RT @resnant: #情報処理学会 『情報処理』で執筆の機会をいただき、グラフニューラルネットワークを用いた予測により材料の原子レベルシミュレーションを超高速化する技術について2pで平易に解説しました。材料xAIの最先端と思います。ぜひご高覧いただけますと幸いです ht…

いつか読む（局所回帰｜LOWESS） https://t.co/4XsX3PgYMJ https://t.co/CT9w99lMa1 https://t.co/xIrdRt5HTw

RT @biomedicalhacks: AlphaFold2について、日本語で書かれたオープンアクセスの総説が発表されました。AF2が登場する前の手法も含めて詳細に解説されています。 https://t.co/vXvPprumC3

RT @YukiKataoka3: 「成功の方程式」 成功回数＝試行回数×成功率 https://t.co/XU21gHwXjr

RT @sinchir0: @nino_pira 新旧含めて、このPDFがまとまっていると思います。2022年5月発行なので最近ですね。 https://t.co/O2PKS3aqKu

データ分析のための統計モデリングの資料、割とオープンになってる。 https://t.co/gw54ndWyYo https://t.co/wvYX7N7LSw

R でケモインフォマティクス実践 すごいボリューム https://t.co/6Mm8Hu2iHW

なんか役に立ちそう https://t.co/myAWam5HBu

RT @yamnor: 授業で紹介しよう ➡︎ 連載：「教養知識としてのAI」〔第4 回〕研究開発をAIで加速：マテリアルズインフォマティクス https://t.co/44m3XgutPn

RT @motomu_matsui: 私が執筆した「分子系統学」の総説が出版になりました！ https://t.co/q0G3cJS3hE… 分子系統学の基礎から始まり、ソフトウェアの紹介、最近の議論のまとめなど、分子系統学に入門し、より良い系統樹推定をするために必要な知識を…

RT @choba_ml: 因果推論のことを再度勉強してるんですが、基本的な方法から新しい手法まで、どういうことを目的とした手法なのかがまとまっていて、非常に助かっています https://t.co/YK1NJQuRbV

面白かった https://t.co/yI3YHTxkP4

LiNGAMにベイズ的なアプローチを掛け合わせた因果構造の推定手法に関するサーベイ。因果推論関連のタスクはLiNGAMに限らず未観測の交絡変数がネックとなりがちですが、うまく事前分布とパラメータを設定できれば未観測要因が存在しても正しく因果構造を推定できるっぽい。 https://t.co/blT2qRzBzQ

数学会の論説に寄稿した解説論文 "不完全性定理の数学的発展" が無料でダウンロードできるようになりましたね． https://t.co/kMiBjP9OF7 ご興味のある方はぜひご一読ください．

因果推論についての総復習のような論文。 https://t.co/KaoZqL8e2B

ディズニーでも違法サイトでもOKなのつよい 上野, 情報解析と著作権──「機械学習パラダイス」としての日本, 人工知能 36巻 6 号（2021 年 11 月） https://t.co/xKeQv4PUqF https://t.co/QocVPg8CZu