この連載では、中学や高校で学んだ数学を題材にして、Pythonによるプログラミングを学びます。といっても、数学の教科書に載っている定理や公式だけに限らず、興味深い数式の例やAI／機械学習の基本となる例を取り上げながら、数学的な考え方を背景としてプログラミングを学ぶお話にしていこうと思います。 目標： フェルマーの小定理をプログラミングしてみる 数学が苦手な人でも「素数」については聞き覚えがあると思います。素数とは1より大きく、1と自分自身しか約数を持たない数のことでしたね。つまり、2,3,5,7,11,13……が素数です。素数は中学の初歩的な数学から登場し、素因数分解やそれを利用した約分など、数式を取り扱う上での基本の基本となっています。 もちろん、それだけではありません。例えば、公開鍵方式と呼ばれる暗号化の方法（RSA暗号）などにも広く応用される実用的な「数」でもあります。一方で、無限に

人工知能学会でタスクフォースを編成してAIマップを制作した理由 深層学習の普及によりAI（人工知能）に注目が集まっているが、深層学習以外の各種AI研究の認知と利用の拡大に対する課題意識から、2018年に人工知能学会でタスクフォースを編成してAIマップの作成をスタートした。初期メンバーは人工知能学会の理事から電力中央研究所の堤氏、国立情報学研究所の市瀬氏、東芝の植野氏と筆者が検討メンバーになり、島根大学の津本氏が本活動の提案者として議論に参加した。日々急速に変化するAI技術のマップは、すぐに最新ではなくなるため、いつまでも未完成という意味も込めて「β」を付けている。 最初の検討事項はAIマップを誰に見てもらうかだった。AI研究者なら自分自身の研究分野と関連研究を熟知しており、AIマップは参考にならない。そこで、当時の全国大会で急速に参加人数が増えていたAI研究の初学者と異分野の研究者を対象に

AI（人工知能）の活用が急速に広まる一方、AIの開発やAIを活用したサービスの運用について倫理や法律の観点から問題提起されるケースが時として見受けられるようになった。Amazon.comが求職者の履歴書をスコアリングするAIを開発したところ、女性の求職者に対して不利な評価を判定してしまうことが判明し非難を呼んだことは記憶に新しい。 「AIは現在の日本の法律と相いれない部分が非常に多い。AIで何か新しい事業を始めようとすると既存の法律によって、これまでのビジネスでは生じたことのない法的障壁が出てきてしまう」 そう語るのは、欧米と日本のAI政策に詳しい渥美坂井法律事務所・外国法共同事業のパートナー弁護士である三部裕幸氏だ。三部氏は中央大学AI・データサイエンスセンターが主催した講演「文理融合の先端：AI技術と社会制度の関係」に登壇。欧米の法律、AI倫理の動向と日本の現況をテーマに語った。 三部

KandaQuantumが「タスクを入力するだけで最適な担当者に割り当てるツール」を開発：ディープラーニングと量子アニーリングを利用 KandaQuantumは、タスクを入力するだけで適切な担当者に割り当てるツール「calqtask」を開発した。業務のタスクを文章で入力すると、そのタスクの内容を判別し、処理する人材を適切に割り当てる。判別と割り当ての処理にはディープラーニングと量子アニーリングを利用している。

Microsoftは2021年7月8日（米国時間）、WindowsやLinux、macOSに対応するクロスプラットフォームのエディタ「Visual Studio Code」（以下、VS Code）の最新版「June 2021」リリース（バージョン1.58）を公開した。 VS Codeバージョン1.58ではターミナルやワークベンチ、エディタ、言語、デバッグ、ノートブック、ドキュメントなどの機能が追加、改善されている。 ターミナルをエディタ領域に作成、移動可能に ターミナルをエディタ領域に作成したり、移動したりできるようになった。ターミナルをエディタ領域で利用する方法は、次の通り。 （1）ターミナルをエディタ領域に作成するには、コマンドパレットから「Create Terminal in Editor Area」コマンドを実行する。 （2）タブリストからエディタ領域にターミナルをドラッグ＆ドロッ

AI時代における外国語学習の意義とは？　漫画機械翻訳エンジン開発者と言語学者に聞く機械翻訳と外国語学習のリアリティー 近年、機械翻訳技術の発展が目覚ましい。これまでに膨大な時間を英語学習に費やしてきたにもかかわらず、英語を理解するために Google 翻訳やDeepL といった機械翻訳ツールに頼っている学生も多いだろう。機械翻訳とは何なのか、そして外国語学習にどのような影響をもたらすのか。漫画専用機械翻訳エンジンの開発を手掛ける Mantra株式会社創設者の石渡祥之佑さんに機械翻訳の仕組みや用途などについて、言語学や言語教育を専門とし機械翻訳と言語教育の関係などを研究するトム・ガリー教授（東大大学院総合文化研究科）に機械翻訳が存在する中での外国語学習の意義や日本の外国語教育の課題などについて取材した。（取材・弓矢基貴） ニューラル機械翻訳を漫画に応用 石渡 祥之佑（いしわたり・しょうのすけ

米Microsoftは、機械学習ライブラリ「PyTorch」を使った、初学者向けのディープラーニングの教材を公式Webサイトで無償公開している。対応言語は英語のみだが、4時間13分で機械学習モデルの構築方法や自然言語処理、音声認識の概要などを学べるという。教材の利用に、外部ファイルのインストールは不要。Webページのみで完結する。 PyTorchは、米Facebookが2016年に開発したPython向けのオープンソースの機械学習ライブラリ。Microsoftは、2020年にWindows版PyTorchのメンテナーに就任し、2021年5月には「PyTorch Enterprise」を発表。Microsoft Azure上でPyTorchを使う企業へのサポートサービスの提供を始めていた。 無償公開している教材もMicrosoftとPyTorchが提携して作成しており、今後も企業とユーザー、

第1回Webインテリジェンスとインタラクションセミナー（いまさら訊けないシリーズ「言語処理技術」）での発表資料です。 https://www.sigwi2.org/next-sigRead less

このブラウザーはサポートされなくなりました。 Microsoft Edge にアップグレードすると、最新の機能、セキュリティ更新プログラム、およびテクニカル サポートを利用できます。

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

最終更新日： 2021年12月13日 ※本稿は、MNTSQ株式会社による寄稿です。 今、機械学習の実用性が注目され、さまざまな分野で機械学習の活用可能性が広がっています。あわせて、ピンポイントではなく、幅広い分野で長期的で安定的に機械学習のモデルを開発・運用できるようにMLOpsへの注目が高まっています。 MLOpsでは、機械学習システムの開発や運用にまつわるさまざまな困難を解消するべく、機械学習システムの運用がしやすい開発基盤づくりが目指されています。一方で、このMLOpsには明確な定義はなく、さまざまな要求に応える技術がMLOpsの名の下に乱立している状況です。 この記事では、MLOpsの導入を検討する際に押さえておきたいポイントを5つに分けて紹介します。 ポイント① MLOpsを理解する｜その1：DevOpsとMLOps MLOpsは、DevOpsを元にした表現で、MLOpsの多くの

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。

Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 米マサチューセッツ大学アマースト校、米Adobe Research、中国Huya Incによる研究チームが開発した「MakeItTalk」は、音声に合った顔と頭の動きを生成する深層学習フレームワークだ。音声信号と顔の静止画像から、音声と同期した表情と頭部のアニメーションを生成する。実際の顔写真やアニメキャラクター、手描きスケッチまで、さまざまな顔に対応可能だ。

筆者は1年前まで北京特派員だった。中国は急速に人工知能（AI）で実力をつけ「AI大国」として米国に次ぐ位置まで追い上げている。それでも、取材した現地のIT起業家たちは、口々に「NECのAIはすごい」…

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

AlphaFold2の有識者による座談会がtwitterのスペースで行われた。これは、7/22(水)のハッシュダグ#AF2zadankai #Alphafold座談会 をまとめたものになります。 @Ag_smith さんを中心に、5人のスピーカーが背景となる研究内容から、AlphaFold2の大まかな仕様、実用性について解説などがあった。参加者は最大700名を超え、AlphaFold2の革新性と注目度が窺える。 今後は、discordなどを通じてAlphaFold2に関する意見交換を行なっていくそうなので、興味のある方はご参加ください。 AlphaFold2解体新書: https://www.af2anatomia.jp/ @tonets さんのCASP14のまとめ: https://togetter.com/li/1630461

DeepMindのAlphaGoが2016年に李世乭に勝利した事件は、AI時代の到来を示す象徴的な出来事でした。 それから5年、DeepMindの新たなプロダクト、「AlphaFold2」のリリースに現在、世界中の生物学研究者が沸いております。 日本語記事も色々と出始めていますが、業界人向けの記事が多く、ある程度分かっている人じゃないと理解できない印象。 「6年解けなかった構造があっさり」──タンパク質の“形”を予測する「AlphaFold2」の衝撃　GitHubで公開、誰でも利用可能に DeepMindのAlphaFold2に匹敵するより高速で自由に利用できるタンパク質フォールディングモデルを研究者が開発 生物学クラスタを中心にSNSでもめっちゃ盛り上がっており、昨日Twitter Spaceにて行われたAlphaFold2座談会は770人が聴講するなど、熱狂はまだまだ冷めません。 東大

米Alphabet傘下の英DeepMindが、遺伝子配列情報からタンパク質の立体構造を解析するAI「AlphaFold v2.0」（以下、AlphaFold2）をGitHub上で無償公開し、ネット上で注目を集めている。Twitterを利用する生物系の研究者からは「革命的な成果だ」「これからの研究の前提が変わっていく」など、AlphaFold2の予測精度に対して驚きの声が相次いだ。 なぜAlphaFold2はこれほどの驚きや賞賛をもって迎えられているのか。タンパク質構造解析の難しさをひも解く。 未知の部分が多いタンパク質の構造 タンパク質は数十種類のアミノ酸からできており、配列によってさまざまな性質に変化する。例えば筋肉、消化酵素、髪の毛はそれぞれ役割が異なるが、いずれもタンパク質で作られている。タンパク質の構造が分かれば、生体内の化学反応の理解が進む。アルツハイマー型認知症やパーキンソン病

CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

We are pleased to announce that the July 2021 release of the Python Extension for Visual Studio Code is now available. You can download the Python extension from the Marketplace, or install it directly from the extension gallery in Visual Studio Code. If you already have the Python extension installed, you can also get the latest update by restarting Visual Studio Code. You can learn more about  P

統計数理研究所(統数研)、東京大学、東京理科大学の3者は7月20日、機械学習のアルゴリズムにこれまでに見つかった準結晶の組成パターンを読み解かせ、機械学習のブラックボックスモデルに内在する入出力のルールを抽出したところ、準結晶とそれに類似した近似結晶の相形成に関する、新しい化学組成を予測できる法則を見出したと発表した。 さらに、機械学習のブラックボックスモデルに内在する入出力のルールから抽出された準結晶相形成に関する法則は、5つの単純な数式で表され、これらは準結晶研究において長年求められてきた物質探索の設計指針になる可能性があることも合わせて発表された。 同成果は、統数研 ものづくりデータ科学研究センターの吉田亮教授(同センター長/総合研究大学院大学 複合科学研究科 統計科学専攻 教授/物質・材料研究機構 招聘研究員兼任)らの共同研究チームによるもの。詳細は、材料科学誌「Advanced

先日，協力ゲーム理論のシャープレイ値に基づき機械学習モデルの予測を解釈するKernel SHAPという手法の理論と既存のライブラリの実装についてのブログを書いた． blog.tsurubee.tech 既存のSHAPライブラリであるslundberg/shap（以下，単にSHAPライブラリと呼ぶ）は，SHAPの提案論文*1のファーストオーサーにより開発されており，多くのSHAPのアルゴリズムの実装や可視化の機能が非常に充実している素晴らしいライブラリである． しかし，私が自身の研究の中でSHAPライブラリの中のKernel SHAPを使っている際に，計算速度と拡張のしやすさの観点で改善したいポイントがいくつか出てきた．今回は，まだ絶賛開発中であるが，Kernel SHAPの高速性と拡張性の向上を目指したShapPackというライブラリのプロトタイプが完成したので，それについて紹介する． 目

TFRecord フォーマットは、TensorFlow がサポートしているデータセットの表現形式の一つ。 このフォーマットは、一言で表すと TensorFlow で扱うデータを Protocol Buffers でシリアライズしたものになっている。 特に、Dataset API との親和性に優れていたり、Cloud TPU を扱う上で実用上はほぼ必須といった特徴がある。 今回は、そんな TFRecord の扱い方について見ていくことにする。 使った環境は次のとおり。 $ sw_vers ProductName: macOS ProductVersion: 11.5 BuildVersion: 20G71 $ python -V Python 3.9.6 $ pip list | grep -i tensorflow tensorflow 2.5.0 tensorflow-datasets

「“開発者体験”で世界をエンパワメントする1日。」と題し、チームや組織の課題に日々取り組む方々に向けて開催された「Developer eXperience Day CTO/VPoE Conference 2021」。ここで、アイシア=ソリッド氏が「あなたが始めるデータ分析～データ分析プロジェクトの立ち上げ方から分析文化の作り方まで～」をテーマに登壇。ここからはおもしろい仕事をするために考えることと置き換え方法を紹介します。前回の記事こちらから。 自分の技術力、分析力はどこだろう？アイシア=ソリッド氏：マスターのストーリーはどうでもいいんですよ。過去の話だから。私はみなさんに、あなたのストーリーを始めてほしい。そう思ってここに立っています。では、あなたのストーリーを見てみましょう。 実はあなたは、やり方を知っているし、おもしろい仕事をすることは絶対にできます。あとでお伝えしますが、順番を踏む

「“開発者体験”で世界をエンパワメントする1日。」と題し、チームや組織の課題に日々取り組む方々に向けて開催された「Developer eXperience Day CTO/VPoE Conference 2021」。ここで、アイシア=ソリッド氏が「あなたが始めるデータ分析～データ分析プロジェクトの立ち上げ方から分析文化の作り方まで～」をテーマに登壇。最後にデータサイエンスの世界に入ることと、好き嫌いについて紹介します。前回の記事はこちらから。 データサイエンティスト協会の「タスクリスト」アイシア=ソリッド氏：でも、「いやいや、待ってよ」と。「そうは言ってもエンジニアとデータサイエンスってちょっと違うでしょ？　PoCとかなんとかあるでしょ？　聞いたことあるよ、アイシアさん」という方もいるかもしれない。 そんな方におすすめなのが、データサイエンティスト協会が出している、「タスクリスト」というも

飛行船ヒンデンブルグ号は空前絶後の巨大飛行物体。その爆発炎上事故の動画も史上稀にみる壮絶さでよく知られています。この記録映画をディープラーニング技術で4K解像度・60fpsにアップルスケールした動画です。 動画はこちらから。 Hindenburg Disaster in 1937 – [60FPS – Color – 4K] – Old footage restoration with AI – YouTube まずAfter Effectsなどを使用してフィルムのノイズやキズを除去や安定化を行った後、ディープラーニング技術を用いたソフトでさらに修復、24FPSから60FPSにコマ間を補完し、さらにカラー化、4Kへのアップスケーリングを行っています。 元の動画はこちら。比べてみるといかにディティールが描き足されているのかが分かると思います。 Hindenburg Disaster: Rea

LIFE STYLE | 2021/07/20 議会中の“スマホいじり”を可視化するAIツール。機械学習と顔認証技術でサボり議員を暴露 文：窪田みちる 現代人の必須アイテムと言えば、スマートフォン。大事な会議の最中や、怖い上司による説教中でも、ついつ... 文：窪田みちる 現代人の必須アイテムと言えば、スマートフォン。大事な会議の最中や、怖い上司による説教中でも、ついついスマホが気になってしまうという人も少なくないだろう。 では実際、我々はどれほどスマホに気を取られているのか。それを見事に可視化したAIツールが今、大きな話題を呼んでいる。 AIで赤っ恥をかかされる議員 話題の渦中にあるのは、ベルギーを拠点に活動するデジタルアーティストDries Depoorter氏が開発したAIツール「the Flemish Scrollers」。人工知能を利用し、スマホを使用している時間をトラッキングす

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 アカマイ・テクノロジーズは7月20日、機械学習技術でオンラインサービスなどにおける認証情報の不正使用などを分析、監視、抑止するセキュリティ対策サービス「Account Protector」を発表した。 同社は、これまでサイバー攻撃者が認証情報とボットマシン（ここではサイバー攻撃者に不正操作される状態のコンピューター）などを使って行う不正ログインの試行を阻止する「Bot Manager」サービスを提供。Account Protectorは、Bot Managerサービスを含めて提供するもので、不正ログインの試行後にサイバー攻撃者が行う不正操作の監視や検知、悪事の実行阻止を担うという。 プロダクトマーケティングマネージャーの中西一博氏による

機械学習工学研究会（MLSE）は、機械学習システムの開発・運用にまつわる生産性や品質の向上を追求する研究者とエンジニアが、互いの研究やプラクティスを共有し合う会です。 2018年度より、日本ソフトウェア科学会の公式研究会として正式に発足しました。 近年の機械学習、あるいは深層学習（ディープラーニング）の発展に伴って、機械学習を利用するシステムは急速に社会に浸透しつつあります。しかしその一方で、従来型のITシステムに用いられてきた様々なソフトウェア工学的手法は、機械学習を組み込んだシステム（機械学習システム）の前に全くと言っていいほど通用しなくなってしまっています。機械学習システムの開発・テスト・運用の方法論は未だに確立できておらず、開発現場ではエンジニア達が試行錯誤でなんとか凌いでいる状況です。 このような現状を踏まえ、機械学習システムに対しては「機械学習工学」ともいうべき、

3つの要点 ✔️ GNNの表現力の強さから、急速にアプリケーションが進んでいる。 ✔️ GNNの柔軟かつ複雑な構造への、従来深層学習手法の展開についてのレビュー ✔️ 一方で、深層学習に共通、グラフに固有の課題も継続中 Graph Neural Networks: A Review of Methods and Applications written by Jie Zhou, Ganqu Cui, Shengding Hu, Zhengyan Zhang, Cheng Yang, Zhiyuan Liu, Lifeng Wang, Changcheng Li, Maosong Sun (Submitted on 20 Dec 2018 (v1), last revised 9 Apr 2021 (this version, v5)) Comments: Published on AI O

This is an introduction to「AnimalPose」, a machine learning model that can be used with ailia SDK. You can easily use this model to create AI applications using ailia SDK as well as many other ready-to-use ailia MODELS. OverviewAnimalPose takes an image of an animal as input and computes a skeleton made of 20 keypoints. Since the model works on cows, it could for example be used in the field of agr

JAXとFlaxの基本と、深層学習フレームワークの流れなど