SlideShareの機械学習に関するスライドを大量に集めてみた

SlideShareの検索機能に満足できなかったので、Googleのsiteコマンド検索( 「機械学習 site:slideshare.net 」)で集めてき
た、機械学習に関するスライド520件のURLに対して、タイトル・ビュー数・公開日をWebスクレイピングにより取得してみました。

以下の表はビュー数の順番で並んでいます。WordPressのTablepressというプラグインを使っているので、簡単に検索ないし100件表示なども行えます。数の多いものから見ていこうと思います。

(取得用の稚拙なPythonコードは最下部に載っています。)
(URLがリンクになるように改良しました。)

urlTitleViewsTime
https://www.slideshare.net/unnonouno/jubatus-casual-talks機械学習チュートリアル@JubatusCasualTalks334921Jun 1 2013
https://www.slideshare.net/kazoo04/deep-learning-15097274Deeplearning289024Nov 9 2012
https://www.slideshare.net/pfi/deep-learning-22350063一般向けのDeepLearning274821Jun 2 2013
https://www.slideshare.net/mrtc0/machine-learning-41005650機械学習入門以前196975Nov 1 2014
https://www.slideshare.net/nlab_utokyo/deep-learning-40959442DeepLearningと画像認識   ~歴史・理論・実践~188530Oct 31 2014
https://www.slideshare.net/mosa_siru/ss-40136577捗るリコメンドシステムの裏事情(ハッカドール)179295Oct 11 2014
https://www.slideshare.net/canard0328/ss-44288984機械学習によるデータ分析まわりのお話176218Feb 4 2015
https://www.slideshare.net/mmktakahashi/ss-13694313パターン認識と機械学習入門159331Jul 19 2012
https://www.slideshare.net/hamadakoichi/randomforest-web「はじめてでもわかるRandomForest入門-集団学習による分類・予測-」-第7回データマイニング+WEB勉強会@東京145630Sep 25 2010
https://www.slideshare.net/ToruUenoyama/tensorflow-gdgTensorFlowを使った 機械学習ことはじめ(GDG京都機械学習勉強会)145276Feb 27 2016
https://www.slideshare.net/beam2d/deep-learning20140130DeepLearning技術の今124574Jan 30 2014
https://www.slideshare.net/unnonouno/ss-43844132深層学習時代の自然言語処理122124Jan 23 2015
https://www.slideshare.net/pfi/sacsis2013mlokanohara機械学習の理論と実践120039May 22 2013
https://www.slideshare.net/mokemokechicken/pythondeep-learningPythonとdeeplearningで手書き文字認識114692Dec 19 2012
https://www.slideshare.net/AtsushiKanaya/scikitlearnscikit-learnを用いた機械学習チュートリアル111808Mar 13 2014
https://www.slideshare.net/TakeshiHasegawa1/20151016ssmjpikalog「スプラトゥーン」リアルタイム画像解析ツール「IkaLog」の裏側109745Oct 16 2015
https://www.slideshare.net/yoshihisamaruya/dnn-deep-learningv10Deeplearningの軽い紹介105442Sep 19 2013
https://www.slideshare.net/beam2d/deep-learningimplementationDeeplearning実装の基礎と実践85921Aug 26 2014
https://www.slideshare.net/tkm2261/ss-42149384最適化超入門84516Nov 28 2014
https://www.slideshare.net/tojimat/tokyor-41Tokyo.R41サポートベクターマシンで眼鏡っ娘分類システム構築78003Jul 12 2014
https://www.slideshare.net/enakai/ss-46880120機械学習概論 講義テキスト76509Apr 11 2015
https://www.slideshare.net/ShinyaShimizu/ss-11623505今さら聞けないカーネル法とサポートベクターマシン75008Feb 16 2012
https://www.slideshare.net/tak9029/tensorflowaiTensorFlowで会話AIを作ってみた。73077Feb 15 2016
https://www.slideshare.net/tsubosaka/tokyotextminingLDA入門67385Sep 25 2010
https://www.slideshare.net/tkm2261/scikit-learnScikitlearnで学ぶ機械学習入門60375Dec 1 2014
https://www.slideshare.net/enakai/it-numpy-pandasPython機械学習プログラミングデータ分析ライブラリー解説編59607Oct 25 2015
https://www.slideshare.net/pfi/ss-57087522ディープラーニングの最新動向56849Jan 15 2016
https://www.slideshare.net/pfi/interop2015okanoharaディープラーニングが活かすIoT54496Jun 12 2015
http://www.slideshare.net/minoruchikamune/by-20150911172207「機械学習Byスタンフォード大学」勉強会2015.09.1151334Sep 15 2015
https://www.slideshare.net/Kawamoto_Kazuhiko/ss-35483453グラフィカルモデル入門50993Jun 4 2014
https://www.slideshare.net/teppeibaba5/ss-37143977機会学習ハッカソン:ランダムフォレスト49108Jul 18 2014
https://www.slideshare.net/hamukazu/python-57875594Pythonによる機械学習の最前線47954Feb 4 2016
https://www.slideshare.net/yasutomo57jp/python-deep-learningPythonによる機械学習入門~DeepLearningに挑戦~45699Jul 22 2016
https://www.slideshare.net/yokkuns/ss-8425312時系列分析による異常検知入門45508Jun 25 2011
https://www.slideshare.net/nishio/ss-53221829ルールベースから機械学習への道公開用43345Sep 26 2015
https://www.slideshare.net/unnonouno/chainer-59664785深層学習フレームワークChainerの特徴42270Mar 17 2016
https://www.slideshare.net/kouheinakaji/webmining-27353727SmartNewsを支える機械学習42215Oct 19 2013
https://www.slideshare.net/chezou/2015-52286722クックパッドサマーインターン2015機械学習・自然言語処理実習課題40996Sep 1 2015
https://www.slideshare.net/katsuhiromorishita/pythonrPythonとRによるデータ分析環境の構築と機械学習によるデータ認識40814Aug 31 2014
https://www.slideshare.net/shoheihido/5-38372284あなたの業務に機械学習を活用する5つのポイント40791Aug 26 2014
https://www.slideshare.net/send_/namebased-aggregationみんなビックデータビックデータって言ってるけど名寄せとかどうしてんの?40656Oct 5 2013
https://www.slideshare.net/beam2d/deep-learning-22544096DeepLearningの技術と未来39836Jun 6 2013
https://www.slideshare.net/shoheihido/ss-25510340さらば!データサイエンティスト38749Aug 23 2013
https://www.slideshare.net/hamadakoichi/dena-46573694DeNAの大規模データマイニング活用したサービス開発38272Apr 2 2015
https://www.slideshare.net/bollegala/ss-39065162深層学習入門37598Sep 14 2014
https://www.slideshare.net/pfi/mapreduce-7022974MapReduceによる大規模データを利用した機械学習37136Feb 22 2011
https://www.slideshare.net/mitsuoshimohata/ss-35949886決定木学習35383Jun 16 2014
https://www.slideshare.net/takahirokubo7792/ss-46471269実戦投入する機械学習35250Mar 30 2015
https://www.slideshare.net/issei_sato/deep-learning-41310617深層学習(DeepLearning)とベイズ的最適化(BayesianOptimization)による医用画像読影支援の試み34909Nov 9 2014
https://www.slideshare.net/RyoNakamura3/ss-61945131機械学習と深層学習の数理34488May 12 2016
https://www.slideshare.net/matsukenbook/ss-50545587「深層学習」第6章畳込みニューラルネット33618Jul 15 2015
https://www.slideshare.net/pfi/bigdata2012ml-okanoharabigdata2012mlokanohara31396Dec 24 2012
https://www.slideshare.net/holidayworking/ss-11948523アンサンブル学習31119Mar 10 2012
https://www.slideshare.net/moa108/5-kknnはじめてのパターン認識第5章k最近傍法(k_nn法)30391Sep 13 2013
https://www.slideshare.net/takumayagi/rbm-andlearningRBM、DeepLearningと学習(全脳アーキテクチャ若手の会第3回DL勉強会発表資料)30349Nov 16 2014
https://www.slideshare.net/nowokay/ss-52481509ぼくの実装した最弱のディープラーニング30236Sep 7 2015
https://www.slideshare.net/pfi/jubatus-10513468Jubatusにおける大規模分散オンライン機械学習29280Dec 8 2011
https://www.slideshare.net/hamadakoichi/introduction-torandomforest-tokyor「R言語によるRandomForest徹底入門-集団学習による分類・予測-」-#TokyoR#1128709Jan 29 2011
https://www.slideshare.net/nlab_utokyo/deep-learning-49182466DeepLearningによる画像認識革命 ー歴史・最新理論から実践応用までー28004Jun 9 2015
https://www.slideshare.net/kisa12012/sgd-future-best-27314417SGD+α:確率的勾配降下法の現在と未来27180Oct 17 2013
http://www.slideshare.net/devsumi/17e3【17-E-3】オンライン機械学習で実現する大規模データ処理26734Feb 20 2012
https://www.slideshare.net/takahirokubo7792/ss-65413290機械学習で泣かないためのコード設計26379Aug 27 2016
https://www.slideshare.net/FukushimaNorishige/opencv-67214568画像処理ライブラリOpenCVで出来ること・出来ないこと26247Oct 15 2016
https://www.slideshare.net/hadoopxnttdata/spark-m-llib-nttdataSparkMLlibではじめるスケーラブルな機械学習25773Dec 18 2014
https://www.slideshare.net/shoheihido/jubatus-casual2-anomalyJubatusCasualTalks#2異常検知入門25622Dec 13 2013
https://www.slideshare.net/hamadakoichi/dena-deep-learningDeNAの機械学習・深層学習活用した 体験提供の挑戦25219Apr 28 2016
https://www.slideshare.net/ngkry/ss-51045351機械学習を用いた東西日本の境界線決定25183Jul 29 2015
https://www.slideshare.net/sfchaos/ss-33703018機械学習を用いた予測モデル構築・評価25137Apr 19 2014
https://www.slideshare.net/motivic/machine-learning-causal-talk-2-lt素人がDeepLearningと他の機械学習の性能を比較してみた24349Aug 26 2014
https://www.slideshare.net/imaifactory/amazon-machine-learning-47400147AmazonMachineLearning23949Apr 25 2015
https://www.slideshare.net/sfchaos/ss-11307051不均衡データのクラス分類23343Jan 28 2012
https://www.slideshare.net/nobu_k/elasticsearch-59627321Elasticsearchと機械学習を実際に連携させる23175Mar 16 2016
https://www.slideshare.net/matsukenbook/rev012数学カフェ確率・統計・機械学習回「速習確率・統計」23148Apr 15 2017
https://www.slideshare.net/yasuyukisugai/deep-learningcaffeDeepLearningハンズオン勉強会「Caffeで画像分類を試してみようの会」22847Jul 25 2015
https://www.slideshare.net/nagayoshi3/2-23-8464248パターン認識と機械学習(PRML)第2章確率分布2.3ガウス分布22149Jun 29 2011
https://www.slideshare.net/KentaOono/20141209sigmodjDeepLearning技術の最近の動向とPreferredNetworksの取り組み22118Dec 17 2014
https://www.slideshare.net/iranainanimosuteteshimaou/ss-55173144ようやく分かった!最尤推定とベイズ推定21578Nov 16 2015
https://www.slideshare.net/shuyo/introduction-to-active-learning-25787487ActiveLearning入門20963Aug 31 2013
https://www.slideshare.net/sesejun/ss-24923282バイオインフォマティクスによる遺伝子発現解析20959Aug 4 2013
https://www.slideshare.net/beam2d/learning-generator生成モデルのDeepLearning20489Feb 25 2016
https://www.slideshare.net/yukaraikemiya/6-15415589パターン認識と機械学習6章(カーネル法)20451Nov 29 2012
https://www.slideshare.net/stairlab/ss-61806151深層学習による自然言語処理の研究動向20086May 9 2016
https://www.slideshare.net/metaps_JP/deep-learning-50383383Deeplearningを用いた画像から説明文の自動生成に関する研究の紹介19976Jul 10 2015
https://www.slideshare.net/moa108/20130715-lt-scikitlearn2013.07.15はじパタltscikit-learnで始める機械学習19364Jul 16 2013
https://www.slideshare.net/yasuyukisugai/io-t-deeplearningIoTとDeepLearningで自宅警備員を育ててみる19268Jun 18 2015
https://www.slideshare.net/pfi/iibmp2016-okanohara-deep-generative-models-for-representation-learningIIBMP2016深層生成モデルによる表現学習19210Sep 29 2016
https://www.slideshare.net/unnonouno/ss-21254386情報抽出入門〜非構造化データを構造化させる技術〜19004May 16 2013
https://www.slideshare.net/ssusere55c63/variational-autoencoder-64515581猫でも分かるVariationalAutoEncoder18687Jul 29 2016
http://www.slideshare.net/masakazusano75/sano-tokyowebmining-201625v04Sanotokyowebmining201625_v0418465Jun 24 2016
https://www.slideshare.net/parosky0/av-ut-startup-gymAV画像認識とその周辺-UTStartupGym講演資料18233Feb 9 2013
https://www.slideshare.net/atelierhide/tokyo-webmining42-slideshareディープラーニング徹底活用-画像認識編-18108Jan 23 2015
https://www.slideshare.net/sleepy_yoshi/dsirnlp1DSIRNLP#1ランキング学習ことはじめ18060Jul 23 2011
https://www.slideshare.net/at_grandpa/chapter5-50042838機械学習プロフェッショナルシリーズ輪読会#2Chapter5「自己符号化器」資料17877Jul 1 2015
https://www.slideshare.net/KazukiFujikawa/dena-techcon-for-student-2016-64836562DeNAにおける機械学習・深層学習活用17786Aug 9 2016
https://www.slideshare.net/lewuathe/auto-encoder-v2AutoEncoderで特徴抽出17582Jan 30 2015
https://www.slideshare.net/shuyo/ss-6587177機械の代わりに人間が学習入門17532Jan 16 2011
https://www.slideshare.net/hamadakoichi/tree-basedmodelsandrandomforests「樹木モデルとランダムフォレスト-機械学習による分類・予測-」-データマイニングセミナー17457Oct 8 2010
https://www.slideshare.net/hamadakoichi/prml-3983027パターン認識と機械学習(PRML)第1章-「多項式曲線フィッティング」「確率論」17312May 5 2010
https://www.slideshare.net/TakashiKato2/ss-57966067コンピュータ将棋・囲碁における機械学習活用16775Feb 7 2016
https://www.slideshare.net/kazumakadomae/ss-58502369機械学習に取り組んでいる企業の紹介16662Feb 20 2016
https://www.slideshare.net/kwp_george/ss-45978508全脳アーキテクチャ若手の会強化学習16613Mar 18 2015
https://www.slideshare.net/shoheihido/cross-30115506機械学習CROSS前半資料16511Jan 16 2014
https://www.slideshare.net/TokorotenNakayama/kpi-ab-cwt2016データ分析グループの組織編制とその課題マーケティングにおけるKPI設計の失敗例ABテストの活用と、機械学習の導入#CWT201616479Nov 9 2016
https://www.slideshare.net/unnonouno/ss-59660836子供の言語獲得と機械の言語獲得16474Mar 17 2016
https://www.slideshare.net/beam2d/chainer-64567959深層学習フレームワークChainerの開発と今後の展開16391Aug 1 2016
https://www.slideshare.net/takanorig/storm-31157560デブサミ2014-Stormで実現するビッグデータのリアルタイム処理プラットフォーム~ストリームデータ処理から機械学習まで~16272Feb 13 2014
https://www.slideshare.net/NVIDIAJapan/gpu-51812528なぜGPUはディープラーニングに向いているか16023Aug 19 2015
https://www.slideshare.net/masayuki1986/azure-machine-learning-49034325推薦システムを構築する手順書withAzureMachineLearning15997Jun 5 2015
https://www.slideshare.net/RecruitLifestyle/cet-capture-everythingCET(CaptureEveryThing)プロジェクトにおける機械学習・データマイニング最前線15988Dec 14 2015
https://www.slideshare.net/unnonouno/20140606-mlctJubatusにおける機械学習のテスト@MLCT15881Jun 6 2014
https://www.slideshare.net/syou6162/ss-3001118半教師あり学習15812Jan 27 2010
https://www.slideshare.net/shakezo/mlct4プロトタイプで終わらせない死の谷を超える機械学習プロジェクトの進め方 #MLCT415399Dec 21 2015
https://www.slideshare.net/trinmu/stochasticoptim2013機械学習におけるオンライン確率的最適化の理論15302Jul 3 2013
https://www.slideshare.net/masayuki1986/recommendation-ml協調フィルタリングを利用した推薦システム構築14794Apr 22 2015
https://www.slideshare.net/enakai/it-pandasPython機械学習プログラミングデータ分析演習編14743Nov 25 2015
https://www.slideshare.net/YoshitakaUshiku/ss-57148161画像キャプションの自動生成14707Jan 17 2016
https://www.slideshare.net/ryotat/20111128-10460799行列およびテンソルデータに対する機械学習(数理助教の会2011/11/28)14640Dec 4 2011
https://www.slideshare.net/takmin/20141008-4001986120141008物体検出器14412Oct 8 2014
https://www.slideshare.net/hajimexi/101813-hesitatefinal-fixedWEB閲覧時における無意識な行動のデータマイニングbyZenClerk14218Oct 19 2013
https://www.slideshare.net/chezou/ruby-28923469Rubyと機械学習の現状14178Dec 5 2013
https://www.slideshare.net/MasayukiIsobe/ss-35851169第二回機械学習アルゴリズム実装会-LDA14149Jun 13 2014
https://www.slideshare.net/siritori/6-35685092正則化つき線形モデル(「入門機械学習第6章」より)14070Jun 10 2014
https://www.slideshare.net/imaimasahiro/20130727-cv-machinelearning-2466957920130727cvmachine_learning@tokyowebmining14000Jul 26 2013
https://www.slideshare.net/nishio/kaggle-otto実践多クラス分類KaggleOttoから学んだこと13565May 29 2015
https://www.slideshare.net/irrrrr/2015-46395273機械学習とその理論(情報オリンピック2015春合宿講義資料)13427Mar 28 2015
https://www.slideshare.net/seijitakahashi92/gunosy-44530766機械学習で大事なことをミニGunosyをつくって学んだ╭(・ㅂ・)و̑̑ 13415Feb 10 2015
https://www.slideshare.net/pfi/ibis2016okanohara-69230358Ibis2016okanohara13400Nov 18 2016
https://www.slideshare.net/SeiichiUchida/ss-71479583深層学習の非常に簡単な説明13377Jan 28 2017
https://www.slideshare.net/TakashiKato2/ss-52335846コンピュータ将棋について~機械学習を用いた局面学習への道~13038Sep 2 2015
https://www.slideshare.net/shuyo/ss-35785798猫に教えてもらうルベーグ可測12889Jun 12 2014
https://www.slideshare.net/enakai/machine-learning-theroy-handson-20150420ソフトウェアエンジニアのための「機械学習理論」入門・ハンズオン演習ガイド12833Apr 24 2015
https://www.slideshare.net/takahirokubo7792/ss-63166784「人工知能」をあなたのビジネスで活用するには12830Jun 17 2016
http://www.slideshare.net/MapR_Japan/mahoutsolr-hadoop-conference-japan-2014実践機械学習—MahoutとSolrを活用したレコメンデーションにおけるイノベーション-2014/07/08HadoopConferenceJapan201412317Jul 8 2014
https://www.slideshare.net/ssuserb5817c/python-66169435Pythonで動かして学ぶ機械学習入門_予測モデルを作ってみよう12307Sep 19 2016
https://www.slideshare.net/tottokug/azure-ml-43641782AzureMLで機械学習をやってみよう12297Jan 18 2015
https://www.slideshare.net/shima__shima/2011-mtokyoscipy1Pythonによる機械学習実験の管理12228Oct 27 2011
https://www.slideshare.net/hamukazu/python-62836565Pythonで機械学習入門以前12125Jun 8 2016
https://www.slideshare.net/nobu_k/ss-56810268機械学習を利用したちょっとリッチな検索11763Jan 8 2016
https://www.slideshare.net/canard0328/ss-51632037機械学習によるデータ分析実践編11515Aug 14 2015
https://www.slideshare.net/shotarosano5/chapter7-50542830再帰型ニューラルネットin機械学習プロフェッショナルシリーズ輪読会11443Jul 15 2015
https://www.slideshare.net/NVIDIAJapan/ss-71043984これから始める人の為のディープラーニング基礎講座11424Jan 16 2017
https://www.slideshare.net/sesejun/ss-10104027次世代シーケンサが求める機械学習11333Nov 10 2011
https://www.slideshare.net/TokorotenNakayama/mlctプロダクション環境でオンラインで機械学習を動かすにあたってツライ話#MLCT11189May 1 2015
http://www.slideshare.net/maruyama097/ss-53314018機械学習技術の現在11181Sep 29 2015
https://www.slideshare.net/hamukazu/python-62212519Pythonによる機械学習11136May 20 2016
https://www.slideshare.net/JubatusOfficial/20140629-36495050Jubatusで始める機械学習10969Jul 1 2014
https://www.slideshare.net/myui/hdj2014-myuiHcj2014myui10926Jul 7 2014
https://www.slideshare.net/yamakatu/aws-casual-talks2ltSpotInstance+Spark+MLlibで実現する簡単低コスト機械学習10887Apr 18 2014
https://www.slideshare.net/torotoki/ss-14069592質問応答システム入門10805Aug 25 2012
https://www.slideshare.net/hayatomaki9/litmachinelearning機械学習入門10769Nov 27 2015
https://www.slideshare.net/mmktakahashi/ss-15231807機械学習の応用例にみる認知症診断と将来の発症予測10585Nov 18 2012
https://www.slideshare.net/syou6162/ss-63417714今日からできる構造学習(主に構造化パーセプトロンについて)10524Jun 24 2016
https://www.slideshare.net/pfi/session4-14461913Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平10429Sep 25 2012
https://www.slideshare.net/pfi/jubatus-16050975Jubatus:分散協調をキーとした大規模リアルタイム機械学習プラットフォーム10417Jan 18 2013
https://www.slideshare.net/Cloudera_jp/data-science-toward-big-data-cwt2016大規模データに対するデータサイエンスの進め方#CWT201610409Nov 9 2016
https://www.slideshare.net/TokorotenNakayama/mlbussinessヒューレットパッカード社の 社員の離職リスク予測第一回機械学習ビジネス研究会#ml_business10317Aug 28 2016
https://www.slideshare.net/keisukeosone/ss-64685474いまさら聞けない機械学習の評価指標10206Aug 4 2016
https://www.slideshare.net/shima__shima/mldm-relatedconferences2014データマイニング・機械学習関連の国際会議10079Feb 5 2015
http://www.slideshare.net/recruitcojp/ss-42745505「機械学習:技術的負債の高利子クレジットカード」のまとめ9956Dec 16 2014
https://www.slideshare.net/takahirokubo7792/python-openai-gymPythonではじめるOpenAIGymトレーニング9852Sep 22 2016
https://www.slideshare.net/ashitanoken/machine-learning-apache-mahoutmachinelearning&apachemahout9821Nov 30 2010
https://www.slideshare.net/yukinoi/python-auto-sklearnPythonで機械学習を自動化autosklearn9750Oct 24 2015
https://www.slideshare.net/pfi/pfi-seminar-20120315PFISeminar2012/03/15カーネルとハッシュの機械学習9697Mar 15 2012
https://www.slideshare.net/JunichiNoda/spark-mllib機械学習ライブラリ「SparkMLlib」で作るアニメレコメンドシステム9596Feb 27 2016
https://www.slideshare.net/tak9029/tensorflow-67483532深層学習とTensorFlow入門9526Oct 21 2016
https://www.slideshare.net/issei_sato/ss-12125104統計的機械学習における量子アニーリング9357Mar 23 2012
https://www.slideshare.net/hirsoshnakagawa3/kernel1aクラシックな機械学習の入門  5.サポートベクターマシン9334Mar 13 2014
https://www.slideshare.net/masayuki1986/azure-ml-46562993AzureMachineLearning gettingstarted9094Apr 1 2015
https://www.slideshare.net/NorihikoNakabayashi/ss-64497195JupyterNotebookでscikit-learnを使った機械学習・画像処理の基本9089Jul 29 2016
https://www.slideshare.net/JSUXDesign/2-51367666ジャストシステムの形態素解析技術その2機械学習編9083Aug 7 2015
https://www.slideshare.net/ww24jp/ss-57975202機械学習を用いたパターンロック認証の強化手法8779Feb 7 2016
https://www.slideshare.net/palloc/ss-68285327機械学習を用いた異常検知入門8746Nov 7 2016
https://www.slideshare.net/kermit123/45-web45分で理解するwebクローリング入門斉藤之雄8547Jul 2 2012
https://www.slideshare.net/unnonouno/ss-75153601予測型戦略を知るための機械学習チュートリアル8425Apr 19 2017
https://www.slideshare.net/hamadakoichi/cross2012-11646114データマイニングCROSS第2部-機械学習・大規模分散処理8334Feb 18 2012
https://www.slideshare.net/ttpooh/tokyo-data-night-tokyodnアドテクにおける機械学習技術@TokyoDataNight#tokyodn8189Jul 24 2015
https://www.slideshare.net/pfi/ipab2017-72723336IPAB2017深層学習を使った新薬の探索から創造へ8171Mar 2 2017
https://www.slideshare.net/piroyoung/ss-42686014自然言語処理のための機械学習入門1章8140Dec 14 2014
https://www.slideshare.net/yokkuns/ss-12901795異常行動検出入門(改)8100May 11 2012
https://www.slideshare.net/langstat/tokyowebmining16-10346267TokyoWebmining_16:機械学習を使った英語習熟度の推定8098Nov 26 2011
https://www.slideshare.net/pika_shi/machine-learning-13446072機械学習8087Jun 25 2012
https://www.slideshare.net/minoruchikamune/20160325-60094117有名論文から学ぶディープラーニング2016.03.258065Mar 28 2016
https://www.slideshare.net/hoxo_m/ss-66381190シンギュラリティを知らずに機械学習を語るな7942Sep 24 2016
https://www.slideshare.net/sady_nitro/ss-17680859みんな大好き機械学習7836Mar 25 2013
https://www.slideshare.net/YuyaKato3/tensorflow-58795721TensorFlowを使ってテキストをクラス分類してみた7827Feb 27 2016
https://www.slideshare.net/kazoo04/ss-56821735自然言語処理の仕組みと手順7814Jan 8 2016
https://www.slideshare.net/unnonouno/ella-24077958ICML2013読み会ELLA:AnEfficientLifelongLearningAlgorithm7688Jul 9 2013
https://www.slideshare.net/takahirokubo7792/ss-48083463機械学習技術の紹介7515May 13 2015
https://www.slideshare.net/hagino_3000/2-59125622スパース性に基づく機械学習2章データからの学習7460Mar 5 2016
https://www.slideshare.net/sleepy_yoshi/prm11-715計算論的学習理論入門-PAC学習とかVC次元とか-7441Jun 23 2013
https://www.slideshare.net/shoheihido/nips2013NIPS2013読み会:MoreEffectiveDistributedMLviaaStaleSynchronousParallelParameterServer7366Jan 22 2014
https://www.slideshare.net/yasutomo57jp/pythondeep-learning-60544586Pythonによる機械学習入門〜基礎からDeepLearningまで〜7297Apr 6 2016
https://www.slideshare.net/shotayasui/ss-67818872計量経済学と機械学習の交差点入り口(公開用)7289Oct 29 2016
https://www.slideshare.net/katsuhiromorishita/ss-57762976初めての機械学習7273Feb 2 2016
https://www.slideshare.net/mooopan/a3c-62170605A3Cという強化学習アルゴリズムで遊んでみた話7195May 19 2016
https://www.slideshare.net/nishio/ss-66840545勾配降下法の 最適化アルゴリズム7187Oct 7 2016
https://www.slideshare.net/masakazusano75/sano-hmm-20150512Sanohmm201505127186May 15 2015
https://www.slideshare.net/issei_sato/ppmlBayesianNonparametrics入門-点過程と統計的機械学習の接点-7139Jul 5 2013
https://www.slideshare.net/codeblue_jp/by-clarence-chio-code-blue-2015現実世界での機械学習によるアノマリ検知システムの構築と回避byClarenceChio-CODEBLUE20157051Mar 18 2016
https://www.slideshare.net/JubatusOfficial/jubatus-59619986Jubatusハンズオン機械学習はじめてみた7031Mar 16 2016
https://www.slideshare.net/hamadakoichi/10-web-tokyowebmining10回開催記念「データマイニング+WEB~データマイニング・機械学習活用による継続進化~」ー第10回データマイニング+WEB勉強会@東京ー#TokyoWebmining6980Feb 27 2011
https://www.slideshare.net/TokorotenNakayama/ss-63521614機械学習ビジネス研究会(未踏研究会)6957Jun 28 2016
https://www.slideshare.net/yuukiiwabuchi9/mathematica-57969027Mathematicaで 機械学習してみた6881Feb 7 2016
https://www.slideshare.net/pfi/ss-75251599エッジヘビーコンピューティングと機械学習6876Apr 21 2017
https://www.slideshare.net/x1ichi/spark-51164327広告配信現場で使うSpark機械学習6757Aug 1 2015
https://www.slideshare.net/hirsoshnakagawa3/ss-32275026クラシックな機械学習の入門  11.評価方法6757Mar 13 2014
https://www.slideshare.net/shoheihido/pmmlpfa機械学習モデルフォーマットの話:さようならPMML、こんにちはPFA6702Oct 20 2016
https://www.slideshare.net/ffri/mr201306-machine-learningforcomputersecurityjpnMr201306機械学習のセキュリティ技術応用6682Oct 7 2013
https://www.slideshare.net/hirsoshnakagawa3/ss-32274390クラシックな機械学習の入門  8.クラスタリング6672Mar 13 2014
https://www.slideshare.net/dsuket/ss-57488780いまさら聞けない機械学習のキホン6666Jan 26 2016
http://www.slideshare.net/bonprosoft/ss-60197661それっぽく感じる機械学習6649Mar 30 2016
https://www.slideshare.net/KMC_JP/p-45994744Topologicaldataanalysis6602Mar 18 2015
https://www.slideshare.net/recruitcojp/hadoop-sourcecodereading-20150521Spark/MapReduceの機械学習ライブラリ比較検証6546Jun 4 2015
https://www.slideshare.net/unnonouno/ss-72070828深層学習による機械とのコミュニケーション6465Feb 13 2017
https://www.slideshare.net/enakai/tensorflow-69157740TensorFlowによるニューラルネットワーク入門6443Nov 17 2016
https://www.slideshare.net/KeisukeSugawara/slide0629PRML第6章「カーネル法」6179Jun 29 2015
https://www.slideshare.net/issei_sato/ss-37837949点過程と統計的機械学習の数理20146119Aug 9 2014
https://www.slideshare.net/hamadakoichi/mobage-ibis-2012『Mobageの大規模データマイニング活用と意思決定』-#IBIS2012-ビジネスと機械学習の接点-6111Jan 23 2014
https://www.slideshare.net/id774net/web-14142819Webシステムにおける自動分類器を利用した機械学習と顧客購買行動の予測6094Sep 2 2012
https://www.slideshare.net/enakai/tensorflowdqnTensorFlowで学ぶDQN6064Jun 20 2016
https://www.slideshare.net/JunichiNoda/2015-ai-azureml-amazonml最新!2015年クラウドAIプラットフォーム比較AzureML&AmazonML6008Sep 29 2015
https://www.slideshare.net/at_grandpa/5-chapter-1-2機械学習プロフェッショナルシリーズ輪読会#5異常検知と変化検知Chapter1&2資料5994Aug 21 2015
https://www.slideshare.net/alembert2000/prml-at-1PRML上巻勉強会at東京大学 資料 第1章前半5975Nov 20 2013
https://www.slideshare.net/shoheihido/cross-ml-kouhen機械学習CROSS後半資料5959Jan 19 2014
https://www.slideshare.net/hoxo_m/perplexityトピックモデルの評価指標Perplexityとは何なのか?5955Mar 29 2016
https://www.slideshare.net/yutakashino/01-65431175機械学習ビジネス研究会第01回5849Aug 28 2016
https://www.slideshare.net/TokorotenNakayama/vector-converter特徴ベクトル変換器を作った話5834Jan 21 2015
https://www.slideshare.net/hirsoshnakagawa3/ss-32274089クラシックな機械学習の入門7.オンライン学習5790Mar 13 2014
https://www.slideshare.net/hirsoshnakagawa3/intro1-32159425クラシックな機械学習入門 1 導入5735Mar 11 2014
https://www.slideshare.net/enakai/web-65150969Webアプリケーションにおける機械学習活用の基礎5723Aug 19 2016
https://www.slideshare.net/ssuser4b29b7/ss-66793390ディープラーニングで株価予測をやってみた5713Oct 6 2016
https://www.slideshare.net/yuishikawa/20151117-apache-spark2015-11-17きちんと知りたいApacheSpark~機械学習とさまざまな機能群5663Nov 16 2015
https://www.slideshare.net/satonaoki/20161219teratail[teratailStudy~機械学習編#2~]MicrosoftAzureのAI関連サービス5613Dec 19 2016
https://www.slideshare.net/akira_11/r-01-48529517R実践機械学習による異常検知015495May 24 2015
https://www.slideshare.net/dcubeio/hr-tech-xHRTechx機械学習導入事例紹介5466Feb 27 2017
https://www.slideshare.net/eguchiakifumi/qsar-57118213子どもたちの未来を支える機械学習:定量的構造活性相関(QSAR)による有機ハロゲン化合物の母子間移行率予測5423Jan 16 2016
https://www.slideshare.net/chezou/hajipata-juliaJuliaを使った機械学習5417Feb 18 2014
https://www.slideshare.net/recruitcojp/ai-69855582リクルートテクノロジーズが語る企業における、「AI/ディープラーニング」活用のリアル5409Dec 6 2016
https://www.slideshare.net/levelfour/shrift文字認識システムShrift5388Aug 29 2014
https://www.slideshare.net/satonaoki/20151201dev-festaazureml[DevelopersFestaSapporo2015]AzureMachineLearningで機械学習を始めよう5375Dec 1 2015
http://www.slideshare.net/yaju88/shizu-dev-r静岡Developers勉強会 入門機械学習5325Oct 20 2013
https://www.slideshare.net/hirsoshnakagawa3/linea-r1クラシックな機械学習の入門3.線形回帰および識別5301Mar 13 2014
https://www.slideshare.net/techblogyahoo/devsumi-58688249ヤフオク!における機械学習~深層学習、分散表現~#devsumi5266Feb 25 2016
https://www.slideshare.net/shiraco/techcirclepepperTech-CirclePepperで機械学習体験ハンズオン勉強会inアトリエ秋葉原5217Jul 23 2015
https://www.slideshare.net/Shiroyagicorp/19d1-58461598【19-D-1】人間と機械学習のはざま:どこまでアルゴリズムに任せるか5194Feb 19 2016
https://www.slideshare.net/KazufumiOhkawa/12-20049278入門機械学習1,2章5125Apr 26 2013
https://www.slideshare.net/matsukenbook/4-53640134異常検知と変化検知第4章近傍法による異常検知5017Oct 7 2015
https://www.slideshare.net/hatenatech/ss-4942250はてなインターン「機械学習」5010Aug 11 2010
https://www.slideshare.net/hijiki_s/20150418-tokyo-webminingLHCにおける素粒子ビッグデータの解析とROOTライブラリ(BigDataAnalysisatLHCandROOT)4885Apr 18 2015
https://www.slideshare.net/issei_sato/big-datastochastic-gradient-langevin-dynamicsBigData時代の大規模ベイズ学習 -StochasticGradientLangevinDynamics を中心として4883Aug 9 2014
https://www.slideshare.net/TakeshiHasegawa1/ikalog20161125nsstudy#IkaLogによるスプラトゥーンの画像解析と機械学習4818Nov 25 2016
https://www.slideshare.net/cloretsblack/ss-58917656機械学習によるリモートネットワークの異常検知4809Mar 1 2016
https://www.slideshare.net/beeEaMa/chapter-02-49488411Chapter02#ml-professional4789Jun 17 2015
https://www.slideshare.net/Prunus1350/prml-62パターン認識と機械学習§6.2カーネル関数の構成4786Mar 9 2013
https://www.slideshare.net/HirokazuNishio/ss-65620579機械学習アルゴリズムの絵本4727Sep 2 2016
https://www.slideshare.net/KojiSekiguchi/ss-13451390自然言語処理における機械学習による曖昧性解消入門4711Jun 25 2012
https://www.slideshare.net/HitoshiHabe/ss-58784126機械学習とコンピュータビジョン入門4690Feb 27 2016
https://www.slideshare.net/nkjm/iot-58447760鳥肌必至のニューラルネットワークによる近未来の画像認識技術を体験し、IoTの知られざるパワーを知る4683Feb 19 2016
https://www.slideshare.net/shirakiya/web-67545440経験ゼロのWeb企業が機械学習に取り組んだ話4658Oct 23 2016
https://www.slideshare.net/masakazuishihata/ishihata-koudaisai121006forpdf機械学習でお小遣いを稼ぐ!-本推薦Twitterbotの紹介-4649Oct 9 2012
https://www.slideshare.net/haradaatsea4/web-66507955普通のwebエンジニアでも出来る、ド素人からの機械学習のはじめ方4611Sep 28 2016
https://www.slideshare.net/DATAHOTEL/ss-55804225機械学習を学ぶための準備 その3(行列について)試験問題4590Dec 4 2015
https://www.slideshare.net/ttpooh/ss-64890255セレンディピティと機械学習4582Aug 11 2016
https://www.slideshare.net/TeruyukiSakaue/ss-63441067機械学習による積極的失業〜オウンドメディアの訪問予測4551Jun 25 2016
https://www.slideshare.net/pfi/security-ml-20130628kashiharaJubatusで始める機械学習/セキュリティと機械学習4534Aug 19 2014
https://www.slideshare.net/maruyama097/ss-42587994エンタープライズと機械学習技術4531Dec 10 2014
https://www.slideshare.net/satonaoki/microsoft-azure-machine-learning-69700998MicrosoftAzureの機械学習サービス(AzureMachineLearning/MicrosoftCognitiveServices)4518Nov 30 2016
https://www.slideshare.net/shoheihido/kdd-25788780今年のKDDベストペーパーを実装・公開しました4509Sep 1 2013
https://www.slideshare.net/takahirokubo7792/machine-learningbootstrap-47179613MachineLearningBootstrap4425Apr 20 2015
https://www.slideshare.net/rakutentech/ecommerce-15078624E-commerce企業におけるビッグデータへの挑戦と課題‐機械学習への期待について‐4345Nov 8 2012
https://www.slideshare.net/from2001/ss-29919349勉強会資料:プログラムもアルゴリズム理解も不要な機械学習テキストマイニング4243Jan 11 2014
http://www.slideshare.net/nowokay/20151121-55359989機械学習プロ生201511214175Nov 21 2015
https://www.slideshare.net/babaroa/code-blue-2016-webCODEBLUE2016-機械学習でWebアプリケーションの脆弱性を見つける方法4059Oct 23 2016
https://www.slideshare.net/itakigawa/ss-69269618科学と機械学習のあいだ:変量の設計・変換・選択・交互作用・線形性4058Nov 18 2016
https://www.slideshare.net/softlayerjp/ibm-bluemix-siosSIOSiQ:機械学習ITOAVMware仮想環境の性能問題の原因分析迅速な問題解決と未然防止を実現3940Sep 9 2015
https://www.slideshare.net/AmazonWebServicesJapan/aws-70254977データレイクを基盤としたAWS上での機械学習サービス構築3876Dec 19 2016
https://www.slideshare.net/shuyo/ai-vsmlpublic-72939220人工知能と機械学習の違いって?3814Mar 8 2017
https://www.slideshare.net/mamoruk/ss-24918858ウェブマイニングを用いた英語学習支援3808Aug 4 2013
https://www.slideshare.net/oxy919/yyoshida-20150611forslideshareGreedisGood:劣モジュラ関数最大化とその発展3785Jun 12 2015
https://www.slideshare.net/nkjm/database-cloud実はDatabasecloudだけで実現できる巷で噂の機械学習とは?3776Mar 15 2016
https://www.slideshare.net/tamushun/sirok-4【SIROK技術勉強会#4】機械学習と線形代数の基礎3774Aug 19 2015
https://www.slideshare.net/hirsoshnakagawa3/ss-32274787クラシックな機械学習の入門  10.マルコフ連鎖モンテカルロ法3744Mar 13 2014
https://www.slideshare.net/pecorarista/prml04PRML第4章3739May 15 2015
http://www.slideshare.net/DATAHOTEL/ss-56039579機械学習を学ぶための準備 その3(行列について)試験問題 解答3725Dec 11 2015
https://www.slideshare.net/Erika_Fujita/ss-50118591全脳アーキテクチャ若手の会機械学習勉強会ベイジアンネットワーク3715Jul 3 2015
http://www.slideshare.net/DATAHOTEL/ss-56039864機械学習を学ぶための準備 その4(行列について)試験問題3702Dec 11 2015
https://www.slideshare.net/pjxiao/php-37624749PHPによる機械学習3682Aug 3 2014
https://www.slideshare.net/hagino_3000/9-55242143異常検知と変化検知9章部分空間法による変化点検知3653Nov 18 2015
https://www.slideshare.net/yoheinaruse3/java-37147537Javaで始める機械学習3636Jul 19 2014
https://www.slideshare.net/mp_mrk/rtoaster6-dmpRtoaster特徴6最先端の機械学習アルゴリズム3613Feb 17 2015
https://www.slideshare.net/YoshitakaUshiku/20150530-kantocv-curriculumlearningCurriculumLearning(関東CV勉強会)3608May 30 2015
https://www.slideshare.net/maraigue/ss-59765112関数の最小値を求めることから機械学習へ3602Mar 19 2016
https://www.slideshare.net/hijiki_s/akira-shibata-at-developer-summit-2016-58449436Akirashibataatdevelopersummit20163551Feb 19 2016
https://www.slideshare.net/hirsoshnakagawa3/bias-variance1aクラシックな機械学習の入門4.学習データと予測性能3442Mar 13 2014
https://www.slideshare.net/y-ken/real-estate-tech-with-hivemallHivemallで始める不動産価格推定サービス3398Oct 21 2015
https://www.slideshare.net/ryokuta/deep-learning-64339091DeepLearningを用いたロボット制御3379Jul 25 2016
https://www.slideshare.net/unnonouno/20130518-twitterTwitter分析のためのリアルタイム分析基盤@第4回Twitter研究会3329May 16 2013
https://www.slideshare.net/ItaruOtomaru/prml-45271788[PRML勉強会資料]パターン認識と機械学習第3章線形回帰モデル(章頭-3.1.5)(p.135-145)3306Feb 28 2015
https://www.slideshare.net/takahirokubo7792/ss-71453093画像認識モデルを作るための鉄板レシピ3290Jan 27 2017
https://www.slideshare.net/akira_11/r-02-48529612R実践機械学習による異常検知023286May 24 2015
https://www.slideshare.net/junya100/jubatus-18540677機械学習とJubatus3225Apr 10 2013
https://www.slideshare.net/takumahatano18/tokyo-r-06201億5000万円欲しい(ロト6のデータで遊ぶ)3138Jun 20 2015
https://www.slideshare.net/suzuki333333333/ss-55355797とりあえず機械学習をやってみた3102Nov 21 2015
https://www.slideshare.net/aknow3373/ss-55841517「お手軽な機械学習サービス」で、ルーティンワークに立ち向かおう!3092Dec 5 2015
https://www.slideshare.net/AmazonWebServicesJapan/amazonaws-67527573Amazonでのレコメンド生成における深層学習とAWS利用について3043Oct 22 2016
https://www.slideshare.net/hirsoshnakagawa3/opt-algorithm1クラシックな機械学習の入門6.最適化と学習アルゴリズム3027Mar 13 2014
https://www.slideshare.net/hirsoshnakagawa3/bayes1クラシックな機械学習の入門 2.ベイズ統計に基づく推論2994Mar 12 2014
https://www.slideshare.net/jaisalmer992/cd-driveprml2-4-d0703C:\DDrive\Prml\プレゼン\パターン認識と機械学習24章D07032939Jul 7 2010
https://www.slideshare.net/takashijozaki1/ss-56464495直感的な単変量モデルでは予測できない「ワインの味」を多変量モデルで予測する2902Dec 27 2015
https://www.slideshare.net/TsuyoshiHirayama/ibm-watson-machine-learning-and-watson-knowledge-stuido-20160827Ibmwatsonmachinelearningandwatsonknowledgestuido201608272787Aug 27 2016
https://www.slideshare.net/hirsoshnakagawa3/ss-33841006クラシックな機械学習入門:付録:よく使う線形代数の公式2782Apr 23 2014
https://www.slideshare.net/kiyoshi_iwabuchi/20150329-final-ver1020150329SAPInfiniteInsight(SAPが提供する機械学習エンジン)2774Mar 31 2015
https://www.slideshare.net/takahirokubo7792/ss-47094972機械学習を用いた会議診断システムの開発2695Apr 16 2015
https://www.slideshare.net/uesaka/azure-machine-learning-52041107AzureMachineLearningによるレコメンデーションの設計&実装を公開!~朝日カルチャーセンターの事例から~2685Aug 25 2015
https://www.slideshare.net/maruyama097/tensolflow-white-paper機械学習技術の現在+TensolFlowWhitePaper2624Dec 23 2015
https://www.slideshare.net/KatsukiOhto/ss-66400465大富豪に対する機械学習の適用+α2616Sep 25 2016
https://www.slideshare.net/TeppeiMurakami/chainer-keras-68860442機械学習フレームワーク横断、Chainer,Keras2604Nov 14 2016
https://www.slideshare.net/MasatoNakai1/4-70284613機械学習の全般について42559Dec 19 2016
https://www.slideshare.net/unnonouno/jubatus-21133522Jubatusにおける大規模分散オンライン機械学習@先端金融テクノロジー研究会2544May 13 2013
http://www.slideshare.net/maruyama097/ss-39731666人間の思考、機械の思考2524Sep 30 2014
https://www.slideshare.net/enakai/google-73393814Googleにおける機械学習の活用とクラウドサービス2494Mar 21 2017
https://www.slideshare.net/techblogyahoo/yahoo-japan-streamctjpYahoo!JAPANにおけるオンライン機械学習実例#streamctjp2494Jul 25 2016
https://www.slideshare.net/hirsoshnakagawa3/9-32274608クラシックな機械学習の入門  9.モデル推定2477Mar 13 2014
http://www.slideshare.net/ToshihikoYamasaki/ss-66138771【FIT2016チュートリアル】ここから始める情報処理~機械学習編~2461Sep 18 2016
https://www.slideshare.net/TakeshiHasegawa1/ikalog-data-collector-for-splatoon-and-machine-learning-jan-2017-softbankIkaLog:DataCollectorforSplatoon andMachineLearning (Jan2017@Softbank)2446Jan 16 2017
https://www.slideshare.net/yuishikawa/2016-0615-spark2016-06-15Sparkの機械学習の開発と活用の動向2438Jun 15 2016
https://www.slideshare.net/mogiken1/ss-46833284実践:今日から使えるビックデータハンズオンあなたはタイタニック号で生き残れるか?知的生産性UPのための機械学習超入門2438Apr 9 2015
https://www.slideshare.net/hamukazu/python-71462844Pythonを使った機械学習の学習2422Jan 27 2017
https://www.slideshare.net/kivantium/ss-49738333機械学習勉強会資料2377Jun 23 2015
https://www.slideshare.net/shoheihido/software-for-edge-heavy-computing-interop-2016-tokyoSoftwareforEdgeHeavyComputing@INTEROP2016Tokyo2342Jun 9 2016
https://www.slideshare.net/AtsuoAoki/microsoftaiMicrosoft機械学習の簡単な紹介2332Apr 27 2016
https://www.slideshare.net/mitsukioga/ss-36876390パターン認識と機械学習〜指数型分布族とノンパラメトリック〜2229Jul 11 2014
https://www.slideshare.net/sfchaos/julia-47433829Juliaによる予測モデル構築・評価2218Apr 26 2015
https://www.slideshare.net/junsakuma/ss-47311911キノコ狩りで収穫100倍増を 機械学習で実現する方法2125Apr 22 2015
https://www.slideshare.net/ToshihikoYamakami/2017-71233526サルでもわかるディープラーニング入門(2017年) (InJapanese)2045Jan 20 2017
https://www.slideshare.net/biatunky/azure-machine-learning-45549499AzureMachineLearningを触ってみた!2003Mar 7 2015
https://www.slideshare.net/tnoborio/grcarry-ver2GR-CARRYでジェスチャーの機械学習-かぎーぱみゅぱみゅVer.21963Oct 15 2015
https://www.slideshare.net/yasuyukisugai/3nnkeras第3回機械学習勉強会「色々なNNフレームワークを動かしてみよう」-Keras編-1916Jul 6 2016
https://www.slideshare.net/MasatoTaruishi/tfug3-retty-2200-72489223TFUG#3Retty流「2200万ユーザさんを支える機械学習基盤」の作り方1884Feb 23 2017
https://www.slideshare.net/babaroa/web-reflected-xss機械学習でWebアプリの脆弱性を見つける-ReflectedXSS編-1874Jul 25 2016
https://www.slideshare.net/tetutaro/rco-62374167機械学習向けプログラミング言語の使い分け-RCOの場合1874May 25 2016
https://www.slideshare.net/Prunus1350/prml-834パターン認識と機械学習§8.3.4有向グラフとの関係1848Jul 21 2013
https://www.slideshare.net/YutaKoga/coursera-machine-learning-week2CourseraMachineLearningWeek2まとめ 1835Jan 7 2016
https://www.slideshare.net/satonaoki/20161126ml15minazureml[第6回MachineLearning15minutes!]機械学習サービス「AzureMachineLearning」(+MicrosoftCognitiveToolkit(CNTK)も少しだけ)1807Nov 26 2016
http://www.slideshare.net/shotarosano5/in-54205735サポートベクトルデータ記述法による異常検知in機械学習プロフェッショナルシリーズ輪読会1789Oct 21 2015
https://www.slideshare.net/jaisalmer992/14-d0912-5345854パターン認識と機械学習14章d09121784Oct 3 2010
https://www.slideshare.net/jimaoka/einsteinherokupredictionioEinsteinってどんなもの?Heroku+PredictionIOを使って機械学習をわかった気になってみよう!1772Oct 25 2016
https://www.slideshare.net/techblogyahoo/yjdsw1-56331419ヤフートップページでの機械学習#yjdsw11763Dec 21 2015
https://www.slideshare.net/owllearnbiz/lagrange-50543837機械学習を理解するための数学テクニック勉強会Lagrange未定乗数法1752Jul 15 2015
https://www.slideshare.net/IchiroMaruta/ss-72903584データでみる機械学習と制御理論の類似点と相違点1749Mar 7 2017
https://www.slideshare.net/KazufumiOhkawa/ss-21870268入門機械学習読書会二回目1748May 24 2013
https://www.slideshare.net/takahirokubo7792/2016-ncm対話破綻検出チャレンジ2016:NCMを用いた対話と破綻の同時学習1656Oct 5 2016
https://www.slideshare.net/SASJapan/sas-enterprise-miner-51897950SASEnterpriseMinerを使用した機械学習1648Aug 21 2015
https://www.slideshare.net/kenjioda/prml-48807374PRML 機械学習超入門 使える教材まとめ1612May 31 2015
https://www.slideshare.net/ToruUenoyama/tensorflowsummer-editionTensorFlowで機械学習ことはじめ(summeredition)1601Aug 27 2016
https://www.slideshare.net/nishio/01-68382174機械学習キャンバス0.11573Nov 8 2016
https://www.slideshare.net/optim_internship/optim-66539382Optimインターンシップ機械学習による画像の領域分割1567Sep 29 2016
https://www.slideshare.net/__john_smith__/5-481565365分でわかる怖くない機械学習1528May 14 2015
https://www.slideshare.net/stealthinu/gcetensorflowGCEをTensorFlowの「計算エンジン」にする1516Jul 26 2016
https://www.slideshare.net/cancolle/lt-2-65972250機械学習するな機会学習しろ-データサイエンスLT祭り2夜目1471Sep 13 2016
https://www.slideshare.net/kazuakitanida/kerasKerasで深層学習を実践する1457Oct 27 2016
https://www.slideshare.net/rumisbern/ss-58901767機械学習基礎(2)(パラメータ推定)1447Mar 1 2016
https://www.slideshare.net/rumisbern/ss-58028512機械学習基礎(1)(基礎知識編-最適化問題)1446Feb 8 2016
https://www.slideshare.net/utatakiyoshi/2013-joi-62013JOI春合宿講義6機械学習入門1437Mar 23 2013
https://www.slideshare.net/kazk1018/ml-pipelineMLPipelineで実践機械学習1398Jun 23 2015
https://www.slideshare.net/NaoyukiSakai/short-ver-47316085ブラックボックスなアドテクを機械学習で推理してみたShortver1392Apr 22 2015
https://www.slideshare.net/hirokiyamamoto969/tpot面倒くさいこと考えたくないあなたへ〜Tpotと機械学習〜1376Sep 7 2016
https://www.slideshare.net/tmprcd12345/machine-learning-15minutes新事業で目指す自然言語処理ビジネス、その未来MachineLearning15minutes! 発表資料1333Dec 18 2016
https://www.slideshare.net/babaroa/introduce-stealing-machine-learning-models-via-prediction-apisintroduce"StealingMachineLearningModelsviaPredictionAPIs"1323Dec 6 2016
https://www.slideshare.net/Gushi/step-by-step-62972831StepbyStepで学ぶ自然言語処理における深層学習の勘所1308Jun 12 2016
http://www.slideshare.net/xushengbo/ss-56078407でも、機械学習ってお難しいんでしょ?1302Dec 12 2015
https://www.slideshare.net/babaroa/ss-69560578機械学習を使ったハッキング手法1290Nov 27 2016
https://www.slideshare.net/cimadai/it81ITエンジニアのための機械学習理論入門8.1ベイズ推定1275Jun 26 2016
https://www.slideshare.net/enakai/prlm-432-436第12回機械学習勉強会・説明用ノート1238Feb 22 2015
https://www.slideshare.net/yukaraikemiya/ss-62735812音声にまつわる技術の基礎1235Jun 5 2016
https://www.slideshare.net/DATAHOTEL/hadoop-x-spark-xHadoopxsparkx機械学習を利用した実践的活用術最新1220Oct 27 2016
https://www.slideshare.net/k_yone/machine-learning-40067037Machinelearning1216Oct 9 2014
http://www.slideshare.net/masuwo3/amazon-machine-learingAmazonMachineLearingと機械学習1189Oct 28 2015
https://www.slideshare.net/krk85/pythonhelloworldPython&機械学習にHelloWorldして旦那候補を探す1155May 22 2016
https://www.slideshare.net/techblogyahoo/yjdsw1-56331439ヤフオク!と機械学習#yjdsw11150Dec 21 2015
https://www.slideshare.net/nowokay/netbeans-72028561NetBeansのメモリ使用ログから機械学習できしだが働いてるかどうか判定する1141Feb 11 2017
https://www.slideshare.net/MasayukiTanaka2/ss-43095436機械学習で名古屋っぽいを判定する1140Dec 30 2014
https://www.slideshare.net/MasayukiIsobe/ss-37144237第三回機械学習アルゴリズム実装会イントロダクション1137Jul 18 2014
https://www.slideshare.net/ShutoSuzuki/1azuremachinelearningtweetかんたん機械学習はじめの1歩AzureMachineLearningでTweetをレコメンド1120Apr 15 2016
https://www.slideshare.net/enakai/prlm-533546第15回機械学習勉強会・説明用ノート1120Jun 29 2015
https://www.slideshare.net/kagamiwari/nseg39NSEG#39将棋ソフトと機械学習1113Jun 8 2013
https://www.slideshare.net/hiroakikudo77/1-56144834機械学習・自然言語処理の今年1年間を振り返ってみて1104Dec 15 2015
https://www.slideshare.net/zakktakk/chapter3-62337101機械学習プロフェッショナルシリーズ深層学習chapter3確率的勾配降下法1103May 24 2016
https://www.slideshare.net/ooyabuy/pp080パターン認識と機械学習 pp0801100Dec 13 2012
https://www.slideshare.net/tmprcd12345/ss-66361547最近の機械学習テクノロジーとビジネスの応用先 自然言語処理を中心に1097Sep 24 2016
https://www.slideshare.net/yappy0625/ss-55124683ゲームと機械学習1082Nov 15 2015
http://www.slideshare.net/takemiohama/x-ietty-64095981実践的!人工知能X機械学習〜iettyの場合〜1050Jul 17 2016
https://www.slideshare.net/KazufumiOhkawa/6-24670662入門機械学習6章1041Jul 26 2013
https://www.slideshare.net/stairlab/4-63932628群衆の知を引き出すための機械学習(第4回ステアラボ人工知能セミナー)1034Jul 12 2016
https://www.slideshare.net/ssuser1adf7f/de-60161483タコスDe機械学習~パーセプトロンを実装してみよう~1015Mar 29 2016
https://www.slideshare.net/kazunaritakaki/aitc-57510657AITCオープンラボ_機械学習の為の事前準備1012Jan 26 2016
https://www.slideshare.net/sum1kawa/dsirnlp5コード最適化と機械学習. DSIRNLP5 2014/1/11996Jan 12 2014
https://www.slideshare.net/TakeshiAkutsu/s06-t1-python4S06t1python学習奮闘記#4994Nov 10 2015
https://www.slideshare.net/KazukiHarada/bluemix-travelbot-52190289Bluemix&Azureで機械学習する自動応答チャットで旅行提案するアプリをAPIフル活用で実装してみた993Aug 29 2015
https://www.slideshare.net/ttpooh/2015autumn機械学習でデジタル広告を変える!@デブサミ2015autumn971Oct 15 2015
https://www.slideshare.net/kumadasu/ss-59125948ディープラーニングを活用したジェスチャー認識955Mar 5 2016
https://www.slideshare.net/SORACOM/ifup-2017-b1if-up2017|B1:エッジヘビーコンピューティングと機械学習955Apr 20 2017
https://www.slideshare.net/__john_smith__/ss-65778297初心者向けに機械学習のハンズオンセミナーをしてわかったこと907Sep 7 2016
https://www.slideshare.net/yuki0116/20160408-lt20160408機械学習lt大会902Apr 20 2016
https://www.slideshare.net/YuusukeIwasawa/dl-hacks-unifying-distillation-and-privileged-informationDlhacks輪読:"Unifyingdistillationandprivilegedinformation"898Mar 18 2016
http://www.slideshare.net/KazufumiOhkawa/9-25539906入門機械学習読書会9章874Aug 23 2013
https://www.slideshare.net/utsuro_lab/20151203-reversi-for-slideshare機械学習による球面リバーシ(オセロ)AIの開発864Dec 3 2015
https://www.slideshare.net/ShutoYano/ss-62380794機械学習+ニューラルネット入門855May 25 2016
https://www.slideshare.net/hirokiyamamoto969/python-64288862「Python機械学習プログラミング」 の挫折しない読み方837Jul 22 2016
https://www.slideshare.net/updateitjp/crossnote-64698777crossnoteの機械学習で文章から作者を判別する814Aug 4 2016
https://www.slideshare.net/keikurakawa/ipsj-annual75slideskurakawa機械学習を用いたWeb上の産学連携関連文書の抽出808Mar 7 2013
https://www.slideshare.net/shinyorke/hackpython-bpstudy野球Hack!(続き)~Pythonを用いた野球サービス構築#bpstudy804Nov 30 2015
https://www.slideshare.net/hiromu1996/ss-38476138機械学習コン講評797Aug 28 2014
https://www.slideshare.net/takahirokubo7792/kintone-cafe-japan-2016-kintone-xkintoneCafeJapan2016:kintonex機械学習で実現する簡単名刺管理787Nov 11 2016
http://www.slideshare.net/shiraco/techcircle007welcomeTech-CirclePepperで機械学習体験ハンズオン勉強会inアトリエ秋葉原764Jul 23 2015
https://www.slideshare.net/updateitjp/crossnotewikipediacrossnoteの機械学習でWikipediaの記事を分類する744Aug 4 2016
https://www.slideshare.net/updateitjp/crossnotecrossnoteの機械学習でパブリックコメントを分類する744Aug 4 2016
https://www.slideshare.net/ssuserc768a6/ss-51188324入門パターン認識と機械学習 1章 2章728Aug 2 2015
http://www.slideshare.net/KosukeFujimoto1/teratail-study-1TeratailStudy  ~機械学習編#1~719Nov 12 2016
https://www.slideshare.net/ooyabuy/108-15623744パターン認識と機械学習 演習1.08713Dec 13 2012
http://www.slideshare.net/techblogyahoo/yjdsw4-60944543「これはヤフオク!に機械学習を導入する男たちの戦いの物語である」#yjdsw4668Apr 15 2016
https://www.slideshare.net/satonaoki/20161218dotsbigdataazureai[ビッグデータオールスターズ]クラウドサービス最新情報機械学習/AIでこんなことまでできるんです!(Microsoft編)657Dec 18 2016
https://www.slideshare.net/JunIio1/ss-71706122社会科学研究者からみた機械学習655Feb 3 2017
https://www.slideshare.net/taikaitakeda/mlp-svm-chapter-7-decomposingMLPSVMChapter7分割法648Sep 5 2015
https://www.slideshare.net/techblogyahoo/yjdsw1-56331336爆速機械学習サービス応用:実践編#yjdsw1645Dec 21 2015
https://www.slideshare.net/tdev1/243-697873002値分類・多クラス分類629Dec 3 2016
https://www.slideshare.net/ssuser77b8c6/1-71256266劣モジュラ最適化と機械学習1章626Jan 22 2017
http://www.slideshare.net/HirokiKitano1/azure-machine-learning-64111017/6機械学習はじめの一歩!AzureMachineLearningで気軽に始めよう!626Jul 18 2016
https://www.slideshare.net/HirokiKitano1/azure-machine-learning-64111017機械学習はじめの一歩!AzureMachineLearningで気軽に始めよう!625Jul 18 2016
https://www.slideshare.net/halueda/spark-58539319自動的なビッグデータ機械学習技術:Spark上で複数の学習アルゴリズムの自動選択が可能に617Feb 22 2016
https://www.slideshare.net/yutosuzu/lt-32333948統計勉強会LT機械学習とは596Mar 14 2014
https://www.slideshare.net/rumisbern/ss-58902081機械学習基礎(3)(クラスタリング編)583Mar 1 2016
https://www.slideshare.net/ShunsukeNakamura2/ss-65575087データサイエンティストに聞く!今更聞けない機械学習の基礎から応用まで569Sep 1 2016
https://www.slideshare.net/TakeshiIshita/ss-35153703第一回機械学習アルゴリズム実装会559May 27 2014
https://www.slideshare.net/MikaFukushige/ss-52450500気楽に等身大☆初めての機械学習558Sep 5 2015
https://www.slideshare.net/takahirokatagiri58/a-tand-bigdata201507hp2自動チューニングとビックデータ:機械学習の適用の可能性554Jul 23 2015
https://www.slideshare.net/dena_tech/gameai-denatechcon強化学習を利用した自律型GameAIの取り組み~高速自動プレイによるステージ設計支援~#denatechcon553Feb 27 2017
https://www.slideshare.net/businessanalytics/ba-frd20140516機械学習の枠組みによる不正アカウント検知552May 22 2014
https://www.slideshare.net/DDBJslide/ddbj-challenge-2016[DDBJChallenge2016]機械学習と予測モデルコンペティション538Jul 13 2016
https://www.slideshare.net/itakigawa/ss-72983543道具としての機械学習:直感的概要とその実際532Mar 9 2017
https://www.slideshare.net/s-cubism-recruit/tensorflow-60654000機械学習ライブラリ:TensorFlow520Apr 8 2016
https://www.slideshare.net/MasatoNakai1/ss-66579130機械学習の全般について511Sep 29 2016
https://www.slideshare.net/ketancho/3-38282577機械学習勉強会#3508Aug 23 2014
https://www.slideshare.net/techblogyahoo/yjdsw4「なぜビッグデータが選挙の予測を可能にするのか」#yjdsw4498Apr 15 2016
https://www.slideshare.net/ssuser0d6ccf/rss-40140703機械学習を取り入れたRSS拡張489Oct 11 2014
https://www.slideshare.net/ssuserc768a6/ss-53648197入門パターン認識と機械学習3章471Oct 7 2015
https://www.slideshare.net/f-hasegawa/ss-58416740[機械学習]文章のクラス分類467Feb 18 2016
https://www.slideshare.net/businessanalytics/rank20140729機械学習の枠組みによる検索表示ランク最適化464Jul 31 2014
https://www.slideshare.net/DDBJslide/ddbj-challenge-2016-63977094[DDBJChallenge2016]機械学習コンペティションにおける予測モデリング手法の傾向461Jul 13 2016
https://www.slideshare.net/Club86_Startup_School/1it-iot-fintech【新春特別無料セミナー】【学生も歓迎】1時間でITの流行を理解する!機械学習IoT人工知能ビッグデータFinTechてんこ盛り448Jan 27 2016
https://www.slideshare.net/tomohirogoya1/ss-64208475レゴと機械学習を組み合わせた438Jul 20 2016
https://www.slideshare.net/ErikoNomoto/4-71020209続・わかりやすいパターン認識4章(関西機械学習勉強会発表スライド)437Jan 14 2017
https://www.slideshare.net/katsuhiromorishita/ss-73022699機械学習と主成分分析436Mar 10 2017
https://www.slideshare.net/KosukeNakago/seranetSeRanet433Jun 23 2016
http://www.slideshare.net/DaikiHiraoka1/ss-63662351より身近になった機械学習427Jul 2 2016
https://www.slideshare.net/Ysumie/dotslt-63122025dots.女子部 機械学習勉強会LT427Jun 16 2016
https://www.slideshare.net/palloc/ss-75386701機械学習×セキュリティ425Apr 25 2017
https://www.slideshare.net/HadoopSummit/business-innovation-cases-driven-by-ai-and-bigdata-technologiesBusinessInnovationcasesdrivenbyAIandBigDatatechnologies420Oct 31 2016
https://www.slideshare.net/ssuser77b8c6/1-70932963スパース性に基づく機械学習(機械学習プロフェッショナルシリーズ)1章411Jan 12 2017
https://www.slideshare.net/taichinishimura2/ss-66913521初心者機械学習:アーティスト推薦システム382Oct 9 2016
http://www.slideshare.net/ooyabuy/107-15623664パターン認識と機械学習 演習1.07369Dec 13 2012
http://www.slideshare.net/ooyabuy/208-15623821パターン認識と機械学習 演習2.08364Dec 13 2012
https://www.slideshare.net/HirotoYamatsuka/python-60161853タコスで機械学習Python編337Mar 29 2016
https://www.slideshare.net/kz-takahashi/aws-cloudtrail機械学習を用いたAWSCloudTrailログの積極的活用327Jul 25 2016
https://www.slideshare.net/dcubeio/x86-64-20170212機械学習を支えるX8664の拡張命令セットを読む会20170212319Feb 20 2017
http://www.slideshare.net/ooyabuy/224-15623862パターン認識と機械学習 演習2.24318Dec 13 2012
https://www.slideshare.net/ooyabuy/206-15623801パターン認識と機械学習 演習2.06306Dec 13 2012
https://www.slideshare.net/NAIST_IS/2016-63635391サマーセミナー2016:機械学習入門と脳インターフェイスへの応用304Jul 1 2016
http://www.slideshare.net/ooyabuy/117-15623768パターン認識と機械学習 演習1.17301Dec 13 2012
https://www.slideshare.net/ssuser77b8c6/2325-71012245スパース性に基づく機械学習(機械学習プロフェッショナルシリーズ)2.3節〜2.5節296Jan 14 2017
https://www.slideshare.net/codeblue_jp/cb16-takaesu-ja[CB16]機械学習でWebアプリケーションの脆弱性を見つける方法by高江須勲293Nov 8 2016
https://www.slideshare.net/ssuser77b8c6/3334-71005251スパース性に基づく機械学習(機械学習プロフェッショナルシリーズ)3.3節と3.4節287Jan 14 2017
https://www.slideshare.net/babaroa/it5-68198572ITエンジニアのための機械学習理論入門 第5章284Nov 4 2016
https://www.slideshare.net/ssuserc768a6/12-56401037入門パターン認識と機械学習12章284Dec 23 2015
https://www.slideshare.net/hajimesaito35728/dtm-58812236メタデータを活用した機械学習によるDTMでの音色づくりの効率化282Feb 28 2016
https://www.slideshare.net/moguranosenshi/ss-46207887機械学習を用いたニ格深層格の自動付与の検討269Mar 24 2015
https://www.slideshare.net/ssuser77b8c6/42-71005279スパース性に基づく機械学習(機械学習プロフェッショナルシリーズ)4.2節267Jan 14 2017
https://www.slideshare.net/LaboratoryOfHiThinkCorporation/ss-72262849機械学習とこれを支える並列計算:ディープラーニング・スーパーコンピューターの応用について257Feb 17 2017
https://www.slideshare.net/takaoleparadoxe/tensor-flow-lt20170118Tensorflowと機械学習に必要な数学を基礎から学ぶ会lt_20170118246Jan 24 2017
https://www.slideshare.net/s-cubism-recruit/azure-57647604Azureで動いている機械学習のいろいろについて236Jan 29 2016
https://www.slideshare.net/HidetoMasuoka/deep-learning-72184817「機械学習とは?」から始めるDeeplearning実践入門220Feb 15 2017
https://www.slideshare.net/ssuserc768a6/15-57009319入門パターン認識と機械学習15章219Jan 13 2016
https://www.slideshare.net/ssuser77b8c6/3-71715148劣モジュラ最適化と機械学習3章212Feb 3 2017
https://www.slideshare.net/myui/7bdi機械学習のデータ並列処理@第7回BDI研究会196Mar 30 2017
https://www.slideshare.net/ShinobuKimura/20161028-6777994820161028_最近流行りの機械学習を紹介してみる184Oct 28 2016
https://www.slideshare.net/hajimesaito35728/dtm-58812092メタデータを活用した機械学習によるDTMでの音色づくりの効率化180Feb 28 2016
https://www.slideshare.net/jimaoka/1-661967341日で分かった気になる機械学習179Sep 20 2016
https://www.slideshare.net/ssuserc768a6/13-57823208入門パターン認識と機械学習13章169Feb 3 2016
https://www.slideshare.net/shouheitai/web-62652426Webエンジニアが初めて機械学習に触れてみた話168Jun 2 2016
https://www.slideshare.net/ItaruOtomaru/ss-69828781勉強会資料 トピック紹介「音楽と機械学習」167Dec 5 2016
https://www.slideshare.net/ssuser77b8c6/1-69496657【機械学習プロフェッショナルシリーズ】グラフィカルモデル1章163Nov 24 2016
http://www.slideshare.net/ssuser77b8c6/25-71714920劣モジュラ最適化と機械学習2.5節158Feb 3 2017
https://www.slideshare.net/babaroa/ss-72616162機械学習関連情報の収集方法156Feb 27 2017
https://www.slideshare.net/ShintaroNomura/2-70023698言語処理のための機械学習入門#2155Dec 11 2016
http://www.slideshare.net/ssuser77b8c6/24-71715085劣モジュラ最適化と機械学習2.4節144Feb 3 2017
https://www.slideshare.net/LaboratoryOfHiThinkCorporation/ss-72123769機械学習とこれを支える並列計算:並列計算の現状と産業応用について137Feb 14 2017
https://www.slideshare.net/yuukinakajima794/machine-learning-studiojazug1Machinelearningstudioで機械学習にトライ!(jazug信州1周年記念)137Feb 3 2016
https://www.slideshare.net/1yamakyo/rss-63683063機械学習を取り入れたRss拡張135Jul 3 2016
https://www.slideshare.net/hajimesaito35728/dtmfor-fit2016DTMでの音色検索を対象とした機械学習アルゴリズムの提案(forFIT2016)131Sep 2 2016
https://www.slideshare.net/kitora/ss-68054431機械学習とデータ分析プロセス123Nov 2 2016
https://www.slideshare.net/ssuserb20aae/python-62351332Python機械学習入門106May 24 2016
https://www.slideshare.net/itakigawa/94-71669875多数のグラフからの統計的機械学習(人工知能学会第94回人工知能基本問題研究会招待講演)96Feb 2 2017
https://www.slideshare.net/KosukeSugahara/wacker-8-69308235Wacker8機械学習85Nov 20 2016
https://www.slideshare.net/ayatoshimada/4-71715916『劣モジュラ最適化と機械学習』4章83Feb 3 2017
https://www.slideshare.net/Hironsan/kintone-handsonkintonex機械学習で実現する簡単名刺管理81Nov 14 2016
https://www.slideshare.net/y-uti/python-3-75891881分類問題-機械学習ライブラリscikit-learnの活用73May 11 2017
https://www.slideshare.net/ekaminuma/20161201-ddbj[2016-12-01]DDBJデータ解析チャレンジ報告:機械学習コンペティションのタスク設計とルール設定64Dec 2 2016
https://www.slideshare.net/ubilab_naist/dicomo20160704-70952804通行量センシングと機械学習に基づく飲食店用不動産賃料推定61Jan 12 2017
https://www.slideshare.net/dasoran/ss-70256483現場で機械学習を使うまで58Dec 19 2016
https://www.slideshare.net/hajimesaito35728/dtm-72482125機械学習を利用したDTM音色検索フィルタの提案と音色づくり支援システムへの適用46Feb 23 2017
https://www.slideshare.net/ssuser77b8c6/ss-70016485【機械学習プロフェッショナルシリーズ】グラフィカルモデル2章37Dec 10 2016
https://www.slideshare.net/AtsuhiroNarita/rtb-73451331RTBにおける機械学習システムの実装と運用16Mar 22 2017
http://pt.slideshare.net/hamukazu/python-62212519?nomobile=truePythonによる機械学習NA20 de mai de 2016
http://pt.slideshare.net/SASJapan/sas-51892130?nomobile=trueSASによる機械学習入門NA21 de ago de 2015
https://pt.slideshare.net/shotarosano5/in-62843951ディリクレ過程に基づく無限混合線形回帰モデルin機械学習プロフェッショナルシリーズ輪読会NA8 de jun de 2016
https://pt.slideshare.net/mobile/techblogyahoo/devsumi-58688249ヤフオク!における機械学習~深層学習、分散表現~#devsumiNA25 de fev de 2016
https://fr.slideshare.net/issei_sato/bayesian-nonparametrics?ref=“基礎”からのBayesianNonparametrics-点過程と機械学習の数理-NA21 déc. 2012
https://pt.slideshare.net/ssuserb5817c/python-66169435Pythonで動かして学ぶ機械学習入門_予測モデルを作ってみようNA19 de set de 2016
https://pt.slideshare.net/mobile/tkm2261/scikit-learnScikitlearnで学ぶ機械学習入門NA1 de dez de 2014
http://pt.slideshare.net/devsumi/17e3?smtNoRedir=1【17-E-3】オンライン機械学習で実現する大規模データ処理NA20 de fev de 2012

一応、SlideShareのURLのCSVファイル(N行1列のデータ)があれば取得できるPythonコード(2系)を載せておきます。

Japan.R 2016のスライドまとめ

まだ手に入れていないスライドもあるので随時更新しますが、Japan.R 2016(connpass)のスライドをまとめています。後日、登場したパッケージなどのサンプルコードも載せていく予定です。

目次

・石田基広さんのキーノート
・ホクソエムとは何だったのか(ホクソエムさん)
・Rと探索的データ分析で、国連での日本の立ち位置を可視化する(安田洋介さん)
・マウス操作でかんたん予測分析(鈴木了太さん)
・高速・省メモリにlibsvm形式でダンプする方法を研究してみた(@hskksk)
・Rでてんしょくかつどう(@Med_KU)
・RStudio vs Emacs(@y__mattu)
・randomforestで高次元の変数重要度見る(@siero5335)
・Rで本を作りたい(前田和寛さん)
・28歳でプログラミングを始めた話(市川太祐さん)
・LDA-Visパッケージのご紹介(@doradora09)
・【e2d3R】E2D3からDot-Bar-Chartのご紹介(楠本一哲さん)
・このIRのグラフがすごい!上場企業2016(@ito_yan)
・Rでカルマンフィルタをしたい(@tetsuroito)
・PPAP(仮)(@yutannihilation)
・スライド未公開、ユーザーの状態遷移に関する分析のお話(@sanoche16)
・私とR(高栁慎一さん)
・めくってもめくってもサンプル画像(服部恵美さん)
・木と電話と選挙(causalTree)(安井翔太さん)
・スライド未公開、dplyrの話(@tomomoto)
・てかLINEやってる?(仮)(@wonder_zone)
・心理学における「再現性」の問題とBayes Factor(@NSushi)

・石田基広さんのキーノート

スライド未公開です。

・Linux使い
・ヘブライ語の意味構造を代数学でやっていた
・S/R言語の生みの親はJohn Chambers
 以下の二つは最近書かれた本だそうです。
 Software for Data Analysis: Programming with R (Statistics and Computing)
 Extending R (Chapman & Hall/CRC The R Series)
・S→S-plus→Rの順番で発展
・purrrを最近使い始めたそうです。
・XLConnectパッケージを使って、大学教員の採点活動を効率化しているそうです。

・ホクソエムとは何だったのか(ホクソエムさん)

匿名技術者集団ホクソエムの2016年の成果
・densratio( densratio: Density Ratio Estimation
・githubinstall
githubinstall: A Helpful Way to Install R Packages Hosted on GitHub
・healthplanet( Wrapper package for healthplanet api
・RODBCDBI
RODBCDBI: Provides Access to Databases Through the ODBC Interface
・jpmesh( jpmesh: Utilities for Japanese Mesh Code

起業されたとのことです。懸命に頑張って下さい!
株式会社ホクソエム

awesomeな人材が必要とのことで、awesomeな方はアプライしてみてはいかがでしょうか。

・Rと探索的データ分析で、国連での日本の立ち位置を可視化する(安田洋介さん)

スライド未公開です。
国連のデータを使って、Exploratoryを用いた探索的データ分析の実演をされていました。

・マウス操作でかんたん予測分析(鈴木了太さん)

R AnalyticFlow
Rで実践!データサイエンス~初めの一歩から高度な応用まで~

・高速・省メモリにlibsvm形式でダンプする方法を研究してみた(@hskksk)

・Rでてんしょくかつどう(@Med_KU)

Rmd でreveal.js のhtml スライドプレゼンテーション

・RStudio vs Emacs(@y__mattu)

RStudio vs Emacs Japan.R 2016

・randomforestで高次元の変数重要度見る(@siero5335)

・Rで本を作りたい(前田和寛さん)

Rで本を作りたい

・28歳でプログラミングを始めた話(市川太祐さん)

・医療関連のアプリ開発でデータサイエンスを駆使しようとしているそうです。

スライド未公開です。
スライドがシェアされ次第載せます。

・LDA-Visパッケージのご紹介(@doradora09)

・【e2d3R】E2D3からDot-Bar-Chartのご紹介(楠本一哲さん)

スライドは未公開です。
E2D3をRで表示する試みのようです。
Experiments with e2d3 in R

・このIRのグラフがすごい!上場企業2016(@ito_yan)

スライド未公開です。後日シェアしていただけるようです。

・Rでカルマンフィルタをしたい(@tetsuroito)

・PPAP(仮)(@yutannihilation)

・スライド未公開、ユーザーの状態遷移に関する分析のお話(@sanoche16)

スライドがシェアされ次第載せます。

・私とR(高栁慎一さん)

RjpWiki
統計・データ解析
統計解析フリーソフト R の備忘録頁 ver.3.1
seekR(R限定の検索エンジン)
からだにいいもの
アブラタニブログってなんでしょう。油谷さんのブログ?

・めくってもめくってもサンプル画像(服部恵美さん)

Rのサンプルコードはあるけれども、どんな図ができるのかはわからない。そこで、サンプルコードとグラフを大量にまとめているサイトを作ったそうです。検索性は未知数ですが、暇なときに眺めておきたいですね。
R Graphical Manual

・木と電話と選挙(causalTree)(安井翔太さん)

・スライド未公開、dplyrの話(@tomomoto)

スライドがシェアされ次第載せます。

・てかLINEやってる?(仮)(@wonder_zone)

・心理学における「再現性」の問題とBayes Factor(@NSushi)

スライドは後日公開とのことです。

scikit-learnのモジュールのGitHubでの利用頻度を調べてみた

『Python機械学習プログラミング』を読んで、scikit-learnのモジュールは充実しているなぁと感じたんですが、実際にWebサイトでUser Guide( http://scikit-learn.org/stable/user_guide.html )を見た所、この本に載り切らないような数多くの機械学習手法に応じたモジュールが用意されていました。そこで、世のデータサイエンティストはどのモジュールを良く使っているのだろうと気になったので、GitHubのSearchでヒットしたCodeの数を各モジュール単位で集計してみました。検索クエリは「scikit-learn + モジュール名」なので、正確なものではないのですが、相対的な利用頻度を見るぶんには使えるのではないかと思われます。

データ集計方法

・User Guideに登場するscikit-learnのモジュール名を集めています。
・教師付き学習か教師無し学習かどうかの判断は、User Guideで紹介されているモジュールかどうかで判断しています。
・GitHubのSearchで「scikit-learn + モジュール名」でヒットした件数をそのまま使っています。(2016年9月22日時点)

可視化コード

Jupyterで実行しています。

教師付き学習編

圧倒的に多いのがSVM(Support Vector Machine)を扱っているSVCモジュールで、続いて定番のロジスティック回帰やRandom Forestが使われているようです。統計解析ではメジャーなはずの線形回帰が5位なのは、初歩的なのであまりコードがアップされていないのかもしれません。GBDTのモジュールももう少し上位にくるかと思ったんですが15位でした。DMLCのXGBoostモジュールを使っているのかもしれませんね。私も実際のところXGBoostを使ってますし。

supervised_module_barplot

教師無し学習編

主成分分析やK-mean法など因子分解などのモジュールが上位を占めています。LDA(Latent Dirichlet Allocation)がもっと上位に来ると思ったんですが、思えばGensimの方が充実しているなぁと思うので、このランキングは妥当なのかもしれません。私もLDAなどはGensimを使っていますし。

unsupervised_module_barplot

収集を終えて

・社内だとデータサイエンティストの方がいないので、scikit-learnのモジュールの利用状況を知れてマニアックな共感をすることができた。
・SVMは実践例が豊富そうなので分析事例を探せば良い発見があるかもしれない。
・scikit-learnのUser Guideは充実していたので、時間を作って向き合ってみたいと思った。

XGBoostのパラメータチューニング実践 with Python

以前の投稿で紹介したXGBoostのパラメータチューニング方法ですが、実際のデータセットに対して実行するためのプログラムを実践してみようと思います。プログラム自体はAnalytics_Vidhya/Articles/Parameter_Tuning_XGBoost_with_Example/XGBoost models.ipynbに載っているのですが、データセットがついていません。そこで、前回の投稿(不均衡なデータの分類問題について with Python)で赤ワインのデータセットを手に入れているので、こちらのデータセットを用います。誤植なのかところどころ、うまく回らなかったところがあったので、手直しをしています。

以下の工程に従って進みます。結構長いですが、辛抱強く実践してみて下さい。
・ライブラリの読み込み
・データの読み込み
・前処理
・学習用データとテスト用データの作成
・XGBoostの予測結果をもとに、AUCの数値を返すための関数の定義
・モデルの実行
・チューニング

ライブラリの読み込み

データの読み込み

前処理

スクリーンショット 2016-05-15 16.54.58

学習用データとテスト用データの作成

XGBoostの予測結果をもとに、AUCの数値を返すための関数の定義

XGBoostの予測結果から、AUCの数値を返し、特徴量に応じた重要度を出力するためのプログラムです。

モデルの実行

feature_importance1

チューニング

max_depthとmin_child_weightの数値をチューニングするためのプログラムです。

より細かい数値で再度最適なパラメータを探します。

max_depthを8、min_child_weightを1として、他のパラメータチューニングに移ります。
続いて、gammaのチューニングを行います。

gammaを0.4と置きます。
ここで、いままでにチューニングしたパラメータを用いて再度推定を行います。先ほどの0.875よりも高くなっています。

feature_importance2

続いて、subsampleとcolsample_bytreeのチューニングを行います。

より細かい範囲で再度パラメータをチューニングします。

続いて、reg_alphaをチューニングします。

範囲が粗かったので、より細かくパラメータをチューニングします。

これまでにチューニングしてきたパラメータを用いて再度推定を行います。

feature_importance3

ブログであるように試行回数を1,000回から5,000回まで増やしてみます。

88.8%まで向上しました。色々と数値いじっても、1%高めるだけにとどまってしまうのですね。

feature_importance4

とにかく、XGBoostをPythonで実行してパラメータチューニングするという一連の試行がこのコードでできそうなので、今後も使いまわしてみようと思います。

Tokyo.R#53で得たパッケージ情報とその実践

第53回のTokyo.Rで気になったパッケージの情報と実行例をいくつかあげました。スライドなどもろもろの発表はこちらの方のブログ「第53回R勉強会@東京で発表してきた」が非常に詳しく書かれています。

【目次】
・ggradarパッケージ
・proxyパッケージ
・因果推論(CBPSパッケージ)
・MXNetパッケージ
・missForestパッケージ
・RFinanceパッケージ

ggradarパッケージ

簡単にレーダーチャートを作れるパッケージです。こちらのブログを参考にしています。

企業の職場環境に関してまとめられた某口コミサイトから4個ほどデータを拝借してきました。

ggradarをそのまま使おうとすると、Circular Air Lightというフォントが必要だと怒られるので、参考のブログにある通り、OSXの場合はこちらをダブルクリックでインストールして再起動します。

先ほどのデータに対して、以下のコードを実行すれば非常に簡単にレーダーチャートが作れました。

company_voice_radar

proxyパッケージ

距離や類似度を計算するパッケージです。
先ほどのデータに対して類似度と距離を計算してみます。

こんな感じで、類似度や距離の計算ができます。

因果推論

こちらはパッケージとかそういうものではなく、既存の関数などで計算できるようです。
こちらのブログ、「調査観察データにおける因果推論(3) – Rによる傾向スコア,IPW推定量,二重にロバストな推定量の算出」に詳しく書かれています。
・glm関数での傾向スコアの算出
・傾向スコアを共変量としてlm関数で回帰分析
・コードを愚直に書いてIPW推定量の算出
・期待値の標準誤差を出すための関数を作成
・DR推定量の算出をするための関数を作成
などで、推定自体は実現できるようです。

ただし、CBPS(Covariate Balancing Propensity Score)というパッケージがあるらしく、このパッケージを用いれば因果推論の計算を行えるようです。

Package ‘CBPS’
以下のようなExampleコードが載っていたので、実行してみましたが、なかなか結果が返ってこなかったので不安になりました。計算が終わるまで10分以上はかかったと思います。

MXNet

XGBoostのパッケージを作ったチームが手がけているパッケージで、深層学習を実行できます。

インストール方法はここに書かれています。
Deep Learning for R

あれ、OSXではエラーが返ってきてライブラリが読み込めないですね。どうやら私のためにあるようなブログ「Installing mxnet for R on Yosemite」があったので、時間を見つけてチャレンジしてみようと思います。

ディープラーニングを用いた回帰分析については、Neural Network with MXNet in Five Minutesにコードがもろもろ載っていますので、チャレンジしてみると良いと思います。

リンク先に載っているのですが、一応コードを以下に記しておきます。

missForest

ランダムフォレストを用いて、欠損値補完を行うためのパッケージです。目的変数が欠損していても適用できるようです。
詳しくは、スライドを見ていただいた方がいいですが、以下のプログラムで実行できました。ちなみにスライドはこちら、「Imputation of Missing Values using Random Forest

RFinanceYJ

Yohei Sato, Nobuaki Oshiro, Shinichi Takayanagiさんたちが作った、Yahoo!ファイナンスの株価データを取得できるパッケージです。だいぶ前からあったようですが、使って分析している人は初めて見ました。どうやらYahoo!ファイナンスの仕様によって書き換えていかないといけないようです。「2015-01-20 Rでチャートを書いてみる(9)」のブログに実行可能なプログラムがあります。以下、実行可能なコードを転載いたします。

このコードでYahoo!ジャパンの株価を見てみましょう。ちなみに番号は4689です。どうやら上手く取れているようです。

XGBoostやパラメータチューニングの仕方に関する調査

【目次】
・XGBoostとは
・XGBoostで用いるパラメータ一覧
・XGBoostのパラメータチューニング
・参考文献

XGBoostとは

XGBoost (eXtreme Gradient Boosting) は勾配ブースティングアルゴリズムの先進的な実装例で、データサイエンスのコンペであるKaggleで話題となっていた手法です。

ブースティングアルゴリズムとは、弱識別器(weak learners)の集団を直列的に結合することで、予測における正確性を高めようとするアルゴリズムです。任意のt時点において、モデルの予測は以前のt-1時点での結果に基づき重み付けがなされます。正しく予測されたデータに対しては、重みを小さくし、誤って予測されたデータに対しては重みを大きくします。後で学習する識別器ほど、誤ったデータに集中して学習を進めることになります。

以下はブースティングのイメージ図です。
スクリーンショット 2016-04-24 18.40.38

STEP1では全ての学習データに対して、等しい重み付けで学習を行い、決定境界を引きます。これを弱学習器による学習と言います。このケースでは毒キノコを2つ当てており、キノコを5つ当てています。
STEP2ではSTEP1で正しく識別されたデータの重みが下げられ、誤って識別されたデータの重みが上げられています。高く重み付けがなされたデータは決定境界で正しく識別されていますが、他のデータは誤って分類されています。
STEP3においてもSTEP2と同様の傾向があります。このような弱学習器による処理を繰り返すことで識別性能を高めていきます。

最終的にはこのような決定境界を引くことができるような識別器を求めていきます。
スクリーンショット 2016-04-24 18.55.53

勾配ブースティングの勾配とは、ブースティングアルゴリズムにおけるパラメータ推定での最適化手法が勾配降下法に従っているという意味での勾配です。以上が勾配ブースティングモデルの簡素な説明です。

XGBoostで用いるパラメータ一覧

XGBoostで用いるパラメータに関して、大きく分けて3つあります。

    1.全体パラメータ・・・XGBoost全体を司る。
    2.ブースターパラメータ・・・各ステップでツリーなどのブースティングを司る。
    3.学習タスクパラメータ・・・最適化タスクを司る。

以下、3つのパラメータについて、「パラメータ名」・「デフォルトの値」・「役割」・「引数」を表にしています。

1.全体パラメータ

パラメータ名 デフォルトの値 役割 引数
booster gbtree 実行するモデルのタイプをツリーモデルか線形モデルのどちらかを指定できる。 gbtree: ツリーモデル
gblinear: 線形モデル
silent 0 モデルの実行結果を出力するかどうかを決めることができる。モデルを理解する上で、0のままにしておく方が良いとされている。 0:出力結果を表示する。
1:出力結果を表示しない。
nthread not set 並列処理のためのコア数などを指定できる。フルコアで実行したい場合は何も指定しなければ自動的にフルコアになる。

2.ブースターパラメータ

パラメータ名 デフォルトの値 役割 引数
eta 0.3 学習率を調整できる。
小さくすることで、モデルの頑健性を高めることができる。
0.01〜0.2の値になることが多いらしい。
min_child_weigh 1 子ノードにおいて観察されるデータの重み付けの合計値の最小の値で、過学習を避けるために用いられる。
高い値にすることで特定のサンプルに観察されるような傾向を学習することを避けられる。ただし、高くし過ぎるとフィッティングが悪くなる。
max_depth 6 木の深さの最大値
過学習を制御するために用いられる。
高いと過学習しやすくなる。
3〜10の値になることが多いらしい。
max_leaf_nodes 木の終端ノードの最大値
max_depthの代わりに用いる
n本を指定したら、n^2個の枝を生み出す。これが指定された場合は、max_depthは無効化される。
gamma 0 分割が、損失関数の減少に繋がる場合にのみノードの分割を行う。
モデルをより保守的にする。
値は損失関数に応じて大きく変わり、チューニングが必要である。
max_delta_step 0 各木のウェイトの推定に制約をかけることができる。
0の場合は制約なしで、正数値を取るとモデルがより保守的になる。
通常は必要とされないが、不均衡データの分類の際に用いる。
subsample 1 各木においてランダムに抽出される標本の割合
小さくすることで、過学習を避けることができるが保守的なモデルとなる。
0.5〜1の値になることが多いらしい。
colsample_bytree 1 各木においてランダムに抽出される列の割合 0.5〜1の値になることが多いらしい。
colsample_bylevel 1 各レベル単位での、分割における列のsubsample比率
subsampleとcolsample_bytreeで十分なので、あまり使わないが、探索してみるのも良いかもしれない。
lambda 1 重みに関するL2正則化項
多くのデータサイエンティストは使わないが、過学習を避けるためには用いられるべき。
alpha 0 重みに関するL1正則化項
高次元の場合に用いるらしい。
scale_pos_weight 1 不均衡データの際に、0以上の値を取ることで、収束を早めることができる。

3.学習タスクパラメータ

パラメータ名 デフォルトの値 役割 引数
objective reg:linear 最小化させるべき損失関数を指定する。 binary:logistic→2項分類で確率を返す。
multi:softmax→多項分類でクラスの値を返す。
(num_classでクラス数の指定が必要)
multi:softprob→softmaxと同じだが、確率を返す。
eval_metric according to objective 検証を行うためのデータの評価指標 rmse – root mean square error
mae – mean absolute error
logloss – negative log-likelihood
error – Binary classification error rate (0.5 threshold)
merror – Multiclass classification error rate
mlogloss – Multiclass logloss
auc: Area under the curve
seed 0 ランダムなシード番号。
再現可能なデータを生み出すために、あるいはパラメータチューニングの際に用いる。

 

 

XGBoostのパラメータチューニング

複数のパラメータからなるXGBoostのチューニングは非常に複雑で、理想的なパラメータについてはケースバイケースで何とも言えないそうです。

参考文献のブログにパラメータチューニングの一般的アプローチについて触れられていたので、紹介します。

    1.相対的に高い学習率を選択する。
    一般的な学習率0.1はうまくいくが、ケースによっては0.05から0.3の間でもうまくいく。学習率を求めるために、クロスバリデーションによって最適な木の数を決定する。
    2.木に関するパラメータをチューニングする。
    固定された学習率や木の数のもとで、max_depth, min_child_weight, gamma, subsample, colsample_bytreeをチューニングする。
    3.正則化パラメータをチューニングする。
    lambda, alphaなどのパラメータをチューニングすることで、モデルの複雑さを減らし、パフォーマンスを高める。
    4.学習率を下げ、最適なパラメータを決定する。

具体的な実行に関するPythonスクリプトはこちらのGithubで紹介されています。(iPython)
Analytics_Vidhya/Articles/Parameter_Tuning_XGBoost_with_Example/XGBoost models.ipynb
この方法に従って、自社で抱えているモデルのチューニングにチャレンジしてみようと思います。

参考文献

Quick Introduction to Boosting Algorithms in Machine Learning
Complete Guide to Parameter Tuning in Gradient Boosting (GBM) in Python
Complete Guide to Parameter Tuning in XGBoost (with codes in Python)
勾配ブースティングについてざっくりと説明する
xgboost のパラメータ
OS X で XGBoost & xgboost4j をビルドする手順 2016-03-07 版

GensimのHDP(Hierarchical Dirichlet Process)をクラシック音楽情報に対して試してみる

HDP(Hierarchical Dirichlet Process)いわゆる階層ディリクレ過程を実行できるモデルがPythonのGensimライブラリにあるという情報から、あまり実行例も見当たらないので、チャレンジしてみました。

HDP(Hierarchical Dirichlet Process)

HDP(Hierarchical Dirichlet Process)は文書集合全体のトピック数と文書ごとのトピック数の推定を行うことができる手法で、中華料理店フランチャイズという仕組みを用いています。通常のLDAなどでは、分析者が任意のトピック数を決める必要がありましたが、与えられたデータからその数を推定するため、その必要がないというのがHDPを使うことの利点であると思われます。

実行までの流れ

ざっくりですが、
・コーパスの準備・文書の分かち書き(名詞のみ)
・HDPの実行
という流れです。

ちなみに実行環境は
MacBook Pro
OS X Yosemite 10.10.5
2.6 GHz Intel Core i5
メモリ8GBです。

コーパスの準備

今回は、以前手に入れた某辞典サイトのクラシック音楽情報1800件のテキストデータ(1行に1件分の文字列が入っているデータで16MBくらい)があるので、それをコーパスとして使います。参考情報として挙げているブログの助けを借りて、文書単位でMeCabにより形態素解析で分かち書きした結果から、意味を持ちやすい品詞として、「名詞」に該当するもののみを結果として返す以下のPythonスクリプトを用いました。結果はtmep.txtとして出力されます。もっと良いやり方があると思いますが、目的は達成できると思います。ちなみに、MeCab Neologd(ネオログディー)という、固有名詞などに強いシステム辞書を活用してみたかったので、その利用を前提として書いています。MeCab Neologd(ネオログディー)のインストール関連の情報は参考情報にありますので、チャレンジしてみてください。(OSXかUbuntuの方が進めやすいと思います。)

こちらのスクリプトをターミナルで実行します。(解析するディレクトリ下で実施しています。)

HDPの実行

以下のPythonスクリプトで実行しています。

HDPの結果について

topic_detail.csvの結果を見たところ、トピックの数が150個もあって、「本当にトピックの数を自動で決めれているのかなぁ」と不安に思ったのですが、実際に各文書に割り当てられているトピックの数は、先ほど出力したtopic_for_corpus.csvで見ると60個でした。そのため、今回、HDPに従って決まったトピック数は60ということになります。さらに不安に思ったので、Stack Over Flowで調べていたんですが、トピックは150個出るけど確率が割り振られていないはずと回答されていました。( Hierarchical Dirichlet Process Gensim topic number independent of corpus size

出現頻度の高い上位10のトピックは以下の通りです。

加えて、トピックごとに文書に割り当てられた数を集計してみましたが、topic0が圧倒的に多く、コーパスの特性上、含まれやすい情報がここに集まっているのではないかと思います。幅広いテーマを抽出できるかと期待していたのですが、やたらと個別具体的な「トゥーランドット」や「ワーグナー」や「カルメン」などがトピックの上位単語に上がってきています。実行方法を間違えているかもしれないし、パラメータチューニングなどをもっと頑張れば、幅広いトピックを得ることができるかもしれないので、今後の課題としたいです。

スクリーンショット 2016-04-10 18.23.37

参考情報

・トピックモデルについて
machine_learning_python/topic.md at master · poiuiop/machine_learning_python · GitHub

・HDP関連
 models.hdpmodel – Hierarchical Dirichlet Process
Online Variational Inference for the Hierarchical Dirichlet Process

・MeCab関連
mecab-ipadic-NEologd : Neologism dictionary for MeCab
形態素解析器 MeCab の新語・固有表現辞書 mecab-ipadic-NEologd のご紹介
テキストマイニングの前処理。名詞抽出、ストップワード除去、珍しい単語の除去

・Python関連
データ分析をやりたいエンジニアにおすすめ!Pythonの入門スライド13選

OS X YosemiteへのTensorFlowのインストールと簡易な分類モデルの実行

遅ればせながらTensorFlowをインストールしてみようと思います。
環境はOSX Yosemite version 10.10.5です。

まずは、こちらのサイトにあるように、ターミナル(Windowsでいうところのコマンドプロンプト)にて、
以下のコードを実行します。(前提として、Python2.7とpipが入っているものとします。)

こちらを実行すれば、インストールされます。

次に、画像を格納しておくためのディレクトリを作成します。
同じくターミナルにて以下のコードを実行します。

次に、こちらのgithubより、MNISTの画像を取得するコードをコピーします。

コピーしたものを、先ほどのターミナル上で表示されているvimにて、
i
を押してからペーストし、Escを押してコマンドモードに移り、
:wq
を入力することで上書きしてファイルを閉じます。
詳しくはvimコマンド一覧をご覧ください。

そして、ターミナル上でpythonを開き、以下のコードを実行します。

そうすることで、フォルダが作られデータが格納されていることが確認できると思います。
だいたい11MBくらいのボリュームです。元の画像は手書き文字で、28×28ピクセルの画素だそうです。

さて、このデータに対する機械学習による分類の実行ですが、
TensorFlow 畳み込みニューラルネットワークで手書き認識率99.2%の分類器を構築」こちらで紹介されているコードを丸々引用させていただきます。これの初級者用のロジスティック回帰モデルのものを扱います。(試行回数を1000回から50000回に変更しています。)

こちらを実行したところ、

****MNISTデータ読み込み****
Extracting MNIST_data/train-images-idx3-ubyte.gz
Extracting MNIST_data/train-labels-idx1-ubyte.gz
Extracting MNIST_data/t10k-images-idx3-ubyte.gz
Extracting MNIST_data/t10k-labels-idx1-ubyte.gz
****Start Tutorial****
****init****
****50000回学習と結果表示****
0.914

と試行回数を50000まで増やしても、Qiita初級者向けモデルの1000回試行の0.91と比べてあまり良くなりませんでした。
紹介されていたQiitaの上級者向けモデルでは0.992まで持って行っていましたので、上級版もチャレンジしてみたいですね。
勉強しないとここらへんの改良はできないので、今後学習していこうと思います。

LDA(潜在的ディリクレ配分法)まとめ 手法の概要と試行まで

【目次】
・トピックモデルとは
・トピックモデルの歴史
・トピックモデルでできること
・トピックモデルを理解するために必要な知識
・トピックモデルの手法について
・トピックモデルの実行方法について(R言語)
・トピックモデルの評価方法について
・Correlated Topic Models (CTM)について
・PAM:Pachinko Allocation Modelについて
・Relational Topic Models(RTM)について
・参考文献

トピックモデルとは

・一つの文書に複数の潜在的なトピック(話題・分野・文体・著者など)、文書ごとのトピック分布、トピックごとの単語分布を仮定して、テキストからトピックを推定するモデル。文書に限らず、様々な離散データに隠された潜在的なトピックを推定するベイジアンモデル。幅広いドメインでの離散データで有効とされている。

トピックモデルの歴史

1998年:pLSA(probabilistic Latent Semantic Analysis)
2003年:LDA(Latent Dirichlet Allocation)
2004年〜:拡張モデル
2007年〜:大規模データのための高速化

トピックモデルでできること

・人を介することなく、大量の文書集合から話題になっているトピックを抽出できる。
・文書データだけでなく、画像処理、推薦システム、ソーシャルネットワーク解析、バイオインフォマティクス、音楽情報処理などにも応用されている。
・確率過程を用いて、ノイズを取り除き、本質的な情報を抽出できる。

トピックモデルを理解するために必要な知識

・確率
 -確率分布
  -ベルヌーイ分布
  -カテゴリ分布
  -ベータ分布・ガンマ分布
  -ディリクレ分布
・ラグランジュ未定乗数法
・ユニグラム
 -BOW(Bag of words)
 -ユニグラムモデル
・混合ユニグラムモデル
・混合モデル
・EMアルゴリズム
・最尤推定
・ベイズの定理
 -ベイズ推定
  -ベイズ予測分布
  -ハイパーパラメータ推定
  -モデル選択
  -変分ベイズ推定
  -ギブスサンプリング

トピックモデルの手法について

推定方法としては以下の三つが提案されている。
・最尤推定
・変分ベイズ推定
・ギブスサンプリング

  • ギブスサンプリングによる方法
  • 一部のパラメータを積分消去して、トピック集合の事後分布を推定

    文書集合とトピック集合の同時分布を導出

    単語ごとにトピックをサンプリングする

    サンプリングされたトピックからトピック分布と単語分布を推定

    周辺同時尤度を最大化させるハイパーパラメータαとβを推定する

    ※LDAのギブスサンプリングはLDAが共役性に基づいたモデリングであるため効率的な計算が可能とされる。

    ハイパーパラメータを適切にデータから学習すれば、MAP推定・変分ベイズ推定・ギブスサンプリングの性能の差は大きく出ないという研究結果があるらしい。(なお、MAP推定だと、クロスバリデーションを行い、尤度を最大化させるハイパーパラメータを見つけなければならない。)

    トピックモデルの実行方法について(R言語)

    以下のパッケージで実行可能だが、新しい手法などにはまだ対応していない。
    lda(CRANのPDF
    topicmodels(CRANのPDF

    以下はtopicmodelsパッケージの実行コードであるが、BOW形式のデータがあれば、実行はすぐにできる。
    ただし、パープレキシティなどを計算しながら、ハイパーパラメータのチューニングをする必要がある。

    時間があれば、ソースコードを見て自分で書けるようにしたい。
    ちなみに、HDP-LDAはPythonのgensimに用意されているようです。(gensimへのリンク)

    トピックモデルの評価方法について

  • パープレキシティ(Perplexity)
  • -確率モデルの性能を評価する尺度として、テストデータを用いて計算する。
    -負の対数尤度から計算できる。
    -低いパープレキシティはテストデータを高い精度で予測できる良い確率モデルであることを示す。
    -全ての語彙が一葉の確率で出現するモデルのパープレキシティは語彙数Vになり、性能が悪いと考えることができる。
    -このパープレキシティが小さくなるようなトピック数やパラメータの設定が必要。

    Correlated Topic Models (CTM)について

    トピックモデルは 「各トピック k の間には相関がない」という前提のもとに成り立つ手法ですが、本当にトピック間に相関はないのでしょうか。「本当は相関のあるトピック」を無理やり「相関のないトピック」に分割している可能性が高いので、相関を加味したモデルが必要です。そこで、トピックの生成割合を決める際に、トピック間の相関を持つように多次元の正規分布を用います。ただし、その代わりに共役的な分布を持たないため、従来のギブスサンプリングではサンプリングが非効率になることから変分ベイズを用いる必要があります。

    PAM:Pachinko Allocation Modelについて

    CTMは各トピックが同じレベルにあるため、トピック間の階層構造を表すことができません。
    自動車にとっての、セダンやトラック、あるいはお酒にとってのワインやビールのようにトピックに関しても階層構造があることは想像に難くありません。トピック間の関係・相関を一般的に表現するモデルで、トピック間の階層構造を基本として、パチンコ玉が落ちるように単語を生成します。パチンコ玉が落ちるというのは、向きが一方行の有向かつ非巡回ノードが連想されます。分布に関しても共役なので、ギブスサンプリングでサンプリングが可能です。
    2016/04/24の段階ではまだGensimでモデルの開発はなされていないようです。
    Pachinko Allocation Model
    ちなみに、論文はこちらです。
    Pachinko Allocation: DAG-Structured Mixture Models of Topic Correlations

    Relational Topic Models(RTM)について

    文書の中身だけでなく、文書間のリンクの生成過程も同時に確率モデル化する手法。論文や特許データに対して活用できる。過去の購買行動に応じた、顧客のセグメント解析や商品のレコメンデーションに活用できるかもしれない。

    参考文献

    トピックモデル (機械学習プロフェッショナルシリーズ)
    トピックモデルによる統計的潜在意味解析 (自然言語処理シリーズ)
    Tokyo Webmining 46th 『トピックモデルことはじめ』
    machine_learning_python/topic.md

    統計数理研究所 H24年度公開講座 「確率的トピックモデル」サポートページ

    推薦システムに関する参考情報

    推薦システムとは

    情報をフィルタリングするための技術の一種
    ユーザーが次に興味を持つ情報は何か?を科学する。

    推薦システムの種類

    ・協調フィルタリング
     同じような行動を行ったユーザーの行動に基づき、まだ見ていない情報を提示する。
     Explicit Feedback
     Implicit Feedback
     コールドスタート問題
     ユーザー理解、サービス理解も重要

    ・内容ベースフィルタリング
     自分の過去の行動に基づき、見た情報などに似た情報を提示する。
     距離を定義できれば提示できる。
     質の評価を組み込むことが重要。
     分類モデルを用いることもできる。→ラベル付けされたデータをもとに統計的な手法でラベル付けをする。
     (ナイーブベイズ、ロジスティック回帰、SVM)
     →ただし、定期的なチューニングが必要。
      性能を高めるためには、次元削減も重要。

     

    レコメンドの評価指標

     基準の設置
      一定以上のユーザーがアクションしているアイテムかどうか
      信頼できる情報かどうか
     
     多様性の導入
      同じカテゴリの商品がリストに提示される個数を制限する。
      同じカテゴリを提示した個数に応じて評価値を減衰させる。

     意外性の導入(セレンディピティ)
      システムが評価したものとは一致しない情報を推薦リストに載せる。
      →この際に一致しない情報は他のユーザーがよく見ているものを選ぶと良い。

     A/Bテスト
      一部はA/Bテストを行い、一部では同じアルゴリズムを提示し続ける。
      推薦システムの長期的影響と短期的影響の両方を考慮するべき。
      システム全体に悪影響を及ぼすことがあれば本末転倒である。

    レコメンドの最先端

    T.B.A

    Rで実行するには

    RecommendarLab
    ・レコメンデーションアルゴリズム
    ・レコメンデーションの評価
    ・レコメンド用データの整形
    ・サンプルデータセットもある(5000人分のジョークに対する評価)
    Using R package, recommenderlab, for predicting ratings for MovieLens data

    参考文献

    データサイエンティスト養成読本 機械学習入門編 (Software Design plus)