Machinelearning

SageMaker Canvas の Custom models で AutoML のジョブをノーコードで実行する

OpenAIのGPTを国会会議録の総理大臣の発言でファインチューニングする

SageMakerのHuggingFaceModelでOpenCALM-7BやELYZA-japanese-Llama-2-7bをTGIコンテナでデプロイし日本語の文章を生成する

SageMakerのBatch Transformのパラメータの挙動をentrypointの関数の呼び出しと引数から確認する

SageMaker Inference Recommender でコスト最適なインスタンスタイプの推論エンドポイントを立てる

SageMaker Processing で前処理を行って Training で学習したモデルのパラメータや精度を Experiments で記録する

Spark の MLlib で k-means法によるクラスタリングを行う

最小二乗法(OLS)による線形回帰と決定係数

Glue DataBrewでデータを可視化して分析するProjectと機械学習の前処理を行うJobをCDKで作成する

GoでAmazon Forecastに時系列データをimportしPredictorを作成して予測結果をS3にexportする

SageMaker Studioの使っていないKernelを自動でシャットダウンするsagemaker-studio-auto-shutdown-extension

Amazon Forecastで時系列データの予測を行う

EKSにKubeflowをインストールする

時系列データのMAモデルとARモデル、その定常性と反転可能性

SageMakerでTensorFlowのモデルを学習させる

TensorFlow2のKeras APIでTitanicのモデルを作る

SageMakerで学習したPyTorchのモデルをElastic Inferenceを有効にしてデプロイする

SageMakerでPyTorchのモデルを学習させる

VSCodeのRemote DevelopmentでSageMakerのコンテナ環境でモデルを開発する

時系列データの定常性と定常過程、単位根過程

KaggleのHouse Prices CompetitionをXGBoostで解く

ColabでKaggleのAPIを呼んで学習データのダウンロードと提出を行う

AWS DeepRacerを始める

カテゴリカル変数を変換するsklearnのLabel/OneHotEncoderとpandasのget_dummies

Box-Cox transformationで非正規分布のデータを正規分布に近づける

KaggleのHouse Prices CompetitionのKernelからデータの探り方を学ぶ

HI-VAE(Heterogeneous-Incomple VAE)の論文を読んで処理を追う

VAEでエンコードしたMNISTの潜在空間をt-SNEで可視化する

PyTorchでVAEのモデルを実装してMNISTの画像を生成する

SageMaker NotebookでGitリポジトリにSSHでpush/pullできるようにする

生成モデルGAN(Generative Adversarial Network)

PyTorchでMNISTする

強化学習とDQN(Deep Q-network)

生成モデルVAE(Variational Autoencoder)

Encoder-Decoder RNNのAttention

TensorFlowのモデルをTPUに対応させてColabで学習し実行時間を計測する

Deep LearningのBatch Normalizationの効果をTensorFlowで確認する

TensorFlow+numpyでData Augmentationして画像の学習データを増やす

MLPと誤差逆伝搬法(Backpropagation)

ロジスティック回帰の尤度と交差エントロピーと勾配降下法

Destributed TensorFlowの流れとSavedModelの出力

TensorFlowのMonitoredSessionとSessionRunHookとsummaryのエラー

TensorFlowのモデルをsave/loadする

ベイズ最適化でランダムフォレストとXGBoostの良いハイパーパラメータを探す

KaggleのTitanicのチュートリアルをXGBoostで解く

KaggleのTitanicのチュートリアルをランダムフォレストで解く

TensorFlow/RNNで連続的な値の時系列データを予測する

TensorFlowのRNN(LSTM)のチュートリアルのコードを読む

Lpノルムと正則化

自己情報量、エントロピー、KL情報量、交差エントロピーと尤度関数

ニューラルネットワークと活性化関数

DeepMindのTensorFlowライブラリSonnetを使う