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