Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 要約 要件定義で生成AIを活用するポイントを整理 要件定義に特化したAIシステムのアーキテクチャを紹介 一般的なソフトウェア開発プロセスに適用できるので範囲が広い 最終的な成果物 ↓パワーポイントで作った資料をgifでエクスポートしたもの このパワーポイントの資料、 まったく人の手で修正をしていません 。完全自動の生成AIで作成された資料です。もちろん完璧なものにはならないので修正が必要なところも出てくるのですが、修正可能なpptx形式で出力されるのでパワーポイントでサクッと修正ができます。そして １からこの資料を作るのに15分もかかっ

連載目次 本連載（基礎編）の目的 スクラッチ（＝他者が書いたソースコードを見たりライブラリーを使ったりせずに、何もないゼロの状態からコードを記述すること）でディープラーニングやニューラルネットワーク（DNN：Deep Neural Network、以下では「ニューラルネット」と表記）を実装して学ぶ系の書籍や動画講座、記事はたくさんあると思います。それらで学んだ際に、「誤差逆伝播」（バックプロパゲーション）のところで挫折して、そこはスルーしている人は少なくないのではないでしょうか。個々の数式や計算自体を理解していても、何となく全体像がつかめずに、 と自信を持って言えない人も多いのではないかと思います。 本連載（基礎編）はそういった人に向けた記事になります。この記事はニューラルネットの仕組みを、数学理論からではなくPythonコードから学ぶことを狙っています。「難しい高校以降の数学は苦手だけど

ニューヨーク市の公共交通を統括するメトロポリタン交通局（MTA）は、パンデミックによる利用者数の急激な減少にどう対処するかという難問に直面した。その際に彼らが頼ったテクノロジー企業が、AI（人工知能）を用いて都市部における人の動きをマッピングする「レプリカ（Replica）」だった。 レプリカのモデルは、AIと機械学習を利用して、人々の動きをシミュレートする。このモデルを利用してMTAは運行本数を減らしてコストを抑え、パンデミックを生き抜いた。 レプリカは2021年4月、ピーター・ティールのFounders Fundの主導で4100万ドル（約46億円）を調達した。「創業間もないスタートアップが、これほどのスピードで政府機関の契約を獲得するケースは稀だ」と、新たにレプリカの取締役会に加わったFounders Fundのパートナーのトラエ・ステイーブンスは述べている。 カンザスシティに本社を置

「第4回 スマート工場 EXPO～IoT/AI/FAによる製造革新展～」の特別講演にデンソーインターナショナルアジアのバイスプレジデントである末松正夫氏が登壇し、「製造AIによる生産性向上」をテーマに、タイの製造現場におけるAIを活用した生産性向上の取り組みを紹介した。 「第4回 スマート工場 EXPO～IoT/AI/FAによる製造革新展～」（2020年2月12～14日、東京ビッグサイト）の特別講演にデンソー インターナショナル アジアのバイスプレジデントである末松正夫氏が登壇し、「製造AIによる生産性向上」をテーマに、タイの製造現場におけるAI（人工知能）を活用した生産性向上の取り組みを紹介した。 人件費が高騰するASEANの製造現場 自動車業界ではCASE（Connected、Autonomous、Shared＆Services、Electrification）などの新しい概念の登場で

対面でのやり取りにビデオ通話を使う人が多くなった現在、接続が途切れ途切れになり、以前にも増してイライラさせられるようになった。そこで、個々の話者の話し方を模倣して発言のスニペット（断片）を生成し、小さな隙間を埋めることで、途切れをスムーズにしてくれる人工知能（AI）が登場した。グーグルのチームが開発したこのテクノロジーは現在、同社のビデオ通話アプリ「デュオ（Duo）」で使われている。 オンライン通話中、私たちの声はたくさんの小さな断片に切り刻まれ、パケットと呼ばれるデータブロックの形でインターネット上を通り抜けていく。パケットは多くの場合、相手方にごちゃごちゃになって到着するので、ソフトウェアでそれらを並べ替える必要がある。しかし、まったく届かないパケットもあり、それが原因で会話に不具合や途切れが生じる。これは通話状態がもっともよい時でさえ起こる。グーグルによると、デュオでの通話の99%で

会計サービスをはじめ、バックオフィス向けクラウドソフトを提供するfreee。単純作業を効率化し、ユーザーが本質的な仕事に集中できる環境を提供するために、AI技術を駆使したさまざまな取り組みがなされている。 「ユーザーにとって本質的に価値があること（同社では「マジ価値」と呼ばれる）を届けきる」をコミットメントとして掲げる同社の、AI技術を使ったアプローチ方法を連載形式でお届けする。 第2回のテーマはOCR。紙の領収書や、請求書とにらめっこし、その扱いにうんざりしている経営者は少なくないだろう。 これら紙の文書をよりスムースに扱うため、freeeのサービスに実装されている独自のOCR機能を、同社機械学習エンジニアの田中浩之氏に紹介していただく。 はじめにfreeeでは「スモールビジネスを、世界の主役に。」をミッションに掲げ、「アイデアやパッションやスキルがあればだれでも、ビジネスを強くスマート

画像は沖縄県公式サイトから 株式会社アドバンスト・メディアは3月12日、AI音声認識を活用したクラウド型文字起こしサービス「ProVoXT（プロボクスト）」が沖縄県庁での議事録作成業務に採用されたと発表した。 沖縄県庁では、行政運営の質の向上を目指すために、最少の経費で最大の効果を出すといった「沖縄県行政運営プログラム」（外部サイト）を策定している。このプログラムのなかで、議事録作成の自動化が検討されていたそうだ。 ＞＞ アドバンスト・メディア 職員が手作業していた議事録作成業務を大幅に効率化ProVoXTは、会議の音声をマイクやICレコーダーで録音し、インターネット経由で専用サーバーにアップロードすると、会議音声を自動でテキスト化する。クラウドシステムなので、複数の部署での運用も可能だ。 当然、自動でテキスト化するため、議事録作成の時間的や人的負担を大幅に削減し、素早い議事録作成を実現で

日立製作所がグループ御三家の日立化成の売却先を決めモノづくりからデジタル事業へのシフトを急ぐなか、その切り札となるのが「Lumada（ルマーダ）」だ。あらゆるモノがネットにつながるIoTの基盤として提供を始め、今では顧客企業と経営課題を解決する場に進化している。聖域なき改革で会社の基軸そのものを変えようとする日立が注力するルマーダの実態に迫った。　▼Lumada（ルマーダ）　2016年に提供を始めたIoTのプラットフォーム（基盤）で、illuminate（照らす）とdata（データ）という2つの英単語を組み合わせた造語。顧客の持つデータに光を当て輝かせて、新たな知見を引き出し、経営課題の解決や事業の成長に貢献するという思いを込めた。現在は顧客と経営課題を解決するシステムなども含む。日立社内では顧客のデータを活用し、同社のノウハウを生かしているといった基準を設け、ルマーダと呼ぶかを審査する。

機械学習入門 - 基本のPythonライブラリ、9つを触って学ぶ 機械学習を学ぶために、まず知っておきたいPythonライブラリを、機械学習エンジニアの「ばんくし」こと河合俊典さんに厳選し、そのエッセンスをつづってもらいました。機械学習入門に向けたスタートアップガイドです！ こんにちは。機械学習エンジニアの「ばんくし」こと河合俊典（かわい・しゅんすけ／ @vaaaaanquish ）です。 近年の機械学習関連の開発では、多くの場合Pythonが用いられます。 本記事は、「機械学習をこれから初めてみたいけど何から始めればいいか分からない」「基本のキから学びたい」という方に向けて執筆しました。プログラミング言語「Python」の中でも、特に機械学習における使用頻度の高いライブラリを厳選し、その解説を目的としています。 「この記事の内容に沿ってPythonを学習すれば、機械学習エンジニアとして入

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ３ヶ月で出来たもの まずは蠢く内臓の成果物から、これが今回作ったポリープ検出AIです！ 上の映像が元の内視鏡の動画で、 下が今回開発した検出AIの動作動画です。 青い枠で「ポリープだよ！」と主張してくれてますね！ ３ヶ月の学習の流れ 基礎的な機械学習手法のスクラッチ まずは数学的な理解から始めました。 手法ごとの数式を読んで、それを実装に落としていきます。 -　線形回帰 -　重回帰 -　主成分分析 -　Kmeans -　決定木 -　SVM 悶え苦しんだのですが、 この時期に数式に対するアレルギーがほぐれていきました！ 最初は2乗誤差の微

正月、皆が寝静まった後の時間を使ってリアルタイム物体認識を2本作ってみた。 TensorFlow Lite 版 GitHub - mattn/webcam-detect-tflite https://github.com/mattn/webcam-detect-tflite TensorFlow Lite は Google が開発している TensorFlow のモバイル環境向開発環境およびランタイムで今回は C++ で書いた。モデルファイルは toco 等で変換して使用します。本来 TensorFlow Lite は Linux 向けにだけ提供されているけど僕の環境は Windows なので匠の技によりポーティングされている。パフォーマンスはそれほど良くない。 Windows で OpenCV でリアルタイムにカメラ画像取り込んで TensorFlow Lite で prediction

【この記事は、「ミクシィ19新卒 Advent Calender 2018」の23日目です。】 はじめに phalanxのスペック 開発環境 Hardware Software コンペ概要 本コンペティション開催の背景 タスク データ コンペの取り組み コンペ開始〜１ヶ月 ベースラインモデル作成 論文サーベイ・実装 OsciiArt Kernel １ヶ月〜２ヶ月 Spatial and Channel Squeeze and Channel Excination Feature Pyramid Attention for Semantic Segmentation Snapshot Ensemble Lovasz Hinge Loss モデル構築・学習 bestfitting降臨 ２ヶ月〜最終日 multi step pseudo labeling チームマージ、data leak おわり

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? こんにちは NewsPicks Advent Calendar 2018の 5日目を担当させていただきます、NewsPicks の戸辺と申します。 2年ほど前に「機械学習をゼロから1ヵ月間勉強し続けた結果」という記事を書き、多くの方に読んでいただきました。そこから引き続き機械学習に携わっており、今年も多くの機械学習系の記事を拝読させていただきました。それら中から「実戦でためになった」「機械学習の勉強に役に立った」という観点から、僕なりのベスト10をあげてみました。 長い冬休み(余談ですが、社会人で一番長く休めるときですよね!?)は知識の

AIは「単なる関数」、数学は「言語の一つ」、「文系出身」でも問題ない――Pythonで高校数学の範囲から学び始めよう：「AI」エンジニアになるための「基礎数学」再入門（1） AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す連載。初回は、「AIエンジニア」になるために数学を学び直す意義や心構え、連載で学ぶ範囲について。 AI人材の不足 2015年にDeep Learningを利用したモデルが、画像認識率において人間を上回る結果を残したことを皮切りに、世の中はAIブームに突入しました。その勢いはすさまじく、業界を問わずビジネス形態が目まぐるしく変化しています。世界中のサービスが即座に利用できてしまう現代では、各業界の各企業にとってのライバルは、もはや同業他社だけではありません。これからの時代は、Googleをはじめとした最先端テック企業をライバルとして

AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す連載。今回は「回帰分析」には対数変換を用いるとよい理由について解説します。

2. 自己紹介 • ところてん • @tokoroten • 株式会社NextInt 代表 • 怪文章職人 • 最近の活動 • データサイエンティスト養成読本 ビジネス活用編 • 最近のお仕事 • 機械学習顧問（4社） • スマホアプリミドルウェア屋 • SIer • ECプラットフォーム • データ分析企業 • 新規事業コンサルティング（1社） • ゲームディレクター(1社) ↓共著 ↓寄稿↓共著 3. 目次 • 相撲の八百長を統計で見つける • 演習：論文を探してみよう • ソシャゲのガチャが壊れた話 • ソシャゲのランキングイベントの話 • Kickstarterにおける不正を見つけよう • 人工衛星と画像処理と金融 • その他、雑多な話いろいろ

5月30日、都内でIT・Webエンジニア向け転職サイトのGeekOutが画像認識をテーマにしたイベント「GeekOutナイト」を開催した。今回、取材の機会を得たので、きゅうり農家である小池誠氏の話を紹介する。 “慣れ”が必要なきゅうりの仕分け作業 小池氏は静岡県湖西市できゅうりを栽培しており、年間出荷量は60トンを超える。家業であるきゅうり農家を継ぐ前はエンジニアとして腕を鳴らしていた。 同氏は「近年、農業は機械化されているが、まだまだ手作業に頼ることが多い。特に、きゅうりやピーマン、トマトをはじめとした果菜類は機械化および大規模化が難しいため作業時間が長い」と指摘する。 きゅうり農家の小池誠氏 農林水産省によると、きゅうり栽培における作業別労働時間は収穫作業が全体の39.8%、次いで仕分けなどの出荷作業が22.1%を占める。同氏は、長さ・太さ・曲がり具合・色・ツヤを人間が目視で確認し、9

はじめに 昨日のTwitterで書いたこちらが非常に反響を呼びました。 半年間かけたデータ解析の仕事が全くうまくいかなかった 今回の失敗は契約書に納品物を明記していなかったこと 機械学習の依頼は学習済みモデルのファイルを納品しただけでは、先方は検収できず、結果支払いを受けられない この教訓をひとりでも多くの人に知ってもらいたい — キカガク代表 吉崎亮介 (@yoshizaki_kkgk) 2017年11月20日 そうなんですよね。 全く先方が悪いわけでもなく、私自身が「機械学習のお仕事＝解析」だと思いこんでいたことが失敗の始まり。 結局のところ、機械学習系のプロダクトを依頼されて、学習済みモデルを作成して即納品とはいかず、検証結果を示されないと検収できないよとなってしまうので、結局アプリケーション側まで組み込まないと納得感はないんですよね。 この検証とは、訓練データと検証データを分けた時