ヤバいデータ分析（書籍・記事であまり扱われてないが重要なこと） - Qiita
まえがき データ分析はなんて広いんだろう。影響力の強まりに応じ、自然・社会・人間ほぼすべてが対象となりどんどん拡大していく。対象に応じ手法も広がり複雑化し、学ぶべきことが多すぎる。データサイエンティスト協会のスキルチェックリストVer.3.001（ごめんもう4.00が出てるね）も500超の項目があります。読むべき図書も良書と思われるものだけでも増え続けており、もう手に負えない状況です。 ただ、これはやってはだめだ、ここを知らないと道に迷う、という絶対に知っておくべき点は学べる範囲だと思います。本書では、データ分析において間違えやすい、誤解しやすい点を共有し、データ分析全体をよくする目的で、かつ データ分析の入門書・専門書に分野ごとには書かれてはいますが1つにまとまっておらず目に触れにくいもの データ分析の入門書・専門書でもスルーされていたり場合によっては誤っていると思われるもの で自分なり
ChatGPT と結城浩の対話（矛盾や反復を含んだ対話によってAIと人間の識別は行えるか）
chat.md 結城浩 こんにちは。今後、GPT-4を使ったアプリケーションやサービスがたくさん登場してくると思います。その中には、たとえばSNSを利用したbotもたくさん出てくるでしょう（現在でもすでにありますけれど）。そこで質問なんですが、SNSでおしゃべりしている相手が、人間なのか、GPT-4などの技術を使ったAIなのかを識別するにはどのような会話をしてみればいいでしょうか。一般的なAIでは難しいかもしれないので、GPT-4に限ってもいいです。あなたの考えを聞かせてください。 ChatGPT Model: GPT-4 GPT-4のような高度なAIと人間を識別するのは、時に難しいことがあります。しかし、いくつかの方法を試してみることで、相手が人間かAIかを見極めることができるかもしれません。 複雑な感情やニュアンスについて尋ねる: AIは感情やニュアンスを理解するのが苦手です。複雑な感
画像生成AIの「高品質なプロンプト」を0.01秒で盗むサイバー攻撃 ドイツの研究機関が発表
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。Twitter: ＠shiropen2 ドイツの研究機関CISPA Helmholtz Center for Information Securityに所属する研究者らが発表した論文「Prompt Stealing Attacks Against Text-to-Image Generation Models」は、テキストから画像を生成するモデルで生成した画像からテキストプロンプトを盗用する攻撃を提案した研究報告である。 Stable Diffusion、DALL-E 2、Midjourneyなどのテキストから画像を生成するモデルの登場以来、プロのアーティストに頼るのではなく、プロンプトと呼
ChatGPTをビジネスのアドバイザーとして使った結果驚くべき回答が行われる
対話型AI「ChatGPT」は人間からの質問に的確に答えることができる文章生成AIで、大学生レベルの試験の自由記述問題に合格してしまうほどの文章作成能力を誇っていることなどで注目を集めています。そんなChatGPTをビジネスのアドバイザーとして使用したら素晴らしい回答が得られたということで、YouTuberのクリス・グリーニング氏がChatGPTとの対話文を公開しました。 Using ChatGPT As a Co-Founder https://www.atomic14.com/2022/12/05/using-chatgpt-as-a-co-founder.html グリーニング氏はスタートアップ企業を立ち上げることを想定し、事業を発展させていくために何をすれば良いのかをChatGPTに質問。得られた回答をブログに掲載しています。 グリーニング氏： 私は、企業の依頼を受けた顧客が簡単に
“人知を超えたAI”はビジネスに不適切 「説明可能なAI」が求められるワケ 機械学習の“グランドマスター”が解説
一昔前まで、AIはフィクションの中の話だった。「2001年宇宙の旅」に登場したAI「HAL 9000」のように、人間の理解が遠く及ばない判断を実行する“人知を超えた存在”として描かれることが多かった。 しかし現在、AIは私たちの生活に浸透している。あらゆる分野でAIのビジネス活用が進む一方で、さまざまな課題も見えてきた。その一つがAIのブラックボックス化だ。AIで満足のいく結果を出力できても、「なぜその結果になったのか」「根拠はどこにあるのか」が分からない点を懸念する声がある。万が一トラブルが起きたとき、その理由を説明できないのはビジネス上のリスクだ。 「AIの創造は人類史上で最大の出来事ですが、リスク回避の方法を学ばなければ、残念ながら最後の出来事になるかもしれません」――スティーブン・ホーキング博士の言葉を引用して、このリスクに警鐘を鳴らす人物がいる。世界的な機械学習のコンペティション
AWS Certified Machine Learning - Specialty 認定 | AWS 認定 | AWS
AWS Certified Machine Learning - Specialty この認定の詳細と、準備に役立つ AWS のリソースをご紹介します この資格は、組織がクラウドイニシアチブを実装するための重要なスキルを持つ人材を特定して育成するのに役立ちます。AWS Certified Machine Learning - Specialty を取得すると、AWS で機械学習 (ML) モデルの構築、トレーニング、チューニングおよびデプロイに関する専門知識を認定します。 AWS Certified Machine Learning - Specialty は、開発またはデータサイエンスの担当者で、AWS クラウドでの機械学習 (ML)/深層学習ワークロードの開発、アーキテクチャ設計、実行において 1 年以上の実践経験を持つ個人を対象としています。この試験を受ける前に、以下のことをお勧めし
AWS Certified Machine Learning(MLS-C01)受験記録
お前だれよ バックエンドとかETL書いてる AWSは今は使っていない。以前、RDSとかEC2とかはちょっと触った AWSの資格は３つ目 AWS Certified Data Analytics Specialty (DAS-C01) AWS Certified Database(DBS-C01) 機械学習の知識 勉強したこと 色々書いてますが、 まずはExam Readinessで概要 AWS Certified Machine Learning SpecialtyでAIサービス系 Data Science on AWSでSageMaker scikit-learn、Keras、TensorFlowによる実践機械学習で機械学習系の知識 を勉強しました。 Exam Readiness:AWS Certified Machine Learning - Specialty AWS試験毎（多分）に
AWS Certified Machine Learning – Specialty 合格までの(私の)学習方法 | DevelopersIO
Introduction 先日 AWS Certified Machine Learning – Specialty(MLS-C01) を受験してパスしたので、 自分がそれまで行った学習方法について紹介します。 AWS Certified Machine Learning – Specialty? AWS Certified Machine Learning – Specialty(以下、MLS)は、特定のビジネス上の問題に対して 機械学習ソリューションを設計から運用まで遂行する能力を検証したい開発者や データサイエンティスト向けの資格試験です。 AWSに関連する知識だけでなく、機械学習や統計学の知識も要求される試験となっています。 Background knowledge 前提となる私の知識など。 機械学習関連の知識 以前JDLAの資格は取得しており、機械学習の超基本的な知識は有していま
Intel、コードの異常パターンを自動検出する「ControlFlag」をオープンソース化
ControlFlagはGitHubのようなバージョン管理システム上のオープンソースリポジトリをマイニングする。それにより、C/C++のような高級プログラミング言語の制御構造における一般的なパターンを学習し、新たに与えられたコードの異常を検出する。 ControlFlagは単純な誤植（タイポエラー）の検出はもちろん、NULLチェック漏れに対するフラグ付けなど、さまざまな問題検出に利用できる。 開発時間と開発コストの50％を占めるデバッグを改善 ソフトウェア開発者は開発時間の50％以上をデバッグに費やしていると推定されている。ControlFlagは、コードの異常パターンの自動検出機能により、デバッグを改善することを目指したツールだ。 Intelは、開発者がControlFlagを使ってデバッグ作業を効率化し、創造的な作業により多くの時間をかけられるようになることを期待している。 デバッグが
成功した機械学習モデル150個を分析してわかったことまとめ、Booking.comの場合
by stem.T4L 宿泊予約サイトのBooking.comはプラットフォームに機械学習を取り入れており、毎日いくつものA/Bテストを実施して最適なオプションや表示方法を模索しています。機械学習を取り入れるなかで失敗と成功の両方を何度も経験してきたBooking.comが、150の成功モデルから学んだことについて論文を発表しました。「機械学習が現実の企業やプラットフォームのパフォーマンスにどう影響するのか」を述べたこの論文を、VMwareのCTOを務めたのちにAccelのベンチャーパートナーとなったAdrian Colyer氏がかみ砕いて解説しています。 150 Successful Machine Learning Models: 6 Lessons Learned at Booking.com (PDFファイル)http://delivery.acm.org/10.1145/3340
AIの開発や本番環境への導入が少ないコードで簡単にできる「Vertex AI」がGoogle Cloudで一般提供開始、実際に使ってみた
Googleがオンラインイベント「Google I/O 2021」の中で、AIの開発や運用を容易に行えるようにする機械学習プラットフォームの「Vertex AI」を発表しました。 Vertex Ai | Vertex AI | Google Cloud https://cloud.google.com/vertex-ai Google Cloud launches Vertex AI, unified platform for MLOps | Google Cloud Blog https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-launches-vertex-ai-unified-platform-for-mlops Googleによると、Vertex AIを利用すると競合に比べて80％近
日立製作所、IoT機器などの脅威・脆弱性情報を収集分析するサービスをAIで強化
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 日立製作所は、IoT機器の脅威・脆弱性情報を収集・分析する「脅威インテリジェンス提供サービス」を人工知能（AI）で機能強化したと発表した。4月1日に販売を開始する。 サイバーセキュリティにおける情報検索が可能な収集ツールを活用し、ハッカーやリサーチャーが利用するウェブサイトやダークウェブなど膨大なデータソースを対象に、関連する業界や製品に関する脅威・脆弱性情報を効率的に収集する。また、収集した数万件におよぶ情報の中から、利用者に関連する情報を独自AIによって選別する。 過去のサイバー攻撃事例における業界特有の攻撃パターンや影響などを学習させたAIモデルにより、収集した情報に含まれるセキュリティ要素や業界固有の要素をAIで抽出し、自動的に
マイクロソフト、宇宙探査における「Python」の利用を学べるコンテンツを公開
Liam Tung （ZDNET.com） 翻訳校正： 矢倉美登里 吉武稔夫 （ガリレオ） 2020-09-03 14:22 Microsoftは米航空宇宙局（NASA）と協力し、プロジェクトベースの3つの学習モジュールを開発した。これらの学習モジュールは、初心者レベルのプログラマーを対象として、宇宙探査や隕石の分類、天候によるロケット打ち上げ延期の予測などに、プログラミング言語「Python」と機械学習のアルゴリズムをどう利用すればいいのかを教えてくれる。 モジュールを最後まで受講するには、「Windows」PCか「Mac」、あるいは「Linux」を搭載したPCが必要だ。プログラミング言語とは何か、Microsoftのコードエディター「Visual Studio Code」の使い方、Python向け拡張機能のインストール方法、VS Code内で基本的な「Jupyter Notebook」
AIの攻撃をAIで防御、サイバーセキュリティの“いたちごっこ”最新事情
AIの攻撃をAIで防御、サイバーセキュリティの“いたちごっこ”最新事情：よくわかる人工知能の基礎知識（1/4 ページ） コンピュータシステムや端末に何らかの不正な働きかけをし、その利用者や所有者の利益に反する行いをするサイバー攻撃。その歴史は古く、今から30年以上前の1989年には、既に現在のランサムウェアに相当するものが登場している（インターネットではなくフロッピーディスクを通じて拡散されたそうだ）。それ以来、DDoS攻撃や標的型攻撃など、その数や種類は大幅に増えており、もはや人間だけで対処するのが難しいレベルに達している。 サイバー攻撃の増加と多様化によって、セキュリティ人材も不足してきている。高度化した攻撃に対抗するには高度な知識と経験が要求されるため、そうした人材を一朝一夕に増やすわけにもいかない。その意味でも、現在のセキュリティ対策には機械による自動化が欠かせなくなっている。 こ
機械学習でMicrosoftがセキュリティバグを判定、高い精度が特徴
機械学習でMicrosoftがセキュリティバグを判定、高い精度が特徴：1カ月で3万件発生するバグを利用 Microsoftは、教師あり機械学習を活用することにより、セキュリティバグの特定と分類の精度を大幅に向上させたと発表した。開発時、さらには運用後の改善にはセキュリティ専門家の協力を仰ぐことが不可欠なのだという。 ソフトウェア開発者は毎日、実装しなければならない機能はもちろん、報告のあったバグの長いリストを目の前にして苦労している。セキュリティの専門家は、自動化されたツールを使ってセキュリティバグに優先順位を付けているものの、開発者側では誤検知に時間を費やしたり、誤って分類された重要な脆弱（ぜいじゃく）性を見逃したりしている。 Microsoftでは、約4万7000人の開発者がソフトウェア開発に携わり、1カ月当たり3万件近くのバグを作り込んでいる。同社はバグを「Microsoft Azu
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
Amazon.co.jp: セキュリティエンジニアのための機械学習 ―AI技術によるサイバーセキュリティ対策入門: Chiheb Chebbi (著), 新井悠 (翻訳), 一瀬小夜 (翻訳), 黒米祐馬 (翻訳): 本
話し言葉でプログラミング Microsoft、ノーコード進化 - 日本経済新聞
エヌビディアがCPU参入 アームと組みAI計算10倍速く - 日本経済新聞
誰でもノーコードで画像判別の機械学習モデルを作成できる「Lobe」【イニシャルB】
中国、5秒で記事10本 AIが自動作成 - 日本経済新聞
