RSS

「予測」 - おすすめピックアップ動画

※本サイトに掲載されているチャンネル情報や動画情報はYouTube公式のAPIを使って取得・表示しています。

Videos

動画一覧

動画数:145件

【Pythonプログラミング】scikit-learnで機械学習!〜 入門編・初心者向け 〜

【Pythonプログラミング】scikit-learnで機械学習!〜 入門編・初心者向け 〜

Pythonプログラミングに関する情報を発信しているサプーです! この動画はPythonのscikit-learnを使って、機械学習モデルを作成する方法を解説した動画です! 機械学習モデルの数学的な解釈は省略して、大まかに機械学習でできることと、scikit-learnでどのように実装するかを説明しています😉 ・機械学習のモデルとは? ・学習と予測の実装方法 ・リークとは? これらを解説しているので、ぜひ最後までご覧ください✨✨ 💙 メンバーシップ 💙 説明動画 ▶︎ https://youtu.be/-Pc2SAxKSC4 登録 ▶︎ https://www.youtube.com/channel/UC5Kgc_HNzx4GJ-w4QMeeKiQ/join iPhoneの方はこらから ▶︎ https://twitter.com/PythonSuppl/status/1466049000658718729?s=20 💻 動作環境 💻 Windows 10 Python 3.9.0 🌎 参考URL 🌎 あやめデータセットCSV ▶︎ https://drive.google.com/file/d/1GUzrqngSQPFtPINenwhScJTIZcoZX6Yi/view?usp=sharing Category Encoders ▶︎ htttps://contrib.scikit-learn.org/category_encoders/ 🎥 関連動画 🎥 Pandas ▶︎ https://youtu.be/HYWQbAdsG6s Numpy ▶︎ https://youtu.be/gnTxKHMYqFI ⭐️ チャプター ⭐️ 0:00 今日のテーマ「scikit-learn」 0:39 対象とする機械学習 3:54 モデル作成過程 5:42 モデルとは? 9:38 scikit-learnの使い方 19:51 実演 24:35 注意点1カテゴリー特徴量 27:01 注意点2リーク 28:10 エンディング 💜 チャンネル説明 💜 Pythonプログラミングについて解説するVtuber サプーです✨ 初心者でも分かりやすく、Pythonを体系的に学習できるような動画をアップロードしていきます! みんなが少しでもPythonが好きになってくれたら嬉しいな💕 Twitterもやってるので、フォローお願いします! Twitter ▶︎ https://twitter.com/PythonSuppl メール ▶︎ [email protected] #Python #機械学習 #scikit_learn #machine_learning #sklearn #AI #人工知能 #プログラミング #パイソン #PythonVTuberサプー #Python #プログラミング #初心者 #入門 #パイソン #sklearn #scikit #scikit-learn #machine learning #機械学習 #機会学習 #AI #人工知能 #人口知能
2022年02月26日
00:00:00 - 00:28:39
「特発性側弯症の診断・治療における血漿中ビタミンD結合蛋白の応用」 富山大学 附属病院 整形外科 医員 牧野 紘士

「特発性側弯症の診断・治療における血漿中ビタミンD結合蛋白の応用」 富山大学 附属病院 整形外科 医員 牧野 紘士

「富山大学 新技術説明会」(2018年9月13日開催)にて発表。https://shingi.jst.go.jp/list/u-toyama/2018_u-toyama.html 【新技術の概要】 本発明は、特発性側弯症患者において、体液中の蛋白質(ビタミンD結合蛋白等)をバイオマーカーとして測定することにより、より早期にかつ、より正確に診断・病勢予測を可能にするものである。また、診断・病勢予測だけでなく、本バイオマーカーは、特発性側弯症の新たな治療ターゲットとなりうるものである。 【従来技術・競合技術との比較】 現在における特発性側弯症の診断及び病勢予測は、理学検査や画像検査が中心であるが、これまで側弯症の予後(悪化する可能性)を診断できる方法もなく、治療薬もない。本法は、これらの問題を解消し、簡単な血液検査により、早期にかつ信頼性の高い診断及び病勢予測を可能とする、新たな診断手法である。 【新技術の特徴】 ・血液検査で特発性側弯症の早期診断及び病勢判断ができる。 ・ビタミンD結合蛋白が新たな治療のターゲットになる。 ・ビタミンD代謝に関連する治療薬の開発 【想定される用途】 ・特発性側弯症の早期診断、悪化予測キット ・ビタミンD代謝への介入による側弯の進行抑制 ・ビタミンD代謝の改善薬の開発 #医療・福祉
2018年10月09日
00:00:00 - 00:14:09
Pythonで時系列データの未来予測をしてみよう〜SARIMAなど〜【時系列分析#3】

Pythonで時系列データの未来予測をしてみよう〜SARIMAなど〜【時系列分析#3】

今回は「モデリング」と言われる技術を使って、時系列の未来予測をやっていきます。 この動画ではAR、MA、ARMA、ARIMA、SARIMA、SARIMAXといった時系列モデルを扱います。 ※途中、ぐだぐだな部分がありますがご了承ください。。。 0:00 時系列予測の基礎知識 7:00 AR、MA、ARMA 12:24 ARMA以前のグリッドサーチ 14:33 ARIMA、SARIMA、SARIMAX 18:49 ARIMA以降のグリッドサーチ 29:04 ホワイトノイズの確認 33:38 未来予測 【キーワード】 AIC(赤池情報量規準) #データサイエンス
2021年08月08日
00:00:00 - 00:37:08
これで完璧!Excelデータ分析・完全講義【応用編】

これで完璧!Excelデータ分析・完全講義【応用編】

エクセルでさらに自由に統計解析やデータアナリティクスができるようになりましょう。 質問・リクエスト等のお気軽なコメントや、Super Thanksによる応援を頂けますと大変励みになります! 【Excelファイルのダウンロードサイト】 https://analysis-navi.com/?p=4032 【入門編はこちら】 https://youtu.be/xz151IIp6us 【目次】 ■ 集計の集計ワザ 1:49 プラスアルファのグラフ ├ 1:56 バブルチャート └ 9:39 パレート図/ABC分析 13:53 データの結合(XLOOKUP) ■ 分析の応用ワザ 20:22 カイ二乗検定 38:15 プラスアルファの重回帰分析(ダミー変数、交互作用) 1:03:33 時系列分析 ├ 1:04:11 時系列データの集計 └ 1:08:34 時系列データの予測 1:17:10 ソルバー ├ 1:17:44 整数最適化 └ 1:31:56 組み合わせ最適化 【キーワード】 絶対参照 ダミー変数 交互作用 指数平滑法 整数計画問題 ビジネス統計スペシャリスト #エクセル #データ分析 #統計学 #データサイエンス
2022年03月13日
00:00:00 - 01:46:36
実践Deep Learning:物体検出

実践Deep Learning:物体検出

この動画では、入力画像に含まれる物体を、その種類、位置、サイズと共に検出する物体検出をDeep Learningで実現する方法について解説しています。 前回の動画:「Deep Learningで行う予測 #2」 https://www.youtube.com/watch?v=RXLsrbhlzr0 実践Deep Learning:Semantic Segmentation https://www.youtube.com/watch?v=Eu7EKQ--Rvk 再生リスト「実践Deep Learning」 https://www.youtube.com/playlist?list=PLg1wtJlhfh20zNXqPYhQXU6-m5SoN-4Eu NNCチュートリアル:ベクトルの分類 https://www.youtube.com/watch?v=of-gx6EJgBw 再生リスト「Deep Learning 精度向上テクニック」 https://www.youtube.com/playlist?list=PLg1wtJlhfh216rnmSv_oEDuchRjgUqxBi 再生リスト「Deep Learning入門」 https://www.youtube.com/playlist?list=PLg1wtJlhfh23pjdFv4p8kOBYyTRvzseZ3 Neural Network Console https://dl.sony.com/ja/ Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks Shaoqing Ren, Kaiming He, Ross Girshick, Jian Sun https://arxiv.org/abs/1506.01497 You Only Look Once: Unified, Real-Time Object Detection Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi https://arxiv.org/abs/1506.02640 SSD: Single Shot MultiBox Detector Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexander C. Berg https://arxiv.org/abs/1512.02325 Objects as Points Xingyi Zhou, Dequan Wang, Philipp Krahenbuhl https://arxiv.org/abs/1904.07850 #Deep Learning #Neural Network #Neural Network Console #Neural Network Libraries #Sony #AI #深層学習 #ディープラーニング #ニュールネットワーク #ソニー #人工知能 #物体検出 #Object Detection #R-CNN #Faster R-CNN #YOLO #You Only Look Once #Yolo-v2 #yolo-v3 #SSD #Single Shot Multibox Detector #Objects as Points #CenterNet
2019年11月18日
00:00:00 - 00:15:56
80分で学ぶ!Pythonによる回帰分析の基本【Pythonデータサイエンス超入門】

80分で学ぶ!Pythonによる回帰分析の基本【Pythonデータサイエンス超入門】

様々な場面で活躍するデータ分析手法「回帰分析」をPythonで実行できるようになりましょう! ライブラリはstatsmodelsを使用しています。 質問・リクエスト等のお気軽なコメントや、Super Thanksによる応援を頂けますと大変励みになります! 【ソースコードのコピペ用ページ】 https://analysis-navi.com/?p=4101 0:00 イントロダクション 4:33 回帰分析とは? 14:22 Pythonで回帰分析を行う準備 17:11 ダミー変数の作成 19:30 回帰分析の実行 23:03 回帰分析の結果の解釈 30:27 Formula APIによる回帰分析の実行 34:00 特徴量エンジニアリング 41:38 未来予測 45:12 グラフ作成による精度確認 52:26 ラッソ回帰、リッジ回帰、Elastic Net 1:05:45 ロジスティック回帰 1:19:25 ポアソン回帰 1:22:15 クロージング 【キーワード】 線形回帰 p値 交互作用 多重共線性(マルチコ) 価格弾性力 L1正則化/L2正則化 MSE(平均二乗誤差) RMSE(二乗平均平方根誤差) リンク関数 #Python #データサイエンス #データサイエンス
2022年09月10日
00:00:00 - 01:24:31
実践Deep Learning:波形データの時系列予測

実践Deep Learning:波形データの時系列予測

Deep Learningを用いて波形の時系列予測に用いることのできる基本的なアーキテクチャをご紹介します。 前回の動画:Deep Learningによる波形データのシーケンスラベリングと信号処理 https://www.youtube.com/watch?v=_4r7uTIPG1s Deep Learningによる波形データの分類と回帰 https://www.youtube.com/watch?v=22Eq_0qADf4 実践Deep Learning:波形データの入出力 https://www.youtube.com/watch?v=EzRoEB6BOoc 実践Deep Learning:Deep Learningで行う予測 https://www.youtube.com/watch?v=cOcBeDRhG9M 実践Deep Learning:Deep Learningで行う予測 #2 https://www.youtube.com/watch?v=RXLsrbhlzr0 精度向上テクニック:様々なCNN #3 https://www.youtube.com/watch?v=05qlCP-xL9Y 精度向上テクニック:様々なCNN #4 https://www.youtube.com/watch?v=phIyhxTOA1I Deep Learning入門:Recurrent Neural Networksとは https://www.youtube.com/watch?v=yvqgQZIUAKg Deep Learning入門:数式なしで理解するLSTM(Long short-term memory) https://www.youtube.com/watch?v=unE_hofrYrk 再生リスト「実践Deep Learning」 https://www.youtube.com/playlist?list=PLg1wtJlhfh20zNXqPYhQXU6-m5SoN-4Eu 再生リスト「Deep Learning 精度向上テクニック」 https://www.youtube.com/playlist?list=PLg1wtJlhfh216rnmSv_oEDuchRjgUqxBi 再生リスト「Deep Learning入門」 https://www.youtube.com/playlist?list=PLg1wtJlhfh23pjdFv4p8kOBYyTRvzseZ3 Neural Network Console https://dl.sony.com/ja/ #Deep Learning #Neural Network #Neural Network Console #Neural Network Libraries #Sony #AI #深層学習 #ディープラーニング #ニュールネットワーク #ソニー #人工知能 #波形データ #waveform #音声データ #オーディオ信号 #audio data #sound data #再帰型ニューラルネットワーク #Recurrent neural networks #RNN #畳み込みニューラルネットワーク #Convolutional neural networks #CNN #予測 #prediction
2020年10月06日
00:00:00 - 00:11:22
「同期学習を用いた時系列解析による予測モデリング」大阪大学 大学院基礎工学研究科 機能創成専攻 助教 清水 雅樹

「同期学習を用いた時系列解析による予測モデリング」大阪大学 大学院基礎工学研究科 機能創成専攻 助教 清水 雅樹

「大阪大学 新技術説明会」(2024年1月30日開催)にて発表。 https://shingi.jst.go.jp/list/list_2023/2023_osaka-u.html #科学と技術
2024年04月16日
00:00:00 - 00:24:05
【機械学習】線形回帰(前編)| 線形回帰の理論

【機械学習】線形回帰(前編)| 線形回帰の理論

←第2回 機械学習入門 / k最近傍法 https://youtu.be/4Vk1UhRDB34 →第4回 線形回帰(後編) https://youtu.be/xh1OtbZyxqw ご視聴ありがとうございます。 私は普段、AIエンジニア/データサイエンティストとして活動しています。このチャンネルでは、たくさんの人にAIの可能性を知っていただくことや、日々の学習の成果を視聴者の皆様とシェアしていくことを目標にしています。 この動画シリーズでは「機械学習をはじめよう」と題して、機械学習の基礎的な理論や実装の方法を解説していきます。 本日の内容は、「線形回帰」。最も基本的な回帰アルゴリズムである線形回帰の理論を解説します。 動画の内容を参考にして、ぜひ皆様も機械学習に挑戦してみてください!! ーこの分野についてもっと詳しく学ぶならー 『パターン認識と機械学習 上』 https://amzn.to/2vSj7Ti 『パターン認識と機械学習 下』 https://amzn.to/2OI8cmm 『統計的学習の基礎 ―データマイニング・推論・予測―』 https://amzn.to/2MEXwHX 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 https://amzn.to/2nKQJ19 『Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning)』 https://amzn.to/2Mx9nYf #機械学習 #AI #人工知能 #machine learning #Python #データ分析 #データサイエンス #データサイエンティスト #線形 #線形回帰 #回帰
2018年07月24日
00:00:00 - 00:31:53
【機械学習】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

【機械学習】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

←第1回 AIとは? https://youtu.be/gWL_E3zub9g →第3回 線形回帰(前編) https://youtu.be/zo8BmIGSO2Y ご視聴ありがとうございます。 少々動画が長くなってしまいました。次回以降はもっと簡潔に話せるように頑張ります。 私は普段、AIエンジニア/データサイエンティストとして活動しています。このチャンネルでは、たくさんの人にAIの可能性を知っていただくことや、日々の学習の成果を視聴者の皆様とシェアしていくことを目標にしています。 この動画シリーズでは「機械学習をはじめよう」と題して、機械学習の基礎的な理論や実装の方法を解説していきます。 動画の内容を参考にして、ぜひ皆様も機械学習に挑戦してみてください!! ーこの分野についてもっと詳しく学ぶならー 『パターン認識と機械学習 上』 https://amzn.to/2vSj7Ti 『パターン認識と機械学習 下』 https://amzn.to/2OI8cmm 『統計的学習の基礎 ―データマイニング・推論・予測―』 https://amzn.to/2MEXwHX 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 https://amzn.to/2nKQJ19 『Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning)』 https://amzn.to/2Mx9nYf #機械学習 #AI #machine learning #Python #データ分析 #データサイエンス #データサイエンティスト #最近傍法 #k最近傍法
2018年07月23日
00:00:00 - 01:01:19
ディープラーニングで時系列データの未来予測をしてみよう〜RNN(LSTM)〜【Python時系列分析#4】

ディープラーニングで時系列データの未来予測をしてみよう〜RNN(LSTM)〜【Python時系列分析#4】

今回は前回のモデリングとは違い、機械学習を使った方法で時系列の未来予想をしてみます。 この動画ではディープラーニングのRNN(再帰型ニューラルネットワーク)の一種である「LSTM」と呼ばれる手法を用いています。 【参考にさせて頂いたWeb Page】 https://data-viz-lab.com/multiple-regression-analysis https://toeming.hatenablog.com/entry/2020/06/02/231233 https://axa.biopapyrus.jp/deep-learning/rnn/ #データサイエンス
2021年09月19日
00:00:00 - 00:44:51
【機械学習】AIとは? | 機械学習とAIの関係/機械学習入門

【機械学習】AIとは? | 機械学習とAIの関係/機械学習入門

→第2回 機械学習入門 / k最近傍法 https://youtu.be/4Vk1UhRDB34 ご視聴ありがとうございます。 私は普段、AIエンジニア/データサイエンティストとして活動しています。このチャンネルでは、たくさんの人にAIの可能性を知っていただくことや、日々の学習の成果を視聴者の皆様とシェアしていくことを目標にしています。 この動画シリーズでは「機械学習をはじめよう」と題して、機械学習の基礎的な理論や実装の方法を解説していきます。 動画の内容を参考にして、ぜひ皆様も機械学習に挑戦してみてください!! ーこの分野についてもっと詳しく学ぶならー 『パターン認識と機械学習 上』 https://amzn.to/2vSj7Ti 『パターン認識と機械学習 下』 https://amzn.to/2OI8cmm 『統計的学習の基礎 ―データマイニング・推論・予測―』 https://amzn.to/2MEXwHX 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 https://amzn.to/2nKQJ19 『Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning)』 https://amzn.to/2Mx9nYf #機械学習 #AI #人工知能 #machine leraning #Python #データ分析 #データサイエンス #データサイエンティスト
2018年07月19日
00:00:00 - 00:31:50
【機械学習】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

【機械学習】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

← 第6回 ロジスティック回帰(後編) https://youtu.be/KXE8fTlF44s →第8回 サポートベクトルマシン(中編) https://youtu.be/2IB7vkfGeAA ご視聴ありがとうございます。 私は普段、AIエンジニア/データサイエンティストとして活動しています。このチャンネルでは、たくさんの人にAIの可能性を知っていただくことや、日々の学習の成果を視聴者の皆様とシェアしていくことを目標にしています。 この動画シリーズでは「機械学習をはじめよう」と題して、機械学習の基礎的な理論や実装の方法を解説していきます。 動画の内容を参考にして、ぜひ皆様も機械学習に挑戦してみてください!! ーこの分野についてもっと詳しく学ぶならー 『パターン認識と機械学習 上』 https://amzn.to/2vSj7Ti 『パターン認識と機械学習 下』 https://amzn.to/2OI8cmm 『統計的学習の基礎 ―データマイニング・推論・予測―』 https://amzn.to/2MEXwHX 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 https://amzn.to/2nKQJ19 『Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning)』 https://amzn.to/2Mx9nYf #機械学習 #AI #machine learning #人工知能 #Python #データ分析 #データサイエンス #データサイエンティスト #サポートベクトルマシン #サポートベクターマシン #SVM #ハードマージン #ソフトマージン
2018年08月23日
00:00:00 - 00:31:24
【機械学習】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

【機械学習】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

動画内で使ったデータ https://www.kaggle.com/c/titanic ← 第10回 決定木(CART) https://youtu.be/irTbuevXauk →第12回 アンサンブル学習(後編) https://youtu.be/aeb3dgMcF2I ご視聴ありがとうございます。 私は普段、AIエンジニア/データサイエンティストとして活動しています。このチャンネルでは、たくさんの人にAIの可能性を知っていただくことや、日々の学習の成果を視聴者の皆様とシェアしていくことを目標にしています。 この動画シリーズでは「機械学習をはじめよう」と題して、機械学習の基礎的な理論や実装の方法を解説していきます。 動画の内容を参考にして、ぜひ皆様も機械学習に挑戦してみてください!! ーこの分野についてもっと詳しく学ぶならー 『パターン認識と機械学習 上』 https://amzn.to/2vSj7Ti 『パターン認識と機械学習 下』 https://amzn.to/2OI8cmm 『統計的学習の基礎 ―データマイニング・推論・予測―』 https://amzn.to/2MEXwHX 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 https://amzn.to/2nKQJ19 『Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning)』 https://amzn.to/2Mx9nYf #機械学習 #AI #人工知能 #Python #アンサンブル学習 #ブースティング #バギング #スタッキング #バンピング #ランダムフォレスト #データ分析 #データサイエンス
2018年09月07日
00:00:00 - 00:42:41
Pythonで勾配ブースティング(xgboost)を作ってみよう【Python機械学習#9】

Pythonで勾配ブースティング(xgboost)を作ってみよう【Python機械学習#9】

今回のテーマは勾配ブースティング(GBDT)です。 個人的に"Best of 教師あり学習"と呼べる手法で、数値やカテゴリ系の予測であれば、まずは試してみる価値のある手法です。 今回はxgboostというライブラリを使用しています。 また、合わせて交差検証(クロスバリデーション)の考え方についてもご紹介します。 #AI #人工知能
2020年07月29日
00:00:00 - 00:21:24
エクセルで「時系列分析」できるようになる動画〜未来予測など〜

エクセルで「時系列分析」できるようになる動画〜未来予測など〜

時間の情報を含んだデータ分析手法である時系列分析(時系列解析)をExcelでやってみます。 グラフ化、年月日ごとの集計、forecast関数による未来予測、などなど・・・ #データサイエンス
2021年10月10日
00:00:00 - 00:20:43
実践Deep Learning:Deep Learningで行う予測

実践Deep Learning:Deep Learningで行う予測

この動画では、ビッグデータの典型的な活用例である予測問題をDeep Learningで扱う方法について、特に様々な形式のデータをニューロンの入出力として扱う方法について解説します。 前回の動画:「Deep Learningで行う信号処理(フィルタリング)」 https://www.youtube.com/watch?v=UaYeTmWI6_Y 再生リスト「実践Deep Learning」 https://www.youtube.com/playlist?list=PLg1wtJlhfh20zNXqPYhQXU6-m5SoN-4Eu NNCチュートリアル:ベクトルの分類 https://www.youtube.com/watch?v=of-gx6EJgBw 再生リスト「Deep Learning 精度向上テクニック」 https://www.youtube.com/playlist?list=PLg1wtJlhfh216rnmSv_oEDuchRjgUqxBi 再生リスト「Deep Learning入門」 https://www.youtube.com/playlist?list=PLg1wtJlhfh23pjdFv4p8kOBYyTRvzseZ3 Neural Network Console https://dl.sony.com/ja/ Neural Network Libraries https://nnabla.org/ja/ Prediction One(予測分析ツール) https://predictionone.sony.biz/ 【AIによる予測分析】Prediction One 使い方説明 https://www.youtube.com/watch?v=48m3cZ4Fo0s #Deep Learning #Neural Network #Neural Network Console #Neural Network Libraries #Sony #AI #深層学習 #ディープラーニング #ニュールネットワーク #ソニー #人工知能
2019年09月24日
00:00:00 - 00:12:23
NNCチュートリアル:構造化データの分類・回帰

NNCチュートリアル:構造化データの分類・回帰

この動画では、Deep Learningの統合開発環境Neural Network Consoleを用いて、表形式で用意した構造化データを元に分類・回帰モデルを学習する手順について解説します。 前回の動画:文章分類 https://www.youtube.com/watch?v=40Qb32joXNY Deep Learningで行う予測 https://www.youtube.com/watch?v=cOcBeDRhG9M 再生リスト「Deep Learning入門」 https://www.youtube.com/playlist?list=PLg1wtJlhfh23pjdFv4p8kOBYyTRvzseZ3 再生リスト「Neural Network Console チュートリアル(クラウド版)」 https://www.youtube.com/playlist?list=PLg1wtJlhfh227oiXbVJOwXCuCoKo3dOU9 再生リスト「Neural Network Console チュートリアル(Windows版)」 https://www.youtube.com/playlist?list=PLg1wtJlhfh20mWfEbfng2ug-bfE437lDW Neural Network Consoleの特長 https://www.youtube.com/watch?v=y_KGyxAwAic Neural Network Console https://dl.sony.com/ja/ Neural Network Libraries https://nnabla.org/ja/ #Deep Learning #Neural Network #Neural Network Console #Neural Network Libraries #Sony #AI #深層学習 #ディープラーニング #ニュールネットワーク #ソニー #人工知能
2021年05月21日
00:00:00 - 00:20:05
【機械学習】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

【機械学習】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

←第4回 線形回帰(後編) https://youtu.be/xh1OtbZyxqw →第6回 ロジスティック回帰(後編) https://youtu.be/KXE8fTlF44s ご視聴ありがとうございます。 私は普段、AIエンジニア/データサイエンティストとして活動しています。このチャンネルでは、たくさんの人にAIの可能性を知っていただくことや、日々の学習の成果を視聴者の皆様とシェアしていくことを目標にしています。 この動画シリーズでは「機械学習をはじめよう」と題して、機械学習の基礎的な理論や実装の方法を解説していきます。 動画の内容を参考にして、ぜひ皆様も機械学習に挑戦してみてください!! ーこの分野についてもっと詳しく学ぶならー 『パターン認識と機械学習 上』 https://amzn.to/2vSj7Ti 『パターン認識と機械学習 下』 https://amzn.to/2OI8cmm 『統計的学習の基礎 ―データマイニング・推論・予測―』 https://amzn.to/2MEXwHX 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 https://amzn.to/2nKQJ19 『Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning)』 https://amzn.to/2Mx9nYf #機械学習 #AI #machine learning #人工知能 #Python #データ分析 #データサイエンス #データサイエンティスト #ロジスティック #ロジスティック回帰
2018年08月09日
00:00:00 - 00:30:46
【機械学習】モデルの評価と選択  | 交差検証、さまざまな評価基準

【機械学習】モデルの評価と選択 | 交差検証、さまざまな評価基準

← 第12回 アンサンブル学習(後編) https://youtu.be/aeb3dgMcF2I →第14回 モデルの改良と前処理 https://youtu.be/scXWKg39uhY ご視聴ありがとうございます。 私は普段、AIエンジニア/データサイエンティストとして活動しています。このチャンネルでは、たくさんの人にAIの可能性を知っていただくことや、日々の学習の成果を視聴者の皆様とシェアしていくことを目標にしています。 この動画シリーズでは「機械学習をはじめよう」と題して、機械学習の基礎的な理論や実装の方法を解説していきます。 動画の内容を参考にして、ぜひ皆様も機械学習に挑戦してみてください!! ーこの分野についてもっと詳しく学ぶならー 『パターン認識と機械学習 上』 https://amzn.to/2vSj7Ti 『パターン認識と機械学習 下』 https://amzn.to/2OI8cmm 『統計的学習の基礎 ―データマイニング・推論・予測―』 https://amzn.to/2MEXwHX 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 https://amzn.to/2nKQJ19 『Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning)』 https://amzn.to/2Mx9nYf #機械学習 #AI #人工知能 #machine learning #データ分析 #データサイエンス #データサイエンティスト #Python #sklearn #交差検証 #F値 #適合率 #再現率
2018年09月14日
00:00:00 - 00:37:50
実践Deep Learning:Deep Learningで行う予測 #2

実践Deep Learning:Deep Learningで行う予測 #2

この動画では、ビッグデータの典型的な活用例である予測問題をDeep Learningで扱う方法について、特に様々な形式のデータをニューロンの入出力として扱う方法について解説します。 次の動画:「物体検出」 https://www.youtube.com/watch?v=5nmVHoA-A2E 前回の動画:「Deep Learningで行う予測 」 https://www.youtube.com/watch?v=cOcBeDRhG9M Deep Learning入門:Transfer Learning(転移学習) https://www.youtube.com/watch?v=sEYNDW9KSqc Recurrent Neural Networksとは? https://www.youtube.com/watch?v=yvqgQZIUAKg 再生リスト「実践Deep Learning」 https://www.youtube.com/playlist?list=PLg1wtJlhfh20zNXqPYhQXU6-m5SoN-4Eu NNCチュートリアル:ベクトルの分類 https://www.youtube.com/watch?v=of-gx6EJgBw 再生リスト「Deep Learning 精度向上テクニック」 https://www.youtube.com/playlist?list=PLg1wtJlhfh216rnmSv_oEDuchRjgUqxBi 再生リスト「Deep Learning入門」 https://www.youtube.com/playlist?list=PLg1wtJlhfh23pjdFv4p8kOBYyTRvzseZ3 Neural Network Console https://dl.sony.com/ja/ Neural Network Libraries https://nnabla.org/ja/ Prediction One(予測分析ツール) https://predictionone.sony.biz/ 【AIによる予測分析】Prediction One 使い方説明 https://www.youtube.com/watch?v=48m3cZ4Fo0s #Deep Learning #Neural Network #Neural Network Console #Neural Network Libraries #Sony #AI #深層学習 #ディープラーニング #ニュールネットワーク #ソニー #人工知能 #Prediction #予測 #Multi modal #マルチモーダル #時系列 #time series #RNN #Recurrent Neural Networks
2019年10月25日
00:00:00 - 00:11:05
pythonで時系列分析をはじめよう!

pythonで時系列分析をはじめよう!

時系列データの予測や分析をはじめてみようということで、 第一回の今回はデータからトレンド・周期を発見してみようと思います。 ★動画で使用したコード:https://k-dm.work/ja/timeseries/basic/001-check-data/ ----------------------------- ★目次 0:00 タイトル 0:35 時系列データ 1:14 時系列データの構成要素 3:30 pythonでデータを読み込む 4:16 文字列をdatetimeとして扱えるようにする 5:50 統計量を求める・グラフを見る 7:45 自己相関・コレログラムを確認する 9:30 トレンドの線を引いてみる ----------------------------- 動画にて使用したデータ:https://github.com/jbrownlee/Datasets#readme Daily Minimum Temperatures in Melbourne (daily-min-temperatures.csv) を使用しています。 ----------------------------- ★SNS twitter:https://twitter.com/intent/follow?screen_name=_K_DM ブログ: https://kdm.hatenablog.jp/ コード置き場: https://k-dm.work/ja/ ----------------------------- ★BGM Flower Field (by FLASH☆BEAT様) https://dova-s.jp/bgm/play13492.html ----------------------------- ★このチャンネルについて 週に一回ペースで機械学習・データサイエンスに関する情報を発信します!よろしければチャンネル登録お願いします。大変励みになります。 #機械学習 #データ分析 #Python #機械学習 #AI #データ分析 #データサイエンス #データサイエンティスト #Python #scikit-learn #Kaggle #データマイニング #G検定 #E検定 #人工知能 #わかりやすく #初学者
2022年05月01日
00:00:00 - 00:11:20
Deep Learningで行う信号処理(フィルタリング)

Deep Learningで行う信号処理(フィルタリング)

この動画では、フィルタリングを行う信号処理をDeep Learningで行う方法について解説します。 次の動画:「Deep Learningで行う予測」 https://www.youtube.com/watch?v=cOcBeDRhG9M 前回の動画:「セマンティックセグメンテーション」 https://www.youtube.com/watch?v=Eu7EKQ--Rvk 再生リスト「実践Deep Learning」 https://www.youtube.com/playlist?list=PLg1wtJlhfh20zNXqPYhQXU6-m5SoN-4Eu ニューラルネットワーク学習の仕組み https://www.youtube.com/watch?v=r8bbe273vEs Deep Learning 精度向上テクニック:様々なCNN #1 https://www.youtube.com/watch?v=UximUEjPQco Deep Learning 精度向上テクニック:様々なCNN #2 https://www.youtube.com/watch?v=dqa2UGUH-48 Deep Learning入門:Recurrent Neural Networksとは? https://www.youtube.com/watch?v=yvqgQZIUAKg 再生リスト「Deep Learning 精度向上テクニック」 https://www.youtube.com/playlist?list=PLg1wtJlhfh216rnmSv_oEDuchRjgUqxBi 再生リスト「Deep Learning入門」 https://www.youtube.com/playlist?list=PLg1wtJlhfh23pjdFv4p8kOBYyTRvzseZ3 Neural Network Console https://dl.sony.com/ja/ Neural Network Libraries https://nnabla.org/ja/ #Deep Learning #Neural Network #Neural Network Console #Neural Network Libraries #Sony #AI #深層学習 #ディープラーニング #ニュールネットワーク #ソニー #人工知能 #信号処理 #signal processing #filtering #FIR filter #IIR filter #digital filter #超解像 #super resolution
2019年08月14日
00:00:00 - 00:12:43
【機械学習】モデルの改良と前処理 |スケーリング、グリッドサーチ

【機械学習】モデルの改良と前処理 |スケーリング、グリッドサーチ

動画内で使ったデータ https://www.kaggle.com/c/titanic ← 第13回 モデルの評価と選択 https://youtu.be/0_ZtMUJ2Mg8 →第15回 次元削減 https://youtu.be/4FUIH4cRLHI ご視聴ありがとうございます。 私は普段、AIエンジニア/データサイエンティストとして活動しています。このチャンネルでは、たくさんの人にAIの可能性を知っていただくことや、日々の学習の成果を視聴者の皆様とシェアしていくことを目標にしています。 この動画シリーズでは「機械学習をはじめよう」と題して、機械学習の基礎的な理論や実装の方法を解説していきます。 動画の内容を参考にして、ぜひ皆様も機械学習に挑戦してみてください!! ーこの分野についてもっと詳しく学ぶならー 『パターン認識と機械学習 上』 https://amzn.to/2vSj7Ti 『パターン認識と機械学習 下』 https://amzn.to/2OI8cmm 『統計的学習の基礎 ―データマイニング・推論・予測―』 https://amzn.to/2MEXwHX 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 https://amzn.to/2nKQJ19 『Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning)』 https://amzn.to/2Mx9nYf #機械学習 #AI #人工知能 #machine learning #データ分析 #データサイエンス #データサイエンティスト #Python #sklearn #スケーリング #グリッドサーチ #前処理 #パラメータ #サポートベクトルマシン
2018年09月15日
00:00:00 - 00:32:02
「画像所見に基づく、機械学習技術による、脳腫瘍の術前病理診断予測方法の確立」慶應義塾大学 医学部 脳神経外科学 講師・東京歯科大学 市川総合病院 脳神経外科 教授 佐々木 光

「画像所見に基づく、機械学習技術による、脳腫瘍の術前病理診断予測方法の確立」慶應義塾大学 医学部 脳神経外科学 講師・東京歯科大学 市川総合病院 脳神経外科 教授 佐々木 光

「慶應義塾大学 新技術説明会」(2022年1月19日開催)にて発表。 https://shingi.jst.go.jp/list/list_2022/2022_keio.html #科学と技術
2023年02月13日
00:00:00 - 00:18:19
【機械学習】アンサンブル学習(後編)| AdaBoost、勾配ブースティング

【機械学習】アンサンブル学習(後編)| AdaBoost、勾配ブースティング

動画内で使ったデータ https://www.kaggle.com/c/titanic ← 第11回 アンサンブル学習(前編) https://youtu.be/0WcrBe017-w →第12回 モデルの評価と選択 https://youtu.be/0_ZtMUJ2Mg8 ご視聴ありがとうございます。 私は普段、AIエンジニア/データサイエンティストとして活動しています。このチャンネルでは、たくさんの人にAIの可能性を知っていただくことや、日々の学習の成果を視聴者の皆様とシェアしていくことを目標にしています。 この動画シリーズでは「機械学習をはじめよう」と題して、機械学習の基礎的な理論や実装の方法を解説していきます。 動画の内容を参考にして、ぜひ皆様も機械学習に挑戦してみてください!! ーこの分野についてもっと詳しく学ぶならー 『パターン認識と機械学習 上』 https://amzn.to/2vSj7Ti 『パターン認識と機械学習 下』 https://amzn.to/2OI8cmm 『統計的学習の基礎 ―データマイニング・推論・予測―』 https://amzn.to/2MEXwHX 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 https://amzn.to/2nKQJ19 『Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning)』 https://amzn.to/2Mx9nYf #機械学習 #AI #人工知能 #machine learning #Python #データ分析 #データサイエンス #データサイエンティスト #アンサンブル学習 #コミッティ #ブースティング #AdaBoost #勾配ブースティング #xgboost #Kaggle
2018年09月10日
00:00:00 - 00:44:32
「より正確に拒絶反応を予測できる腎移植検査法」新潟大学 医歯学総合病院 泌尿器科 病院講師 田﨑 正行

「より正確に拒絶反応を予測できる腎移植検査法」新潟大学 医歯学総合病院 泌尿器科 病院講師 田﨑 正行

「医工連携 新技術説明会」(2023年12月14日開催)にて発表。 URL:https://shingi.jst.go.jp/list/list_2023/2023_shika.html #科学と技術
2024年03月08日
00:00:00 - 00:18:09
「誘発筋電図検査F波でわかる、神経障害の病気」 大阪市立大学 大学院工学研究科 電子情報系専攻 准教授 中島 重義

「誘発筋電図検査F波でわかる、神経障害の病気」 大阪市立大学 大学院工学研究科 電子情報系専攻 准教授 中島 重義

「ライフイノベーション 新技術説明会」(2019年10月29日開催)にて発表。https://shingi.jst.go.jp/list/3chubu/2019_3chubu.html 【新技術の概要】 パーキンソン病、ALSなどの神経障害の病気で悩む患者がたくさんいます。その患者さんたちは誘発筋電という、手首からの電気刺激で測定するF波の測定で異常を検知できることが知られています。本研究では、F波の測定とその解析を改良することによって各人のF波特徴を詳しく知って、診断をより正確にできます。 【従来技術・競合技術との比較】 従来技術はF波の測定に20秒くらいしか使っていなかったのでF波出力の分布の測定間での相関係数がで0.6程度しかありませんでしたが、本手法は5分使うので個人のF波データが相関係数で0.99以上の正確さで測定できました。その結果を関数近似することで、診断に必要なコンパクトなデータにまとめることができました。 【新技術の特徴】 ・F波測定に5分を使い、複数の測定データの間の相関係数を0.99以上で測定できます。 ・測定したデータは三百個の数値でありますが、関数近似によりコンパクトにいくつかの数値にまとめることができます。 ・F波を正確に測定するため、測定する被検者さんは5分の間安静に寝ている必要があります。 【想定される用途】 ・患者さんの病状がどのレベルか客観的データとして記録できます。 ・各病気におけるF波のデータベースを構築して、患者さんの病気の進行や回復を予測できます。 ・健康な人の健康診断や人間ドックに使用することで神経障害になりかかっているかどうかの判定ができます。 #医療・福祉
2019年11月20日
00:00:00 - 00:24:05
「非接触環境センシングによる心の状態予測技術 ~室内における心的状態推定技術と位置推定技術~」千葉大学 情報戦略機構 データマネジメント部門 准教授 小室 信喜

「非接触環境センシングによる心の状態予測技術 ~室内における心的状態推定技術と位置推定技術~」千葉大学 情報戦略機構 データマネジメント部門 准教授 小室 信喜

「千葉大学 新技術説明会」(2023年12月21日開催)にて発表。 URL:https://shingi.jst.go.jp/list/list_2023/2023_chiba-u.html #科学と技術
2024年03月13日
00:00:00 - 00:25:12
【機械学習】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

【機械学習】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

← 第15回 次元削減 https://youtu.be/4FUIH4cRLHI ご視聴ありがとうございます。 私は普段、AIエンジニア/データサイエンティストとして活動しています。このチャンネルでは、たくさんの人にAIの可能性を知っていただくことや、日々の学習の成果を視聴者の皆様とシェアしていくことを目標にしています。 この動画シリーズでは「機械学習をはじめよう」と題して、機械学習の基礎的な理論や実装の方法を解説していきます。 動画の内容を参考にして、ぜひ皆様も機械学習に挑戦してみてください!! ーこの分野についてもっと詳しく学ぶならー 『パターン認識と機械学習 上』 https://amzn.to/2vSj7Ti 『パターン認識と機械学習 下』 https://amzn.to/2OI8cmm 『統計的学習の基礎 ―データマイニング・推論・予測―』 https://amzn.to/2MEXwHX 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 https://amzn.to/2nKQJ19 『Machine Learning: A Probabilistic Perspective (Adaptive Computation and Machine Learning)』 https://amzn.to/2Mx9nYf #機械学習 #AI #人工知能 #データ分析 #データサイエンス #データサイエンティスト #マシンラーニング #Python #sklearn #scikit-kearn #クラスター分析 #クラスタ分析 #K-means #デンドログラム #階層的クラスタリング
2018年09月19日
00:00:00 - 00:27:02