AIはどこまで無断で学習できるのか。～文化庁の生成AI論点整理(ガイドラインの素案)を読んで - フジイユウジ::ドットネット
今日、文化庁は生成AIと著作権保護についてのガイドラインとなる素案を提示しました。(2023/12/20時点。その後の状況については追記をお読みください。) 生成AIでなにが合法でどんなとき違法になるべきか、クリエイターや開発者、ビジネス系のひとなどが議論していますが、多くの生成AI周辺にいる人たち全員に関係あるガイドラインがいままさに検討されているわけです。 朝日新聞ではこう報じています。 文化庁は20日、文化審議会著作権分科会の法制度小委員会に、生成AI（人工知能）によるコンテンツの無断学習は、著作権法で著作権者の許諾が不要とされる「非享受目的」にあたらない場合があるとする「AIと著作権に関する考え方」の素案を示した。生成AIが記事や画像データなどを無断で利用する「ただ乗り」（フリーライド）に懸念の声が上がる中、現行法を厳格に解釈し、歯止めをかけたい考えだ。 朝日新聞デジタルより引用
ファッションにおける類似商品検索アルゴリズムの性能評価 - DROBEプロダクト開発ブログ
概要 背景・目的 実験 実験の概要 定量評価 定性評価 おわりに 参考文献 DROBEで機械学習エンジニアをしております、藤崎です。 概要 類似商品検索の基盤となる複数の特徴抽出アルゴリズムについて、DROBEの保有するデータで評価した 定量評価によると、画像単体を入力とする ResNet-50（自己教師あり学習）とCLIPの性能が高かった 定性評価によって、取り扱うモーダルの違いによる各モデル出力の顕著な差異が確認できた 背景・目的 小売において、商品の在庫は無数に存在しています。そのため、消費者やサービス提供者が商品に紐づく情報（画像、商品の説明文など）を解釈して、特定の商品と類似したアイテムを人手で行うのは困難です。 この課題を解決するために、機械学習手法の活用が注目されています。 機械学習を用いた処理の流れは、 商品に紐づく情報を適切に 「要約」 し、 1.で 「要約」 した商品情
画像生成AIに美樹さやかさんのデータを学習させたら、指定してないのにあの子が隣に映り込んだ･･･｢泣いた｣｢尊い｣
三雲岳斗 @mikumo 画像生成AIに美樹さやかさんのデータを学習させたら、指定してないのに勝手に佐倉杏子さんらしき人物が隣に映り込むようになった、って記事を読んで感動してる 独りぼっちは、寂しいもんな… six-loganberry-ba7.notion.site/22-09-26-Stabl… pic.twitter.com/Zx5UZBAY1y 2022-09-28 18:47:35 リンク Notion Notion – The all-in-one workspace for your notes, tasks, wikis, and databases. A new tool that blends your everyday work apps into one. It's the all-in-one workspace for you and your team 406
かなえ@Udemy講師 on Twitter: "「データサイエンスを勉強したいけど、何から手をつけて良いか分からない」という方、東京大学「数理・データサイエンス教育プログラム」のWebページが参考になるかもしれません！学習のロードマップや、各授業のシラバスが載っているので、何を… https://t.co/TFnT3XNl8E"
「データサイエンスを勉強したいけど、何から手をつけて良いか分からない」という方、東京大学「数理・データサイエンス教育プログラム」のWebページが参考になるかもしれません！学習のロードマップや、各授業のシラバスが載っているので、何を… https://t.co/TFnT3XNl8E
『データ分析のためのSQL勉強会』資料公開｜高橋 光 | 著書『データ分析力を高める ビジネスパーソンのためのSQL入門』
この本では、無料で公開しているnoteの内容をさらに丁寧に分かりやすく、体系化させてアップデートした内容となっています。 noteの内容を立ち読みだと思ってもらい、より丁寧に学びたい場合は是非書籍を読んでもらえると嬉しいですmm これからSQLを学びたいと思っている方向けに作成したSQL勉強会の資料を公開します！(以下の方向けの勉強会資料です) SQLをこれから学びたい人 仕事でSQLを触り始めたけどイマイチよくわからない人 データ集計やデータ分析をエクセル使ってやってる人 資料こちらから最新の資料をダウンロードして下さい。 (※「Source code (zip)」からダウンロードして下さい) 資料の構成は以下の通りです。 docs PDF資料 演習問題など含めて全部で約200ページくらいあります data ハンズオン用テストデータ csvファイル3つ script ハンズオン用テストデ
クマの置物連打が建設的ってのはどういう判定なんでしょうね 機械学習のモ..
クマの置物連打が建設的ってのはどういう判定なんでしょうね 機械学習のモデルだとああいう極端なデータってヒットしにくいよね
やってみたら簡単！ディープラーニング・オセロを作って自分を負かすまで強くした話(その1) - Qiita
オセロのAIアルゴリズムをディープラーニングで作成し、私が勝てないぐらいまでには強くなった、という話です。 また私の場合は2ヶ月ぐらいかかってしまいましたが、実装自体はそんなに難しくなかったので、実装方法についても説明したいと思います。 この記事でわかることは、ディープラーニングでオセロのAIアルゴリズムを作る方法です。基本的な考え方は他のボードゲームも同じなので、流用できると思います。 対象読者は、TensorFlowなどディープラーニングのライブラリを使い始めて、MNISTの数字分類など基本的な処理はできたけれど、それ以外の問題だとやり方がわからない、というような方です。 きっかけ 私の所属するエンジニアと人生コミュニティで、リバーシチャレンジなるものが開催されたことがきっかけです。このコンテストは「リバーシならどこにこだわっても良い」というルールでした。 私は、ちょうど少しまえに「将
バスケの選手とボールの位置データから機械学習で攻撃・守備戦術を分類
Sports Analyst Meetupは、現役スポーツアナリストとスポーツ分析に興味のある方の情報共有イベントです。バスケットボールの選手・コーチとしての経験をもつ藤井慶輔氏が機械学習による攻撃守備戦術の分類についての研究を共有しました。 見てわかるデータしか信用されない現状 藤井慶輔氏：よろしくお願いします。藤井と申します。今回は初参加です。ちょっと雰囲気が掴めてないんですが、よろしくお願いします。タイトルは『バスケットボールの攻撃・守備戦術の自動分類』という話をします。 初参加なのでまず自己紹介から。スポーツ歴は今日お話をするバスケットで、大学時代まで選手をやっていて、大学院の5年間はコーチをやっていました。 大学院時代はこの動画にあるような対人の動作分析を、モーションキャプチャを使ってやっていました。ポスドク時代は、この動画にあるように、体育館で頭と肩に反射マーカーを付けてモーシ
実践データサイエンス─サンプルコードと図表で学ぶ、前処理・モデル評価・パラメータチューニング - エンジニアHub｜Webエンジニアのキャリアを考える！
実践データサイエンス─サンプルコードと図表で学ぶ、前処理・モデル評価・パラメータチューニング 実践とともに、データサイエンスに入門しよう！敷居が高いと思われがちなデータサイエンスですが、データの前処理からの手順は意外とシンプルです。本記事では、データの前処理や特徴量の作成、モデルの評価・訓練、ハイパーパラメータの調整など、基本的な知識をサンプルコードと図表を見ながら学びます。 データサイエンティストとしてのスキルを向上させるには、データの前処理や特徴量の作成、モデルの評価・訓練、ハイパーパラメータの調整など、広域にわたる知識を身に付ける必要があります。 この記事は、そうした知識を「サンプルコードと図表を見ながら、分かりやすく学習できること」を目指して作成されました。記事内では、新米データサイエンティストのOさんが登場して、ある案件のデータ分析を担当します。読者のみなさんも、ぜひOさんと一緒
Neural Network Consoleを使って五等分の花嫁を学習してみた - Qiita
はじめに 機械学習を使って五等分の花嫁の予測をする記事はいくつかあるのですが、最新10巻までのデータを使ったもの、Neural Network Console（以下NNC）を使ったものが無かったので自分の練習がてら試してみました。 多少のネタバレを含みますので注意してください。 因みに私は三玖派です。 過程はいいから結果だけ見たい方はこちら。 Neural Network Consoleとは？ Neural Network Consoleとは、SONYが開発したディープラーニング・ツールで、ドラッグ＆ドロップでニューラルネットワークを編集できるため、数学やプログラミングの知識がない人でも簡単にディープラーニングを行うことができるツールです。また、学習にはクラウド上のGPUを使うので、頭もPCも低スペックな私でも簡単に学習モデルを作ることができます。 開発者である小林由幸氏自身による解説動画
「Amazon Forecast」が正式リリース 過去の時系列データを与えるだけで機械学習による予測をしてくれる、専門知識不要のサービス
この記事は新野淳一氏のブログ「Publickey」に掲載された「「Amazon Forecast」が正式リリース。過去の時系列データを与えるだけで機械学習による予測をしてくれる、専門知識不要のサービス」（2019年9月5日掲載）を、ITmediaNEWS編集部で一部編集し、転載したものです。 Amazon Forecastは、なんらかの時系列データおよびその時系列データに影響を与えたであろう周辺情報、例えばある店舗の売り上げの時系列データおよび、その店舗の場所の天候、気温、交通量、曜日や祝日など売り上げに影響すると思われる周辺情報を与えると、予測に必要な機械学習モデルの構築、アルゴリズムの選定、モデルの正確性の検証や改善などを全て自動で実行し、売り上げに関する予測のデータを出力してくれるというサービスです。 一般に、機械学習を活用するには、学習用のデータと検証用のデータを用意し、学習用のデ
Pythonで株価を機械学習モデルに投入して、グラフに表示してみる - Qiita
はじめに 最近の個人的なブームはブロックチェーン・仮想通貨です。 それに伴って（？）仮想通貨など考えるならば、株価を、機械学習で予測することのほうが良いのではないかと思い立った次第です。 とりあえず、データを集めて、それを機械学習のライブラリ（scikit-learnのSVM）に投入してモデルごとの結果を図示化を行いました。 厳密にいえば、今回のものは将来予測ではなく最適収斂モデルなので微妙に違うところもありますが。。 しかしこれは第一弾で、投入データを増やす、モデルをKeras,Tensorflow,chainerなどのやつにする、海外の文献をあさるなど今後に取りうる方針はいろいろありますが、まずはメモ書き残し用途です。 結果 ソースコード import csv import numpy as np from sklearn.svm import SVR import matplotli
「サービスは、データと分析だけではない」株式会社DeNAアプリゼミ総合プロデューサー 床鍋氏 【EdTech Night!講演レポート】 |EdTech Media
HOMEイベント「サービスは、データと分析だけではない」株式会社DeNAアプリゼミ総合プロデューサー 床鍋氏 【EdTech Night!講演レポート】 2014年2月20日に行われたイベント「EdTech Night!」の、講演レポートの第3弾です。第3弾は、株式会社DeNA エンターテインメント事業本部 アプリゼミ総合プロデューサー 床鍋 佳枝氏の講演をレポートします。 株式会社DeNA エンターテインメント事業本部 アプリゼミ総合プロデューサー 床鍋 佳枝氏 DeNAは、2013年12月に教育業界にアプリゼミで参入した。4月から小学1年生への展開を目指して、開発中なので、テスト中でのデータや分析について紹介したい。 アプリとしては、ひらがなの書き順やゲーム感覚の数学ドリルなどがある。楽しく学べるアプリゼミとして、家庭での学習に使えるものを想定している。 保護者の教材に対するニーズの強
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
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
ニューラルネットワークはこうして進化する：AIの世界的権威ジェフリー・ヒントンが語る
ネットワーク工学概論