Résumé des diapositives de la session de lecture ronde de la série professionnelle d'apprentissage automatique

Cette page résume les diapositives de présentation de la session de lecture ronde de la série Machine Learning Professional. Je vais le mettre à jour de temps en temps.

** Lecture ronde de la série Machine Learning Professional ** Conpass URL: http://ml-professional.connpass.com

# 1 "Apprentissage en profondeur"

http://bookclub.kodansha.co.jp/product?isbn=9784061529021 Tableau correct / faux

chapitre 1: Introduction @a_macabee

http://www.slideshare.net/beeEaMa/chapter-01-49404580

Chapitre 2: Réseau de neurones à propagation directe @a_macabee

http://www.slideshare.net/beeEaMa/chapter-02-49488411

Chapitre 3: Méthode de descente de gradient probabiliste @ hagino3000

Chapitre 4: Méthode de propagation de retour d'erreur @t_tetsuma

Chapitre 5: Auto-encodeur @at_grandpa

http://www.slideshare.net/at_grandpa/chapter5-50042838 http://at-grandpa.hatenablog.jp/entry/2015/07/01/190226

Chapitre 6: Pliage du réseau neuronal @ kenmatsu4

http://www.slideshare.net/matsukenbook/ss-50545587
http://www.slideshare.net/matsukenbook/deep-learning-chap6-convolutional-neural-net

Chapitre 7: Réseau neuronal récursif @g_votte

http://www.slideshare.net/shotarosano5/chapter7-50542830

Chapitre 8: Machine Boltzmann @ bigsea_t

http://www.slideshare.net/taikaitakeda/8-boltzmann-machine

LT Frame 1: Implémentation de machine Boltzmann de restriction multicouche @ mabonki0725

http://www1.m.jcnnet.jp/mabonki/doc/LT_deepL_RBM_R150805.pdf

Cadre LT 2: j'ai essayé d'utiliser Chainer @ kenmatsu4

http://www.slideshare.net/matsukenbook/lt-chainer

Cadre LT 3: @t_furukawa

Cadre LT 4: DQN @oshokawa

https://speakerdeck.com/oshokawa/dqn



# 2 "Détection d'anomalies et détection de changement"

http://ide-research.net/book/support.html#kodansha Table de correction

chapitre 1 & 2: Concept de base de détection d'anomalie / détection de changement, détection d'anomalie par la méthode T ^ 2 d'hôteling @at_grandpa

http://www.slideshare.net/at_grandpa/5-chapter-1-2 http://at-grandpa.hatenablog.jp/entry/2015/08/21/220430

chapitre 3: Détection d'anomalies par simple méthode Bayes @a_macabee

http://www.slideshare.net/beeEaMa/mlprofessional

chapitre 4: Détection d'anomalies par la méthode de voisinage @ kenmatsu4

http://www.slideshare.net/matsukenbook/4-53640134

chapitre 5: Détection des anomalies mise à jour séquentiellement par modèle de distribution mixte @t_tetsuma

http://www.slideshare.net/tetsumatada/5-54726998

chapitre 6: Détection d'anomalies par la méthode de description des données vectorielles de support @g_votte

http://www.slideshare.net/shotarosano5/in-54205735

chapitre 7: Détection d'anomalies des données de direction @nakano_tomofumi

http://www.slideshare.net/nakanotomofumi/7-54766192

chapitre 8: Détection d'anomalies par régression de processus gaussien @ healthy55five

Coming soon... :smile:

chapitre 9: Détection des points de changement par la méthode du sous-espace @ hagino3000

http://www.slideshare.net/hagino_3000/9-55242143

chapitre 10: Détection d'anomalies par apprentissage de structures clairsemées @natsu_xxxxxxxx

http://www.slideshare.net/natsup/anomaly-detection-char10

chapitre 11: Détection d'anomalies par estimation du rapport de densité @oshokawa

https://speakerdeck.com/oshokawa/mi-du-bi-tui-ding-niyoruyi-chang-jian-zhi

chapitre 12: Détection des changements par estimation du rapport de densité ErikaFujita

http://www.slideshare.net/ErikaFujita/ss-55958414

Recommended Posts

Résumé des diapositives de la session de lecture ronde de la série professionnelle d'apprentissage automatique
Résumé du didacticiel d'apprentissage automatique
Apprentissage automatique ⑤ Résumé AdaBoost
Apprentissage automatique ② Résumé Naive Bayes
Résumé de l'article sur l'apprentissage automatique (auto-écrit)
Apprentissage automatique ④ Résumé du K-plus proche voisin
Reproduire des exemples numériques de pseudo-corrélation (série professionnelle d'apprentissage automatique)
Apprentissage automatique ① Résumé SVM (Support Vector Machine)
Résumé de l'apprentissage automatique par les débutants de Python
Apprentissage automatique ③ Résumé de l'arbre de décision
scikit-learn Comment utiliser le résumé (apprentissage automatique)
Note récapitulative sur la programmation d'apprentissage automatique Python (Jupyter)
Résumé de la classification et de la mise en œuvre des algorithmes d'apprentissage automatique
Algorithme d'apprentissage automatique (résumé de régression linéaire et régularisation)
Apprentissage automatique
Résumé des fonctions d'évaluation utilisées dans l'apprentissage automatique