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
Download as pptx, pdf15 likes7,004 views
テキストマイニング?机械学习を初めてやってみようかという人が、プログラミングやアルゴリズムの理解なしに、まずは结果を出してたのしめるようなデモを用意しました。
1 of 25
Downloaded 50 times
Ad
Recommended
エクセルでテキストマイニング TTM2HADの使い方
エクセルでテキストマイニング TTM2HADの使い方Hiroshi Shimizu
?
Excelで動くフリーソフトである，ExcelTTMとHADを用いたテキストマイニングの方法を解説しています。
HADはhttp://norimune.net/hadからダウンロードできます。
ExcelTTMはhttp://mtmr.jp/excelttm/からダウンロードできます。【東工大?鈴木良郎の論文紹介】10万枚の網膜画像を 1枚も誤判定なく異常判定可能なAI（論文の原題：Deep learning achieves perf...
【東工大?鈴木良郎の論文紹介】10万枚の網膜画像を 1枚も誤判定なく異常判定可能なAI（論文の原題：Deep learning achieves perf...ssuser1bf283
?
内容
1.【画像検査AI】にご興味をお持ちの方へ（医療、産業）
2.【画像検査AI】の共同研究をご検討頂いている方へ…
3. 鈴木良郎が開発した【網膜画像診断のAI】の性能紹介
4. 【上記AI】の開発の道のり（当ラボ志望の学生の方へ）
5. 工学系学生の方へ伝えたいことData Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組みcyberagent
?
持続可能なデータ基盤のための
データの多様性に対する取り組み
秋葉原ラボ音源分離 ～DNN音源分離の基礎から最新技術まで～ Tokyo bishbash #3
音源分離 ～DNN音源分離の基礎から最新技術まで～ Tokyo bishbash #3Naoya Takahashi
?
近年格段に性能が向上し、実用化が进んでいる顿狈狈ベースの音源分离について、基础原理、国际コンペでベストスコアを记録した技术、弊社での応用事例、最新の研究など幅広く绍介します。実践 Amazon Mechanical Turk ※下記の注意点をご覧ください（回答の質の悪化?報酬額の相場の変化?仕様変更）
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください（回答の質の悪化?報酬額の相場の変化?仕様変更）Ayako_Hasegawa
?
【注意点】
● MTurkにおける回答の質の悪化
現在、MTurkにおける回答の質の悪化が複数の論文で指摘されています。（botや不誠実な参加者）。代替サービスとしてProlificという学術利用に特化したクラウドソーシングサービスがあります。MTurkとProlificの回答の質を比較し、Prolificの利用を推奨すると結論付ける論文が複数発表されています。
● ユーザ調査の報酬額の相場の変化
P12にて2010～12年頃の論文に書かれていた報酬額設定（低価格）を引用しましたが、現在は研究倫理の観点から十分な報酬額設定が重要視されています。
2019年現在における最新の報酬額の動向については以下の資料をご参照ください。
https://speakerdeck.com/ayakohasegawa/design-of-user-study
● 仕様変更
本資料は2018年当時のMTurkの仕様に基づいて作成したものであり、最新の仕様と異なる箇所が存在します。
問い合わせ：aya.h.research at gmail.com信号の独立性に基づく多チャンネル音源分离
信号の独立性に基づく多チャンネル音源分离NU_I_TODALAB
?
令和四年度 電気?電子?情報関係学会 東海支部連合大会
招待講演
李 莉：信号の独立性に基づく多チャンネル音源分离，Aug. 2022
名古屋大学 情報学研究科 知能システム学専攻 戸田研究室
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at ScaleTomoyuki Hioki
?
【論文紹介】Understanding Back-Translation at ScaleCookpad TechConf 2016 - DWHに必要なこと
Cookpad TechConf 2016 - DWHに必要なことMinero Aoki
?
Cookpad TechConf 2016での青木の発表資料。大量のデータを最大限に活用するためのデータ処理システムの構築方針についてLSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要Kenji Urai
?
機械学習勉強会の資料です．LSTM (Long short-term memory) について理解するために，単純なニューラルネットから話を進めていきます．クラシックな机械学习入门 １ 导入
クラシックな机械学习入门 １ 导入Hiroshi Nakagawa
?
今や古典的になった机械学习の入门スライドです。通信路モデルから始まり、ベイズ统计によるパラメタ－学习の简単な例を説明しています。以后、続编が出ます。(第3版)「知能の構成的解明の研究動向と今後の展望」についての個人的見解：Chain of thought promptingやpostdictionを中...
(第3版)「知能の構成的解明の研究動向と今後の展望」についての個人的見解：Chain of thought promptingやpostdictionを中...KIT Cognitive Interaction Design
?
深層学習以降のAI研究の流れの中で、特に、基盤モデルにおけるchain of thought promptingやfactual groundingに焦点を当て、基盤モデルが論理的推論などの意識レベルの処理を学習したと言えるかについて考察する。
時間が許せば、深層学習によるpostdictionの可能性等についても論じる。CVPR 2019 速報
CVPR 2019 速報cvpaper. challenge
?
CVPR 2019 ( http://cvpr2019.thecvf.com/ )の参加速報を書きました。
この資料には下記の項目が含まれています。
?DNNの動向?CVのトレンド（DNNの流れとCVにおけるトレンドの変遷）
?CVPR 2019での動向や気付き
?最近のトレンドを創っている/引用されそうな論文
?今後の方針
（?CVPR 2019の論文まとめはこちらにあります Link: http://xpaperchallenge.org/cv/survey/cvpr2019_summaries/ ）
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ?アイディア考案?議論?実装?論文投稿に取り組み、凡ゆる知識を共有しています。
http://xpaperchallenge.org/cv/ 【DL輪読会】Dropout Reduces Underfitting
【DL輪読会】Dropout Reduces UnderfittingDeep Learning JP
?
2023/4/14
Deep Learning JP
http://deeplearning.jp/seminar-2/ディープラーニングの最新动向
ディープラーニングの最新动向Preferred Networks
?
NVIDIA Deep Learning Dayでの講演内容です．
ディープラーニングの最新の研究成果として強化学習によるロボットカーの制御，バラ積みロボットの認識，駐車場の検出，センサデータからの異常検知，画像生成を紹介しています。【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with TransformersDeep Learning JP
?
2022/12/2
Deep Learning JP
http://deeplearning.jp/seminar-2/Recurrent Neural Networks
Recurrent Neural NetworksSeiya Tokui
?
2014年10月30日のPFIセミナーで話したRecurrent Neural Networksの話です。LSTMの解説と4つの応用の紹介を含みます（機械翻訳、簡単なPythonコードの実行、Neural Turing Machines、Visual Attention）。A beautiful mind
A beautiful mindtahreemsaleem
?
John Nash was a brilliant but socially awkward mathematician who won the Nobel Prize for Economics. The film depicts his life from his time as a graduate student at Princeton University, where he developed his most important work, to his battle with schizophrenia. Nash's theories led him to a position at MIT but his illness worsened, requiring hospitalization. Supported by his wife Alicia, Nash was eventually able to control his delusions and return to researching at Princeton. He received the Nobel Prize in 1994 in recognition of his contributions to game theory, economics, and social science.[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...Deep Learning JP
?
2022/02/04
Deep Learning JP:
http://deeplearning.jp/seminar-2/时系列予测に罢谤补苍蝉蹿辞谤尘别谤を使うのは有効か？
时系列予测に罢谤补苍蝉蹿辞谤尘别谤を使うのは有効か？Fumihiko Takahashi
?
AAAI2023「Are Transformers Effective for Time Series Forecasting?」と、HuggingFace「Yes, Transformers are Effective for Time Series Forecasting (+ Autoformer)」の紹介です。コンピュータビジョンの観点から见た础滨の公平性
コンピュータビジョンの観点から见た础滨の公平性cvpaper. challenge
?
cvpaper.challenge の メタサーベイ発表スライドです。
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成?アイディア考案?議論?実装?論文投稿に取り組み、凡ゆる知識を共有します。2020の目標は「トップ会議30+本投稿」することです。
http://xpaperchallenge.org/cv/Facebookの人工知能アルコ?リス?ム「memory networks」について調へ?てみた
Facebookの人工知能アルコ?リス?ム「memory networks」について調へ?てみた株式会社メタップスホールディングス
?
FaceBook のAIチームが研究の発表論文である "Memory networks"とその拡張である"Towards AI-complete question answering: A set of prerequisite toy tasks."を簡単に紹介します。
[1] Weston, J., Chopra, S., and Bordes, A. Memory networks. In International Conference on Learning Representations (ICLR), 2015a.
[2] Weston, J., Bordes, A., Chopra, S., and Mikolov, T. Towards AI-complete question answering: A set of prerequisite toy tasks. arXiv preprint: 1502.05698, 2015b.Transformer 動向調査 in 画像認識
Transformer 動向調査 in 画像認識Kazuki Maeno
?
The document discusses the application of transformer architecture, particularly in image recognition tasks using models like Vision Transformer (ViT) and CLIP, highlighting their performance over traditional CNNs. It emphasizes the advancements in zero-shot recognition capabilities and various applications such as image generation and object tracking. Key challenges such as the need for large training datasets and high computational requirements for transformers are also mentioned.Open Source Data Mining - Data Mining Cup 2007Christian Schieder
?
Das Dokument bietet einen ?berblick über Open-Source-Datenanalysetools, ihre Marktposition sowie Bewertungskriterien, basierend auf einer Analyse mehrerer Tools wie Weka, RapidMiner und KNIME. Es betont die dynamische Entwicklung dieser Tools und ihre St?rken in Bezug auf Offenheit und Anpassungsf?higkeit, auch wenn sie derzeit kommerziellen Produkten nicht in allen Aspekten entsprechen. Abschlie?end wird die wachsende Relevanz von Open-Source-Tools im Datenmining und der daraus resultierende Preisdruck auf Anbieter hervorgehoben.More Related Content
What's hot (20)
信号の独立性に基づく多チャンネル音源分离
信号の独立性に基づく多チャンネル音源分离NU_I_TODALAB
?
令和四年度 電気?電子?情報関係学会 東海支部連合大会
招待講演
李 莉：信号の独立性に基づく多チャンネル音源分离，Aug. 2022
名古屋大学 情報学研究科 知能システム学専攻 戸田研究室
【論文紹介】Understanding Back-Translation at Scale
【論文紹介】Understanding Back-Translation at ScaleTomoyuki Hioki
?
【論文紹介】Understanding Back-Translation at ScaleCookpad TechConf 2016 - DWHに必要なこと
Cookpad TechConf 2016 - DWHに必要なことMinero Aoki
?
Cookpad TechConf 2016での青木の発表資料。大量のデータを最大限に活用するためのデータ処理システムの構築方針についてLSTM (Long short-term memory) 概要
LSTM (Long short-term memory) 概要Kenji Urai
?
機械学習勉強会の資料です．LSTM (Long short-term memory) について理解するために，単純なニューラルネットから話を進めていきます．クラシックな机械学习入门 １ 导入
クラシックな机械学习入门 １ 导入Hiroshi Nakagawa
?
今や古典的になった机械学习の入门スライドです。通信路モデルから始まり、ベイズ统计によるパラメタ－学习の简単な例を説明しています。以后、続编が出ます。(第3版)「知能の構成的解明の研究動向と今後の展望」についての個人的見解：Chain of thought promptingやpostdictionを中...
(第3版)「知能の構成的解明の研究動向と今後の展望」についての個人的見解：Chain of thought promptingやpostdictionを中...KIT Cognitive Interaction Design
?
深層学習以降のAI研究の流れの中で、特に、基盤モデルにおけるchain of thought promptingやfactual groundingに焦点を当て、基盤モデルが論理的推論などの意識レベルの処理を学習したと言えるかについて考察する。
時間が許せば、深層学習によるpostdictionの可能性等についても論じる。CVPR 2019 速報
CVPR 2019 速報cvpaper. challenge
?
CVPR 2019 ( http://cvpr2019.thecvf.com/ )の参加速報を書きました。
この資料には下記の項目が含まれています。
?DNNの動向?CVのトレンド（DNNの流れとCVにおけるトレンドの変遷）
?CVPR 2019での動向や気付き
?最近のトレンドを創っている/引用されそうな論文
?今後の方針
（?CVPR 2019の論文まとめはこちらにあります Link: http://xpaperchallenge.org/cv/survey/cvpr2019_summaries/ ）
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ?アイディア考案?議論?実装?論文投稿に取り組み、凡ゆる知識を共有しています。
http://xpaperchallenge.org/cv/ 【DL輪読会】Dropout Reduces Underfitting
【DL輪読会】Dropout Reduces UnderfittingDeep Learning JP
?
2023/4/14
Deep Learning JP
http://deeplearning.jp/seminar-2/ディープラーニングの最新动向
ディープラーニングの最新动向Preferred Networks
?
NVIDIA Deep Learning Dayでの講演内容です．
ディープラーニングの最新の研究成果として強化学習によるロボットカーの制御，バラ積みロボットの認識，駐車場の検出，センサデータからの異常検知，画像生成を紹介しています。【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with Transformers
【DL輪読会】A Time Series is Worth 64 Words: Long-term Forecasting with TransformersDeep Learning JP
?
2022/12/2
Deep Learning JP
http://deeplearning.jp/seminar-2/Recurrent Neural Networks
Recurrent Neural NetworksSeiya Tokui
?
2014年10月30日のPFIセミナーで話したRecurrent Neural Networksの話です。LSTMの解説と4つの応用の紹介を含みます（機械翻訳、簡単なPythonコードの実行、Neural Turing Machines、Visual Attention）。A beautiful mind
A beautiful mindtahreemsaleem
?
John Nash was a brilliant but socially awkward mathematician who won the Nobel Prize for Economics. The film depicts his life from his time as a graduate student at Princeton University, where he developed his most important work, to his battle with schizophrenia. Nash's theories led him to a position at MIT but his illness worsened, requiring hospitalization. Supported by his wife Alicia, Nash was eventually able to control his delusions and return to researching at Princeton. He received the Nobel Prize in 1994 in recognition of his contributions to game theory, economics, and social science.[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...Deep Learning JP
?
2022/02/04
Deep Learning JP:
http://deeplearning.jp/seminar-2/时系列予测に罢谤补苍蝉蹿辞谤尘别谤を使うのは有効か？
时系列予测に罢谤补苍蝉蹿辞谤尘别谤を使うのは有効か？Fumihiko Takahashi
?
AAAI2023「Are Transformers Effective for Time Series Forecasting?」と、HuggingFace「Yes, Transformers are Effective for Time Series Forecasting (+ Autoformer)」の紹介です。コンピュータビジョンの観点から见た础滨の公平性
コンピュータビジョンの観点から见た础滨の公平性cvpaper. challenge
?
cvpaper.challenge の メタサーベイ発表スライドです。
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成?アイディア考案?議論?実装?論文投稿に取り組み、凡ゆる知識を共有します。2020の目標は「トップ会議30+本投稿」することです。
http://xpaperchallenge.org/cv/Facebookの人工知能アルコ?リス?ム「memory networks」について調へ?てみた
Facebookの人工知能アルコ?リス?ム「memory networks」について調へ?てみた株式会社メタップスホールディングス
?
FaceBook のAIチームが研究の発表論文である "Memory networks"とその拡張である"Towards AI-complete question answering: A set of prerequisite toy tasks."を簡単に紹介します。
[1] Weston, J., Chopra, S., and Bordes, A. Memory networks. In International Conference on Learning Representations (ICLR), 2015a.
[2] Weston, J., Bordes, A., Chopra, S., and Mikolov, T. Towards AI-complete question answering: A set of prerequisite toy tasks. arXiv preprint: 1502.05698, 2015b.Transformer 動向調査 in 画像認識
Transformer 動向調査 in 画像認識Kazuki Maeno
?
The document discusses the application of transformer architecture, particularly in image recognition tasks using models like Vision Transformer (ViT) and CLIP, highlighting their performance over traditional CNNs. It emphasizes the advancements in zero-shot recognition capabilities and various applications such as image generation and object tracking. Key challenges such as the need for large training datasets and high computational requirements for transformers are also mentioned.(第3版)「知能の構成的解明の研究動向と今後の展望」についての個人的見解：Chain of thought promptingやpostdictionを中...
(第3版)「知能の構成的解明の研究動向と今後の展望」についての個人的見解：Chain of thought promptingやpostdictionを中...KIT Cognitive Interaction Design
?
Viewers also liked (20)
Open Source Data Mining - Data Mining Cup 2007Christian Schieder
?
Das Dokument bietet einen ?berblick über Open-Source-Datenanalysetools, ihre Marktposition sowie Bewertungskriterien, basierend auf einer Analyse mehrerer Tools wie Weka, RapidMiner und KNIME. Es betont die dynamische Entwicklung dieser Tools und ihre St?rken in Bezug auf Offenheit und Anpassungsf?higkeit, auch wenn sie derzeit kommerziellen Produkten nicht in allen Aspekten entsprechen. Abschlie?end wird die wachsende Relevanz von Open-Source-Tools im Datenmining und der daraus resultierende Preisdruck auf Anbieter hervorgehoben.20130916第３回テキストマイニングシンポジウム资料（浅野）
20130916第３回テキストマイニングシンポジウム资料（浅野）Hirosuke Asano
?
第３回 テキストマイニング?シンポジウム
http://www.ieice.org/~nlc/tm3.html
で講演した発表の資料です。书籍『シグナル&补尘辫;ノイズ』解説
书籍『シグナル&补尘辫;ノイズ』解説Hirosuke Asano
?
アメリカ大统领选挙の予测で注目を集めた统计学者ネイトシルバー氏の着作「シグナル＆ノイズ」の内容について、勉强会で解説した时に使った资料Tokyo webmining発表資料 20111127
Tokyo webmining発表資料 20111127kan_yukiko
?
「データマイニング現場 24時」
第16回 データマイニング+WEB 勉強会＠東京( #TokyoWebmining 16th)－リアルタイム分散 Web解析?自然言語処理 祭り－
発表資料搁で罢飞颈迟迟别谤テキストマイニング
搁で罢飞颈迟迟别谤テキストマイニングYudai Shinbo
?
2015年9月のゼミ夏合宿でプレゼンをした資料です。
Rと言う統計ソフトを用い「スタバ」を含むTweetを取得し、スターバックスにおける「経験経済」について考察しています。
初めてテキストマイニングを行ったため、至らぬ点も多いとは思いますが、ご了承いただければと思います。データサイエンティスト協会 木曜勉強会 #02 講演２：『ビッグデータの０次分析手法と適用例のご紹介 ～俯瞰から始まる企業内ビッグデータの活用～』
データサイエンティスト協会 木曜勉強会 #02 講演２：『ビッグデータの０次分析手法と適用例のご紹介 ～俯瞰から始まる企業内ビッグデータの活用～』The Japan DataScientist Society
?
http://eventdots.jp/event/168366
講演２：『ビッグデータの０次分析手法と適用例のご紹介 ～俯瞰から始まる企業内ビッグデータの活用～』
ビッグデータの解析において分析軸が定まらない初期段階で、データをありのままの状態で可視化（俯瞰）し、気付き/発見を得て仮説立案、詳細分析へと進める解析技術を、実例を交えてご紹介します。搁ではじめる罢飞颈迟迟别谤解析
搁ではじめる罢飞颈迟迟别谤解析Takeshi Arabiki
?
This document discusses analyzing Twitter data from the user @a_bicky using R. It extracts over 3,200 tweets from the user's timeline using the twitteR package. The tweets are transformed into a data frame with variables like text, date, and source. The data is then summarized using the reshape2 and ggplot2 packages to calculate metrics like average text length by day of week, month, and source. Frequency tables and heat maps are generated to explore patterns in the Twitter data over time.データサイエンティスト協会 木曜勉強会 #02 講演２：『ビッグデータの０次分析手法と適用例のご紹介 ～俯瞰から始まる企業内ビッグデータの活用～』
データサイエンティスト協会 木曜勉強会 #02 講演２：『ビッグデータの０次分析手法と適用例のご紹介 ～俯瞰から始まる企業内ビッグデータの活用～』The Japan DataScientist Society
?
Ad
Recently uploaded (8)
PGConf.dev 2025 参加レポート (JPUG総会併設セミナー2025 発表資料)
PGConf.dev 2025 参加レポート (JPUG総会併設セミナー2025 発表資料)NTT DATA Technology & Innovation
?
PGConf.dev 2025 参加レポート
(JPUG総会併設セミナー2025 発表資料)
2025年6月14日(土)
NTTデータ
OSSビジネス推進室
貞弘 泰輔、池田 凛太郎Protect Your IoT Data with UbiBot's Private Platform.pptx
Protect Your IoT Data with UbiBot's Private Platform.pptxユビボット 株式会社
?
Our on-premise IoT platform offers a secure and scalable solution for businesses, with features such as real-time monitoring, customizable alerts and open API support, and can be deployed on your own servers to ensure complete data privacy and control.Ad
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
- 4. 4
- 6. 今日はプログラムは一切使わず KNIME (the Konstanz Information Miner) TTM (Tiny Text Miner) 6
- 12. では実際にやってみる 12
- 16. 不必要な行?列を消します 16
- 18. 下記のフローを実装します 学習させる 75件を教師データに 150件のデータ タグ付き CSVデータ を読み込む 学習済みモデル データを 分割 分類 評価 のこり75件のタグ無 しデータ 18
- 20. KNIMEを使えば、簡単 20
- 25. おしまい 25