DQNからRainbowまで 〜深層強化学習の最新動向〜

https://www.slideshare.net/juneokumura/dqnrainbow

推薦システムrecommendation sysytem

推薦システムに関する書籍のまとめ

〇神嶌先生のスライド

http://www.kamishima.net/archive/recsys.pdf

〇サイバーエージェントの推薦システム

https://www.slideshare.net/cyberagent/ss-92591706

〇『試して学ぶ機械学習』

実際に新しい開発環境で実装したい向け。

https://book.mynavi.jp/ec/products/detail/id=103399

Chapter01　開発・実行環境を整える 
　Amazon SageMakerを使った開発・実行環境を構築します。 
Chatper02　機械学習を試してみる 
　基本的な機械学習の流れを、データの前処理から評価まで一通り体験します。 
Chapter03　機械学習モデルを使うWebサイトを作る 
　Webブラウザ上での入力からサーバサイドの処理まで、機械学習モデルを使ったWebサイトの構築を一通り学びます。 
Chapter04　より大規模にデータを集めていく 
　クローリングやスクレイピングといった、データ収集の方法を学習します。 
Chapter05　ユーザの反応を集める仕組みを作る 
　ユーザログを集める仕組みを構築していきます。 
Chapter06　推薦システムを作る 
　総仕上げとして、推薦システムのWebアプリケーションを構築していきます。 
Chapter07　工夫してシステムを洗練していく 
　AWS Lambdaを使い、サーバレスで機械学習をデプロイします。 
Chapter08　Appendix 
　開発が円滑に進むLinuxコマンドやSSH、エディタの解説を行います。 

試して学ぶ 機械学習入門 ~Pythonで作って、動かして身につける~

〇『推薦システム: 統計的機械学習の理論と実践 』

https://www.kyoritsu-pub.co.jp/bookdetail/9784320124301

魅力的な機械学習の内容

・高速オンライン双線形因子モデル(FOBFM)

・回帰ベース潜在因子モデル(RLFM)　

・潜在ディリクレ分配による因子分解

・テンソル分解モデル

・多目的最適化

推薦システム: 統計的機械学習の理論と実践

〇『学会誌　人工知能2019.5』

https://www.ai-gakkai.or.jp/vol34_no3/

人工知能 Vol.34 No.3 （2019年5月号） [雑誌]

特集：「推薦システム」
特集「推薦システム」にあたって 奥　　健太 282
ニュースサービスの変化とニュース記事推薦システム  関　　喜史 283
商品推薦システム
　─ E-Commerce サービスでの推薦システムの活用─ 平手　勇宇・Li Tianyu・Le Phuc 292
楽曲推薦システム
　─プレイリスト，コンテキスト，インタラクション─  奥　　健太 300
観光情報推薦システム  北山　大輔 309
レシピ推薦システム  中島　伸介・上田　真由美 317

〇国際会議RecSys

https://recsys.acm.org/

〇Qiitaから

『強化学習×推薦アルゴリズムを試せる環境「RecoGym」とは？』
強化学習環境であるOpenAI gym上で推薦システムを試せる環境

https://qiita.com/teamOkudo/items/e7679f3503a34018d29e

RecoGym GitHub

paper

〇Paper with Code -Recommendation System

https://paperswithcode.com/task/recommendation-systems

安部公房全集

安部公房全集の第１巻を古本屋で購入。
一覧
http://k-ishik2.seesaa.net/article/137978220.html
全集読みをやろうと思う。

安部公房全集〈1〉1942.12‐1948.5

小林秀雄は、以下のように読者に全集の通読を勧めます。

　「或る作家の全集を読むのは非常にいい事だ。研究でもしようというのでなければ、そんな事は全く無駄事だと思われ勝ちだが、決してそうではない。読書の楽しみの源泉にはいつも『文は人なり』という言葉があるのだが、この言葉の深い意味を了解するのには、全集を読むのが、一番手っ取り早い而も確実な方法なのである」

　名文に満ちた「読書について」の中でも、以下の一文は特に心に沁みます。「書物が書物には見えず、それを書いた人間に見えて来るのには、相当な時間と努力とを必要とする。人間から出て来て文章となったものを、再び元の人間に返す事、読書の技術というものも、其処以外にはない」

安部公房全集１を横目に見ながらハイデッガーの講義録（ニーチェ）と木田元の本を読んでいる。寄り道をしながらもいいかもしれない。

数理科学 2019年6月号 No.672 特集：「データサイエンスの数理」 － 数理で読み解くデータの価値 －

http://www.saiensu.co.jp/?page=magazine&magazine_id=1

数理科学
山西先生の記事でデータサイエンスと機械学習の違いが説明されている。
モデルに関する説明責任がデータサイエンスの目的。

数理科学 2019年 06 月号 [雑誌]

数理科学では、次月では量子コンピュータ、その次の月では可積分系を特集して、自分の関心にあう。