機械学習

姿勢推定や骨格認識と呼ばれる処理を知っていますか？これらの処理を簡単に実現できることを知っていますか？オープンソースのOpenPoseを使えば、専門知識などなくても簡単にできてしまいます。この記事では、PyTorchで動くpytorch-openposeについて解説しています。

Toonify Yourselfでディズニー顔への変換ができます。Toonify YourselfをWindowsで動かすことは、機械学習の勉強にもなり、同時に単純に楽しいです。この記事では、Windows 10でToonify Yourselfを動かす方法を解説しています。

StyleGAN2をGoogle ColabではなくWindowsで動かしたいと思いませんか？でも、新しいPCであればあるほど、それは大変です。この記事では、StyleGAN2をWindows 10で動かすための方法をかなり詳しく解説しています。

GitHubには、面白そうな機械学習のサンプルコードやライブラリが公開されています。しかし、高い確率でそれらは動きません。この記事では、それらのサンプルコードやライブラリを動かすための一つの方法を解説しています。この記事を参考にして、StyleGANなどを試していきましょう。

350万件！！Amazonのレビューをスクレイピングで集めました。みなさんは、機械学習用の日本語テキストをどうやって用意していますか？個人では、なかなか難しいはずです。残された手段は、スクレイピングしかありません。大量データの扱いから、データのクレンジグについてまで説明しています。

TensorFlowを利用した場合における、モデルの保存と復元、そしてモデルの再利用までを解説しています。簡単にすぐ検証できるようにコピペで動くコードを載せています。この記事を読めば、すぐにTensorFlowでのモデルの保存・復元・利用を検証可能です。

断言します。感情分析にいて単語感情極性対応表（ネガポジ辞書）は使い物になりません。感情分析をやりたければ、別の方法を採用した方がいいです。この記事では、その別の方法に関しても説明しています。感情分析に興味がある方は、この記事を参考にしてみてください。

Googleの公開した自然言語理技術「BERT」を使えば、80％の正解率で感情分析ができるようになりました。やはり、機械学習の結果はデータに依存するということがわかる事例だと思います。この記事では、そのデータを集める方法も解説しています。

機械学習で最も大変なことを何だと思いますか？アルゴリズムを用意することでしょうか？プログラミングすることでしょうか？いやいや、そんなことはPythonやTensorFlowでクリアできます。最も大変なことは、質の良いデータを用意することです。この記事では、その難題を解決する方法を解説しています。

Amazonのレビューをセンチメント分析（感情分析）する方法を説明しています。スクレイピングによるAmazonレビューの取得から、Mecabによる形態素解析、散布図・ヒストグラムの表示まで、この記事だけ多くを学ぶことが可能です。