AIで新聞社の抱える課題を解決--コールセンターの効率高める自然言語処理の使い所
2月21、22日に開催されたイベント「CNET Japan Live 2017 ビジネスに必須となるA.Iの可能性」では、企業における先進的な人工知能（AI）の活用事例を紹介したり、今後のビジネスでAIがどう必要不可欠になるかを解説したりする多彩な講演が催された。 今回は、朝日新聞社 メディアラボ 主査の田森秀明氏と、レトリバ 取締役 兼 リサーチャーの西鳥羽二郎氏による講演「メディアと人工知能＝自然言語処理研究への取り組み」の概要を取り上げる。前半は、田森氏が朝日新聞社でAI研究などを手がけるメディアラボの活動内容を紹介。後半は、西鳥羽氏がAIの具体的な活用例として、レトリバのコールセンター向けソリューション「AnswerFinder」「VoC Analyzer」で得られた成果を解説した。 メディア企業がイチから始めたAI研究 田森氏は、毎日記事を制作し、紙に印刷して販売する新聞事業は、
【読書メモ】ゼロから作るDeep Learning - 緑茶思考ブログ
ゼロから作るDeep Learningを読んだ。 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 作者: 斎藤康毅出版社/メーカー: オライリージャパン発売日: 2016/09/24メディア: 単行本（ソフトカバー）この商品を含むブログ (11件) を見る その読書メモのまとめ。 1章 Python入門 2章 パーセプトロン 3章 ニューラルネットワーク 4章 ニューラルネットワークの学習 5章 誤差逆伝播法 6章 学習に関するテクニック 7章 畳み込みニューラルネットワーク 8章 ディープラーニング この後、自分は本書のネタ元である（と思われる）CS231nとMichael NielsenのNeural Networks and Deep Learningに取り組んだ。
ソフトウェアエンジニアはどこまで機械学習を勉強すべき？ - 648 blog
最近は、意識が高い？ソフトウェアエンジニアなら、機械学習の理論くらい嗜んでいないとダメ、という風潮になっている。（僕の思い込みか？） 確かに数式レベルで機械学習の仕組みを把握すべきだとも思うが、ある一線を超えてくると、どうも僕のCPU性能では完全には理解できなくなってくる。（まあ雰囲気で把握して、あとはソースコードを読んでいくというか……） それにしても、ソフトウェアの作り手たちは一体、どこまで機械学習の理論を学べばいいのだろうか？ 目次 目次 機械学習技術の現状 機械学習ライブラリの発展 機械学習サービスの発展 機械学習以外の人工知能技術 アプリケーション開発者はどこまで習得すべき？ 機械学習技術の活用自体は検討すべき 昔話 結論として まとめ 機械学習技術の現状 実に10年以上前から、機械学習は様々な形で研究されてきた。 そのうち、2010年代初頭にディープラーニングの知名度が広がりは
「TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~」が発売されます - めもめも
TensorFlowで学ぶディープラーニング入門 ~畳み込みニューラルネットワーク徹底解説~ 作者: 中井悦司出版社/メーカー: マイナビ出版発売日: 2016/09/28メディア: 単行本（ソフトカバー）この商品を含むブログを見る 表題の書籍がマイナビ出版より発売されることになりました。執筆にご協力いただいた方々には、あらためてお礼を申し上げます。販売開始に先立って、「はじめに」を掲載させていただきますので、先行予約される方の参考にしていただければと思います。 はじめに ディープラーニングの世界へようこそ！ 本書は、機械学習やデータ分析を専門とはしない、一般の方を対象とした書籍です。―― と言っても、ディープラーニングの歴史や人工知能の将来展望を語る啓蒙書ではありません。ディープラーニングの代表とも言える「畳み込みニューラルネットワーク」を例として、その仕組みを根本から理解すること、そし
AWS Solutions Architect ブログ
Apache SparkとAmazon DSSTNEを使った、Amazon規模のレコメンデーション生成 Amazonのパーソナライゼーションでは、お客様毎の製品レコメンデーションを生成するためにニューラルネットワークを使っています。Amazonの製品カタログは、あるお客様が購入した製品の数に比較して非常に巨大なので、データセットは極端に疎になってしまいます。そして、お客様の数と製品の数は何億にものぼるため、我々のニューラルネットワークのモデルは複数のGPUで分散しなければ、空間や時間の制約を満たすことができません。 そのため、GPU上で動作するDSSTNE (the Deep Scalable Sparse Tensor Neural Engine)を開発しオープンソースにしました。我々はDSSTNEを使ってニューラルネットワークを学習しレコメンデーションを生成していて、ECのウェブサイト
DeepLearningライブラリのChainerがすごい、らしい - cvl-robot's diary
Preferred Infrastructure(以下PFI)からスピンオフした会社、Preferred NetworksのリリースしたDeepLearningライブラリのChainerがすごい、と話題になっています。*1 解説 Deep Learning のフレームワーク Chainer を公開しました | Preferred Research 公式 Chainer: A flexible framework of neural networks GitHub pfnet/chainer · GitHub ドキュメント Chainer – A flexible framework of neural networks — Chainer 1.1.0 documentation おそらく初露出 ディープラーニング最近の発展とビジネス応用への課題 公式ツイッター chainer (@Chai
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
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
