![見出し画像](https://assets.st-note.com/production/uploads/images/12317327/rectangle_large_type_2_b1cc4aa7056b61da554664f259b99b44.png?width=1200)
アーティストのための機械学習
ニューヨークのITPなどで教えているGene Koganが始めた、アーティストのための機械学習(Machine Learning for Artist)というwebサイトがあります。本編部分は2018年に執筆完了のはずが達成率40%という詐欺のような状態ですが、豊富なサンプルや講義のビデオなど、機械学習を使ってアートしたい!人には最高のリソースです。アーティスト向けですが徹底的に現実的で実装可能な話しかしないので、ただの技術を魔法と勘違いするような罠もありません。
At the broadest sense, supervised learning methods maps structured information to structured information. In so doing, it also forms a representation of the thing in itself.
一文目「大雑把にいうと、教師あり学習は構造化された(structured)情報を構造化された情報に写像(map)します。」
最初からこれです。教師あり学習という手法があって、その手法が行うのはある構造化された情報、例えば気温や湿度、風向きなどの気候条件を別の情報、例えば降水確率に対応づける、ただそれだけです。その過程で、アルゴリズムはそのものの表現(representation)を形成します。この「表現」の部分は曖昧で誤解しやすい部分ですが、読み進めればこれもちゃんとした説明が待っています。
機械学習はかなりオープンなジャンルなのでweb上に情報があふれていますが、アート寄り、クリエーター向けの情報がまとまっているものでこのサイト以上のものは見たことがありません。結構ハードコアな内容ですがちゃんと読めばそれだけの価値はあると思います。辛くなったらサンプルを眺めたりTwitterを見てみるだけでも参考になります。
余談ですが、機械学習系の論文は英語の問題よりも専門用語の意味が正しく理解できているかどうかの方が重要な気がします。日本語の解説を読む時に対応する英語を調べて覚える(例:線形回帰=Linear Regressionなど)ようにすると役に立つかもしれません。
この記事が気に入ったらサポートをしてみませんか?