図2のデータでは5個（例えば1時～5時）の期間からなる時系列データがあり、予測値－正解値で「誤差」を計算し、｜誤差÷正解値｜の絶対値で「絶対パーセント誤差」を計算している。5個の計算結果を平均し、最後に100％確率値にするため100を掛けて、最終的に10.2222％という平均絶対パーセント誤差（MAPE）が計算されている。「平均して約10％前後の誤差がある」という意味になる。 用途 MAPEは、主に時系列予測や回帰問題において、モデルの予測性能を評価するための評価関数として用いられる。例えば一般のビジネスマンに向けて誤差をパーセント（確率値）で分かりやすく伝えたいときなどで役立つだろう。0に近いほどより良い。なお、数値そのものではなくパーセントという比率を評価する関数であるので、最適化を行うための損失関数としては基本的に使われない。 利点は、相対誤差であることだ。MAEやRMSEなどは絶対

電通デジタルでデータサイエンティストを務める吉田です。 本記事では、機械学習においてモデル学習時点でのデータと推論時点でのデータが経時的に乖離を起こしていく、いわゆるデータドリフトの検知を自動化するために構築したワークフローについてご紹介いたします。 データドリフトによる機械学習モデルの劣化とは機械学習モデルを実運用していく際に課題になる事象の1つとして、データドリフトの問題があります。 一般的に、機械学習ではいくつかの特徴量Xに対する目的変数Yとの隠れた関係を定式化します。XとYの関係は時間が経つにつれて変化していくことがしばしばあり、これに伴って一度作成したモデルの推論精度も低下していきます。 簡単な例として、あるWebサービスにおいてサイト上の行動ログを元にユーザーごとにコンバージョンの発生を予測する機械学習モデルを作成したとします。このモデルは、「平均的に10分以上閲覧しているユー

This command is intended to be used within the Package Manager Console in Visual Studio, as it uses the NuGet module's version of Install-Package.

「Windows ML NuGet Package 1.8.0」では、Windows MLに新たなAPIであるSetIntraOpThreadSpinningが導入され、スレッドのスピンとコンテキストの切り替えを、より詳細に制御できるようになっている。 同APIは、デフォルトで有効化されているので、オペレータにおけるスレッドのスピン時間が追加され、追加の作業を待ってから切り替えるため、ワークロードのパフォーマンスが向上するほか、他の無関係なワークロードのパフォーマンスにも影響を及ぼす可能性がある。 「DirectML Redist package 1.5.1」には、バージョン1.4以降の重要な機能が含まれており、DirectMLの再頒布可能パッケージがARM／ARM64マシンで実行できるようになったほか、新たな演算子としてAtanYX、ClipGrad、DifferenceSquare、L

by Preferred Networks, Inc. This blog post is based on PyTorch version 1.8, although it should apply for older versions too, since most of the mechanics have remained constant. To help understand the concepts explained here, it is recommended that you read the awesome blog post by @ezyang: PyTorch internals if you are not familiar with PyTorch architecture components such as ATen or c10d. What is

Get started with tensorflow-metal Accelerate the training of machine learning models with TensorFlow right on your Mac. Install base TensorFlow and the tensorflow-metal PluggableDevice to accelerate training with Metal on Mac GPUs. Learn about TensorFlow PluggableDevices Requirements Mac computers with Apple silicon or AMD GPUs macOS 12.0 or later (Get the latest beta) Python 3.8 or later Xcode co

グラフィックスの豊かな表現と可能性をMetalで追求 Metalには、低オーバーヘッドのAPI、ハイレベルのシェーディング言語、緊密に統合されたグラフィックスと演算プログラム、GPUのプロファイル／デバッグ用の高度なツールセットが用意されているため、Appleプラットフォームでハードウェアアクセラレータを使用するグラフィックスの強化が可能です。Appleシリコンの優れたパフォーマンスと効率性を、iPhone、iPad、Mac、Apple TVのゲームやプロ向けアプリで最大限に活用できるようになります。今年、新しいゲームポーティングツールキットによって、ゲームをこれまで以上に簡単にほかのプラットフォームからMacに展開できるようになります。また、Metalシェーダコンバータによって、ゲームのシェーダとグラフィックスコードの変換プロセスが驚くほどシンプルになります。 ゲーム ゲームポーティング

お茶の水女子大学は２０２３年度に人文科学のデータサイエンス（ＤＳ）・人工知能（ＡＩ）活用と、人の暮らしに役立つ生活工学などを学ぶ「共創工学部」を設置する。言語や地理などのデータ分析や研究を「文理融合ＡＩ・データサイエンスセンター」の活動から発展させて行う。旧来の価値観などを基にした機械学習によるデータの偏りを改め、ジェンダー視点を取り入れた独自の教育とし、ＤＳやＡＩなどに興味を持つ女子生徒のニーズに対応する。 文部科学省の設置認可の手続きを経て、共創工学部を新設する計画だ。まず２３年度に「人間環境工学科」を立ち上げる。環境や建築、医工学や材料など人の視点でモノづくりを捉える生活科学部人間・環境科学科を基に、理学部情報科学科のリソースも活用する。奈良女子大学との共同設置による大学院生活工学共同専攻で蓄積したノウハウを生かす。 ２５年度には人文科学と情報学を融合させた「文化情報工学科」を設け、

ソニーグループＲ＆Ｄセンターの齋藤大輔デバイスエンジニアらは、エネルギー効率が同種のチップで最高レベルとなる深層学習（ディープラーニング）用演算器を開発した。メモリーに使われる強誘電体ゲート電界効果トランジスタ（ＦｅＦＥＴ）を深層学習の積和計算に用いるのが特徴。消費電力が小さく、自動車や携帯端末など電力の限られる装置で深層学習の推論を行う用途が開ける。 深層学習は大量の掛け算（積算）と足し算（和算）を繰り返す。この積算をＦｅＦＥＴの０／１で、和算は複数の演算素子を流れた後の電流値の合計で演算する。演算素子の抵抗部を窒化チタンと二酸化ケイ素で作製。数メガオーム（メガは１００万）の電気抵抗が得られ、電流値が安定した。 この演算素子でアレイを作り、簡単なパターン識別ができることを確認。このデータを基に、演算に必要なエネルギー効率をシミュレーションしたところ１万３７００ＴＯＰＳ／ワットだった。Ｆｅ