background preloader

DB - Statistics

Facebook Twitter

初めての機械学習理論 - Yuta.Kikuchiの日記. 連載：機械学習 はじめよう. Hiroshi Nakagawa. データマイニングで使われるトップ10アルゴリズム - iAnalysis ～おとうさんの解析日記～ [O] echizen_tm さんが機械学習の勉強のはじめ方について解説していた. なんだ違うのか。

[O] echizen_tm さんが機械学習の勉強のはじめ方について解説していた

がっかりだな。 確かに、そのPRMLはほとんどピカピカじゃないか。 パターン認識と機械学習 上 - ベイズ理論による統計的予測 [Amazonで詳細を見る] 作るプログラムの機能や性能で勝負したい。そうだ、データベースを勉 - きしだのはてな. ■作るプログラムの機能や性能で勝負したい。

作るプログラムの機能や性能で勝負したい。そうだ、データベースを勉 - きしだのはてな

そうだ、データベースを勉強しよう 08:16 さて、アルゴリズムの勉強のしかたと、ラムダ計算の勉強のしかたの目星をつけました。 アルゴリズムの勉強のしかた - きしだのはてな ラムダ計算の勉強のしかた、プログラム意味論 - きしだのはてな これでここで書いたプログラムの理論の基礎は勉強できたことになるんじゃないかと思います。 プログラムの理論とはなにか - きしだのはてな ところで、プログラムの勉強地図としてこういう図を書きました。 で、ハードウェアまわりについても、プロセッサを支える技術やネットワークはなぜつながるのかでひととおり勉強したとしましょう。 じゃあ次は、アジャイルか？ いい感じに関数が分割できるよとか、読みやすい名前がつけれるよとか、効率よく仕事して定時に帰れるよとか、そういうのではなく、ぼくの作ったプログラムは3倍速いよとか、3倍のデータさばけるよとか、3倍のサーバで分散できるよとかいいたい。

そういう地味なんじゃなくて具体的に画像認識とか自動翻訳とかできたほうがかっこよくね？ まあ、UIデザインは、ノーマンさんの誰のためのデザイン? グーグルがNoSQL軽量ライブラリ「LevelDB」をオープンソース化。SQLiteとの比較ベンチマークも公開. 「機械学習とパターン認識」(PRML)のアンチョコ by herumi - Mi manca qualche giovedi`? 変化するDBの必須知識 - 記者の眼. 筆者が日経ソフトウエアに異動してきたのは5年前。

変化するDBの必須知識 - 記者の眼

当時、日経ソフトウエアで「データベースを学ぶ企画」と言えば、米OracleのOracle DatabaseやMySQL、米MicrosoftのSQL Serverを中心に取り上げるものだった。 これらはみな、リレーショナルモデルという理論をベースにしたリレーショナルデータベース管理システム（Relational Database Management System、RDBMS）である。 一昔前ではRDBMSさえ理解しておけば、業務アプリケーションから個人向けのWebアプリケーションに至るまで、データベースを使ったアプリケーション開発に事欠くことはなかった。 スマホ＆クラウドの普及で変化 あれから5年の月日が流れた今、急速に拡大するスマートフォン＆クラウド市場によって、開発者が学ぶべきデータベースに変化が生じている。 AndroidやiPhoneには「SQLite」という組み込み型のRDBMSが入っている。 さらに、クラウド環境で利用するKVS型データベースの知識も欠かせない。 スマホとクラウドの連携が“旬” 最近のトレンドとして、クラウド上のデータベースとスマートフォンを連携させて利用するアプリケーションがある。 さらに米Appleは、今秋に新サービス「iCloud」を開始予定だ。 なお、日経ソフトウエア2011年9月号では、SQLiteとGoogleのDatastoreについて学習する「スマホ＆クラウド時代のデータベース入門」の特集を組んだ。 Rユーザは「グラフィックスのためのRプログラミング―ggplot2入門」を今すぐ注文しましょう - 糞ネット弁慶. 可変次数 N-gram デコードのアルゴリズム - アスペ日記.

可変次数 N-gram デコードのアルゴリズム 前に書いた N-gram 漢字-かな変換 - アスペ日記 のアルゴリズムについて。

可変次数 N-gram デコードのアルゴリズム - アスペ日記

かなり縦に長いエントリになると思う。 途中までは一般的な日本語自然言語処理にかかわること。 例として、「かれがくるまでまつ」というひらがなの文をデコードして、対応する漢字かな混じり文にすることを考える。 こういう時に使われるのが「ラティス構造」。 （この図は一回しか出てきません。 それぞれのノードで、そこに入ってくるエッジの中で一番確率が高いものとその確率を覚えていくことで、動的計画法によって最適なパスを導くことができる。 これをプログラム上でどう実現するか。 まず、共通接頭辞検索というものを使う。 これは、あるキーを渡すと、そのキーに前から一致するようなキーを持つ候補を列挙してくれるというもの。 例えば、「くるまで」をキーとして使うと、「く」「くる」「くるま」をキーとして持つ候補をすべて返してくれる。 文頭から一文字ずつずらしながらこの共通接頭辞検索を行うことで、ラティスの中に出現するノードを列挙できる。 例えば、「かれがくるまでまつ」では、まず「かれがくるまでまつ」全体を共通接頭辞検索に渡し、「か」と「かれ」に対応する候補があることを教えてもらい、その次は「れがくるまでまつ」→「れ」、「がくるまでまつ」→「が」「がく」、「くるまでまつ」→「く」「くる」「くるま」…という具合。 結果が返ってくるようなひらがな列を図にすると、例えば次のようになる。 機械学習超入門IV ～SVM(サポートベクターマシン)だって30分で作れちゃう☆～ - EchizenBlog-Zwei. 米スタンフォード大学が「機械学習」「データベース」「人工知能」の無料オンライン授業を今秋から開始. 2011年8月18日 米スタンフォード大学は、今秋から同大学で行われているコンピュータサイエンスの講義のうち、3つのコースをオンラインで無料公開することを発表しました。

米スタンフォード大学が「機械学習」「データベース」「人工知能」の無料オンライン授業を今秋から開始

Free computer science classes online 公開されるのは、「Machine Learning」（機械学習）、「Introduction to Databases」（データベース入門）、「Introduction to Artificial Intelligence」（人工知能入門）の3コース。 「優れたMySQL DBAを見分ける27+3の質問」に対する回答例. 随分と更新が空いてしまったが、「優れたMySQL DBAを見分ける27+3の質問」に対する回答例（漢バージョン）を紹介しよう。

「優れたMySQL DBAを見分ける27+3の質問」に対する回答例

実は質問を掲載した際「難しい！」 というコメントが非常に多く、もう少し易しい質問にするべきだったかと思って次のように呟いてみたのだが・・・ そのような憂慮など吹き飛ばす回答を松信氏から頂いたのであった！！ 非常に心強くて安心した。 さすがに日本を代表するMySQLのエキスパートである。 そんなわけで、回答の方に移ろう。 MySQLのサーバープロセスはいくつある？ ひとつ。 Rootユーザーのパスワードを忘れたときの回復手順. SVMの定番入門書「サポートベクターマシン入門(赤本)」の読み方 - EchizenBlog-Zwei. データいじるのが好きだったりデータサイエンティストになりたかったりする人は「ビューティフルデータ」を今すぐ注文しましょう - 糞ネット弁慶. スクレイピングするなら ScraperWiki 使うといいよ - Yarukidenized:ヤルキデナイズド. 自然言語処理にはやっぱりPythonがいちばん - nokunoの日記.