VisualData - Search Engine for Computer Vision Datasets
Number of datasets: 848 All content of public datasets is subject of copyright by the corresponding authors
COCO - Common Objects in Context
info@cocodataset.org Home People Dataset Overview Explore Download External Terms of Use Tasks Detection 2020 Keypoints 2020 Panoptic 2020 DensePose 2020 Detection 2019 Keypoints 2019 Stuff 2019 Panoptic 2019 Detection 2018 Keypoints 2018 Stuff 2018 Panoptic 2018 Detection 2017 Keypoints 2017 Stuff 2017 Detection 2016 Keypoints 2016 Detection 2015 Captioning 2015 Evaluate Participate: Data Format
MLOps Platform with Scale and Security | Datatron
Built with enterprise scale and security, Datatron MLOps integrates model development seamlessly with your existing CI/CD process. Enabling businesses to deploy models securely and at scale in 90% less time and cost compared to homegrown solutions! JupyterHub Integration Simplified Kubernetes Management Enterprise Feature Enhancements
AIを使ってみたいなら「巨人の肩に登れ」 低コストで機械学習を導入するために、知っておくべきこと
Googleが“インターネットの次にくるもの”をテーマにしたイベント「INEVITABLE ja night」の第2回を開催。Google Cloud 等がもたらすテクノロジーの進化によって、この先の世界はどう変わっていくのか。AIなどの領域で活躍している人材をゲストに迎え、最新テクノロジー活用の舞台裏を紐解きます。本セッションでは、お部屋のインテリア実例共有サービス「RoomClip」を展開するTunnel株式会社、開発担当執行役員の平山知宏氏が登場。「低コストでサービスに組み込む機械学習事例」というテーマで、最小限の投資で機械学習にできること・できないことを探った試行錯誤の軌跡を語ります。 自分の部屋の写真をシェアしよう 平山知宏氏：Web2.0の、しかもRettyさんよりも知名度が低いという非常に苦しいところなんですけれども（笑）。エンタープライズの方々が多いというお話でしたから、本
人間参加型（human-in-the-loop）機械学習とは？
We help companies test and improve machine learning models via our global AI Community of 1 million+ annotators and linguists. Our proprietary Ground Truth AI training platform handles all data types across 500+ languages and dialects. Our AI Data Solutions vastly enhance AI systems across a range of applications from advanced smart products, to better search results, to expanded speech recognitio
機械学習システムの運用課題とコンテナオーケストレーションがもたらすもの - yubessy.hatenablog.com
最近仕事では機械学習を使ったアプリケーションをKubernetes上で運用することが多くなっています。 MLOpsのような言葉も次第に浸透してきたりと、システムとしての機械学習をどう運用していくかが活発に議論されるようになってきました。 運用に頭を悩まされてきた身としては心強い限りです。 この記事ではKubernetes(以下k8s)のようなコンテナオーケストレーション技術が、機械学習システム(以下MLシステム)の実行基盤としてなぜ適しているのかについて考えてみました。 注意点として、私はMLアルゴリズムの専門家ではなく、またLinuxやコンテナ技術の専門家でもありません。 あくまで仕事としてMLシステムを運用するためにk8sを利用している立場からの考察です。 TL; DR: MLシステムの運用には次のような課題が存在する 目的によって求められるワークロードの形態が異なる 一時的・断続的に
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
強化学習の分散アーキテクチャ変遷
Home
https://on-demand.gputechconf.com/gtc/2018/presentation/s8714-deploying-machine-learning-on-the-oilfield-from-the-labs-to-the-edge.pdf
ログミーBiz