
 
Pythonで体験する深層学習 5章
Pythonで体験する深層学習 5章Pythonで体験する深層学習 5章
Pythonで体験する深層学習 5章
孝好 飯塚
 
東大生向けデータ解析講座 第3回 2018/01/04
東大生向けデータ解析講座 第3回 2018/01/04東大生向けデータ解析講座 第3回 2018/01/04
東大生向けデータ解析講座 第3回 2018/01/04
西岡 賢一郎
 
Convolutional Neural Netwoks で自然言語処理をする
Convolutional Neural Netwoks で自然言語処理をするConvolutional Neural Netwoks で自然言語処理をする
Convolutional Neural Netwoks で自然言語処理をする
Daiki Shimada
 
『逆転オセロニア』における運用効率化支援 〜デッキログのデータマイニング〜
『逆転オセロニア』における運用効率化支援  〜デッキログのデータマイニング〜『逆転オセロニア』における運用効率化支援  〜デッキログのデータマイニング〜
『逆転オセロニア』における運用効率化支援 〜デッキログのデータマイニング〜
DeNA
 
Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編
Etsuji Nakai
 
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
弘毅 露崎
 
how-calculate-cluster-coefficience
how-calculate-cluster-coefficiencehow-calculate-cluster-coefficience
how-calculate-cluster-coefficience
Norihiro Shimoda
 
MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習
Preferred Networks
 
効用最大化理論の観点から見る強化学習
効用最大化理論の観点から見る強化学習効用最大化理論の観点から見る強化学習
効用最大化理論の観点から見る強化学習
Kenta Ishii
 
形態素解析器 売ってみた
形態素解析器 売ってみた形態素解析器 売ってみた
形態素解析器 売ってみた
JustSystems Corporation
 
運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]
運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]
運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]
DeNA
 
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
Etsuji Nakai
 
MLaPP輪講 Chapter 1
MLaPP輪講 Chapter 1MLaPP輪講 Chapter 1
MLaPP輪講 Chapter 1
ryuhmd
 
機械学習CROSS 前半資料
機械学習CROSS 前半資料機械学習CROSS 前半資料
機械学習CROSS 前半資料
Shohei Hido
 
第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchi第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchi
Akira Taniguchi
 
Arに対する古典分子動力学シミュレーション
Arに対する古典分子動力学シミュレーションArに対する古典分子動力学シミュレーション
Arに対する古典分子動力学シミュレーション
dc1394
 

Similar to TokyoWebming (19)

Pythonによる機械学習
Pythonによる機械学習Pythonによる機械学習
Pythonによる機械学習
 
ジャストシステムの形態素解析技術
ジャストシステムの形態素解析技術ジャストシステムの形態素解析技術
ジャストシステムの形態素解析技術
 
FPGAX2019
FPGAX2019FPGAX2019
FPGAX2019
 
Pythonで体験する深層学習 5章
Pythonで体験する深層学習 5章Pythonで体験する深層学習 5章
Pythonで体験する深層学習 5章
 
東大生向けデータ解析講座 第3回 2018/01/04
東大生向けデータ解析講座 第3回 2018/01/04東大生向けデータ解析講座 第3回 2018/01/04
東大生向けデータ解析講座 第3回 2018/01/04
 
Convolutional Neural Netwoks で自然言語処理をする
Convolutional Neural Netwoks で自然言語処理をするConvolutional Neural Netwoks で自然言語処理をする
Convolutional Neural Netwoks で自然言語処理をする
 
『逆転オセロニア』における運用効率化支援 〜デッキログのデータマイニング〜
『逆転オセロニア』における運用効率化支援  〜デッキログのデータマイニング〜『逆転オセロニア』における運用効率化支援  〜デッキログのデータマイニング〜
『逆転オセロニア』における運用効率化支援 〜デッキログのデータマイニング〜
 
Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編Python 機械学習プログラミング データ分析ライブラリー解説編
Python 機械学習プログラミング データ分析ライブラリー解説編
 
PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説PCAの最終形態GPLVMの解説
PCAの最終形態GPLVMの解説
 
how-calculate-cluster-coefficience
how-calculate-cluster-coefficiencehow-calculate-cluster-coefficience
how-calculate-cluster-coefficience
 
MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習MapReduceによる大規模データを利用した機械学習
MapReduceによる大規模データを利用した機械学習
 
効用最大化理論の観点から見る強化学習
効用最大化理論の観点から見る強化学習効用最大化理論の観点から見る強化学習
効用最大化理論の観点から見る強化学習
 
形態素解析器 売ってみた
形態素解析器 売ってみた形態素解析器 売ってみた
形態素解析器 売ってみた
 
運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]
運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]
運用中のゲームにAIを導入するには〜プロジェクト推進・ユースケース・運用〜 [DeNA TechCon 2019]
 
TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
 
MLaPP輪講 Chapter 1
MLaPP輪講 Chapter 1MLaPP輪講 Chapter 1
MLaPP輪講 Chapter 1
 
機械学習CROSS 前半資料
機械学習CROSS 前半資料機械学習CROSS 前半資料
機械学習CROSS 前半資料
 
第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchi第8回Language and Robotics研究会20221010_AkiraTaniguchi
第8回Language and Robotics研究会20221010_AkiraTaniguchi
 
Arに対する古典分子動力学シミュレーション
Arに対する古典分子動力学シミュレーションArに対する古典分子動力学シミュレーション
Arに対する古典分子動力学シミュレーション
 

TokyoWebming