【2023年版】機械学習の日本語無料学習教材まとめ - Qiita
言語&開発基礎編 PythonやSQLなどの言語と開発環境に関連することをまとめました。 機械学習に関する教材はこの次のセクションにまとめてあります。 学習環境 インストール及び使い方チュートリアルのサイトと、ある程度使い慣れた後に役立つtips集を各エディタでまとめました。 Google Colaboratory Python初学者にとって最もわかりやすいPython実行環境です。プログラミングは初めて！という方はまずこのGoogle Colaboratory(通称: Colab)から始めてみて、使い方がある程度わかったら、そのまま次のセクションのPython編に移りましょう。 Pythonプログラミング入門 難易度: ★☆☆ 東京大学の公開しているPython講座ですが、冒頭でColabの使い方を解説しています。使ったことのない方はこちらから！ Google Colabの知っておくべき
PythonでAPIを爆速で構築してみた - Qiita
目次 1.はじめに 2.コーディング 3.コンテナ化 1. はじめに 友人に「PythonでAPIをサクッと作ってよ」と言われたのでシンプルなREST APIを作ってみた。 作ったものを渡すだけでなく作り方も教えて欲しいとのことなので、ここに記事として掲載する。少し手順書のような記載なため、初学者向けかもしれない。 Pythonと聞いて「Djangoでも使うか？」と思いつつも、よりサクッと感のあるフレームワークを探してみたところ FastAPIなるものがあり、今回はこれを採用してみた。 公式より引用 FastAPI は、Pythonの標準である型ヒントに基づいてPython 3.6 以降でAPI を構築するための、モダンで、高速(高パフォーマンス)な、Web フレームワークです。 FastAPI には Swagger UI と ReDoc の両スタイルのドキュメントを自動で生成してくれる機
AI・機械学習のための数学超入門 ～中学数学からのおさらい編～
AI／機械学習、ディープラーニングを学び始めると、どこかで数式を読むことになる。それも偏微分や線形代数など大学レベルの数学である。この壁にぶつかって、数式を理解できないままスルーしたり、学ぶこと自体を諦めてしまったりする人も少なくないのではないだろうか？ 本書は、主にAI／機械学習の教材などに書かれている数式でつまずいたことがある初学者に向けた、「AIに最低限必要な数学を基礎の基礎からしっかりと、しかも効率的に学ぶ」ための電子書籍の第1部である。具体的には連載『AI・機械学習の数学入門 ― 中学・高校数学のキホンから学べる』を構成する、 という全4部の中の「第1部 中学数学からのおさらい編」を電子書籍（PDF）化したものである。 数学を学んでから10年以上のブランクがある場合は、本人が考えている以上に数学を忘れているものだ。偏微分や線形代数などのAI（特にディープラーニングのニューラルネッ
2022年の「AI／機械学習」はこうなる！ 8大予測
日本語でのTransformerの活用拡大と、Transformerを超える技術発展が進む 高度なマルチモーダルAIの研究が進展し、何らかのサービス登場する ローコード／ノーコードのAIサービスを採用するケースが増える AutoMLを利用するケースは着実にさらに増えていく MLOpsは引き続き広まり、採用する企業が増えていく エッジデバイスでの機械学習／TinyMLの利用は引き続き拡大する 量子AI／量子機械学習の実用化に向けた研究がさらに進展する 責任あるAIのための原則や規制が各所で制定され続ける なお、AutoML、MLOps、TinyML（エッジデバイス上の小さな機械学習技術）、責任あるAIを支える説明可能性／解釈可能性やデータとプライバシーの規制強化などのトレンドは、数年を掛けて拡大中のため、2019年や2020年で予測した項目と重複しているが、2022年も継続するトレンドとして
「データレイク」はデータウェアハウスとどこが違うの？ | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ データマネジメント ＞ 知っておいて損はない気になるキーワード解説 ＞ 「データレイク」はデータウェアハウスとどこが違うの？ データマネジメント データマネジメント記事一覧へ [知っておいて損はない気になるキーワード解説] 「データレイク」はデータウェアハウスとどこが違うの？ 2018年11月9日(金)清水 響子 リスト マイクロサービス、RPA、デジタルツイン、AMP……。数え切れないほどの新しい思想やアーキテクチャ、技術等々に関するIT用語が、生まれては消え、またときに息を吹き返しています。メディア露出が増えれば何となくわかっているような気になって、でも実はモヤッとしていて、美味しそうな圏外なようなキーワードたちの数々を「それってウチに影響あるんだっけ？」という視点で分解してみたいと思います。今回はビッグデータやアナリティクス、ス
アパレル業界を変革する人工知能（AI） 需要予測や服の品質保証にどう活用されているか
関連キーワード 流通業 | ビジネスモデル | 機械学習 ファッション業界は巨大ビジネスだ。FashionUnitedによると、その価値は全世界で推定3兆ドルに上るという。これは全世界のGDPの2％に相当する。衣服が手元に届くまで、デザイン、製造、配送、マーケティング、販売など、多くの過程をたどる。ファッションデザインやアパレルショップでの人工知能（AI）技術の利用がファッションブランドの間に広がっているのは不思議なことではない。ファッションブランドは、流通の過程で、さまざまな段階の変革について考えている。 併せて読みたいお勧め記事 人工知能（AI）のビジネス利用最前線 AI技術はどこまで普及？ 先進「7業界」の人気事例を一挙紹介 急増する採用チャットbot、人事部門の仕事を変えるアプリとは？ 女子高生AI「りんな」は人間に投資信託を買わせることができるか？ アパレル業界のテクノロジー活用
劣化する「優秀な人材」：ITソリューション塾：オルタナティブ・ブログ
ITが事業の合理化や生産性を支える基盤であるという考え方は、もはや過去のものになりつつある。ITはビジネスとの一体化を推し進め、収益の源泉たる事業価値を生みだす存在として、これまでにも増して重要な経営資源になろうとしている。 デジタル･トランスフォーメーションとは、この状況を表現する言葉だ。めまぐるしく変わるビジネス環境の変化に即応し、競争力を維持し経営を支え続けるためには、つぎのことが求められている。 「IT（デジタル･テクノロジー）を駆使して製品やサービスをジャスト･イン・タイムで提供できる組織･体制、ビジネス・プロセス、事業・経営へと転換してゆくこと」 もはや「合理化や生産性を支える」ITではなく、企業の存続と競争力を維持するためにITを前提として事業活動や経営のあり方を転換することだ。 こんな時代だからこそ事業会社はIT人材を求めており、IT業界における転職需要を拡大させている１つ
Visual Studio Team Servicesでチームプロジェクトをスタートする - け日記
Visual Studio Advent Calendar 2016 - Qiitaの2日目のエントリです。 個人のプロジェクト管理にVisual Studio Team Services（VSTS、かつてのVisual Studio Online）を利用しています。 これから何回かに分けて、VSTSの使い方を紹介していきたいと思います。 Visual Studio Team Servicesとは オールインワンのプロジェクト管理ツールで、かつてVisual Studio Onlineと呼ばれていたものです。 Gitが使える、バックログなども同梱、そして5人まで無料といった嬉しい特徴を持っています。 azure.microsoft.com 今回はチームプロジェクトの立ち上げについて紹介します。 チームプロジェクトを作る まずはMicrosoftアカウントを作成し、VSTSにログインします。
ソニーがディープラーニング統合開発環境「Neural Network Console」クラウドサービス版を無償公開
ソニーがディープラーニング統合開発環境「Neural Network Console」クラウドサービス版を無償公開：ベースの「Neural Network Libraries」は「aibo」にも採用 ソニーは、ディープラーニング統合開発環境「コンソールソフトウェア：Neural Network Console」のクラウドサービス版をオープンβ版として無償公開した。ニューラルネットワークの設計や学習、評価などをWebブラウザで可能にする。 ソニーは2017年11月8日、ディープラーニングを活用したプログラム向けの統合開発環境「コンソールソフトウェア：Neural Network Console（以下、Neural Network Console）」のクラウドサービス版をオープンβ版として無償提供すると発表した。Neural Network Consoleは、2017年8月、「Windows」
機械学習の基礎の基礎、行列計算に欠かせないNumPyの基本的な使い方
プログラミング言語「Python」は機械学習の分野で広く使われており、最近の機械学習／Deep Learningの流行により使う人が増えているかと思います。一方で、「機械学習に興味を持ったので自分でも試してみたいけど、どこから手を付けていいのか」という話もよく聞きます。本連載「Pythonで始める機械学習入門」では、そのような人をターゲットに、Pythonを使った機械学習について主要なライブラリ／ツールの使い方を中心に解説していきます。 連載第1回の「Pythonで機械学習／Deep Learningを始めるなら知っておきたいライブラリ／ツール7選」では、ライブラリ／ツール群の概要を説明しました。前回は、その中でもJupyter Notebookの基本操作と設定について説明しました。 今回から連載第1回で紹介した各種ライブラリを使う具体的なコードを例示していきますが、Jupyter Not
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
富士通、AI倫理ガイドラインに基づきAIシステムの倫理上の影響を評価する方式を開発、手順書や適用例とともに無償公開（Impress Watch） - Yahoo!ニュース
ガートナーが日本における「ユーザー・エクスペリエンスのハイプ・サイクル：2021年」を発表
2025年のIT部門を作る、今後8年間の「行動計画」