サクサク読めて、
アプリ限定の機能も多数！
アプリで開く
Learn more about all thenotebooks experiences fromMicrosoft andGitHub You can enjoy powerful, integrated Jupyternotebooks with the following products and services fromMicrosoft andGitHub.Notebooks in Visual Studio Code VS Code is a free code editor and development platform that you can use locally or connect to remote container using both desktop and web version. Combined with the Jupyter e
データ サイエンス シナリオの要件 データで何をしたいかがわかったら、自分のデータ サイエンス シナリオの他の要件を判断する必要があります。 次の要件を選択します。これらの間にはトレードオフが生じる可能性があります。 精度 トレーニング時間 線形性 パラメーターの数 特徴の数 精度機械学習の精度では、すべてのケースに対する真の結果の割合として、モデルの有効性を測定します。 デザイナーでは、モデルの評価コンポーネントで業界標準の一連の評価メトリックを計算します。 トレーニング済みのモデルの精度は、このコンポーネントで測定できます。 可能な限り最も正確な回答を得ることが常に必要であるとは限りません。 使用目的によっては、近似で十分な場合があります。 その場合は、より大まかな方法を使用することで、処理時間を大幅に削減できることがあります。 さらに、近似的な方法には、当然ながらオーバーフィットを
Azure のMachine Learningで無料で、ものすごく簡単にディープラーニングを体験できましたので、お勉強ついでに投稿しました。 チュートリアルを進めていくだけで体験できますが、それぞれのステップと簡単な解説もしてみました。 拙い英語力とディープラーニング初心者ですので、不足点があったらツッコミいただけると幸いです 笑。 そもそもディープラーニングって何？ 簡単に言うと、データの中から特徴量や概念を見つけて、そのかたまりを使って、もっと大きなかたまりを見つけるとても優れた技術のようです。 2012年にGoogleがディープラーニングで猫を認識できるようになったと話題になりましたが、最近ではソフトバンクがPepperにディープラーニングを搭載して盛り上がりをみせてきているようで、とても興味深い技術ですね。 概要の理解にこちらのサイトや書籍が参考になりました。 ディープラーニングと
はじめに 今回は自宅の室温予測システムを構築してみました。 前回はいろいろテキトーに書いてたので今回はかなりまじめに書いていきます。 イメージとしてはNHKのNextWorldで描かれてる世界 それをできるだけAzureを駆使して構築してみたいと思います。 システム構成図 システムの構成図はこんな感じ Arduinoで室温を計測 ↓ Azure Mobile Servicesに送信 ↓SQL Azureデータベースに貯めこむ ↓ そのデータを使ってAzure MLであらかじめデータの傾向を学習しておく ↓ Mobile Service Schedulerで毎朝8時にAzure MLからその日の室温の予測値を取得してTweet ↓ Mobile Service CustomAPIを使ってWindowsストアアプリに今日の室温予測値を表示 という感じでいきたいと思います。 データ計測部 I
1リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
