私はあまり自撮りをしない。しかし、周りにはサラッと自撮りをしてSNSにあげる友達もたくさんいる。しかもみんなうまい。 私も毎日練習すれば、自撮りがうまくなるのではないか？ ということで100日間自撮りをし続け、友人と送り合ってみました。 友人と自撮りグループを作る えいやで「100日続ける」と決めたが、ひとりで続けられる自信がなかった。すぐに友人を巻き添えにする。 大学時代の友人である郡司さん（左上）と山宮さん（下）である。「うわ〜自撮りか〜」と気が重そうだ。 自撮りを投稿するグループを作った。この部屋に3人分、300枚の自撮りが格納されていくのか？不安になる。 基本は毎日自撮りをする、それだけだ。とはいえ長いマラソンなのでルールも用意した。 特に最後が重要だ。我々は自撮りビギナーである。心が折れないよう細心の注意をはらい、お互いを尊重しようと強めに確認しあった。 写真だけ送るのも怖いので

AI白書2020によると、ユーザー企業のAI導入状況はあまりよい状況とは言えない。実際に導入している企業から検討を予定している企業まで含めてもせいぜい20% ~ 40% 程度。導入済み、PoC実施だけで見れば10~20%程度の企業に留まる。 この記事では、AI活用が進んでいかない問題について考えを述べる。主に、同業者である機械学習エンジニアに向けて書く。特に、昔の私自身に向けて。ビジネスサイドの人に向けては書かない。 私は、データサイエンティスト・機械学習エンジニアとして、PoCに多数参画した後に、機械学習を用いたプロダクトリリースにも関わった。研究成果が１つのプロダクトになったことで、見える世界が変わったように感じているし、昔の自分の至らなさにも気づくことできた。そして、同業者の意識が少し変わるだけで業界が大きく変わっていくと思っている。 主体感持ってますか？ 胸に手を当てて次の質問に答

KDDIとローソンは9月24日、スマートフォンの位置情報やコンビニでの購買データを活用して、各消費者のニーズに合わせたキャンペーン情報などの通知を行う実証実験を始めたと発表した。 同日から10月31日までの間、KDDIが持つ消費者の位置情報とローソンが持つ消費者の購買データを組み合わせて、消費者ごとのおすすめ商品や、店舗ごとのキャンペーン情報を「au PAYアプリ」（iOS／Android）で通知。マーケティング効果を検証する。 例えば、「20～40代の働く女性に帰宅のタイミングでデザートをおすすめし、ポイント還元を行う」「店舗の近くにいる消費者に消費期限が近い商品を半額にするキャンペーンを通知する」といった情報を消費者に提供する。 携帯キャリアとコンビニが持つデータを組み合わせてマーケティングを行う取り組みは、NTTドコモとファミリーマートでも始まっている。 2社は9月2日、伊藤忠商事、

新型コロナウイルスの影響で、リアルの展示会や商談会が中止となり、従来の対面営業が難しい状況のなか、潜在顧客を効率的に開拓するB2Bマーケティング手法の1つとしてオンラインセミナー（ウェビナー）に注目が集まっている。従来のフィジカルイベントが軒並みバーチャルへ移行しつつある、まさに「ウェビナー全盛時代」といえる。 ウェビナーの利点は場所の制約なく視聴できることにある。リアルで行われる通常のセミナーでは、上長に参加を申請して許可をもらい、時間をかけて会場へ足を運び、場合によっては後日レポートの提出が必要になるが、ウェビナーはスマートフォンでも視聴できるため参加のハードルがずっと低い。ただ、ハードルが低いぶん、退屈な内容だと離脱もしやすく、視聴者を引き付け続ける工夫が求められる。 さまざまな企業のウェビナーが乱立し、登壇者がスライドを読み上げるだけの内容では差別化が難しい状況のなか、どうしたら魅

プラットフォームの概要 AI Platform 生成 AIおよび予測 AIのプラットフォーム もっと詳しく ドキュメント 新機能 ログイン 無料で始める 運用 自信を持ってAIを拡張し、比類のないエンタープライズ・モニタリングとコントロールでビジネス価値を促進 デプロイと実行 再学習と最適化 監視と介入 ガバナンス AIの環境、チーム、およびワークフローを統合し、大規模な範囲での完全な可視性と監視を実現 レジストリと管理 監査と承認 コンプライアンスドキュメント生成 構築 ニーズの進化に合わせて自由に適応できるオープンなAIエコシステムで、迅速なイノベーションを実現 分析と変換 学習とチューニング 組立てと比較 プラットフォーム統合 インフラストラクチャーへのデプロイ ソリューション 業界ごと ヘルスケア 製造 小売業 金融サービス 成果ごと ユースケースのライブラリー お客様事例 Dat

マイクロソフトはオンラインで開催中の年次イベント「Ignite 2020」で、RPA（Robotic Process Automation）機能を強化したソフトウェア「Power Automate Desktop」のパブリックプレビューを開始すると発表しました。 「Power Automate」は2019年11月にマイクロソフトが発表したノーコード／ローコードツールです。Microsoft Flowと呼ばれていたサービス連携ツールをベースに、ユーザーの操作を記録し再現するRPA機能を追加したものでした。 参考：［速報］マイクロソフト、RPA機能を搭載した「Power Automate」発表。ユーザーの操作を記録、再現実行で自動化。Ignite 2019 マイクロソフトはこのPower AutomateのRPA機能をさらに強化する目的で、今年の6月にはRPA製品ベンダのSoftomotive

Posted: 2018-05-23 / Modified: 2020-07-19 / Tags: Python, pandas, スクレイピング, Web API e-Statは日本の統計データを閲覧・ダウンロードできる政府統計ポータルサイト。国勢調査や人口推計、労働力調査など様々なデータが公開されている。 e-Stat / 政府統計の総合窓口 Web上で検索してデータをダウンロードすることもできるが、その場合、形式がExcelに限られていたり、プログラムで処理しにくいレイアウトだったりする。 e-StatではWeb APIが公開されていて、そちらを使うと機械判読可能な形式（JSON, XML, CSV）で取得可能。一括ダウンロードも簡単。 政府統計の総合窓口(e-Stat)−API機能 公式にPythonのライブラリが公開されている。 e-stat-api/adaptor が、ただデー

2020/9/30追記 本記事は元々、「SQL記述者全員が理解すべきSELECT文の実行順序のお話」というタイトルで投稿しておりました。 しかし、知見のある方からのコメントと自分でも調べてみた結果、今回紹介している順序はあくまで論理的な処理順序であり、実行順序とは別物ということがわかりました。 誤った知識を布教してしまい申し訳ございません。 2020/9/30のタイミングで、本記事のタイトルを「SQL記述者全員が理解すべきSELECT文の論理的な処理順序のお話」に変更させていただきました。 はじめに 「SQLといえば、エンジニアが扱うスキル」と思われがちですが、最近はマーケターや営業など、非エンジニアの方もSQLを使って、自らデータを抽出し分析する方が増えてきています。 またエンジニアの方でも、ORM任せでなんとなく理解している状態の方もいるのではないでしょうか？ 今回は、そんな方々にこそ

目次 1. はじめに 2. ライブラリの紹介 3. livedoor-corpusでのテストコード はじめに 本記事ではBERTによるテキストのマルチクラス分類（文書分類、text Classification）を手軽に行えるライブラリの紹介をします。 タイトルの3行というのはそのライブラリのメソッド的な意味です。 BERTとは BERTとは、Bidirectional Encoder Representations from Transformers の略で 「Transformerによる双方向のエンコード表現」と訳され、2018年10月にGoogleのJacob Devlinらの論文で発表された自然言語処理モデルです。 翻訳、文書分類、質問応答など自然言語処理の仕事の分野のことを「（自然言語処理）タスク」と言いますが、BERTは、多様なタスクにおいて当時の最高スコアを叩き出しました。

深層学習を用いた自然言語処理モデル（AI）のAPIを無償提供 ー 導入をご検討の企業のみなさまへ（2021年5月19日更新） 2020年9月にお知らせしました深層学習を用いた自然言語処理モデル（AI）のAPI無償提供について、条件の一部追記、及び2021年5月19日時点の導入企業様一覧を更新しました。 いつもYahoo!ニュースをご利用いただきありがとうございます。 Yahoo!ニュースでは、「Yahoo!ニュース コメント」の健全化を目的に導入している「深層学習を用いた自然言語処理モデル（AI）」を利用してコメントを評価する技術のAPI（アプリケーション・プログラム・インターフェース）を無償提供します。 導入をご検討中の企業のみなさまは、こちらの内容をご覧いただき、ページ下部の問い合わせ先よりお問い合わせください。API提供の背景や詳細につきましては、プレスリリースをご覧ください。 提供

(Image by neo tam from Pixabay) 最近こんな記事が出ていたようですが、僕にとっては既視感満載の話題でした。何故かというと、実は現職に来る以前に既にここで書かれている面接方法を実務担当者面接の責任者として実践していたからです。ちなみにその方法は2013年ぐらい当時のテック系メディアで記事として取り上げられていたものなのですが、残念なことに現在どれほど検索してもその記事が見つかりません……。 その内容自体はしばらく前に英語版Quoraに書いていたり*1もっと遡ればTwitterに書いたりしていたのですが、そう言えばブログには書いていなかったなと思い出したので、改めてブログ記事にしてみようと思います。なお、ここに書かれている内容は僕の現在の職務とは一切関係がないことを予めお断りしておきます。 データサイエンティストに必要なのは「解決する力」であって「瞬発力」ではない

自称“AI（人工知能）ベンチャーでの経験を基に、情報発信するマスクマン”こと、マスクド・アナライズさんが、AIをめぐる現状について、たっぷりの愛情とちょっぴり刺激的な毒を織り交ぜてお伝えします。今後は、AI情報だけでなくIT業界全般に役立つ情報もお届けしていきます。 お問い合わせのメールは　[email protected]　まで。Twitter：@maskedanl （編集：井上輝一） 目的が曖昧なAI導入企業　目的が明確なワークマン ここ数年のAIブームでは、「わが社も」「とりあえず」「他社がやってるから」「いきなり」「上司の命令」というフレーズが各所で飛び交い、「AIなら何でも解決できそう」というイメージによって、他の方法で解決できる問題に対してもAIが使われました。 こうしてAI導入が目的化した結果、費用対効果や分析精度など本来の目的を見失い、失敗に終わる企業が相次ぎました。 ワ