「テクノロジーが使えるかどうか」ではなく「人材が使えるかどうか」へ ガートナージャパンの亦賀忠明氏（ディスティングイッシュト　バイスプレジデント　アナリスト）は「『PoCによる試行導入を実施したが、それほど効果が出なかった』という話があるが、それはテクノロジーの問題というよりも人や組織のテクノロジーへの向き合い方、スキル、マインドセット、スタイルの問題が大きい」と分析。ガートナージャパンは「そうした視点が欠けているPoCをこれ以上やっても無駄」ということに気付く人が増えていくと予測している。 同社は「今後、テクノロジーが使えるかどうかを評価するためのPoCは減少し、人がそのテクノロジーを日常的に経験する機会としての試行導入へ移るだろう。企画やその試行をベンダーに丸投げしたPoCは『やった感』は出せるだけで、お金と時間を無駄にするからだ」と指摘している。 また、こうした背景から今後は「企画の

ワシントン大学は2022年6月1日（米国時間）、Webページ内のデータ可視化に役立つソフトウェアを開発した。コンピュータ画面の内容を合成音声に変換したり、点字ディスプレイに出力したりするソフトウェア（スクリーンリーダー）のユーザー向けだ。1行のコードを追加するだけで、インタラクティブにデータを可視化できるようにするJavaScriptプラグイン「VoxLens」だ。 VoxLensは現在、可視化ライブラリの「D3」「Google Charts」「ChartJS」、単一系列の2Dデータ、「Google Chrome」をサポートしている。VoxLensユーザーはグラフが表す情報の高レベルな要約を得たり、グラフを音声に変換して聞いたり、音声コマンドを使用して、平均値や最小値など、データについて質問したりできる。 スクリーンリーダーのユーザーは米国だけでも数百万人に上り、全盲や弱視の人以外にも、学

リバースプロキシ（Reverse Proxy）とは、クライアントとサーバの通信の間に入って、サーバの応答を「代理（proxy）」しつつ通信を中継する機能、あるいはその役割を担うサーバのこと。Webシステムのセキュリティ対策や性能向上、負荷分散、あるいはシステム構成の自由度向上などのためによく利用される。 リバースプロキシの基本的な仕組み リバースプロキシが代理で応答するとはどういうことなのか、下図でもう少し細かく説明しよう。 リバースプロキシの基本的な仕組み ここではインターネットに設置されたHTTPのリバースプロキシを例に挙げている（実際には他のプロトコルに用いられることもある）。 （1）クライアント（図中のノートPC）のWebブラウザで「http://www.example.jp/」を開くと、www.example.jpを割り当てられているリバースプロキシのサーバに対して、リクエストが

連載目次 昨年10月、同タイトルの記事を公開して好評だった。今回は、2021年に向けた、そのアップデート記事となる。 ディープラーニング（深層学習）を実装する場合、専用のライブラリ／フレームワークを用いるのが一般的だ。ディープラーニングが流行してから直近5年ほどの間に、次々と新しいフレームワークが登場した。現在、主要なものを挙げると、 TensorFlow： 2015年登場、Google製。一番有名で、特に産業界で人気 Keras： 2015年登場、作者がGoogle社員。使いやすくて簡単。TensorFlow 2に同梱され標準API化 PyTorch： 2016年登場、Facebook製。この中では新興だが、特に研究分野で人気急上昇中 Chainer： 2015年登場、日本のPreferred Networks製。2019年12月に開発を終了し、PyTorchへの移行が推奨されている な

そこで、今回は「CNNなんて怖くない！　その基本を見てみよう」や「PyTorchで畳み込みオートエンコーダーを作ってみよう」などで取り上げた畳み込みニューラルネットワークを利用して、GANを構築してみることにします。 実際の構成は、次のようになります。以下ではConv2dクラスとConvTranspose2dクラスのみを含めてありますが、BatchNorm2dクラスおよびtorch.nnモジュールが提供する活性化関数クラス（torch.nn.Sigmoidクラス、torch.nn.Tanhクラス）も使用します。訓練データと偽物のデータの識別と偽物データの生成の中心的な処理はこれら2つのクラスが請け負うということです。 識別器（ディスクリミネーター）では、CNNで使用するConv2dクラスにより訓練データおよび生成器（ジェネレーター）から入力されたデータを最終的に0～1の値へと変換していきま

Neural Network Console概説： GUIで直感的にディープラーニングしよう！：AI・機械学習のツール＆ライブラリ Sonyが自社製品でも活用する信頼性の高いディープラーニングツール「NNC：Neural Network Console」の概要と特徴を筆者なりに分析して紹介。どんな人がどんな用途で使うべきかの指針も提案する。

あらゆる分野で活用が広がる人工知能（AI）技術。中でもDeep Learning（以下、DL）は画像処理や映像処理での活用に始まり、Googleが2018年10月に発表した「BERT」をきっかけに、自然言語処理（NLP）分野でも進化が進むなど、できることは日々広がっている。こうした技術を企業がビジネスに活用していく際に直面する課題とは何だろうか。ABEJAの代表取締役兼CEOであり、日本ディープラーニング協会（JDLA）の理事を務める岡田陽介氏に聞いた。 技術的な課題よりも、AIに対する「根強い誤解」が課題に？ 今やさまざまなメディアで「AIを活用すべき」「機械学習（以下、ML）やDLを生かした新しいビジネスを」といった論調が飛び交っているが、自社でどのように取り入れ、実践すべきか、思い悩む企業は少なくないのではないだろうか。岡田氏によると、データやテクノロジーの活用を考える際にまず重要な

ジェネレータイテレータが持つメソッド 前回はジェネレータ関数によって作成されるジェネレータイテレータが持つ__next__メソッドとsendメソッドについて見た。前者はジェネレータイテレータから値を取り出して次の要素に進むために、後者はそれに加えてジェネレータイテレータに値を送信するために使用する。 ジェネレータイテレータ（generatorクラス）には、それ以外に2つのメソッドがある。 throwメソッドは何らかの理由からジェネレータイテレータに対して例外を発生させる必要が生じたときに使う。このとき、発生させた例外をジェネレータイテレータ内部で処理して、実行を続けると、yield式によって次の値が呼び出した側に返送される。yield式に到達しなければ、StopIteration例外が発生する。 closeメソッドはジェネレータ関数のコード末尾に達するよりも前に、ジェネレータイテレータが削

NVIDIAは2019年3月18日（米国時間）、Amazon Web Services（AWS）との提携により、「NVIDIA Jetson」と「AWS IoT Greengrass」を組み合わせ、顧客が数百万台のコネクテッドデバイスでAIやディープラーニングを利用できるようにすると発表した。 この共同ソリューションでは、まずAWS上でAIモデルを作成後、トレーニングを通じて最適化する。その後、AWS IoT Greengrassを使ってJetsonベースのエッジデバイスにデプロイ、実行できるようになる。 NVIDIA Jetsonプラットフォームは、エッジでAIを提供し、高パフォーマンスで電力効率の高いコンピューティングを実現する。用途は幅広く、小売りや製造、農業といった業種向けの自律動作マシンやスマートカメラなどがある。 AWS IoT Greengrassを使うメリットは？ AWS

【3目並べで学ぶ強化学習】Q-LearningとDQNを徹底解説：Web解析にも使える！　強化学習超入門（2）（1/2 ページ） 3目並べで強化学習を行うと、どうなるのだろうか。強化学習のアルゴリズムの一つである「Q-Learning」を説明しつつ、Q-LearningにDeep Learningを組み合わせた「Deep Q-Network」を使って、強化学習を実装する方法を紹介する。 【おわびと訂正：2020年5月13日19時　本稿のサンプルのソースコードは「ChainerRLで三目並べを深層強化学習（Double DQN）してみた - Qiita」を引用して一部改変させていただいたものでした。該当箇所で、その旨の記載を追加しております。引用元の著者様、ならびに関係者の皆さまにおわび申し上げます。】 昨今、多くのサービスで活用され注目を集めている「機械学習」。その中から、2016年3月に

ニューラルネットワークライブラリTensorFlow／Kerasで実践するディープラーニング：Pythonで始める機械学習入門（8）（1/3 ページ） 最近流行の機械学習／Deep Learningを試してみたいという人のために、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する連載。今回はニューラルネットワークのライブラリであるTensorFlow／Kerasについて解説します。 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

ディープラーニングの欠点をカバー、多変量データを短時間観測して将来動向を高精度予測――東京大学の研究グループが新理論を構築：短時間多変数の結果を長時間小変数に変換 ディープラーニングでは大量の教師データを集めることが前提となる。だが長期間にわたって時系列データを集めることは難しい。東京大学生産技術研究所の合原一幸教授らの研究グループは、多変数からなる過去の動向を短時間観測したデータを使って、この前提を崩す研究成果を発表した。遺伝子発現量や風速、心臓疾患患者数などの実際の時間データに対して予測を行い、有効性を確認したという。 東京大学生産技術研究所の教授である合原一幸氏らの研究グループは、多変数からなる過去の動向を短時間だけ観測したデータから、ターゲット変数の将来の動向を高精度に予測する新しい数学的基礎理論を構築した。 一般に、生体や経済、電力網のような複雑系では、多数の変数が複雑なネットワ

VS CodeとFlaskによるWebアプリ開発「最初の一歩」：Visual Studio Codeで始めるPythonプログラミング（1/3 ページ） 連載「Visual Studio Codeで始めるPythonプログラミング」 FlaskはPythonでWebアプリを開発するための「マイクロ」フレームワークだ。今回から数回に分け、Visual Studio Code（以下、VS Code）とこのFlaskを利用して、Webアプリを開発するための基本を見ていこう。なお、本稿ではWindows版のVS CodeとPython 3.6.5を使用する（macOSでも動作を確認した）。 Flaskとは FlaskはWebアプリを開発するための「マイクロ」フレームワークだ。ここで「マイクロ」とは単なる「小規模なフレームワーク」ではなく、「コア機能はシンプル」で「拡張性がある」ことを意味している。

Visual Studio Codeの使い方、基本の「キ」：特集：Visual Studio Code早分かりガイド（1/6 ページ） Microsoft発のクロスプラットフォームなテキストエディタ、「Visual Studio Code」の使い方の基本をまとめる（バージョン1.25対応）。

日本マイクロソフトが開催した技術イベント「de:code 2018」で、竹中工務店が現場での「写真関連業務」の効率化を目指して機械学習の活用を図った事例が紹介された。登壇したのは、竹中工務店 技術研究所 先端技術研究部 主任研究員 博士 高井勇志氏だ。 近年、企業の「働き方改革」をサポートするために「AI」や「RPA（ロボット）」といったテクノロジーを取り入れようという機運が高まりつつある。しかし、参考にできる事例がまだまだ少ないといった理由などから「何から手を付ければいいのか」「どのように業務に組み込めばいいのか」がイメージできず、「最初の一歩が踏み出せない」という企業も多いのではないだろうか。 日本マイクロソフトが開催した「de:code 2018」では、竹中工務店が現場での「写真関連業務」の効率化を目指して機械学習の活用を図った事例が紹介された。 建設工事の現場で行われている「写真関

なお、本稿の内容は基本的に、Windows版のVS Code（64ビット版）で動作確認し、必要に応じてmacOS版でも確認をしている。 VS CodeでPythonする理由 PythonをサポートするエディタやIDE（統合開発環境）は数多く存在する。例えば、JetBrainsのPyCharmは優れたIDEであり、恐らく、VS CodeでできることはPyCharmでもできるだろう。それでもなお、VS Codeを使う理由とは何だろう。筆者もちょっと考えてみた。 VS Codeは無償で使える、軽量なエディタである（上に挙げたPyCharmにも無償で利用できるCommunityエディションはあるし、オープンソースプロダクトとして無償で利用できるエディタも数多いが） Python拡張機能をインストールすることで、IntelliSenseを利用したコード補完が可能になる 同じくPython拡張機能によ

ソフトウェアエンジニアがFPGA（field-programmable gate array）を使うハードルがさらに下がってきている。クラウドサービスでFPGAを活用できたり、Pythonで記述したニューラルネットワークをFPGAに高位合成できる研究成果が出てきたりしているのだ。 ソフトウェア開発者の立場でFPGAに取り組むイベント「FPGAエクストリーム・コンピューティング」を主宰する佐藤一憲氏、FPGAの高位合成によるディープラーニングについて研究している東京工業大学の中原啓貴氏（中原研究室）、そしてFPGAベンダーであるザイリンクスの神保直弘氏が、急激に常識が変わりつつあるFPGAの動向を語り合った。 本稿では座談会の中から、ソフトウェアエンジニアにFPGAや高位合成が求められる現状、そして、今後どのようなツールを使うべきか、ソフトウェアエンジニアがFPGAに取り組む際の課題などにつ

連載目次 今回は本特集でこれまでに取り上げてこなかったが、覚えておくべき事項としてPythonの文字列の基本、ファイル操作の基本、幾つかの組み込み関数の使い方を見ていこう。 文字列 本特集では整数、浮動小数点数など、Pythonの基本データ型については明確に取り上げてこなかった（読者の多くはこうしたデータ型の概念については既にご存じであろうという考えからだ）。文字列もそうしたデータ型の1つではあるが、Python独自の文字列の使い方もあるので、以下ではこれについて見ていくことにしよう。なお、Pythonの組み込み型については「TensorFlowやChainerに興味があるけど、Python未経験の技術者が最低限知っておいた方がいい基礎文法まとめ (2/6)」にまとめてあるので、そちらを参照してほしい。 まず簡単に文字列についてまとめておこう。

第8回 業開中心会議開催のお知らせ 2015年7月4日に第8回 業開中心会議「Windows 10でデスクトップアプリはどう変わる」を開催します。本稿で取り上げているUWP（Universal Windows Platform）、既存アプリをUWP化するUWP Bridgesなどを取り上げ、Windows 10時代の業務アプリのあり方を検討します。 一般ユーザー向けのWindows 10への無償アップグレードが7月29日から提供開始になると発表があった。企業向けのWindows 10 Enterpriseエディションはそれよりも遅れるが、恐らく年内には提供が始まるだろう。いよいよWindows 10時代の幕開けである。 業務アプリの開発者としては、Windows 10での変化、特に新しく導入されるユニバーサルWindowsプラットフォーム（以降、UWP）によってデスクトップアプリ開発はどう