「ゼロから作るDeep Learning ２自然言語処理編」読書会に参加する前に読んで置くとよい資料とプログラム, python(8) - Qiita
「ゼロから作るDeep Learning ２自然言語処理編」読書会に参加する前に読んで置くとよい資料とプログラム, python(8)Python自然言語処理深層学習小川メソッドCountdownCalendar2022 目的(pupose) 「ゼロから作るDeep Learning」読書会に必要な資料を整理する。 <この項は書きかけです。順次追記します。> This article is not completed. I will add some words in order. 成果(outcome) 「ゼロから作るDeep Learning」読書会参加者が、必要な予備知識、演習のための基礎技術が身につく。 M.S.WindowsにPython3を導入する（7つの罠）2024年版 https://qiita.com/kaizen_nagoya/items/2b6e7643fb164c2
NEC、生鮮品からパッケージ品まで、あらゆる小売商品を画像認識する多種物体認識技術を開発
NECは、スーパーやコンビニなどの小売店で、決済時に必要な商品読み取りを大幅に効率化する技術として、生鮮品や日配品から、パッケージ品まで、あらゆる小売商品を画像認識する多種物体認識技術を開発しました。本技術は小売店での決済無人化に貢献する技術です。 本技術は、特性の異なるディープラーニング技術と特徴点マッチング技術を融合させることで、生鮮品のように個体ごとに外観の違いが大きい自然物から、パッケージ品のように酷似したデザインが大量にある工業製品まで、多種多様な小売商品を高精度に認識します。さらに、これら多数の商品を雑然と置いても、一括して個々の商品を頑健に認識します。 近年、画像認識技術を用いてカメラから小売商品そのものを認識することで、小売店の決済を省力化・無人化する取り組みが進められています。しかし従来の画像認識技術では、生鮮品などの自然物と、パッケージ品などの工業製品では、特性が異なる
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
【速報】オンボードでディープラーニング可能なビデオカメラ「AWS DeepLens」が発表されました！ #reinvent | DevelopersIO
AWSのre:Invent2017のキーノートDay1で新サービスAWS DeepLensが発表されました。 AWS DeepLens ディープラー二ングが可能な開発者用のワイヤレスビデオカメラです。 特徴 ディープラーニング用に最適化されたオンボードのコンピューティングを搭載したHDビデオカメラ カメラそのものにコンピューティングが搭載されているため、リアルタイムでのディープラーニングが可能 Amazon SageMakeker, AWS Lambdaとの統合 Amazon Kinesis Video Streamsを使用してAWSにビデオをストリーミング Amazon Rekognition Videoを使用して高度なビデオ分析を適用可能 TensourFlowやCaffeなどのフレームワークを実行可能 Apache MXNetを使用した推論エンジンがプリインストールされている どこで
亀のフィギュアに「これは銃です」 AIに誤認識させる手法をMIT学生が開発
AIによる画像認識は、今や人間と同等かそれ以上の精度まで進化している。そんなAIが、どう見ても亀のフィギュアにしか見えないものを「銃だ」と間違って認識してしまったら――。 米マサチューセッツ工科大学の学生研究チームがこのほど、ニューラルネットワークによる画像認識を“だます”3Dオブジェクトを作製する手法を開発したと発表した。この手法では、物体を見る方向を変えたり、拡大・縮小したり、カメラのノイズが乗っていたりしても安定して別の物体に誤認識させられるという。 2次元の画像を加工してAIをだます技術は以前からあったが、その画像をプリントして現実の光やノイズなどの要素が加わったり、回転したりすると正しい認識に戻ることから、現実世界で画像認識システムを使う際のリスクにはならないと考えられていた。
ホリエモン×ひろゆきが絶望視する、大多数の国民が気づいていない"ヤバい状況"－－「世界から見たら何周遅れだよ」 - IT・科学 - ニュース
週プレNEWS TOPニュースIT・科学ホリエモン×ひろゆきが絶望視する、大多数の国民が気づいていない"ヤバい状況"－－「世界から見たら何周遅れだよ」 なまじ過去の遺産が多いだけに、日本は何かと周回遅れになっていく...？ 世界から遅れている感が否めない日本のＥＶシフト。 『週刊プレイボーイ』の対談コラム「帰ってきた！ なんかヘンだよね」で、"ホリエモン"こと堀江貴文氏と元「２ちゃんねる」管理人のひろゆき氏が前編に続き、懸念する「日本の未来にとってヤバい状況」とは？ ＊ ＊ ＊ ひろ それに、自動運転の技術もそう簡単にはつくれないですよね。ガソリンエンジンは長年培ってきたノウハウがものをいうように、自動運転のノウハウも蓄積部分がかなり重要。つまり、早く手がけた会社のほうが絶対的に有利なんです。事故を多く起こした会社のほうが、事故の要因と対策をいっぱい持ってるわけですから。 ホリ そうなんだ
ディープラーニングの応用のための具体的方針まとめ - HELLO CYBERNETICS
はじめに 目標の設定と指標の決定 目標の設定 指標の決定 評価指標に対する最低限の知識 機械学習における知識（補足） ニューラルネットワークの学習 最初に使うニューラルネットワーク 時間的にも空間的にも独立である複数の特徴量を持つデータ 空間の局所的な構造に意味のある多次元配列データ（例えば画像） 時間的な変動に意味のあるデータ（例えば音声、自然言語） ニューラルネットワークの細かい設定 ユニットの数と層の数 正則化 活性化関数 ドロップアウト バッチ正規化 学習の早期終了 性能が出ない場合 データの追加収集 ニューラルネットの設定をいじる 用いるニューラルネット自体を変更する 新たなニューラルネットワークの考案 コードを書くにあたって データ成形 結果を記録するコード フレームワークの利用 フレームワークの選択 ChainerとPyTorch TensorFlow Keras 最後に は
ディープラーニングの判断根拠を理解する手法 - Qiita
ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということです。 ディープラーニングは、学習の過程でデータ内の特徴それ自体を学習するのが得意という特性があります。これにより「人が特徴を抽出する必要がない」と言われたりもしますが、逆に言えばどんな特徴を抽出するかはネットワーク任せということです。抽出された特徴はその名の通りディープなネットワークの中の重みに潜在しており、そこから学習された「何か」を人間が理解可能な形で取り出すというのは至難の業です。 例題：このネットワークが何を根拠に猫を猫として判断しているか、ネットワークの重みを可視化した上図から答えよ(制限時間:3分) image from CS231n Visua
認識系API活用入門（2）：翻訳系API「Translator API」の使い方と2017年2月現在のWatson、Google翻訳との違い (1/3) - ＠IT
翻訳系API「Translator API」の使い方と2017年2月現在のWatson、Google翻訳との違い：認識系API活用入門（2）（1/3 ページ） コグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検証していく連載。今回は、Translator APIの概要と使い方を解説し、他のサービスとの違いを5パターンで検証する。 ※本稿は2017年2月14日の情報を基に作成しています。この記事内で使用している画面やコグニティブサービスの仕様、精度は変更になっている場合があります。 本連載「認識系API活用入門」では、マイクロソフトのコグニティブサービスのAPIを用いて、「現在のコグニティブサービスでどのようなことができるのか」「どのようにして利用できるのか」「どの程度の精度なのか」を検
『ゼロから作る Deep Learning』の代わりになりそうな情報 - Qiita
同僚『ゼロから作る Deep Learning』の読書会をやろうと思います。 本を持っていない方のために、代わりになりそうな情報をメモしていこうと思います。 『ゼロから作る Deep Learning』の特徴 Python 3によってゼロからディープラーニングを作ることで、ディープラーニングの原理を楽しく学べる 以下、書評 http://s0sem0y.hatenablog.com/entry/2016/11/17/225635 http://tnakamura.hatenablog.com/entry/2016/12/01/deep-learning-from-scratch 「機械学習 名古屋 分科会」という勉強会で使われています。 https://machine-learning.connpass.com/ 環境構築 Anaconda Jupyter Notebook Jupyter
これからのモバイルアプリは「深層学習付き」になる？
Googleの「AutoDraw」は、手書きから描きたいものを推測してイラストを提案する。モバイルデバイスのアプリは、今後は深層学習技術を利用し、複雑で細かい操作をしなくても高度な作業ができるようにできるようになるだろう。 どうも世間では、7月22日に放送されたNHKのAI（人工知能）についての番組が話題になっているようです。 恐らく、AIについて誤解があるのではないでしょうか。多くの人がAIに対して抱くイメージは、鉄腕アトムのようなものです。ちょっと古いですかね。スターウォーズの「R2-D2」や「C-3PO」というと、多少は分かりやすいでしょうか。 自立していて、人の話を理解して、何でも答えてくれるというものです。これは「汎用AI」と呼ばれるもので、AI技術の究極の目標ともいえますが、いまだ実現されていません。 今、世の中に出回っているAIの多くは、「ディープラーニング（Deep Lea
Lua版 ゼロから作るDeep Learning まとめ - Qiita
はじめに この記事は斎藤康毅先生著のゼロから作るDeep Learning ――Pythonで学ぶディープラーニングの理論と実装で掲載されているスクリプトをLuaの機械学習計算ライブラリTorchで実装した記事のリンクを掲載しています。 定期的に参照したい方はこちらをストックしていただけたら便利かと思われます。 記事一覧（更新中） Lua版 ゼロから作るDeep Learning その１[パーセプトロンの実装] Lua版 ゼロから作るDeep Learning その２［活性化関数］ Lua版 ゼロから作るDeep Learning その３［３層ニューラルネットワークの実装］ Lua版 ゼロから作るDeep Learning その４［ソフトマックス関数の実装］ Lua版 ゼロから作るDeep Learning その５［MNIST画像の表示］ Lua版 ゼロから作るDeep Learning
O'REILLY『ゼロから作るDeep Learning』4章のクラスを使ったら4セグメントLEDどころか7セグメントLEDの機械学習ができた！（その3：完結） - 🍉しいたげられたしいたけ
他人の作ったクラス（昔だったら関数、サブルーチン）は、内容を100%近く理解していないと使えないという思い込みがある。もし本当にそうなら “numpy” も使えないんだけどね。 一方で、プログラムを一から自作するとまず最初からまともに動いたためしはないから、他人の作ったプログラムで動いてるのがあれば、極力流用したいというアタマもある。 つまり私の作るプログラムは、どっちにしろまともに動かないということだ。ほっとけや。 しかし 前回のエントリー で4セグメントLEDの機械学習プログラムを自作するにあたって、『ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装』（以下「テキスト」）P114～115 で定義されたクラス “TwoLayerNet” から、コードをたくさん流用した。だったらせっかくのクラスをわざわざ崩すことはないじゃないかと気づいたことを、前
ディープラーニング（Deep Learning）とは？【入門編】
＃はじめに 最近、ニュースや記事でよく目にする“ ディープラーニング（Deep Learning） ” 。 ビジネスや社会にどのように影響を与え、活用されていくのかに興味ある方が多方面に増えてきている一方で、Deep Learningについて知りたいけれども、実際よくわからない…と感じている方も多く見受けられます。 実際にMM総研の「人工知能技術のビジネス活用概況」の調査結果によると、人工知能のビジネスへの導入率は、日本は他２カ国に比べかなり遅れをとっていることが読み取れます。 引用：https://www.m2ri.jp/news/detail.html?id=238 今回は、その基本的な疑問や実際どうビジネス活用できそうなのか皆さまが想像できるようになるよう、Deep Learningとは一体どういう技術なのか、俗にいう「人工知能(AI)」や「機械学習(ML)」との違いなど基本的な情報
Deep Learning
An MIT Press book Ian Goodfellow and Yoshua Bengio and Aaron Courville The Deep Learning textbook is a resource intended to help students and practitioners enter the field of machine learning in general and deep learning in particular. The online version of the book is now complete and will remain available online for free. The deep learning textbook can now be ordered on Amazon. For up to date an
AIを使って顔画像から「常連さん」を判定しよう！ | フューチャー技術ブログ
はじめにこんにちは。データ分析チーム・入社1年目のルーキー、小池です。 データ分析チームでは、画像処理・自然言語処理など様々な分野に取り組んでおり、機械学習や多変量解析を用いたデータの分析を行っています。 そんな中で私は機械学習・Deep Learningによる画像処理系の分析を行っています。 本記事では、私達の取り組みの一部をご紹介すると同時に、画像分析の面白さを体感していただければと思います。 今回のテーマ今回のテーマは、AI(機械学習・Deep Learning等)を用いて、 大量にある顔画像の中から同一人物をクラスタリングし、頻出する顔画像の抽出 を行いたいと思います。 簡単に言うと、 たくさんある画像から同じ人を見つけること を機械(AI)にやらせるということです。 目的「たくさんある画像から同じ人を見るけること」ができれば、以下1～3の流れで、店舗に来るお客さんが常連さんか否か
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
日本ディープラーニング協会が発足、資格試験で技術者3万人育成
【２時限目】Chainer入門 | キカガク技術ブログ「一日一遊」 | キカガク技術ブログ「一日一遊」
Python vs Ruby 『ゼロから作るDeep Learning』 まとめ - Qiita
