世界で激化するAI人材獲得競争、有望な人材は実際何人いるのか人工知能（AI）システムの構築方法を知る人材の獲得競争は激しいと、誰もが認めている。かつては落ち着いていた学会はいまや企業の求人担当者たちが熱狂的に集まる求人市場になり、トップクラスの研究者の給与は100万ドル以上に引き上げられた。
Cookpad TechConf 2018 開催報告 - クックパッド開発者ブログ
こんにちは、技術広報を担当している外村です。 2018年2月10日にエンジニア向けのカンファレンス、Cookpad TechConf 2018を開催しました。当日はたくさんの方に参加いただき、活気あるカンファレンスになりました。ご来場の皆様本当にありがとうざいました。 新しい試みとして、当日の司会をAmazon Pollyの音声合成で行なったのですが、こちらもみなさんにお楽しみいただけたようでした。 講演資料・動画 当日の講演資料および動画を公開いたしましたので是非ご覧になってください。 基調講演: 毎日の料理を楽しみにする挑戦をし続けた20年 by 橋本 健太 コーポレート戦略部本部長の橋本による基調講演でイベントはスタートしました。クックパッドはテックカンパニーとしてどのように成長してきたか、グローバル展開をどのように行ってきたか、現在取り組んでいる新プロジェクトについての話などがあり
高次元ベクトルデータ検索技術「NGT」のpythonライブラリ公開のお知らせ
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog はじめに 検索技術の菅原です。 以前にこのTech Blogで紹介されたNGT（Neighborhood Graph and Tree）という高速な近傍探索を実現するソフトウエアのpython用インターフェースが公開されました。pythonは機械学習のライブラリが多く公開されており、より手軽にNGTを組み合わせて使うことができるでしょう。 そこで今回はword2vecのベクトルを近傍探索する実践的な内容を紹介します。word2vecを扱うライブラリとしてgensimを使用します。word2vecやgensimの詳しい説明は省略しますが、分からなくてもpythonの文法を知っていれば理解できると思います。今回使用した環境はMacBo
Neural network AI is simple. So... Stop pretending you are a genius - KDnuggets
Neural network AI is simple. So… Stop pretending you are a genius This post may come off as a rant, but that’s not so much its intent, as it is to point out why we went from having very few AI experts, to having so many in so little time. On a regular basis people tell me about their impressive achievements using AI. 99% of these things are completely stupid. This post may come off as a rant, but
クラウドAIが充実しているマイクロソフト、深層学習ではグーグルに軍配
世界3大クラウドである米アマゾン ウェブ サービスのAmazon Web Services（AWS）、米マイクロソフトのMicrosoft Azure、米グーグルのGoogle Cloud Platform（GCP）を、38項目にわたり徹底比較する特集の第4回だ。前回はデータベースやデータウエアハウスを比較した。今回はAI（人工知能）関連サービスを比べる。AIのビジネス活用が進むにつれ、クラウドの選択ポイントとしてAI関連サービスはより重要になっている。クラウドAIであれば、GPUサーバーを用意したりAIソフトをインストールしたりする手間なく、すぐに試せる。 AI関連サービスは多岐にわたるが、「学習済みAI」「機械学習」に分けて見ていく。学習済みAIは、クラウド事業者があらかじめ学習済みのAIや簡単な学習しか必要としないAIを提供するので、手軽に使い始められるのがメリット。自前のデータによ
ヤフーは「2000人不足」、過熱するIT業界のAI人材争奪戦
（表の「人材数」は、自社にとっての「AI人材」のおおよその現状人数と不足人数。 「人材確保施策」は、人材確保のために有効または有望と考える施策を示す。 「活用事例」は、自社におけるAIの代表的な活用事例を挙げてもらった） 中でも多いのが、不足数を2000人と答えたヤフー。同社は、大規模データの処理や分析に長けた人材を「データサイエンス人材」と呼ぶ。既に500人ほどを擁しているが、まだまだ足りないという。「当社の全エンジニア、約2500人ほどがデータサイエンス人材になるべきと考えている。だから、あと2000人は欲しい」。同社のCDO（チーフ・データ・オフィサー）を務める佐々木潔執行役員はそう話す。 人材不足を少しでも解消すべく、IT企業はあの手この手で外部からの人材獲得に挑んでいる。AI技術を得意とする大学研究室との連携を強化するほか、AI人材に自社の研究開発体制を認知してもらう取り組みに注
2018年が「AIの民主化元年」である理由
ガートナーの米国本社発のオフィシャルサイト「Smarter with Gartner」と、ガートナー アナリストらのブログサイト「Gartner Blog Network」から、＠IT編集部が独自の視点で“読むべき記事”をピックアップして翻訳。グローバルのITトレンドを先取りし「今、何が起きているのか、起きようとしているのか」を展望する。 人工知能（AI）が企業にとって大きなテーマとなりそうな2018年は、AIの民主化元年になる。つまり、これまでよりはるかに幅広い企業や政府機関がAIを利用するようになるだろう。 Gartnerのリサーチディレクターを務めるチラグ・デカテ氏は、こう予測する。 「2018年を通じて、AIの性能は向上し続けるだろう。クラウドオフィススイートや、Amazon AlexaやSiriのようなディープニューラルネットワーク（DNN）ベースの仮想アシスタントなど、アプリケ
機械学習手法を用いてブログの文章を分析・可視化（テキストマイニング） - karaage. [からあげ]
自分のブログのテキストを分析・可視化してみたい 以前自分のブログの分析を「内部リンク」や「はてブ情報」の観点で行ってみました。 ただ、目的無く分析してしまったので、結局イマイチどう活用してよいかよく分からない結果しか得られませんでした。 そんな前回の反省を全く活かすことなく、また何の目的もなくブログを分析してみることにしました。今回は以前から興味のあった機械学習を用いたブログの文章の分析・可視化（テキストマイニングと呼ばれるらしいです）にチャレンジしてみることにしました。どちらかというとテキストマイニングが主で、使用する素材（学習データ）に困ったので仕方なく自分のブログを使ってみたというのが正直なところです。 ネットでコピペすりゃ簡単にできるだろと思っていたのですが、自分のやりたいことするのはそれなりに大変だったので、知見としてやり方とどんなことが分かるのかを残しておきます。 ブログのテキ
![機械学習手法を用いてブログの文章を分析・可視化（テキストマイニング） - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/53baca70fcdf8a36bdde0cca3f5f5bb458dd6502/height=288;version=1;width=512/https%3A%2F%2Fcdn.image.st-hatena.com%2Fimage%2Fscale%2F39108ba4d9212baac1dbca353b64e95fe71fc61b%2Fbackend%3Dimagemagick%3Bversion%3D1%3Bwidth%3D1300%2Fhttps%253A%252F%252Fcdn-ak.f.st-hatena.com%252Fimages%252Ffotolife%252Fk%252Fkaraage%252F20180208%252F20180208010932.png)
ファクトチェックを支援する技術的な取り組みについてデブサミ 2018 #devsumi でお話してきました
ファクトチェックを技術的に支援する取り組みPermalink 昨年 6 月の ファクトチェック・イニシアティブ 設立とともに始まった テクノロジーを用いたファクトチェック支援 を目指すプロジェクト1 では、ファクトチェッカーの方々の業務を自然言語処理や機械学習を用いて効率化したり、またファクトチェックの成果物であるレビューデータをオープンに利活用できる仕組みを作ることを目的としています。 今回のデブサミでは、特に前者の取り組みについてお話ししました。発表資料は以下になります。 発表を終えてPermalink 発表では「ファクトチェック」の説明にかなり時間を割いて話をしたので、その分技術寄りの話がちょっと手薄になってしまった感がありました。自然言語処理や機械学習の濃ゆい話を期待していた方にはちょっと物足りない発表だったかもしれません 🙇 なおそのあたりの話題については発表でも言及したとおり
【Unity】Unityで機械学習する「ML-Agent」を色々と試して得た知見とか - テラシュールブログ
去年の９月頃、Unityで機械学習を行う ML-Agent（ver 0.01)が公開されました。 このライブラリを使用すると、Unity上で作成したゲームで機械学習によるAIを実行したり出来そうです。 最近このML-Agentを使用して色々と試していたのですが、ある程度形になったので色々とこちらの記事にメモを残します。 目次 機械学習？ 強化学習？ 報酬は"結果"ではなく"連続した動作"に与えられる Unityと強化学習 独自のプロジェクトを作ってみる シーンのセットアップ アクションの設定 Stateの設定 Reward（報酬）の設定 終了とリスタート 学習 その他 関連 機械学習？ 機械学習は最近騒がれている技術の一つで、AIの一種です。 その特徴は、「明示的にプログラムされる事なく、経験から学習する」という点にあります。この学習のプロセスは、提供されたデータに基づいてパターンを抽出、
Hacker Tackleで「はてなにおける機械学習の取り組み」について登壇しました - yasuhisa's blog
LINE福岡で行なわれたHacker Tackleにて登壇してきました。 発表内容は(1)機械学習を使ったサービス開発の難しい点について整理し(2)その難しさを乗り越えていくためにはてながどのような取り組みを行なっているかについてでした。一口に機械学習を使ったサービス開発といっても、古典的な問題設定でどうやればいいか比較的クリアに見えているものと、R&D要素が強くどう取り組んでよいか分からないものではよい取り組み方も異なってきます。そこで、今回の発表では古典的な問題設定(テキスト分類)であるBrandSafe はてなのリニューアル、R&D要素の強いMackerelの異常検知、それぞれに対し技術的/組織的にどのような取り組みを行なったかについて話させてもらいました。 はてなにおける機械学習の取り組み from syou6162 登壇時間は30分で割と話すことも多かったので、当初話す予定だった
Gradient descent, how neural networks learn | Deep Learning Chapter 2
Cost functions and training for neural networks. Help fund future projects: https://www.patreon.com/3blue1brown Special thanks to these supporters: http://3b1b.co/nn2-thanks Written/interactive form of this series: https://www.3blue1brown.com/topics/neural-networks This video was supported by Amplify Partners. For any early-stage ML startup founders, Amplify Partners would love to hear from you v
R＆D部部長が語る、ホットリンクにおける「データサイエンティスト定義と求められるスキル」の話｜#ホットリンク
R&D部部長の 榊 です。今日は、当社におけるデータサイエンティストの定義と求められるべきスキルセットについて話したいと思います。 概要 下図のように当社における「データ分析を活用したSaasを開発する場合のデータサイエンティストの定義」を作りました。 既存の3つの定義から、良い部分を拝借しました。 各社ごとに、自社にあったデータサイエンティストを定義しておくのが重要ではないか？ はじめに 当社は、「データとAIで意思決定をサポートする」を事業ミッションとして掲げており、特に去年から人工知能技術 （※） に長じた人材、言い方を変えればデータサイエンティストの採用と育成に力を入れてきました。しかし、特に社内で「データサイエンティストとは何か」の定義などを作ることもなく、当社に必要な人材のスキルを列挙し、そちらを募集要項に書くことで満足していました。 そんな中で、某強面の役員から、ある日 「そ
tensorflowbook.com
<p>Original location: <a href="http://www.tensorflowbook.com/?new">http://www.tensorflowbook.com/?new</a> </p>
近接勾配法（Proximal Gradient Method） - Qiita
はじめに 効くか効かないかわからない特徴量が大量にあって、中にはいくつか効くものがきっとある・・・というときに、L1正則化やGroup LASSOが用いられます。これらは微分不可能な点を含むため、通常の勾配法では解けません。 そこで、微分不可能な点を含む凸関数最適化の一手法である近接勾配法について、勉強したことをまとめてみました。 近接勾配法の更新式 微分可能な凸関数$f(\boldsymbol{x})$と微分不可能な点を含む凸関数$g(\boldsymbol{x})$に対して、$F(\boldsymbol{x})=f(\boldsymbol{x})+g(\boldsymbol{x})$を最小化します。 ステップ$k$における点$\boldsymbol{x}_k$とステップ幅$\eta$に対して、近接勾配法は \begin{align} \boldsymbol{x}_{k+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
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
Introduction to Competitive Machine Learning - Threads @ IIIT Hyderabad - Quora
有害コメント検出の論文：「Comment Abuse Classification with Deep Learning」を読んだ | 10001 ideas
https://thinkingwires.com/posts/2018-02-13-irl-tutorial-1.html
TechCrunch | Startup and Technology News
AI人材の増員急ぐ製造業、トヨタやパナソニックなど大手18社の方策
