Tweets

You blocked @sammy_suyama

Are you sure you want to view these Tweets? Viewing Tweets won't unblock @sammy_suyama

  1. Pinned Tweet
    May 14

    久々にブログ更新です. ベイズ学習の勉強に参考になる資料 - 作って遊ぶ機械学習。

  2. Retweeted
    Aug 5

    磁性流体で出来たまっくろくろすけ(目を iPad でアクリル投影)をコントローラで操作するの、効果音もついて気持ちよく動いててめっちゃ良かった

  3. Aug 5

    Edwardのような確率的プログラミング言語の発展が重要なのは, 1,面倒な推論導出をなくして開発者がモデリングに集中できるようにすること, 2,従来のグラフィカルモデルを「データを生成するシミュレータ」に拡張し,ベイズ学習を確率的なシステム同定として昇華させること ですかね.

  4. Retweeted
    Aug 4

    本日の発表スライドです.「深層学習とベイズ統計」

  5. Aug 4

    僕みたいな怠け者はよっぽど強い目標がない限りなんも勉強できないです.なので,仕事の中で目標を見つけて,それに直接つながるような分野を取捨選択して勉強するしかやりようがありません. でなければ,大学に通いなおすなどして強制的に目標チェンジするしかないですね.

  6. Aug 4

    研究や開発で挫折がする人が多いのは,学生から社会人へのマインドセットの転換ができていないのかもしれないですね.大学受験とか授業の単位って「多くをそつなくこなすこと」に重点が置かれがちですが,逆に社会で成果を出している人は1つのことを一点突破で集中している人が多い.

  7. Retweeted
    Aug 4

    インターンや就活に時間をとられてM1の間にほとんど研究が進まず、「自分は結果出てないし研究に向いてないんだ…」と自分の可能性を閉ざしてしまうパターン、本当にもったいないから何とかしたい。みんな僕がM1だった頃に比べればよっぽど優秀なんだけどな。

  8. Aug 4

    ただ,崩壊型ギブスサンプリングは仲間内ではあんまり評判は良くなかった.大きな逆行列が出てきたり,計算できない積分が出てきたりすることが多いからです.でもそういう場合は,理論的な厳密性はさておき,追加で近似をもう1つ入れるなりすればいいんじゃないかと思っています.

  9. Aug 4

    崩壊型ギブスサンプリングではパラメータの周辺化操作を伴うので,ベイズ以外の手法だとまず発想が浮かばないやり方なんじゃないかと思っています.アプリによりますが,性能もなかなか良いことが多い.慣れないうちは導出が結構きついモデルもあり,僕の手が先に崩壊しそうになりました.

  10. Aug 4

    個人的に好きな手法は崩壊型ギブスサンプリングです.ベイズのエッセンスが詰まっています.一般には,パラメータを周辺化除去した後に潜在変数だけをサンプルする方法を取ります.明示的にパラメータを「学習」していないのが面白い点です.

  11. Aug 2

    さらに言えば,最近はベイズ深層学習の研究も進んできているので,ベイズの枠組みの上では統計学~深層学習は全部一緒(モデルが違うだけ)です. ただ,モデルが複雑になってくると,最適化(近似推論)に関するエンジニアリングの重要性が増してくるという違いはあります.

  12. Aug 2

    機械学習と統計学の差は色々あるのかもしれないですが、ベイズ機械学習とベイズ統計学は「本質的には」まったく同じです.僕が知る限り.

  13. Aug 2

    ありがとうございます.僕もとっても嬉しいいいいです.

  14. Retweeted
    Jul 30

    書いた Stochastic Block Model を Edward で実装する - でかいチーズをベーグルする

  15. Jul 29

    誤差で評価するのがダメな例: あるTV番組でお宝の鑑定クイズをやっていたのですが,回答者Aがお宝を本物だと考え500万円を提示し,回答者Bは偽物だと考えて100円をつけました.正解は200万円で実際「本物」だったのですが,誤差から計算して勝利したのは回答者Bになりました.

  16. Retweeted
    Jul 28

    Chainerを使ったVariational Autoencoder(VAE)の解説記事を書きました(*´ω`*) VAEはディープラーニングによる生成モデルです。生成モデルに興味のある方に読んでもらえると嬉しいです

  17. Jul 28

    楽しく読まさせていただいています.ベイズなのにほぼ数式が出ない,シンプルな具体例,所々の著者の見解が極めて本質的,と言うところなしです. Pythonで体験するベイズ推論 PyMCによるMCMC入門

  18. Jul 28

    Julia,バージョンアップしたら手持ちのスクリプトがほぼみんな動かなくなるという... そういう気まぐれなところも彼女の魅力の1つです.

  19. Jul 27

    「データから価値を引き出す」とか言ってもよくわかんないと思います.例えば機械学習ができることは,明に観測されていない値や構造(将来の数値,隠れたクラスタなど)を自動的に推測することであり,それによって生み出された「情報の差」を何かしらの利益に繋げます.

  20. Retweeted
    Jul 26

    【緩募】"Ideals, Varieties, and Algorithms" を一緒に読んでくれる人。ゼミなどはやらず進捗も合わせず、それぞれ個別に読んで分からないことがあったら質問しあう緩い縁。Google Spreadsheet で進み具合を可視化する。

  21. Jul 26

    データから物事を「証明」することは不可能だと思っています. 科学者はデータに対してモデル(AI含む)を仮定することにより1つの「解釈」を引き出しているだけであり,言えることは単に「XXXというモデルに聞いてみたらモデル個人の意見としてこんな答えが返ってきたよ」ということだけです.

Loading seems to be taking a while.

Twitter may be over capacity or experiencing a momentary hiccup. Try again or visit Twitter Status for more information.