【LINE】AIアシスタント「Clova」、3月22日よりIFTTT対応開始 「学校を出たらClovaへ通知」等、便利なサービスを作れて、使える | ニュース | LINE株式会社
【LINE】AIアシスタント「Clova」、3月22日よりIFTTT対応開始 「学校を出たらClovaへ通知」等、便利なサービスを作れて、使える 外部サービスとの連携も変幻自在、「Clova」の機能を自分好みにカスタマイズ可能に LINE株式会社（本社：東京都新宿区、代表取締役社長：出澤 剛）は、2018年3月22日（木）より、AIアシスタント「Clova」をIFTTTに対応させ、さまざまなサービスと連携させてご利用いただけるようになりましたので、お知らせいたします。 「Clova」公式サイト： https://clova.line.me/ 「Clova」IFTTTサイト： https://ifttt.com/clova LINEは、2017年3月「Mobile World Congress 2017」にてAIアシスタント「Clova」を発表以降、「Clova」を搭載したファーストデバイス
深層学習の今のところの限界「何ができて、何ができないか？」
深層学習の今のところの限界「何ができて、何ができないか？」 2018.01.08 Updated by Ryo Shimizu on January 8, 2018, 08:29 am JST あけましておめでとうございます。 先日、MIT Technology Reviewにこのような記事が掲載されていました。 深層学習の過大評価は危険、ウーバーAI研究所の前所長が指摘 この論文を発表したのはニューヨーク大学の心理学者のゲイリー・マーカス教授。心理学者ということで、我々情報工学の立場とはまた違う立場で深層学習にできることとできないことを分離しています。 筆者はこのニュースを見て最初は反発したのですが、原文を読んでみると現状のディープラーニングの課題についてよくまとまっているのではないかと思いましたので紹介します。原文はこちら ■ディープラーニングの限界 マーカス教授によると、ディープラー
どこでもKotlin #3に参加してきました！ - sasamiの技術日記
Kotlin（Deeplearning4j）で機械学習：VGG16モデルで犬猫判断 special guest Kotlin（Deeplearning4j）で機械学習：日本語でもKotlin ことりんでAndroid ThingsかIoT系（仮） Kotlin x SendGridでメール送信してみた Kotlinで型安全なSQLを書こう 運用中のJavaプロジェクトにKotlinを導入した話 懇親会 最後に m3-engineer.connpass.com 今回はどこことに初参戦してきました！ 会場はSpeeeさんのおしゃれなオフィスです。 Kotlin（Deeplearning4j）で機械学習：VGG16モデルで犬猫判断 エムスリー Lukas Prasuhnさん 最初はLukasさんの発表でした！ Deeplearning4jを用いて、画像から犬猫の判定をするという実装をKotlin
PyCallを使えばRubyでもKerasでDeep Learningができる - 洋食の日記
mrknさんが開発しているPyCallを使うと、RubyからPythonオブジェクトを操作できる。 Rubyから、Pythonの機械学習・統計分析のツールを利用することを目的としており、 ネット上にもnumpyやscikit-learnを実行する例があがっている。 Rubyist Magazine - PyCall があれば Ruby で機械学習ができる このPyCallで、Kerasを叩くことができれば、RubyでもDeep Learningできると思い試してみた。 まずはインストールから。 $ gem install --pre pycall ちなみに、実行環境をまとめると、Ruby 2.4.0、PyCall 0.1.0.alpha.20170317、Python 3.6.0、Theano 0.9.0、Keras 2.0.2である。 試したのは、MNISTの手書き数字画像を、畳み込みニ
NVIDIA、深層学習やAIの開発者10万人の教育プログラムを発表
NVIDIAは、Deep Learning Institute（DLI）を通じて10万人の開発者を教育する計画を発表した。 NVIDIAにとって、機械学習と人工知能（AI）の分野で開発者をトレーニングする取り組みであるDLIは、これらの専門家を養成する手段であり、いずれはGPUの売り上げ増加につながる可能性がある。 NVIDIAが賭けに出る背景には、調査会社IDCの推計がある。IDCによると、2020年までに、あらゆるアプリケーションのうち80％がAIをコンポーネントとして組み込むようになるという。 NVIDIAのDLIは1年前に設立された組織で、学術機関、企業、政府機関でトレーニングイベントを開催している。DLIはこれまで、Amazon Web Services（AWS）のGPUインスタンス「Amazon Elastic Compute Cloud（Amazon EC2）P2」を利用して
実タスクで機械学習を導入するまでの壁とその壁の突破方法 - yasuhisa's blog
社内で機械学習の案件があった際に、機械学習の経験者しか担当できないと後々の引き継ぎで問題が起こりがちです。これを防ぐために、機械学習に興味があり、これまで機械学習を経験したことがないエンジニアにも担当できる体制を整えられることが望ましいです。しかし、機械学習のことに詳しく知らないディレクターやエンジニアにとっては、どのような機械学習の理解段階ならばタスクを任せられるかの判断をするのはなかなか困難です。そこで、このエントリでは機械学習を実タスクでやるまでに乗り越えるべき壁だと私が思っているものについて説明します。 第一の壁: 綺麗なデータで機械学習の問題を解ける 講義で扱われるような綺麗なデータを扱える 行列形式になっていて、欠損値や異常値もない 上記のデータを回帰や分類問題として解くことができる 実際に解く際にはライブラリを使って解いてよい 手法を評価する上で何を行なえばよいか(Preci
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
Deep Learning基礎講座演習コンテンツ 公開ページ
https://pondad.net/ai/2017/01/03/keras-cnn-1.html