RT @kajikent: 三宅陽一郎さんらがまとめたAI哲学マップすばらしい。 年代別に主要な哲学思想とそれらのAI領域への示唆が図解とともにまとめられていて、とても勉強になる。 https://t.co/DRPYtH7Pdw https://t.co/NyCRFIy5B0

RT @NDLJP: 国立国会図書館は、令和3年度にオープンソースのOCR（光学式文字認識）処理プログラム #NDLOCR を開発し、GitHubでソースコードを公開しています。商用・非商用を問わず自由な利用が可能です。 NDLOCRについては国立国会図書館月報2022年11月…

RT @Idesan: 京大加嶋先生et al.のこの強化学習の解説はすばらしい。 https://t.co/jXLQHjFIKh 既存の強化学習の解説の大半は、たぶんゲームとかの応用が頭に入っている人はいいのかもしれないけど、ゲーマーじゃないおれには理解不能だった。こういう風…

RT @mono_dukuri_no: 「技術から生まれた数学　数学的対象発生の歴史的研究と現象学的分析」 鈴木俊洋 何度読んでもよい論文だと思う 「こういうことが数学と技術に関連する研究者の共通の認識となればよいのに」と新年に思う https://t.co/TFHHUQWL…

RT @Mr_Sakaue: 機械学習を用いた空調熱源システムの不具合検知・診断 https://t.co/wA14fbTPzD 電力設備の温度の時系列データを画像化して、CNNを使う事例だ。詳しく書いてあるのよい。

RT @ballforest: オープンアクセス / 深層学習の原理解析：汎化誤差の側面から 今泉 允聡 https://t.co/SysPvmKBA7

RT @kurodotty: 大久保さんの「因果推論の道具箱」、実験から準実験、媒介分析、機械学習まで網羅的にまとまっていて、すごく参考になります！他の方のも要チェック。https://t.co/uIL4d1cuYO

RT @mitsuo_hirata: MathWorksの赤阪氏の解説は必読だと思います。最近のRobust Control Toolboxの進化がコンパクトにまとめられています。 https://t.co/mLsV2h8fTV

RT @jaguring1: 最近の松尾豊先生の考察を見つけた。ディープラーニング（深層学習）の進展が、科学技術にどのような変化をもたらすか、について考察されている。 「高次元科学，知能の構成要素， そして，人工物工学や知の構

RT @thun39: 自分が線形代数の講義をするなら、こういう話を初めの方にしておきたい。 https://t.co/Gwa4LOT7mH https://t.co/jWeqGM0eW5

RT @ringoame8200: 来月刊行予定の『P値 ―その正しい理解と適用―』の著者である柳川堯先生によるｐ値の解説論文。https://t.co/L6nXRbOrSa

RT @mlse_jssst: 九州大学 鵜林先生、早稲田大学 鷲崎先生、鄭先生のお三方によるMLSEキックオフシンポジウム参加報告が『コンピュータソフトウェア』に掲載されました。 現在、電子版が無料で公開されています。 https://t.co/vQZCo40QLR

RT @tty_tkhs_ai: 働きたくないイタチ……を執筆なさった川添先生の、学際への寄稿です。とても分かりやすく、勉強になります。 人工知能にできること、できないこと : 言語理解という観点から (特集 人工知能 : 仕事と人生の近未来) https://t.co/ln…

三宅陽一郎さんらがまとめたAI哲学マップすばらしい。 年代別に主要な哲学思想とそれらのAI領域への示唆が図解とともにまとめられていて、とても勉強になる。 https://t.co/DRPYtH7Pdw https://t.co/NyCRFIy5B0

国立国会図書館は、令和3年度にオープンソースのOCR（光学式文字認識）処理プログラム #NDLOCR を開発し、GitHubでソースコードを公開しています。商用・非商用を問わず自由な利用が可能です。 NDLOCRについては国立国会図書館月報2022年11月号の特集記事でも紹介しています。 https://t.co/XRhRnXyQwa https://t.co/QOdkfrO2DB

拙稿がいつの間にか誰でもダウンロード出来るようになっていたので宣伝。政治学における機械学習のレビューです：J-STAGE Articles - 政治学における人工知能の応用へ向けて https://t.co/WmEPIzXvCh

京大加嶋先生et al.のこの強化学習の解説はすばらしい。 https://t.co/jXLQHjFIKh 既存の強化学習の解説の大半は、たぶんゲームとかの応用が頭に入っている人はいいのかもしれないけど、ゲーマーじゃないおれには理解不能だった。こういう風にズバっと問題設定を言ってほしかった。さすが。

「技術から生まれた数学　数学的対象発生の歴史的研究と現象学的分析」 鈴木俊洋 何度読んでもよい論文だと思う 「こういうことが数学と技術に関連する研究者の共通の認識となればよいのに」と新年に思う https://t.co/TFHHUQWLXw

機械学習を用いた空調熱源システムの不具合検知・診断 https://t.co/wA14fbTPzD 電力設備の温度の時系列データを画像化して、CNNを使う事例だ。詳しく書いてあるのよい。

オープンアクセス / 深層学習の原理解析：汎化誤差の側面から 今泉 允聡 https://t.co/SysPvmKBA7

第１版の方ですが、過去に２ページの書評を書いたことがあります。ざっと理解したい方の参考になれば幸いです。https://t.co/F1JwxJUBZm https://t.co/DmgVntRnAG

異常検出において、「教師あり」vs「教師なし」で「教師なし」が勝った一例。 https://t.co/tFsw7ssmQh コンクリートの打音スペクトル（スペクトログラムではない）で異常個所を見つける研究。「教師あり」が80％強の精度、「教師なし」（オートエンコーダ）は100％の精度に。

大久保さんの「因果推論の道具箱」、実験から準実験、媒介分析、機械学習まで網羅的にまとまっていて、すごく参考になります！他の方のも要チェック。https://t.co/uIL4d1cuYO https://t.co/vTwt4Ehi0x

『情報の科学と技術』誌に、#TokyoR 運営チームによる「Rによるテキスト分析入門」と題する記事が掲載されました！ https://t.co/ndRr49V22k https://t.co/uPsr7snuw3

MathWorksの赤阪氏の解説は必読だと思います。最近のRobust Control Toolboxの進化がコンパクトにまとめられています。 https://t.co/mLsV2h8fTV

#統計 尤度の概念については最尤法の開発者のFisherさん自身もよく分かっていなかった。赤池弘次さんの1980年の2つの論説は非常によいです。 https://t.co/weTcekZdjG 統計的推論のパラダイムの変遷について https://t.co/foCDt7FZBK エントロピーとモデルの尤度(<講座>物理学周辺の確率統計)

最近の松尾豊先生の考察を見つけた。ディープラーニング（深層学習）の進展が、科学技術にどのような変化をもたらすか、について考察されている。 「高次元科学，知能の構成要素， そして，人工物工学や知の構

自分が線形代数の講義をするなら、こういう話を初めの方にしておきたい。 https://t.co/Gwa4LOT7mH https://t.co/jWeqGM0eW5

九州大学 鵜林先生、早稲田大学 鷲崎先生、鄭先生のお三方によるMLSEキックオフシンポジウム参加報告が『コンピュータソフトウェア』に掲載されました。 現在、電子版が無料で公開されています。 https://t.co/vQZCo40QLR

働きたくないイタチ……を執筆なさった川添先生の、学際への寄稿です。とても分かりやすく、勉強になります。 人工知能にできること、できないこと : 言語理解という観点から (特集 人工知能 : 仕事と人生の近未来) https://t.co/lnC7uRwraO #CiNii PDFはこちらから。 https://t.co/iVJTaZLrdK