強化学習（Dynamic Programming）

GymのFrozen Lake環境で、Policy Iterationを使った強化学習を行います。
（学習内容の理解整理のため書いているので、様々な箇所で誤記や説明不足があると思います。）

はじめに　強化学習は、Agentが環境から得られるRewardを最大化するよう、自ら学習していく仕組みです。環境にはState、Rewardなどが与えられ、Agentはその環境でPolicy（方策）に基づきA

ファッション画像を分類するニューラルネットワークの解説

　ニューラルネットワーク（NN）を用いて画像からラベルの予測値を出す方法は、計算過程が少し複雑なので、ここで整理したいと思います。
　私のように、大学で微積や線形代数を習得していない人にもわかるレベルで説明できたらと思います。

データ取得と分析方法　今回NNの分析対象データとして、Fashion MNISTを利用します。6万件のファッション関連画像データに、それぞれBagやDress、Coatな

XCS229 - MACHINE LEARNING

Stanford Online Certificate

Linear RegressionモデルのAlgorithmと予測

まず、機械学習界のCOBOLと言われるLMSをやってみましょう。
2つのFeatures$${x_1, x_2}$$を持つ$${X\in \mathbb{R^{m\times 2}}}$$とOutput$${Y\in \mathbb{R^{m}}}$$のDatasetを利用して、Linear Regression Modelの機械学習過程を、備忘のためここに整理します。
※　私の現状理解をベース

Week1　その２

Problem SetのCodingはいったん終了。12.5/13をゲット。一部コーディングに誤りがあるが、どこだか分らん。
Writing対応中。。。

Week1

Machine LearningのWeek１のビデオ視聴を終える。
Problem Set1に取り掛かっているのだが、Codingが重い気がする。
Courseraでは、Octaveを使ってCodingをしていたのだけど、Stanford Onlineでは普通にPaython。以前は何個かPaythonのTrainingを受けたが、実装経験なんてなく、自分では何も作れない素人レベル。。

さらにP

LaTeXをダウンロード。
Writingのアサインメントを作成する際に使う理系論文作成ツールだとか。
最近の理系学生はこういうのを使っているのね。

使ってみると非常に便利。
コーディングをするだけで、数式が作られて、PDF化までできる。
なるほどね。

線形代数は高校の数Ｃでは全然カバーできていないのね。。
ストレスがなくなるように、Youtubeと基礎テキスト、大学からの参考資料でカバー。

Study Machine Learning at Stanford

今日からDie Luft der Freiheitが吹く大学で、ML講座(XCS229)に挑戦。
事前課題として線形代数を学習中。

いよいよ明日アクチュアリー数学のテスト！
挑戦を楽しんでくるぜ！

H29の過去問終了

数学過去問2018完了

数学過去問2019完了

Strategy 時系列解析系完了

、、したものの、、分からない。
ARMA使って修論を書いた気がするけど、当時何もわかっていなかったか、それともすっかり忘れてしまったのか。。

Strategy 統計完了

モデリング突入。早く過去問やりたい。。

Strategy 9.17まで完了

覚えるよりも、解いてみる。やれやれ

問題集を解いてみる　⇒　解けた　⇒　過去問で解法を思いつける　⇒　過去問を解く　⇒　解法を覚える　⇒　本番で覚えた解法で解ける