AIに関する講演を依頼されたので予行練習用に録画してみました．python, jupyter-lab, nbdev, poetry, fastai, pycaret, prophet, streamlit, gurobi, mypulp, miro について足早に話しています． 実際には，一部をゆっくり話す予定です．
動画プレイリスト:
組合せ最適化とアルゴリズム https://www.youtube.com/playlist?list=PLz8sHu_CzBwPVWVwsnKVjjSqZyZiwnj5y
Python言語による実務で役に立つ100の最適化問題 https://www.youtube.com/playlist?list=PLz8sHu_CzBwPMIdyL_WMEVUw-GOSL-J6w
ただでアナリティクスの専門家になる方法 https://www.youtube.com/playlist?list=PLz8sHu_CzBwNTHy3GDouxNPI0QmdACDKZ
データサイエンス練習問題集 https://www.youtube.com/playlist?list=PLz8sHu_CzBwPt3BPmwYjseKbQoIsqAO4T
データサイエンス講義
Python言語超入門 https://www.youtube.com/playlist?list=PLz8sHu_CzBwNHOgeAha17VVOvFh7okuZg
メタヒューリスティクス https://www.youtube.com/playlist?list=PLz8sHu_CzBwNJt9a0P50hlDfL9P3RcJwS
SCMOPT サプライ・チェイン最適化プロジェクト https://www.youtube.com/playlist?list=PLz8sHu_CzBwNLQJeRjadZcSvXG-LmEIGP
MITの深層学習講義を日本語で解説 https://www.youtube.com/playlist?list=PLz8sHu_CzBwMRsto31_ddblF82Y4qI03_
サプライ・チェイン最適化講義 https://www.youtube.com/playlist?list=PLz8sHu_CzBwN2b-9Wo2RqzMXdnPVf4Lz8
サプライ・チェイン最適化特論 https://www.youtube.com/playlist?list=PLz8sHu_CzBwO0CePoT8KG2j5tB0SL102z
制約最適化ソルバー SCOP https://www.youtube.com/playlist?list=PLz8sHu_CzBwOxfNC2f5vL0n1QAa073AkI
スケジューリング最適化ソルバーOptSeq https://www.youtube.com/playlist?list=PLz8sHu_CzBwOcukYoz2PzoNXAqY5awFRc
Table of Contents:
00:09 – Amazonで検索
01:03 – メニュー
02:24 – なぜ今Pythonか？Pythonをお薦めする18の理由
02:30 – Why Python (1) ?
03:21 – Why Python (2) ?
03:53 – Why Python (3) ?
04:18 – Why Python (4)?
04:34 – Why Python (5)?
05:14 – Why Python (6)?
05:32 – Why Python (7)?
05:53 – Why Python (8)?
06:12 – Why Python (9)?
06:31 – Why Python (10)?
06:55 – Why Python (11)?
07:02 – Why Python (12)?
07:15 – Why Python (13)?
07:23 – Why Python (14)?
07:46 – Why Python (15)?
08:01 – Why Python (16)?
08:30 – Why Python (17)?
08:50 – Why Python (18)?
09:22 – Jupyter+nbdevで文芸的プログラミング
10:27 – Jupyter Lab.
11:10 – nbdev
11:45 – nbdev で公開中のプロジェクト (1)
12:48 – nbdev で公開中のプロジェクト (2)
13:33 – nbdevの利点と弱点
14:15 – Poetry
15:05 – Fastai
23:00 – Pycaret
23:42 – Prophet
24:04 – （自動）機械学習(Auto ML)と深層学習(DL)とベイズ推論を用いた予測手法について
24:15 – （量的）予測と回帰
25:25 – 時系列モデル
26:15 – 手法の比較
26:24 – 確率的プログラミング
26:25 – 確率的プログラミングの手法と実装
26:26 – 確率的プログラミング
26:26 – 手法の比較
27:13 – 確率的プログラミング
27:58 – 確率的プログラミングの手法と実装
28:28 – MCMC
28:43 – Prophetのモデル(一般化加法モデル）
29:43 – 機械学習による予測（回帰）
31:03 – ランダム森
31:19 – 決定木 1
31:33 – 決定木 2
31:35 – 決定木 3
31:38 – ブースティング
32:04 – 自動機械学習 Auto ML
32:51 – 畳み込みニューラルネット (1)
34:13 – 畳み込みニューラルネット (2)
35:05 – 回帰型ニューラルネット
35:35 – LSTM（時系列データに対する予測）
36:07 – 埋め込み層を用いた深層学習
37:17 – 使い分け
38:27 – Gurobi
39:30 – 数理最適化ソルバーの性能向上
40:06 – 最適化の効果
40:36 – Streamlit
41:13 – こういうのが簡単に作れる（DLで予測）
41:23 – MIRO
41:33 – SPRINT
42:07 – SPRINTとは今までにない革新的な問題発見と解決の方法
42:17 – SPRINTの始まりと現在
42:28 – 使う道具が決まっている
42:44 – ホワイトボードを2台使用する
42:49 – SPRINT中はデバイス使用禁止
42:55 – １．問題の神髄を見極める２．出来るだけ多くの解決策を考えてみる ３．いくつかのアイデアを選び、研ぎ澄ます ４．最終的なアイデアに絞り込む ５．プロトタイプの作成 ６．結果を知って、学習する
43:01 – 図：日本語版「SPRINT」（ダイヤモンド社）より
Comments