FrontPage/機械学習の変更点

追加された行はこの色です。
削除された行はこの色です。
FrontPage/機械学習へ行く。
FrontPage/機械学習の差分を削除
** 実践 機械学習システム [#p34872bc]
- 第二章 (2016/06/30)
https://gist.github.com/peace098beat/2de2839b9c8ed1e7a7333134d70d5835

** データセット [#n2b935cd]
http://naoyat.hatenablog.jp/entry/2011/12/29/064419

** pandasの基礎の基礎 [#c808cac3]
型変換の一覧が掲載。list <> ndarray <> pd.Series <> pd.Dataframe

http://qiita.com/richi40/items/6b3af6f4b00d62dbe8e1


* TensorFlow [#me44c035]
 logpath=$(pwd)/log
 echo $logpath
 tensorboard --logdir=${logpath}

** チュートリアル記事をまとめる [#beed04d1]
[[TensorFlow (GPU版) を Ubuntu にインストールしてみた>http://qiita.com/naomi7325/items/789b256a2c61dbe8ed00]]
>Googleが公開しているオープンソースの人工知能ライブラリTensorFlowをUbuntuにインストールしたときの記録。
CUDA EnableでCIFAR-10のトレーニングを動かすまで。

[[初めてのTensorFlow - イントロダクションとしての線形回帰>http://qiita.com/TomokIshii/items/f355d8e87d23ee8e0c7a]]
> 先週(2015/11/9)，Deep LearninのFramework の"TensorFlow"が公開されたが，ドキュメントの説明「MNIST（手書き数字の分類）は機械学習の"Hello World" である．」という箇所に納得がいかない．CourseraのMachine Learning (Stanford)でもそうだったが，機械学習を初歩から学ぶ場合，やはり最初は Linear Regression（線形回帰）と，個人的に考える．

[[TensorFlowを算数で理解する>http://qiita.com/icoxfog417/items/fb5c24e35a849f8e2c5d]]
> TensorFlowは主に機械学習、特に多層ニューラルネットワーク(ディープラーニング)を実装するためのライブラリになりますが、その基本的な仕組みを理解するのにそうした難しい話は特に必要ありません。本記事では、TensorFlowの仕組みを、算数程度の簡単な計算をベースに紐解いていきたいと思います。

[[TensorFlowチュートリアル - ML初心者のためのMNIST（翻訳）>http://qiita.com/KojiOhki/items/ff6ae04d6cf02f1b6edf]]
>[[TensorFlowのチュートリアル（MNIST For ML Beginners）>
https://www.tensorflow.org/versions/master/tutorials/mnist/beginners]]
の翻訳です。

[[tensorflowの初心者向けMNISTチュートリアルをやってみた。>http://qiita.com/piruty_joy/items/356363c19844487d7644]]
>以下、公式サイトにある「MNIST For ML Beginners」にあるものをメモ書きしながら実装してみた。



[[TensorFlow 畳み込みニューラルネットワークで手書き認識率99.2%の分類器を構築>http://qiita.com/haminiku/items/36982ae65a770565458d]]
> TensorFlowとは2015/11/9にオープンソース化されたGoogleの機械学習ライブラリです。この記事ではディープラーニングと言われる多層構造のニューラルネットワークをTensorFlowを利用して構築しています
> macのPython2.7系環境でTensorFlowの上級者用チュートリアルを行い、手書き認識率99.2%の多層構造の畳み込みニューラルネットワークモデルの分類器を構築したときの作業メモです。特別な設定なしにCPU使用率270%メモリ600MByteとちゃんと並列計算してくれました。MNISTランキングを見ると認識率99.2%は上位のモデルとなるようです。

[[GoogleのTensorFlow関連の記事へのリンク>http://live-in-nlp.blogspot.jp/2015/11/googletensorflow1110.html]]
>2015年11月10日火曜日 GoogleのTensorFlow関連の記事へのリンク