論文の概要: Dive into Deep Learning
- arxiv url: http://arxiv.org/abs/2106.11342v5
- Date: Tue, 22 Aug 2023 17:02:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-24 19:34:49.407085
- Title: Dive into Deep Learning
- Title(参考訳): 深層学習への取り組み
- Authors: Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola
- Abstract要約: この本はJupyterのノートブックでドラフトされており、説明図、数学、インタラクティブな例を自己完結型コードとシームレスに統合している。
私たちのゴールは、(i)誰でも自由に利用できるリソースを提供すること、(ii)応用機械学習科学者になるための出発点を提供するのに十分な技術的な深さを提供すること、(iii)実行可能なコードを含み、実際にどのように問題を解決するかを読者に示すこと、(iv)私たちとコミュニティの両方による迅速なアップデートを可能にすることです。
- 参考スコア(独自算出の注目度): 119.30375933463156
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This open-source book represents our attempt to make deep learning
approachable, teaching readers the concepts, the context, and the code. The
entire book is drafted in Jupyter notebooks, seamlessly integrating exposition
figures, math, and interactive examples with self-contained code. Our goal is
to offer a resource that could (i) be freely available for everyone; (ii) offer
sufficient technical depth to provide a starting point on the path to actually
becoming an applied machine learning scientist; (iii) include runnable code,
showing readers how to solve problems in practice; (iv) allow for rapid
updates, both by us and also by the community at large; (v) be complemented by
a forum for interactive discussion of technical details and to answer
questions.
- Abstract(参考訳): このオープンソースの本は、ディープラーニングをアプローチ可能にし、読者にコンセプト、コンテキスト、コードを教える試みを示しています。
書籍全体はjupyter notebooksに書き込まれており、展示物や数学、インタラクティブな例を自己完結したコードにシームレスに統合している。
私たちの目標は 資源を提供することです
(i)誰でも自由に利用できる。
二 実際に応用機械学習科学者になるための出発点を提供するのに十分な技術的深度を提供すること。
(iii)実行可能コードを含み、読者に実際に問題を解決する方法を示す。
(iv) 私たちとコミュニティ全体の両方による迅速な更新を可能にします。
(v) 技術的な詳細を対話的に議論し、質問に答えるためのフォーラムで補完する。
関連論文リスト
- Deep Learning with CNNs: A Compact Holistic Tutorial with Focus on Supervised Regression (Preprint) [0.0]
このチュートリアルは、畳み込みニューラルネットワーク(CNN)と教師付き回帰に焦点を当てている。
最も関連する概念を要約するだけでなく、それぞれを深く掘り下げて、完全なアジャイルのアイデアセットを提供する。
本チュートリアルは,Deep Learningの基礎を理解することに関心のある学生,教授,研究者にとって最適な情報源となることを目的としている。
論文 参考訳(メタデータ) (2024-08-22T11:34:34Z) - EduGym: An Environment and Notebook Suite for Reinforcement Learning
Education [1.5299029730280802]
EduGymは、教育強化学習環境と関連する対話型ノートブックのセットである。
それぞれのEduGym環境は、強化学習の特定の側面/側面を示すように設計されている。
RL学生と研究者の86%が、EduGymは強化学習教育に有用なツールだと考えている。
論文 参考訳(メタデータ) (2023-11-17T15:45:00Z) - Promptly: Using Prompt Problems to Teach Learners How to Effectively
Utilize AI Code Generators [5.458849730200646]
本稿では,「プロンプト問題」として知られる新しい教育概念を紹介する。
プロンプト問題(英: Prompt Problem)は、学生が自然言語のプロンプトを作成し、LLMが特定の問題に対して正しいコードを生成するよう促す問題である。
Promptlyを初年度のPythonプログラミングコースに導入したフィールドスタディから経験的知見を報告する。
論文 参考訳(メタデータ) (2023-07-31T01:46:42Z) - Towards Understanding Machine Learning Testing in Practise [23.535630175567146]
本稿では,Jupyterノートブックのマイニングによる機械学習パイプラインの可視化について検討する。
まず、より小さなノートのサンプルの質的研究を用いて、一般的な洞察と傾向を収集する。
そして、質的研究から得られた知識を使って、より大きなノートブックのサンプルを使って経験的な研究を設計する。
論文 参考訳(メタデータ) (2023-05-08T18:52:26Z) - How to Do Things with Deep Learning Code [0.0]
我々は,一般ユーザーが深層学習システムの行動と対話し,直接的に対話する手段に注意を向ける。
問題となっているのは、大規模言語モデルの責任ある応用について、社会技術的に理解されたコンセンサスを達成する可能性である。
論文 参考訳(メタデータ) (2023-04-19T03:46:12Z) - TegTok: Augmenting Text Generation via Task-specific and Open-world
Knowledge [83.55215993730326]
本稿では,タスク固有およびオープンワールド知識(TegTok)によるTExt生成の統一化を提案する。
本モデルでは,2種類の知識ソースからの知識エントリを高密度検索により選択し,それぞれ入力エンコーディングと出力デコーディングの段階に注入する。
論文 参考訳(メタデータ) (2022-03-16T10:37:59Z) - ProtoTransformer: A Meta-Learning Approach to Providing Student Feedback [54.142719510638614]
本稿では,フィードバックを数発の分類として提供するという課題について考察する。
メタラーナーは、インストラクターによるいくつかの例から、新しいプログラミング質問に関する学生のコードにフィードバックを与えるように適応します。
本手法は,第1段階の大学が提供したプログラムコースにおいて,16,000名の学生試験ソリューションに対するフィードバックの提供に成功している。
論文 参考訳(メタデータ) (2021-07-23T22:41:28Z) - How to Train Your Agent to Read and Write [52.24605794920856]
研究論文の読み書きは、資格のある研究者が習得すべき最も特権のある能力の1つである。
読者が論文を読み、要約できるようにインテリジェントなエージェントを訓練し、おそらく新しい論文を書くための潜在的な知識の手がかりを発見し、活用できれば、それは魅力的です。
本研究では,入力段落から知識グラフ(KG)を抽出して潜在的な知識を発見できるtextitReader,新規段落を生成するgraph-to-text TextitWriter,およびtextitから構成されるDeep ReAder-Writer(DRAW)ネットワークを提案する。
論文 参考訳(メタデータ) (2021-01-04T12:22:04Z) - Attentional Graph Convolutional Networks for Knowledge Concept
Recommendation in MOOCs in a Heterogeneous View [72.98388321383989]
大規模なオープンオンラインコース(MOOC)は、学生が知識を習得するための大規模かつオープンな学習機会を提供する。
学生の関心を惹きつけるため、MOOCsプロバイダによる推薦制度が採用され、学生にコースを推薦する。
そこで本研究では,MOOCにおける知識概念レコメンデーションのために,Attentional Heterogeneous Graph Convolutional Deep Knowledge Recommender (ACKRec) という,エンドツーエンドのグラフニューラルネットワークに基づくアプローチを提案する。
論文 参考訳(メタデータ) (2020-06-23T18:28:08Z) - Offline Reinforcement Learning: Tutorial, Review, and Perspectives on
Open Problems [108.81683598693539]
オフラインの強化学習アルゴリズムは、巨大なデータセットを強力な意思決定エンジンにできるという、大きな約束を持っています。
我々は,これらの課題,特に近代的な深層強化学習手法の文脈において,読者にこれらの課題を理解することを目的としている。
論文 参考訳(メタデータ) (2020-05-04T17:00:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。