誰がケネディを殺したのか――公開された暗殺文書をマイクロソフトのAIで解読
日本マイクロソフトは11月17日、米国ニューヨークで11月15日～17日（現地時間）に行われた開発者向けイベント「Microsoft Connect 2017」の内容を日本向けに紹介するイベント「Microsoft Connect Japan 2017」を開催した。 今年10月26日、米国立公文書館は、1963年に起こったジョン・F・ケネディ大統領の暗殺事件に関して、これまで機密扱いだったFBIやCIAなどの内部記録文書をWebサイトに公開した。3万ページにもおよぶ膨大なドキュメントは、人間が1人で読もうとすると10年～20年かかる量だ。ここで、ドキュメントの理解にAIを使うことで、人間の何倍ものスピードで内容を解読することができる。 Microsoft Connect Japan 2017の佐藤直生氏（日本マイクロソフト Azureテクノロジスト）のセッションでは、学習済みのAI API
マカフィー、機械学習活用の振る舞い検知製品とSIEMの最新版
マカフィーは4月9日、都内で記者会見を開き、不審な振る舞いを検知する「McAfee Behavioral Analitycs」と、セキュリティ運用機能を強化したSIEM(Security Information Management)の最新版「Enterprise Security Manager(McAfee ESM 11)」を発表し、販売を開始した。 冒頭、マカフィー シニアプロダクトマーケティングスペシャリストの中村穣氏は「早期発見・対応の実現には脅威対策ライフサイクルにおいて調査と分析のフィードバックが重要となり、相関分析を活用した検知の強化が用いられるようになっている。今後はより多くのログデータを使用する傾向が高まり、分析力の自動化と拡張性を伴う高速な検索が必要となる」と指摘した。 マカフィー シニアプロダクトマーケティングスペシャリストの中村穣氏 McAfee Behavior
58歳の文系エンジニアがCourseraのMachine Learningを苦労して完走した話 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 老害と呼ばれそうなお年頃ですが、2018年3月の1ヶ月間でCourseraでスタンフォード大学が提供しているMachine Learning講座を修了しました。定年間近の老兵がどうやってこの講座を完走し、これから何を目指しているのかをお話ししたいと思います。 動機（≠動悸） 2月のデブサミ2018で、ウルシステムズの漆原さんの講演を聴いて、一生エンジニアで飯を食っていきたいなら何か新しいことを始めなきゃダメだなと思ったのが始まりです。 2017年は、Xamarinを使ったiOS/Androidアプリ、Raspbian上でC#を使ったRE
激化する「Kaggle人材」データサイエンティスト争奪戦 —— DeNA業務時間でもコンペ参加OKの新制度創設 | Business Insider Japan
ディー・エヌ・エー（DeNA）は、データサイエンス人材の採用強化を目的に、データ分析や機械学習の世界的なコンペティションへの参加に業務時間の20〜100%を使うことを認める新制度を、4月から始めることを明らかにした。 対象となるコンペは「Kaggle（カグル）」と呼ばれるアメリカ発のプラットフォームで常時開催されている。マイクロソフトやフェイスブックなど、名だたる企業がデータ分析や機械学習の課題を出し、世界各国のデータサイエンティストが、その分析モデルを競い合う場だ。 Kaggle：世界中の企業や研究者がデータを投稿するプラットフォーム。2010年にアメリカで設立された。現在では60万人超のデータサイエンティストや研究者が登録しているとされ、最適モデルを競い合っている。参加者の「モデル」は採点され、ランク付けされる。最適モデルを提示した参加者には、企業や研究者から賞金が支払われる。賞金は数
Pythonでの数値計算ライブラリNumPy徹底入門
NumPyは、多次元配列を扱う数値演算ライブラリです。機械学習だけでなく画像処理、音声処理などコンピュータサイエンスをするならNumPyを学んでおくことで、あなたの日々の研究や開発の基礎力は格段にアップするはずです。 プログラミングの初心者から、Webエンジニア、これから研究する人など、初学者にも分かりやすく優しく説明することを心がけて必要な知識が身につくように解説しています。 腰を据えて学習する時間と余裕のある方は、Step1から順に進めていくことで、苦手意識のあった方でも一通り読み終わる頃には理解できなかったPythonとNumPyのソースコードがスラスラと読めるようになるはずです。 上級者の方は、分からない記事だけ読むだけでも、力になると思われます。あなたのプログラミング能力を向上する手助けになることをお約束します。このサイトを通して、コンピュータサイエンスに入門しましょう。 Ste
AI研究25年のマイクロソフトが語る“成果を出す”導入のコツとヒント
朝日インタラクティブは2018年2月27～28日、都内で「CNET Japan Live 2018 AI時代の新ビジネスコミュニケーション」と題したイベントを開催し、ビジネスを成長させるコミュニケーションのあり方を議論した。ここでは日本マイクロソフトのAIに対する25年の取り組みを紹介する。 MicrosoftにおけるAI（人工知能）への取り組みは、1991年にRichard Rashid氏が設立したMicrosoft Researchの時代までさかのぼる。長年にわたって基礎研究を続け、2016年10月にはMicrosoft社内にAI製品の開発や基礎・応用研究、新技術開発を担当する5000人規模の新部署、Microsoft AI and Research Groupを設けた。この25年にわたる取り組みを踏まえて日本マイクロソフトは、「我々は突然出てきたAIベンダーではない」（日本マイクロソ
DataRobot（データロボット）は機械学習民主化の橋頭堡か？：機械学習を考える - GiXo Ltd.
TAG : DataRobot | MLOps | Strategy & Art | thinkaholic｜シンカホリック | 文系 | 機械学習 AUTHOR : 田中 耕比古 POSTED : 2017.06.06 08:53 DataRobotがあれば、予測モデルづくりが容易になる DataRobotというツールがあります。弊社（ギックス）でも導入して、いろいろと試してみているところなのですが、なかなかエポックメイキングなツールだなぁと日々痛感しています。ということで、本日は、そんな「機械学習の画期的ソリューション」である”DataRobot”をご紹介します。 DataRobotは、ええかんじの予測モデルを探してくれるヤーツ DataRobotは、一言で言えば「いろいろな予測モデルを勝手に試してくれるツール」です。 モデルは無数に用意されていますが、一つのデータセットに対して、
王者アマゾンを脅かす｢クラウドAI｣開発競争
コンテンツブロックが有効であることを検知しました。 このサイトを利用するには、コンテンツブロック機能（広告ブロック機能を持つ拡張機能等）を無効にしてページを再読み込みしてください。 ✕
Googlerも学んだAI講座、「Learn with Google AI」で一般公開
この講座のオリジナルは、Googler（Googleの従業員）向けに開発したもので、これまでに1万8000人以上が受講した。その成果がDaydreamのカメラカリブレーションやGoogle EarhのVR機能、YouTubeのストリーミング品質の向上などに反映されているという。 関連記事 Google、プログラミングができなくてもAIツールを作れる「AutoML」のα版提供開始 Googleが、少量の教師データをアップロードして転移学習させるだけでAIツールを構築できる「Cloud AutoML」を発表した。まずは画像認識向けの「AutoML Vision」のα版を提供開始する。 Google、音声認識システム訓練用データセットをオープンソースで提供 Googleが、クラウドソーシングで集めた6万5000件の短い英単語の音声録音のデータセット「Speech Commands Dataset
Learn with Google AI: Making ML education available to everyone
During college, while doing a geophysics internship aboard an oil rig, I realized that software was the future—so I switched my major to computer science. After more than a decade working at Google, I had a similar moment where I realized that AI is the future of computer science. Today, I lead Google’s machine learning education effort, in the hope of making AI and its benefits accessible to ever
オープンソースのWebIDE「JupyterLab」がベータ公開、Python/R/Scalaなどに対応。データ解析環境から統合開発環境へと進化
Notebookの機能にターミナル、ファイルブラウザなどを統合 そのJupyter Notebookのメジャーバージョンアップ版として開発されているJupyterLabは、Notebookの機能だけでなく、ターミナル画面の機能、ファイルブラウザ、テキストエディタなどの機能が統合され、それらをタブによって同時にいくつも開くことができるようになり、統合開発環境と呼ぶべきツールへと進化しました。 拡張機能によって機能をあとから追加することも可能（JupyterLabの基本機能であるNotebookやファイルブラウザ、ターミナルも拡張機能として実装されていると説明されています）。すでに、JSONやCSVの読み込み機能、JSONフォーマットで地図情報を記述するgeoJSONによる地図表示などが用意されています。 JupyterLabは今年後半に正式版となるバージョン1.0がリリース予定。また、現バー
Googleの画像認識APIを基に、好きな画像を学習させて認識機能を簡単にカスタマイズできる「Cloud AutoML Vision」発表 － Publickey
Googleの画像認識APIを基に、好きな画像を学習させて認識機能を簡単にカスタマイズできる「Cloud AutoML Vision」発表 Googleは、Googleが提供する学習済み機械学習APIを基に、ユーザーが自分のデータを学習させることで認識機能をカスタマイズできる「Cloud AutoML」を発表しました。 「Cloud AutoML」に対応したAPIの第一弾として、ユーザーが独自の画像を学習させられる「Cloud AutoML Vision」を発表しました。 学習済みの機械学習APIに対して追加で学習可能 Googleは、機械学習を用いた画像認識APIとして「Cloud Vision API」を以前から提供しています。 Cloud Vision APIはあらかじめGoogleによって学習済みであるため、画像を読み込ませるだけで、人間の顔の検出や猫や犬といった動物、船や飛行機、
機械学習案件を納品するのは、そんなに簡単な話じゃないから気をつけて - Qiita
はじめに 昨日のTwitterで書いたこちらが非常に反響を呼びました。 半年間かけたデータ解析の仕事が全くうまくいかなかった 今回の失敗は契約書に納品物を明記していなかったこと 機械学習の依頼は学習済みモデルのファイルを納品しただけでは、先方は検収できず、結果支払いを受けられない この教訓をひとりでも多くの人に知ってもらいたい — キカガク代表 吉崎亮介 (@yoshizaki_kkgk) 2017年11月20日 そうなんですよね。 全く先方が悪いわけでもなく、私自身が「機械学習のお仕事＝解析」だと思いこんでいたことが失敗の始まり。 結局のところ、機械学習系のプロダクトを依頼されて、学習済みモデルを作成して即納品とはいかず、検証結果を示されないと検収できないよとなってしまうので、結局アプリケーション側まで組み込まないと納得感はないんですよね。 この検証とは、訓練データと検証データを分けた時
ディープラーニングにもセキュリティ問題、AIをだます手口に注意
ディープラーニング（深層学習）にもセキュリティ問題が存在する。データからルールを導き出す「訓練」に使用するデータに不正なものを紛れ込ませたり、認識に用いるデータにある種のノイズを加えたりすることで、AI（人工知能）に誤検出させようとする。AIの信頼性に関わる問題だけに、米Googleなどが対策に動き出している。 「AIが判断を間違えると、大変な問題を引き起こす恐れがある。AIをどうやって防御するかが、大きな課題になっている」。Googleに所属するAI研究者であるIan Goodfellow氏はそう語る。2017年10月にシリコンバレーで開催されたディープラーニングに関するカンファレンス「BayLearn 2017」でも、セキュリティ問題が大きなテーマになった。 GoogleのGoodfellow氏によれば、機械学習ベースの画像認識技術に対する攻撃手法には「アドバーサリアル・エグザンプル（
機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界
さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを
”仕事で始める機械学習”の要点をまとめてみたらとても良い入門書だった
最近、販売された仕事で始める機械学習を買ったので、購入を考えられている方や機械学習を始めたいと思っている方に読んで、参考になればと思います。 この記事の目的と全体の流れただ読むのと、アウトプット（ブログに書く）前提で読むのとはインプットの質が違うということがわかったので、ブログに書きながら理解していく形を取ります。 全体の流れとしては、章の要約。あぁこの内容知ってるなって人は買わずに済むし、わからないこと多いという人は購入を検討して頂ければ。（出版関係者でもなければ、アフィリエイトなどの営利目的でもなく、いち消費者としての個人的意見になります。 ご了承ください。） 結論から言うと（書評）いままでのオライリーのデータサイエンス本だと英語から翻訳したのでわかりにくい日本語が非常にうっとうしいのですが、 この本は、日本の方が書かれており、日本語スムーズに理解できます。 また、非常に論理立てられて
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
グローバル消費インテリジェンス寄附講座コンテンツ 公開ページ
AI・データ活用人材を社内で育成、DataRobotがパッケージ商品
https://jp.techcrunch.com/2017/11/30/2017-11-29-aws-releases-sagemaker-to-make-it-easier-to-build-and-deploy-machine-learning-models/
「自律データベース」はサイバーセキュリティ脅威への本質的解決策となるか
