個人用メモです。 機械学習は素材集めがとても大変です。 でもこの素材集め、実は無理してやらなくても、元から良質な無料データベースがあったようなのです。 URLはこちら YouTube8-M https://research.google.com/youtube8m/explore.html 提供されているサービスは以下の通り 800万個の動画 19億個のフレーム 4800個の分類 使い方はExploreから画像セットを探し、ダウンロードするだけ。 他の方法も見つけた open images dataset 「すごい神だな」と思ったのは これもう完成されてますよね もちろんこの認識前の画像もセットでダウンロードできます。 Youtube-８Mとは、画像数を取るか、精度で取るか、という違いでしょうか。 他にも良い素材集を教えていただきました （はてなブックマーク情報 @sek_165 さん ）

スーパーコンピューターをはるかに上回る高速で計算ができ、次世代技術として期待される量子コンピューター。その活用アイデアを競うプログラミングのコンテストで、大学院生らをおさえて最優秀賞を獲った高専の1年生がいる。しかもそのアイデアは、中学生の時に考えたものだ。先進分野のIT人材を支援する独立行政法人「情報処理推進機構」（IPA）の「未踏ターゲット事業」にも、高専生で初めて採択された。どんな学生なのか、会いに行った。 【写真】越智さんが通う木更津高専と、ハッカソンでのプレゼン資料 木更津工業高等専門学校（千葉県木更津市）情報工学科に今春入学した越智優真さんは、4月、「Fixstars Amplifyハッカソン」（株式会社フィックスターズ主催）で、応募71作品の中で最優秀賞に輝いた。応募したのは中学3年のとき。他の応募者は、東大、東工大、早稲田大、慶応大、東北大などで専門領域を学ぶ大学生や大学院

New data reveals 40% of Australian companies are lagging in digital transformation. Explore the reasons behind this gap and its potential impacts.

研究室ではうまく機能する人工知能（AI）システムが、現実世界でうまく機能しないことはしばしばある。主な原因としてこれまで、AIを訓練・テストする際に使うデータと現実のデータの不一致が指摘されていたが、グーグルの研究チームは別の原因を突き止めた。 by Will Douglas Heaven2020.11.24 391 308 72 54 研究室で完璧に近い性能を発揮できるように調整された機械学習モデルが、現実世界では良い結果を出せないことがしばしばあるというのはよく知られている。通常これは、人工知能（AI）を訓練およびテストする際のデータと、現実世界で遭遇するデータの間に不一致が起こることが要因となって起こる問題であり、「データシフト」と呼ばれている。例えば、高品質な医用画像から疾病の兆候を発見するよう訓練されたAIが、忙しい病院の安価なカメラで撮影された、ぼけや切れ目がある画像に対して能

オミータです。ツイッターで人工知能のことや他媒体で書いている記事など を紹介していますので、人工知能のことをもっと知りたい方などは気軽に@omiita_atiimoをフォローしてください！ 2012年にAlexNet[Krizhevsky, A.(2012)]が登場してから、画像認識分野での発展は著しい。その発展を支えてきたものこそ大規模データセットImageNet[Deng, J.(2009)]である。ImageNetでSoTAを達成すると、そのモデルには最強モデルの称号が与えられると言っても過言ではない。2020年6月にGoogle Brainによって出されたこの論文は、そんな当たり前に使われてきたImageNetデータセットに対して疑問符を叩きつけるものとなっている。現存のImageNetでの性能評価が必ずしも正しいのだろうか。この論文を通してその答えを探しにいく。 本論文で使われて

サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。

総合研究大学院大学　複合科学研究科　 情報学専攻　卒　博士（情報学） 自然言語処理や機械学習、データ分析に関する研究内容とwebシステムの開発と運用について書いています。 シリコンバレーベンチャーみたいに深い技術の事業化をしたいと思っています。 ご興味ある方はご連絡ください。 あれはどうやってるのでしょうか？ [iPhoneアプリ] Akinator（アキネイター）が答えを当てる仕組みを考えてみました プログラマがランプの魔人の中身を分析してみる という感じに考えた人はたくさんいますが.... これでも全然Akinatorの本質には迫ってないと思います。 ○たった２０〜４０問の質問しかしない。 登録されてる質問の総数は、当然もっと多いのですが、そもそもAkinatorは質問を十分に選定してるのです。 この点に触れて考えている人が居ないようなのですが、おそらく、これこそがAkinatorの本

印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます オーダーメイドのAI（人工知能）を開発・提供するLaboro.AIは4月17日、自然言語処理モデル「BERT（Bidirectional Encoder Representations from Transformers）」を独自に事前学習させた日本語版モデル「Laboro.AI BERTモデル」を開発し、オープンソースとして公開したと発表した。 自然言語処理は、機械学習の技術領域の一つである。人が日常的に使用する言葉や文字など、テキスト情報をAIに処理させる分野になる。手書き文字の読み取りを行うOCR（光学文字認識）やテキストで会話するチャットボットのほか、スマートスピーカーにも技術が活用されている。 BERTは、2018年10月にG

研究開発プロジェクトを先に進めるためにどのようなAI技術を使用すればいいのだろうか。本稿では、その一助とすべく、機械学習とディープラーニング（深層学習）の違いについて概説し、それぞれをどのように適用すべきかについて説明する。 科学技術の急速な成長と進化のおかげもありますが、研究開発プロジェクトを先に進めるためにどのようなAI（人工知能）技術を使用するかを理解し、定めることは困難です。本稿では、その一助とすべく、機械学習とディープラーニング（深層学習）の違いについて概説し、それぞれをどのように適用すべきかについて説明します。 定義：機械学習vs.ディープラーニング 機械学習とディープラーニングの両方において、エンジニアはMATLABなどのソフトウェアツールを使用して、コンピュータがサンプルデータセットから学習することで、データの傾向や特性を識別できるようにします。 まず機械学習の場合、学習デ

関連キーワード 機械学習 人工知能（AI）技術を実装した企業向けソフトウェアのうち、人気を博している最先端の分野が、機械学習モデルの設計や構築を自動化する「AutoML」（自動機械学習）だ。AutoMLはデータサイエンティストの作業を補完し、企業がAI技術を活用してビジネスプロセスを合理化する一助となる。アナリストや専門家はAutoMLの採用を検討する企業に対して、自社が抱える具体的なニーズを評価することを推奨する。 併せて読みたいお薦め記事 連載：機械学習を始めるなら知っておきたいアルゴリズム5選 機械学習の代表的アルゴリズム「線形回帰」「決定木」とは？ 機械学習の代表的アルゴリズム「SVM」「k平均法」「アプリオリ法」とは？ 「機械学習」についてもっと詳しく 「量子コンピュータ×機械学習」は何の役に立ち、何の役に立たないのか 機械学習アプリを「FaaS」で開発すべきこれだけの理由 成熟

2. 自己紹介 •  id:syou6162(本名: 吉田康久) •  前職: NTTコミュニケーション科学基礎研究所 – 自然言語処理や機械学習の研究に従事(4年) •  2年前にはてなに転職 – はてなブックマーク – サーバー管理/監視システムMackerel •  Web開発:機械学習関連の開発 = 8:2 2 3. 自己紹介 •  id:syou6162(本名: 吉田康久) •  前職: NTTコミュニケーション科学基礎研究所 – 自然言語処理や機械学習の研究に従事(4年) •  2年前にはてなに転職 – はてなブックマーク – サーバー管理/監視システムMackerel •  Web開発:機械学習関連の開発 = 8:2 3 R&D部門がない組織で機械学習を 使ったサービス開発の参考になると幸いです

はじめに こんにちは、Speeeでデータサイエンティストをしている@To_Murakamiと申します。エンジニアではないのですが、コーディングを含めた分析例を発信しようと思い、企業のAdvent Calendarに参加させていただきました。 12月も暮れに差し掛かってきましたね。本日は、Word2Vec(ワードトゥベック)という自然言語処理を活用した分析例を紹介します。 このロジックを実装した目的は、ことばの表記ゆれ（類義語）発見器みたいなのを作ってみたいと思ったからです。なぜ、Word2Vecからことばの表記ゆれが分かるのでしょうか？仕組みの概要（下記）が分かると、理由を理解できます。 Word2Vecの仕組み（簡単に） Word2Vecとは言葉通り、単語をベクトル化したものです。ベクトル化した中身には当然数字が入ります。つまり、単語という言語データを数値化することができるのです！ 数値

関連キーワード Amazon Web Services | Google | IBM（アイ・ビー・エム） | Microsoft（マイクロソフト） さまざまな業界で競争上の優位性をもたらしている技術に「機械学習」がある。一般的に機械学習を導入する際には、大規模なインフラを使って機械学習モデルをトレーニングすることが必要になる。大勢のエンドユーザーが求める速度で、機械学習モデルのトレーニングを機能させなければならない。 無視できない問題に「コンセプトドリフト」がある。コンセプトドリフトとは、データの多様性によって時間の経過とともに、機械学習モデルのトレーニングパフォーマンスが低下し、再トレーニングが頻繁に必要になることを意味する。この状況はバージョン管理といった問題の引き金にもなる。 Amazon Web Services（AWS）やGoogleなどの大手クラウドベンダーは、機械学習モデルの

最終更新日： 2020年1月14日 株式会社Preferred Networks（PFN）が、オープンソースソフトウェア（OSS）の機械学習向けハイパーパラメータ自動最適化フレームワークOptuna™（オプチュナ）の初のメジャーバージョンとなるv1.0を公開したと発表しました。 機械学習、深層学習において高精度の訓練済みモデルを獲得するために、訓練時のアルゴリズムの挙動を制御する複雑なハイパーパラメータ※の最適化は不可欠です。 Optunaは、ハイパーパラメータを最適化するための試行錯誤を自動化し、優れた性能を発揮するハイパーパラメータの値を自動的に発見するフレームワークです。2018年12月にβ版をOSS公開して以来、多くのコントリビュータに開発協力を得ながらOSSコミュニティやPFN社内のユーザーニーズを取り入れ、多くの新機能を追加したといいます。 v1.0では、Optuna β版のコ

IT Leaders トップ ＞ テクノロジー一覧 ＞ AI ＞ 市場動向 ＞ データサイエンティストいらずの機械学習自動化ツール「Driverless AI」は金融中心にユーザー拡大 AI AI記事一覧へ [市場動向] データサイエンティストいらずの機械学習自動化ツール「Driverless AI」は金融中心にユーザー拡大 米H2Oグローバルセールス担当上級副社長 2019年10月17日(木)田口 潤（IT Leaders編集部） リスト データサイエンティストがいなくても高度な機械学習を実装・利用できるツールの1つである「Driverless AI」。日本では先行する競合製品である「DataRobot」の知名度や浸透度が高いが、海外ではどうなのか？開発元である米H2O.aiの販売担当役員と会う機会があったので、最近の状況を聞いた。 金融中心に世界で120のユーザーを獲得 H2O.aiの

アマゾン ウェブ サービス ジャパンは2019年9月27日、同社のパブリッククラウドサービス「Amazon Web Services（AWS）」のうち、アプリケーションの動作環境を仮想化する技術である「コンテナ」に関する技術説明会を開いた。塚田朗弘シニアソリューションアーキテクトは「システムの開発段階とテスト段階、本番稼働段階のそれぞれで動作環境が異なると、思わぬトラブルが起こりやすい。コンテナは重要性が増しており、当社も周辺サービスの開発に注力してきた」とした。