As we reach the fourth quarter of 2017, it’s time to start thinking about the year ahead and what to expect from SEO in 2018. There are number of search industry trends that we’ve seen the very beginnings of this year and last, which will come into greater prominence in 2018. Here are seven you should be keeping an eye on in order to stay ahead of the curve. Voice search and digital assistants Voi

今回はadversarial exampleについて解説していきます。Adversarial exampleというのは、下図のように摂動を与えることによりモデルに間違った答えを出力させてしまうもののことです。 この例では、もともとモデルがパンダと正しく分類することができていた画像に摂動を与えることで、テナガザルと誤分類させています。しかし、人間には元の画像との違いはほとんど分からず、パンダのままに見えます。 Adversarial exampleは機械学習モデルを実用化していく上で大きな問題となります。例えば、交通標識をadversarial exampleにしてしまえば、自動運転車をだませてしまう可能性があります。 注目を集めてきている研究分野ですが、まだちゃんと調べたことがないという人も多いかと思います。今回もなるべく丁寧に解説していきたいと思います。 目次 基礎 攻撃 防御 論文紹介

敏腕クリエイターやビジネスパーソンに仕事術を学ぶ｢HOW I WORK｣シリーズ。今回登場するのは、東北大学大学院准教授の大関 真之さんです。 大関さんは量子アニーリングやディープラーニングの研究を行う傍ら、講演活動や書籍の執筆など、自らの研究分野を世間に伝える活動にも積極的に取り組んでいます。お気に入りのガジェットから時間節約術、仕事に役立った本まで、気鋭の研究者の仕事術について詳しく聞きました。 大関 真之（おおぜき・まさゆき） 東北大学大学院情報科学研究科応用情報科学専攻の准教授。株式会社ハカルスのチーフ科学アドバイザーも務める。量子アニーリングと呼ばれる計算技術を駆使した新規計算基盤のデザイン、いわゆるディープラーニングをはじめとした機械学習の理論、応用の研究に従事する。東京工業大学で学部、修士課程、博士課程と長くに渡り、儲けとは無縁な基礎的な学問である理論物理学の研究を進める一方

機械学習を用いてコンテンツを生成・提供する中国発のニュースアグリゲーションアプリ「Toutiao」は、近年急激な成長を遂げています。そんなToutiaoがどうやって成長を遂げてきたのかについて、ベンチャーキャピタルのYコンビネータが分析を行っています。 The Hidden Forces Behind Toutiao: China’s Content King http://blog.ycombinator.com/the-hidden-forces-behind-toutiao-chinas-content-king/ 中国の大手IT企業であるByteDanceが開発するToutiaoは、ニュースフィードやYouTube、Techmemeなどをひとつにしたようなアプリで、中国では毎日1億2000万人以上の人々が使用している超人気アプリです。Toutiaoで興味深いのは、「ムービーやニュー

Today marked the kickoff of Apple’s WorldWide Developer Conference (WWDC), the annual event where Apple announces some of the biggest features headed to its devices, apps and software. And this…

「日本は機械学習パラダイスだ」。こう提言したのは、早稲田大学法学部教授の上野達弘さんだ。 なぜなのか。その理由は、日本の著作権法にある。 日本の著作権法では、「情報解析を行うために著作物を複製すること」が、営利・非営利問わず認められているのだ。世界にもまれな規定だという。 著作権・AIに詳しい弁護士・柿沼太一さんが10月2日に都内で開いた「AIビジネス法務・知財セミナー」の内容から、機械学習と日本の著作権法の関係についてまとめる。 キモは「著作権法47条の7」 機械学習とは、大量のデータをプログラムに解析・学習させることで、プログラムが自らデータの特徴を見つけ出し、分類・整理できるようにする手法。例えば、大量の猫の写真を学習させ、猫の特徴を学んだモデルに、新たな動物の写真を入力すると、猫か猫ではないかを判別する――といったイメージだ。 機械学習を行うためには、大量のデータをAIプログラムに

なぜ機械学習なのか 私たちは、多くのデータに囲まれて生活しています。日々の通勤のなかでも、駅の自動改札機を通り、コンビニで買い物をし、スマートフォンでニュースを読む——これらすべての作業のなかでデータが作られていきます。さらに今後はさまざまなモノがインターネットにつながることにより、膨大かつ複雑なデータがこれまで以上に蓄積されるため、より効率的にデータを捌き、分析や判断を行うことが重要となります。 その手段として注目されているのが人工知能（AI）であり、人工知能（AI）を実現する手法のが機械学習やディープラーニングなのです。膨大なデータで溢れる世の中を賢く生きるために、機械学習を理解することの重要性は増していくでしょう。そこで本連載では、プログラミング言語Pythonを用いて実際に手を動かしながら機械学習に触れ、機械学習でどんなことができるのかを紹介していきます。専門性を問わず機械学習の世

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 アイ・ティ・アール（ITR）は10月5日、IT予算の増減や製品／サービスへの投資意欲、企業課題の解決を担うべき推進部門などに着目した調査結果の一部を発表した。 調査結果を発表した同社取締役／シニアアナリストの舘野真人氏によると、2017年度のIT予算を前年度から増やすとした企業の割合は34％となり、28％だった前年と比較して上昇した。 一方、減らすとした企業の割合は、2001年の調査開始以来で最も低い水準となった。ただし、20％以上の大幅な増加を見込む企業の割合は一貫して低下している。 このIT予算の増減傾向を指数化した「IT投資増減指数」を見ると、2017年度の実績値は「2.58」となり、前年調査時の予想値「1.73」を大きく上回った

2017年度新卒エンジニアの三上(@mikaji_jp)です。現在はWebアプリケーションエンジニアとしてRailsアプリケーションの開発を行っています。9月18日~20日の期間、広島にて開催された RubyKaigi 2017 に参加してきました。 今回はその中でワークショップとして開催された、「RubyData Workshop 2017」の内容を紹介します。 RubyData Workshop 2017 今年のRubyKaigiでは、データサイエンスに関するセッションに注目しました。RubyKaigiといえばRubyの言語仕様や今後の進化の方向性、またRuby on Railsに関するセッションがほとんどだと思っていた1)個人的にRubyでテキストエディタ作った話が面白かったです。のですが、今年はデータサイエンスに関するセッションが多かったのが特徴的でした。そこで、イベント中にRub

機械学習を利用する際は、データの前処理から始まって適切なモデルを選んでパラメーターを最適化して・・・というように多くの作業が伴います。 ただ、この作業の少なくない部分は定型的なものです。前処理でいえば、数値データに対しては正規化を行う、カテゴリー変数は0/1の特徴量へ変換する(ダミー変数化)、といった処理はどんな場合でもとりあえず実行する処理になります。 もちろん高度な特徴量エンジニアリングなどは話が別ですが、データがあったときに定型的な作業をさくっと行い、とりあえず基礎的なモデルでどれぐらいの精度が出るのかを見てみたい、というシーンはよくあるものです。 そこで、そんな作業を自動化するための仕組みを開発しました。名前はkaruraといいます。 chakki-works/karura コンセプトとしてはこの図のように、モデルを作るにあたっての定型的な一連の作業を自動化する、といったものです。

Each month, the patent lawyers at the Electronic Frontier Foundation shine a spotlight on one particular patent they believe is a drag on innovation. This month, they're looking at one of the fastest-growing sectors of technology: machine learning and artificial intelligence. EFF lawyer Daniel Nazer has picked out an artificial intelligence patent belonging to Hampton Creek, a San Francisco food-t

id:hirokiky です。 if文から機械学習への道、大変勉強になる発表でした。 If文から機械学習への道 from nishio 「機械学習って難しいんじゃないの」 「開発者でやってる自分には関係ないことでしょ」 という疑問や懸念に、 機械学習はif文から一歩一歩学べます 大切なのは顧客価値、ソフトウェア開発で培った技術も活かせるよ と教えてくれます。 ぜひ一読してみてください。 「機械学習ってこうだったんだ」とスッキリすること間違いなしです。 どうステップアップで学んでいけば良いのか この発表の内容は大変素晴らしいです。 さて、具体的にどうやってステップアップで機械学習を学習していけば良いのでしょう。 機械学習はif文から地続きなようですが、それを体験しながら学べたらもっと素晴らしい と思いませんか？ そこで、PyQをオススメします。 pyq.jp PyQでは「if文からの機械学習

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? #はじめに 本記事では、データサイエンティストを目指して勉強した半年間で学んだこと、気付いたことをまとめます。これからデータサイエンティストを目指して勉強する人の参考になればと思います。 #最初の一手 個人的にではありますが、最初はアプローチの理解から始めると思いますが、数式とプログラミングの両方を勉強する方が良いと思います。**数式→プログラミング or プログラミング→数式の順序はどちらでも良いと思いますが、プログラミング（フレームワーク）のみ**はやめた方が良いと思います。出力結果の解釈で苦労することになるので、理論、数式はしっか

こんにちは、研究員の三宅です。インターネットでは @monochromegane として活動しています。ペパボ研究所では、機械学習を用いた新たなサービスの機能開発や運用手法についての研究開発を行っています。今日はペパ研の機械学習基盤の構想と、その運用を支援するために開発したツールについて紹介します。 はじめに 機械学習によってサービスの課題を解決していくためには、サービス資産との連携と、学習結果の利用が容易となる仕組みが必要となります。複数サービスを運用するペパボにこの仕組みを提供することを考えると、大規模にかつ即時適用可能な状態で運用するには基盤化が不可欠です。また、利用する学習結果は永続的なものではなくサービスの成長に合わせた継続的な改善が必要なため、機械学習基盤の運用においては改善結果の反映を継続、かつ安定して行うことができるかが課題となります。 このエントリではサービスと連携した機

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ロボットから自動運転車、はては囲碁・将棋といったゲームまで、昨今多くの「AI」が世間をにぎわせています。 その中のキーワードとして、「強化学習」というものがあります。そうした意味では、数ある機械学習の手法の中で最も注目されている(そして誇張されている・・・)手法ともいえるかもしれません。 今回はその強化学習という手法について、基礎から最近目覚ましい精度を出しているDeep Q-learning(いわゆるドキュン、DQNです)まで、その発展の流れと仕組みについて解説をしていきたいと思います。 本記事の内容をベースに、ハンズオンイベントを開

この連載は カップめんを待つ間に、電車の待ち時間に、歯磨きしている間に“いまさら聞けない”ITトレンドが分かっちゃう！　いまさら聞けないITの最新トレンドやビジネス戦略を、体系的に整理して分かりやすく解説する連載です。「この用語、案外、分かっているようで分かっていないかも」「IT用語を現場の社員にもっと分かりやすく説明できるようになりたい」――。情シスの皆さんのこんな課題を解決します。 「人間の“知能”は機械で人工的に再現できる」――そんな研究者の理想から、「人工知能（AI）」という言葉が生まれたのは1956年のことです。 その後、半世紀以上にわたり、研究が続けられてきました。この間、迷路やパズル、チェスや将棋といったゲームをうまく解くところから始まり、人間が持つ知識を辞書やルールとしてコンピュータに登録し、専門家のような回答を導こうとする研究が行われてきました。 しかし、人間が辞書やルー

はじめに ベイズ推定の概要 統計学の考え 伝統的統計学の考え ベイズの考え ベイズ統計学 ベイズ統計学の基本道具 乗法定理 独立性 加法定理 ベイズの定理 ベイズでの統計パラメータの考え方 ベイズ機械学習 機械学習で行われる基本的な仮定と学習 機械学習の方法論 MAP（最大事後確率）推定 変分ベイズ サンプリング ベイジアンが見ているもの モデルの仮定は正しかったのか？ ハイパーパラメータ 全て確率変数から始める 最後に はじめに 思いの他反響のなかったベイズに関する以下の記事に続き、性懲りもなくベイズの話をします。（ディープラーニングみたいに爆発的な流行は無いけど、ベイズは今後絶対注目度が高まるよ！！） s0sem0y.hatenablog.com ベイズ推定の概要 前回はベイズがどういう考えをしていて、結果的にどういうことをしていることになるのかという話を（不正確な点も含みながら）説明