KADOKAWA、「AI書店員ダ・ヴィンチさん」を期間限定で書店に展開--AIがおすすめ書籍を提案
KADOKAWAは、生成AI技術を用いた体験型コンテンツ「AI書店員ダ・ヴィンチさん」を、全国5つの書店へ4月27日から期間限定で展開している。 これは、AI書店員ダ・ヴィンチさんの質問に答えていくと、KADOKAWAのイチオシ書籍の中から、利用者に合った3冊を自動で診断してくれる体験型コンテンツ。体験者の回答に応じて、なぜこの本がおすすめなのかといったコメントもその場で生成されるため、よりパーソナライズされた納得感のあるリコメンドが可能となっている。 購買履歴に基づく従来のリコメンド方法とは異なり、体験者の今の感情や興味に基づいた提案を実現しているという。人工知能技術の最先端を駆使し、大規模言語モデルを活用することで、書籍のジャンルや著者、テーマに縛られない、新しい本との出会いを提供するとしている。 展開店舗は「蔦屋書店 イオンタウン仙台泉大沢店（宮城県）」「丸善 日本橋店（東京都）」「
PythonによるAIプログラミング入門
近年ディープラーニングが爆発的人気となっています。しかし、人工知能の手法はディープラーニングに限りません。過去のAIブームの単純なニューラルネットや論理プログラミングもあれば、遺伝的アルゴリズム、自然言語処理、音声信号処理や、画像からの動物体検出、分類問題、回帰問題、連続データ解析、強化学習といった、古典的なデータ解析や機械学習の手法もあります。これらはディープラーニングを始める前に身につけておくべき基礎技術です。「鶏を割くに焉んぞ牛刀を用いん」の諺のように、読者がデータ収集や計算コストがかかるディープラーニングの他にも適材適所の手法を選択できるよう、本書ではさまざまな人工知能の関連分野を扱いながら、Pythonでよく使われるライブラリの基本的な使い方を解説します。 訳者まえがき まえがき 1章 人工知能の概要 1.1 人工知能とは？ 1.2 なぜAIを学ぶ必要があるのか？ 1.3 AIの
直感 Deep Learning
直感的かつ短いコードでアイデアを形にできるKerasはTensorFlowのラッパーとして大人気のライブラリです。本書でもTensorFlowをバックエンドとして使用し、自然言語処理、画像識別、画像生成、音声合成、テキスト生成、強化学習、AIゲームプレイなどさまざまなモデルをPythonとKerasで実装します。対象読者は、各種のディープラーニングを素早く実装したいプログラマー、データサイエンティスト。ディープラーニングを支える技術の速習にも好適です。数式はなるべく使わずにコードと図で説明します。ニューラルネットワークおよびPython 3の基本を理解している人であれば誰でも始めることができます。 目次 訳者まえがき まえがき 1章 ニューラルネットワークの基礎 1.1 パーセプトロン 1.1.1 最初のKerasのコードの例 1.2 多層パーセプトロン：最初のネットワークの例 1.2.1
『ゼロから作るDeep Learning ❷』公開レビューのお知らせ
コンピュータの専門書としては異例の大ヒットを記録した『ゼロから作るDeep Learning』の続編の公開レビューを行います。 レビュー期間は2月28日（水）から4月13日（金）までの1ヶ月半です。 レビューはDropboxのコメント機能を利用して行います。 Dropboxアカウントをお持ちの方はどなたでも参加可能です。 https://www.dropbox.com/sh/ev6a40fbagw2qtz/AABF2zxkvo12H7-b25eYxsBKa?dl=0 いただいた指摘内容は、著者と出版社で相談のうえ取捨選択して原稿へ反映させていただきます。 レビューに貢献していただいた方のお名前（あるいはアカウント名）を、本書の「謝辞」の欄に記載させていただきます。もちろん、記載の有無はレビューアの意思に従います。 なお『ゼロから作るDeep Learning ❷』は、全国の有名書店さんやA
AI ハリー・ポッターの衝撃 - 山形浩生の「経済のトリセツ」
『ハリー・ポッターと巨大な灰の山らしきものの肖像』 AIにハリポタ全巻喰わせて、新作を生成させたそうな。まあご覧あれ。 Botnik Studios こいつを見て、あまりに感動してしまいました。この支離滅裂、異常な構想力、唐突な破綻ぶり。デスイーターたちが何だか知らないけど無意味にやおいらしきものを始めるところ。人工知能には創造性がないとかいっている連中がいるけれど、これでも、あるいはアルファゼロの囲碁でもそうだけれど、むしろ人工知能が明らかにしているのは、ぼくたち人間の知能や創造性と称するものがいかに制約されていて、型にはまっているかということだと思う。ウィリアム・バロウズが人間の矮小な構成力とキャパシティでほんの片鱗だけやってみせたことを、人工知能は鼻くそほじりながら（比喩的に）一瞬でやってのけている。 追記：このプロセスについてもう少し詳しく見た人がいる。これは本当にほぼカットアップ
「仕事ではじめる機械学習」を読んだので作者に媚を売る - Stimulator
- はじめに - 以下を読んで、筆者ら (@chezou, @tokoroten, @hagino3000) ともTwitterで相互フォローだし、いっちょ媚び売るために感想記事でも書いとくかみたいな記事。 www.oreilly.co.jp 私は「企業で機械学習プロジェクトをいくつか経験している」「書に載っているアルゴリズムや検定も大体わかる」くらいで本書のターゲットからは少し外れているっぽいのだけれど、知ったことではない。 - この本どんな人がターゲット？ - 「仕事ではじめる機械学習」というタイトルの通り、「俺は来年から新卒社会人！大学で学んだ知識を活かして機械学習エンジニアとして頑張っていくぞ！」みたいな人が読むとすごく為になる本。 あと、ターゲットとしては「バイトで機械学習経験したい学生」とか「突然上司に機械学習やってくれって言われた！」みたいな人とか。 あと、機械学習を使った時
オライリーから「仕事ではじめる機械学習」が出版されます
どういう本なの？まえがきのスクリーンショットを貼りましたが、この本は多くの機械学習の本とは異なり、機械学習の実務で使えるようになるために知りたい、機械学習を含めたシステムのアーキテクチャや機械学習プロジェクトの進め方、効果検証をどうするのかということをまとめました。 めざすところのイメージ既に多く刊行されているTensorFlowやChainerでディープラーニングをしてみようというものでもなければ、機械学習の理論をわかりやすく解説するといった類のものでもありません。ゼロから作るDeep LearningやCourseraのMachine Learningで学んだけど、実際の仕事に活かすにはどうしたら良いだろう？という疑問に答えているつもりです。また、大学の講義などで機械学習は学んだけど、実際仕事で機械学習のプロジェクトを進めるときはどうすればいいんだろう？という人にも得るものがあると思い
仕事ではじめる機械学習
ソフトウェアエンジニアの間でも一般的な言葉になった「機械学習」。本書では、その機械学習やデータ分析の道具をどのようにビジネスに生かしていけば良いのか、また不確実性の高い機械学習プロジェクトの進め方などを「仕事で使う」という観点から整理します。 プロジェクトのはじめ方や、システム構成、学習のためのリソースの収集方法など、読者が「実際どうするの？」と気になるであろう点を中心にまとめています。上司に「人工知能でいい感じの成果を出してくれ」とあいまいな指示をされたとき、本書で学んだことが活きてくるに違いありません。 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書籍を印刷した月です。お手持ちの書籍では、すでに修正が施されている場合がありますので、書籍最終ページの奥付でお手持ちの書籍の刷版、刷り年月日をご確
（DL hacks輪読）Bayesian Neural Network
The document discusses Bayesian neural networks and related topics. It covers Bayesian neural networks, stochastic neural networks, variational autoencoders, and modeling prediction uncertainty in neural networks. Key points include using Bayesian techniques like MCMC and variational inference to place distributions over the weights of neural networks, modeling both model parameters and prediction
【書籍紹介】詳解ディープラーニング TensorFlow・Kerasによる時系列データ処理 - HELLO CYBERNETICS
最近発売されたディープラーニングの本。 基礎的な内容から始まり、主にリカレントネットワークを、TensorFlowとKerasによる実装を通して理解していきます。 結論 今回紹介する本 誰におすすめか TensorFlowあるいはKerasを使っていきたいユーザー リカレントネットワークを使いたいユーザー 誰におすすめでないか Chainerを使っていきたいユーザー 既にTensorFlowあるいはKerasを使いこなしている方 本の構成 １章：数学の準備（1〜22ページ） 2章：Pythonの準備（23〜68ページ） 3章：ニューラルネットワーク（69〜140ページ） 4章：ディープニューラルネットワーク（141〜207ページ） 5章：リカレントニューラルネットワーク（209〜249ページ） 6章：リカレントニューラルネットワークの応用（251〜293ページ） 付録（295〜310ページ
TFLearn | TensorFlow Deep Learning Library
Home TFLearn Quick overview Where to Start? Model Visualization Sources Contributions License Index Installation Getting Started Tutorials Examples Models Deep Neural Network Generative Neural Network Layers Core Layers Convolutional Layers Recurrent Layers Normalization Layers Embedding Layers Merge Layers Estimator Layers Built-in Ops Activations Objectives Optimizers Metrics Initializations Los
Machine Learning with TensorFlow
Machine Learning with TensorFlow gives readers a solid foundation in machine-learning concepts plus hands-on experience coding TensorFlow with Python. about the technology TensorFlow, Google's library for large-scale machine learning, simplifies often-complex computations by representing them as graphs and efficiently mapping parts of the graphs to machines in a cluster or to the processors of a s
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
GitHub - ghmagazine/llm-book: 「大規模言語モデル入門」（技術評論社, 2023）のGitHubリポジトリ
Rによるやさしいテキストマイニング 機械学習編 | オーム社 eBook Store
Chainer v2による実践深層学習 | オーム社 eBook Store
Deep Learning
Amazon.co.jp: Learning TensorFlow: Hope, Tom, Resheff, Yehezkel S., Lieder, Itay: 本
GitHub - terryum/awesome-deep-learning-papers: The most cited deep learning papers
TechCrunch | Startup and Technology News
Amazon.co.jp: Deep Learning (Adaptive Computation and Machine Learning series): Goodfellow, Ian, Bengio, Yoshua, Courville, Aaron: 本
