【機械学習を始めよう】
2：機械学習入門 / k最近傍法 | 機械学習の手順と基本的なアルゴリズム
5：ロジスティック回帰（前編）| ロジスティック回帰の理論と実装
7：サポートベクトルマシン（前編）| SVMの理論、ハードマージンとソフトマージン
8：サポートベクトルマシン（中編）| ラグランジュの未定乗数法、双体問題
9：サポートベクトルマシン（後編）| カーネル法、多クラス分類・回帰問題
11：アンサンブル学習（前編）| バギング・スタッキング・バンピング、ランダムフォレスト
12：アンサンブル学習（後編）| AdaBoost、勾配ブースティング
16：クラスター分析｜階層的クラスタリング、k-meansクラスタリング
【始めて学ぶ深層学習】
1：深層学習とは？｜ディープラーニングの意味、ニューラルネットワーク
2：活性化関数｜ReLU、シグモイド関数、ソフトマックス関数
3：損失関数_勾配降下法｜交差エントロピー誤差、ミニバッチ勾配降下法
【強化学習入門】
Pythonで実装しながら強化学習を学ぶ〜前編〜【機械学習】
Pythonで実装しながら強化学習を学ぶ〜後編〜【機械学習】
PFIセミナー2016_05_19 – A3Cという強化学習アルゴリズムで遊んでみた話
【統計】
【Excelで学ぶ】
Youtubeじゃないけど、無料のビデオレッスン
Neural Network Console (SONY)
Deep Learning入門：今Deep Learningに取り組むべき理由
Deep Learning入門：Deep Learningとは？
Deep Learning入門：Deep Learningでできること
Deep Learning入門：ニューラルネットワーク設計の基礎
Deep Learning入門：層数、ニューロン数を決める指針
Deep Learning入門：ニューラルネットワークの多層化テクニック
Deep Learning入門：ニューラルネットワーク学習の仕組み
Deep Learning入門：Recurrent Neural Networksとは？
Deep Learning入門：Generative Adversarial Networks (GAN)とは？
Deep Learning入門：数式なしで理解するLSTM (Long short-term memory)
Deep Learning入門：Transfer Learning（転移学習）
Deep Learning習得と人材育成のコツ（初学者向け）
ニューラルネットワークの学習に用いるデータの集め方（企業、研究開発機関向け）
Deep Learning精度向上テクニック：様々な活性化関数
Deep Learning精度向上テクニック：様々なCNN #1
Deep Learning精度向上テクニック：様々なCNN #2
Deep Learning精度向上テクニック：様々な CNN #3～複数の解像度を扱う～
Deep Learning精度向上テクニック：様々なCNN #4
Deep Learning精度向上テクニック：様々な最適化手法 #1
Deep Learning精度向上テクニック：Data Augmentation
実践Deep Learning：Autoencoderを用いた教師なし異常検知
実践Deep Learning：Deep Learningで行う予測
実践Deep Learning：セマンティックセグメンテーション
NNCチュートリアル：学習・評価・推論用ネットワークを自在に定義する
NNCチュートリアル：作成した認識機をPythonから利用する方法
NNCチュートリアル：Image Augmentationレイヤーによる画像データの水増し
NNCチュートリアル：アンサンブル学習や複数回評価による手軽な精度向上テクニック
NNCチュートリアル：Exif情報を利用し簡単にオリジナルデータセットを用いた実験を行う
ディープラーニングの世界（AIcia Solid Project）
【深層学習】ディープラーニングとは関数近似器である【ディープラーニングの世界 vol. 1 】
【深層学習】学習 – なぜ必要なのか？何をするのか？【ディープラーニングの世界 vol. 2 】
【深層学習】関数 – なぜ「深さ」が AI を生み出しているのか？【ディープラーニングの世界 vol. 3 】
【深層学習】全結合層 – それはいちばん大事な部品のお話【ディープラーニングの世界 vol. 4 】
【深層学習】畳み込み層の本当の意味、あなたは説明できますか？【ディープラーニングの世界 vol. 5 】
【深層学習】プーリング層 – シンプルだけど大きな役割を担う層【ディープラーニングの世界 vol. 6 】
【深層学習】CNN 実装してみた【ディープラーニングの世界 vol. 7 】
【深層学習】RNN の意味を徹底解説！【ディープラーニングの世界 vol. 8 】
【深層学習】RNN の3通りの使い方 – RNN の混乱ポイントを倒す！【ディープラーニングの世界 vol. 9 】
【深層学習】GRU – RNN に記憶をもたせる試みその1【ディープラーニングの世界 vol. 10 】
【深層学習】LSTM – RNN に記憶をもたせる試みその2【ディープラーニングの世界 vol. 11 】
【深層学習】bi-LSTM – 前後の文脈を利用する Recurrent layer【ディープラーニングの世界 vol. 12 】
【深層学習】CNN紹介 “LeNet” 1990年代に活躍したCNN【ディープラーニングの世界 vol. 13 】
【深層学習】CNN紹介 “AlexNet” 2012年に登場し、画像処理に革命を起こしたモデル【ディープラーニングの世界 vol. 14 】
【深層学習】CNN紹介 “GoogLeNet” ILSVRC2014ををInceptionで制したモデル【ディープラーニングの世界 vol. 15】
【深層学習】 CNN 紹介 “VGGNet” シンプルで強い転移学習の味方【ディープラーニングの世界 vol. 16】
【深層学習】 CNN 紹介 “ResNet” 言わずとしれた CNNの標準技術が登場！【ディープラーニングの世界 vol. 17】
【深層学習】 CNN 紹介 “Xception” 大胆仮説でパラメタ削減と汎化を達成【ディープラーニングの世界 vol. 18】
【深層学習】SENet – 「圧縮興奮機構」による性能向上【ディープラーニングの世界 vol. 19】
【深層学習】RNNLM – 自然言語処理に革命を起こした RNN について【ディープラーニングの世界 vol. 20】
【深層学習】word2vec – 単語の意味を機械が理解する仕組み【ディープラーニングの世界 vol. 21】
【深層学習】word2vec の数理 – なぜ単語の計算が可能なのか【ディープラーニングの世界 vol. 22】
【深層学習】doc2vec – 文章の意味を機械が理解する仕組み【ディープラーニングの世界 vol. 23】
【深層学習】Attention – 全領域に応用され最高精度を叩き出す注意機構の仕組み【ディープラーニングの世界 vol. 24】
【深層学習】fasttext – 単語の内部構造を利用した版 word2vec 【ディープラーニングの世界 vol. 25】
【深層学習】GNMT – Google翻訳の中身を解説！(2016)【ディープラーニングの世界 vol. 26】
【深層学習】SCDV – 文章ベクトルをソフトクラスタとスパース化で精度アップ！【ディープラーニングの世界 vol. 27】
【深層学習】Transformer – Multi-Head Attentionを理解してやろうじゃないの【ディープラーニングの世界vol.28】
【深層学習】忙しい人のための Transformer と Multi-Head Attention【ディープラーニングの世界 vol.29 】
Addition
【機械学習に取り組むあなたにささげる】softmax function について語るよ！【関数がたり】
【相関で情報を圧縮】主成分分析の気持ちを理解する【いろんな分析 vol. 2 】
【もう二度と迷わない】因子分析と主成分分析は何が違うの？【いろんな分析 vol. 3 】
【時系列分析①】漸化式と線型代数その1【特性方程式の謎を解く！】
【ベイズ統計その①】条件付き確率と Bayes の定理【時間の流れを意識せよ！】
【ベイズ統計その②】この推定、もっとももっともらしいってよ…！【最尤推定のお話だよ！】
【ベイズ統計その③】宇宙一わかりやすいベイズ推定【本気の解説】
【ベイズ統計④】ベイズ推定の気持ちと、指数型分布族と、共役事前分布【本気の解説】
【ベイズ統計⑤】ベイズの定理とベイズ統計の気持ち【ベイズってるー？】
【自然言語処理】BLEU – 定義は？どういう意味？何で利用されてるの？【機械翻訳の評価指標】#105 #VRアカデミア
Appendix
Leave a Reply