【Day-1】データ分析/機械学習を行うために知っておきたいことを列挙する - プロクラシスト
データ分析ガチ勉強アドベントカレンダー一日目。 まずは指針をということで、データ分析をはじめるにあたって勉強しておきたいことと、そのリソースをまとめる。言語はPythonを想定。 興味領域が偏っている場合があるのであしからず こんなの面白いよっていうのあれば教えてくださいな ※随時更新します Pythonライブラリ 深いアレたち 機械学習のお勉強 論文 arXiv カンファ e-learning 本 twitter データを集める チートシート類 終わりに Pythonライブラリ こんなの勉強しておけば良さそうリスト。抜け漏れご容赦。 ★★★ : 必須。空で使えるようになりたいトコロ。 ★★ : 周辺ツール、知っていればより便利になるよという感じ ★ : あるアルゴリズムに特化しているようなもの。一歩先 ライブラリ 必須度 用途 numpy ★★★ 数値計算用のライブラリ。いろいろし
キユーピーがAI導入、1日100万個以上のポテトをさばく「ディープラーニング」の威力
1日100万個以上流れるダイス型のポテトを1つ1つ、人の目で見分け、異物混入や不良品がないか確認していた――にわかに信じにくい話かもしれないが、これは実際に、大手食品メーカー、キユーピーの工場で行われている原料検査の作業だ。 「画像処理技術などを使った機械化を長年検討してきましたが、精度やコストの面で現実的ではありませんでした」 こう話すのは、キユーピーの生産本部で次世代技術担当次長を務める荻野武さんだ。ベビーフードの品質と“安心”を支えるために行われている業務ではあるが、スタッフの人海戦術では限界が来ており、増産のボトルネックになっていたという。そんな状況が今、「ディープラーニング（深層学習）」で大きく変わろうとしている。 膨大な原料検査にブレイクスルーを起こす「ディープラーニング」 キユーピーは原料検査の基準を厳しく設定している。特にダイスポテト（さいの目状にカットされたジャガイモ）の
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
