損失関数・不均衡
- 不均衡データにおけるsampling
- ランク学習のListNetをChainerで実装してみた
- 不均衡データへの決定打となるか！？「Affinity loss」の論文を読む、実装する
- 不均衡データを損失関数で攻略してみる
- 解説編：オーバーサンプリング手法解説 (SMOTE, ADASYN, Borderline-SMOTE, Safe-level SMOTE)
深層学習
- 転移学習：機械学習の次のフロンティアへの招待
- ディープラーニングの判断根拠を理解する手法
- DNC (Differentiable Neural Computers) の概要 + Chainer による実装
距離学習
- 深層距離学習(Deep Metric Learning)各手法の定量評価 (MNIST/CIFAR10・異常検知)
- 【まとめ】ディープラーニングを使った異常検知
- モダンな深層距離学習 (deep metric learning) 手法: SphereFace, CosFace, ArcFace
- 同じか否かを判定するための距離学習（Metric Learning）
- Deep Metric Learning の定番⁈ Triplet Lossを徹底解説
深層生成モデル
グラフNN
ユニット
実験
画像
次元削減
- PCAとSVDの関連について
- 辞書学習アルゴリズム
- pythonでNMF(非負値行列因子分解)を実装する
- 異空間への埋め込み！Poincare Embeddingsが拓く表現学習の新展開
- Parametric t-SNEの理論とKerasによる実装
- t-SNEによるイケてる次元圧縮&可視化
- Factorization Machinesについて調べてみた
クラスタリング
強化学習
ライブラリ
pytorch
- メモ: PyTorch TensorDataset、DataLoader について
- PyTorchのSchedulerまとめ
- うわっ… 私のPytorch、メモリ食いすぎ…？ 1行毎に使用GPUメモリを監視できるツールを紹介
Deep Learning環境構築
- Ubuntu 18.04へのCUDAインストール方法
- NVIDIA GPU が使える Docker イメージの作り方
- DockerでDeep Learningなどの環境をドカドカ構築
- 【秒速で無料GPUを使う】深層学習実践Tips on Colaboratory
- これでもう悩まない！機械学習のためのフォルダ構成テンプレートを使おう。
- Google Cloud TPUを使用して気づいたことなど（2018/12）
- 趣味でディープラーニングするための GPU 環境を安上がりに作る方法
- nvidia-docker でポータブルな機械学習の作業環境を作る
chainer
- 情報メインじゃない研究室で機械学習をすることになった人のための環境構築入門 ChainerMN 編
- Chainer/ChainerMNのCPUリソース不足による速度低下と解決法
- Chainer/ChainerMNのおすすめなプロファイルの取り方＆プロファイルの見方の注意点
数理
- プリキュアで学ぶ劣モジュラ関数
- よくわかる測度論とルベーグ積分。
- ニューラルネットワーク、多様体、トポロジー
- 劣微分・劣勾配と共役関数の可視化
- 測度論の「お気持ち」を最短で理解する
- Wasserstein GAN と Kantorovich-Rubinstein 双対性
- ソリトン〜計算機から生まれた数理物理学〜
- Lassoの理論と実装 -スパースな解の推定アルゴリズム-
- XGBoostのお気持ちを一部理解する
統計基礎
ベイズ推定
最適化
離散
連続
教材
- 画像処理100本ノックを作ったった
- カルマンフィルタを避けてきた社会人プログラマが自動運転の勉強を始める際の最短経路
- PRMLのアルゴリズムをPython(ほぼNumpyだけ)で実装
- 機械学習モデルの実装における、テストについて
- データサイエンティストに興味があるならまずこの辺りを見ておきな、って文献・動画のまとめ（随時追加）
- 機械学習はじめの一歩に役立つ記事のまとめ
- Kaggle事始め
