Welcome to the seventh edition of the AI Index report. The 2024 Index is our most comprehensive to date and arrives at an important moment when AI’s influence on society has never been more pronounced. This year, we have broadened our scope to more extensively cover essential trends such as technical advancements in AI, public perceptions of the technology, and the geopolitical dynamics surroundin
[Hacker News discussion, LinkedIn discussion, Twitter thread] Four years ago, I did an analysis of the open source ML ecosystem. Since then, the landscape has changed, so I revisited the topic. This time, I focused exclusively on the stack around foundation models. The full list of open source AI repos is hosted at llama-police. The list is updated every 6 hours. You can also find most of them on
A course by Andrej Karpathy on building neural networks, from scratch, in code. We start with the basics of backpropagation and build up to modern deep neural networks, like GPT. In my opinion language models are an excellent place to learn deep learning, even if your intention is to eventually go to other areas like computer vision because most of what you learn will be immediately transferable.
3つの要点 ✔️ GCPの新プロダクト「Vertex Matching Engine」の元論文 ✔️ MIPSスコアを考慮した新しい量子化損失関数を提案 ✔️ ANNBenchmarksでSoTA性能を記録 Accelerating Large-Scale Inference with Anisotropic Vector Quantization written by Ruiqi Guo, Philip Sun, Erik Lindgren, Quan Geng, David Simcha, Felix Chern, Sanjiv Kumar (Submitted on 27 Aug 2019 (v1), last revised 4 Dec 2020 (this version, v5)) Comments: Published as a conference paper at ICM
3つの要点 ✔️ CVPR2020のoral論文:後方互換性のある特徴表現を学習する手法を提案 ✔️ ネットワーク構造や損失関数にも依存しない互換性基準の定義と学習方法 ✔️ バックフィルなしでモデルの差し替えが可能に Towards Backward-Compatible Representation Learning written by Yantao Shen, Yuanjun Xiong, Wei Xia, Stefano Soatto (Submitted on 26 Mar 2020 (v1), last revised 29 Mar 2020 (this version, v2)) Comments: Accepted to CVPR 2020 as oral Subjects: Computer Vision and Pattern Recognition (cs.CV)
この記事はRetty Advent Calendar 2020の21日目の記事です。 adventar.org 昨日は、森田さんのETL基盤でデータを汎用的に処理できるようにした話でした。 はじめに こんにちは。平野(@MasaDoN22)です。 Rettyデータ分析チームのマネージャーを担当しています。 去年、一昨年に引き続き、分析チームの1年の振り返りとして書きました。 今年を一言でいうと、持てる武器を最大限活用して、目の前の課題に向き合った一年でした。 内容としては、分析チームの役割である意思決定支援・分析民主化・データ基盤・MLに沿って書いた一年の総集編です。 その結果、今年も文量が多くなってしまったので、興味のある分野だけ抜粋してお読みいただけますと幸いです。 本記事の前提となる、Rettyデータ分析チームの役割や過去の取り組みは、以下記事を御覧ください。 engineer.re
English version is here: (https://koyaaarr.medium.com/between-machine-learning-poc-and-production-618502abef86) はじめに 機械学習を使った PoC(Proof of Concept; 効果検証)は、近頃の AI ブームを受けて盛んに行われていることと思います。そしてその後、(とても幸運なことに、)PoC で良い結果を得られた場合、PoC の仕組みを本番運用したいという話が持ち上がります。しかしながら、探索的データ分析や予測モデルの作成などは多くの知見が共有されている一方、それらを運用していくための知見はまだあまり多くないように思います。 本記事では、PoC から本番運用へと移行するあいだに、技術的には何が必要なのかを検討していきます。機械学習 PoC が一過性のまま終わらず、本番
Papers with Code indexes various machine learning artifacts — papers, code, results — to facilitate discovery and comparison. Using this data we can get a sense of what the ML community found useful and interesting this year. Below we summarize the top trending papers, libraries and benchmarks for 2020 on Papers with Code. Top Trending Papers of 2020 EfficientDet by Tan et al was the most viewed p
フィードバックを送信 TabNet 組み込みアルゴリズムを使用したトレーニング コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。 AI Platform Training での組み込みアルゴリズムを使用したトレーニングでは、データセットを送信し、トレーニング コードを一切作成せずに、モデルをトレーニングできます。このページでは、TabNet 組み込みアルゴリズムの仕組みとその使用方法について説明します。 概要 この組み込みアルゴリズムでは、次のように前処理とトレーニングが行われます。 前処理: トレーニングで使用できるよう、AI Platform Training がカテゴリデータと数値データの混在を処理し、数値データセットのみにします。 トレーニング: AI Platform Training は、指定したデータセットとモデル パラメータを使用して、Ten
・自己教師あり学習 ・半教師あり学習 ・転移学習 ・メタ学習 ・模倣学習 ・逆強化学習 ・能動学習(Active Learning) について 「概要」、「代表的アルゴリズム名」、 「各内容を学ぶためのおすすめチュートリアル動画」を解説しています 2020年9月25日 理系ナビ DLエンジニアトレーニングプログラム Read less
日本ロボット学会 ロボット工学セミナー 第126回 ロボットのための画像処理技術 講演資料 https://www.rsj.or.jp/event/seminar/news/2020/s126.html 2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降,画像認識においては深層学習,その中でも特に畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった.CNNはクラス分類をはじめとして,物体検出やセグメンテーションなど様々なタスクを解くためのベースネットワークとして広く利用されてきている.本講演では,CNNの発展を振り返るとともに,エッジデバイスで動作させる際に重要となる高速化等,関連する深層学習技術の解説を行う. 1. クラス分類向けモデルについて 1.1. ILSVRCで振り返る進化の歴史 1.2. その他重要なモデル 1
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
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