[PYTHON] Eine Website, auf der Sie sehen können, wann Sie ein Papier zum maschinellen Lernen lesen möchten, das jedoch schwierig zu sein scheint
Ich denke, dass es viele Menschen gibt, die die Grundlagen des maschinellen Lernens so wie es ist lernen, das Papier als nächsten Schritt lesen und die Implementierung herausfordern möchten.
Wir haben jedoch eine Portal-Site für diejenigen erstellt, die Schwierigkeiten haben, das englische Abstract zu lesen, selbst wenn sie ein Papier finden, an dem sie interessiert sind, wo sie das Papier zum maschinellen Lernen lesen können. Es war.
Zuvor habe ich das GitHub-Repository und Bot erstellt, um Abstracts von Artikeln zum maschinellen Lernen auszutauschen. Dort können Sie jedoch alle veröffentlichten Inhalte sehen.
Zusätzlich zu der Möglichkeit, sich auf jedes Genre zu beziehen,
Wenn Sie Pocket verwenden, können Sie sich auch für Pocket registrieren.
arXivTimes zielt darauf ab, kollektives Wissen über Forschungstrends beim maschinellen Lernen zu bilden (verfügbar auf Japanisch). Aus diesem Grund haben wir sie gebeten, bei der Erstellung dieses Portals weitere Beiträge zu veröffentlichen, und wir haben auch überlegt, was wir tun sollten, um die Qualität der Zusammenfassung zu verbessern. Wir werden auch das Gerät vorstellen.
Beiträge einholen
Wenn Sie mindestens eine Zusammenfassung in arXivTimes GitHub Repository veröffentlichen, können Sie auf dieser Portalseite auf Ihre persönliche Seite verweisen.
Auf dieser persönlichen Seite sehen Sie die Anzahl der bisherigen Beiträge und die Gesamtpunktzahl (die Punktzahl wird später beschrieben). Im Kreisdiagramm links sehen Sie den Prozentsatz der eingereichten Beiträge nach Feldern und die Felder, an denen die Person interessiert und mit denen sie vertraut ist. Die Grafik rechts zeigt die Anzahl der Beiträge pro Monat. Wenn Sie die "200 / Jahr-Linie" überschreiten, die jeden Monat durch die horizontale Linie gezogen wird, lesen Sie 200 Bücher pro Jahr. Ich hoffe, Sie können damit den Fortschritt beim Lesen von Artikeln steuern.
Übrigens, wenn Sie noch nichts gepostet haben, sieht es wie folgt aus. Um eine persönliche Seite zu erhalten, posten Sie bitte zuerst eine! Ich denke.
Das Posten ist über die Schaltfläche in der Kopfzeile möglich.
Da wir die Zusammenfassung als Problem auf GitHub freigeben, werden wir die Zusammenfassung in Form der Veröffentlichung eines Problems veröffentlichen. Da es eine Problemvorlage gibt, werde ich eine Zusammenfassung dazu schreiben (Das Format ist eine vereinfachte Version, die auf [hier] basiert (http://lafrenze.hatenablog.com/entry/2015/08/04/120205)). .. Es sind jedoch mindestens "in einem Wort", "Artikel-Link" und "Autor / angeschlossene Institution" alles, was erforderlich ist.
Verbesserung der Qualität von Beiträgen
Ich möchte aber auch die Richtigkeit der Buchungen sicherstellen. Daher möchte ich bewerten, ob es sich um eine gute Zusammenfassung handelt ... aber es ist sehr schwierig, die Genauigkeit und Verständlichkeit des Inhalts zu bewerten (da die Textmenge nicht so groß ist, [vorherige Methode](http: http: Es war schwierig, //qiita.com/icoxfog417/items/64ed466afee6682936c3) so wie es ist zu verwenden.
Daher zeigen wir derzeit die Bewertung von Personen an, die es mechanisch aufnehmen können, insbesondere ** den Abweichungswert, der anhand der Anzahl der Likes + 2 * Retweets berechnet wurde, die an den veröffentlichten Tweet angehängt sind. Der Grund für die Verdoppelung der Retweets besteht darin, der Tatsache mehr Gewicht zu verleihen, dass beurteilt wird, dass es kein Problem gibt, sie auf Menschen zu verbreiten (obwohl der Wert der Verdoppelung angemessen ist ...). Dies ist der Wert, der als "Punktzahl" angezeigt wird.
Obwohl es im Beitrag an einer ziemlich prominenten Stelle angezeigt wird, ist dies eine Manifestation der Haltung, die Richtigkeit des Inhalts sicherstellen zu wollen. Übrigens gibt es ziemlich viele meiner Beiträge, aber wie Sie sehen können, haben einige von ihnen schlechte Ergebnisse. Ich versuche sicherzustellen, dass es beim Posten keine Fehler gibt, aber ich denke, dass Fehler häufig auftreten.
Derzeit veröffentlichte Probleme haben nur wenige Kommentare. Wenn Sie jedoch auf den Beitrag hinweisen und den Inhalt diskutieren können, können Sie ihn zur Auswertung der Zusammenfassung verwenden. Daher ** würde ich mich freuen, wenn Sie den Beitrag aktiv kommentieren könnten **.
Welcome Contribution
Der Quellcode der diesmal erstellten Portal-Site, arXivTimes Indicator, ist auf GitHub verfügbar.
(Es wird ermutigend sein, wenn Sie mir einen Stern m (_ _) m geben)
Wenn Sie Fragen haben, können Sie uns gerne per Issue kontaktieren. Natürlich freuen wir uns auch über Korrektur-Pull-Anfragen. Wir haben es noch nicht unterstützt, aber wenn Sie die Artikel, die Sie lesen, in einem Labor oder Unternehmen auf die gleiche Weise verwalten möchten, können Sie das GitHub-Repository von arXivTimes aufteilen und die URL des Inhalts neu schreiben, um es als Ihre eigene Portal-Site zu betreiben. Ich denke (obwohl der Berechnungsteil der Punktzahl eher ein Problem darstellt).
Wir hoffen, dass dies Ihnen dabei hilft, den Schritt "neben dem Tutorial" beim maschinellen Lernen zu machen. Auch wenn Sie bereits den nächsten Schritt getan haben, freuen wir uns auf Ihren Beitrag!
Recommended Posts