Sage MakerやQuickSightが東京リージョンで提供！7月にはFargateも
AWS Summit 2018の最終日となる6月1日の基調講演では、機械学習サービス「Amazon SageMaker」やBIサービス「Amazon QuickSight」などの東京リージョン提供開始がアナウンスされた。4人のゲストによるAWSの活用事例のほか、機械学習、データ、コンテナ、Well-Architected Frameworkなどエンジニアにフォーカスしたさまざまなトピックが披露された。 東京リージョンでSage MakerやQuickSight提供開始 サーバーレスや機械学習を中心に初日の基調講演よりもテクノロジーにフォーカスした内容でAWSのサービスの価値をアピールした米Amazon Web Servicesのエイドリアン・コックロフト氏。6月1日の基調講演で発表された内容をまずはおさらいしておく。 同日付で東京リージョンからの提供が発表されたのは、マネージド型の機械学習
2018年の最先端バックエンドエンジニアに必要なスキルについて考えてみました。 - Qiita
@rana_kualuさんの2018年の最先端バックエンドエンジニアになろうという翻訳記事がとても興味深かったのですが、記事内で提示されているロードマップに関して微妙に違和感を感じる部分もありましたので、 記事に記載されているスキルは現場でどの程度必要なのか 記事に記載されていないが現場において重要なスキルは何か といった辺りを、自分なりの意見を交えてちょっと書き出してみました。 自分をエンジニアとして最先端だとは全く思っていないのですが、最近のバックエンドのトレンドに一応多少なりともきちんとキャッチアップしてるかなとは思うので、若い方や、まだ経験の短いエンジニアの方たちのご参考になりましたら幸いです。 言語 ロードマップに記載されていた言語のうち、私は一応 Elixir Scala Java .NET (C#とVB.NET) Python Ruby PHP TypeScript Gola
【前編】機械学習工学研究会キックオフシンポジウムの前に読みたい記事や論文や本 - KAZ log TechMemo
機械学習をPoCから実際の本番環境への導入、プロダクトへの適用を考えると従来のITシステムに用いられてきた開発手法やソフトウェア工学的な手法では対応できない課題がたくさんあります。 じゃあそれについてどう対応しようか？を考えるのが機械学習工学だったりSoftware Engineering for Machine Learning(SE4ML)だったり、MLOpsだったりするわけですが、まぁ対象範囲が広いんですよ。ソフトウェア工学が対象としていた範囲全体に機械学習が関わったらだったらどうだろう？考えるわけですから。 で、日本では5月17日に機械学習工学研究会のキックオフシンポジウムが開かれます。 https://mlxse.connpass.com/event/80434/mlxse.connpass.com この研究会自体、立ち上がったばかりでどこから具体的に手を付けていこうかから考えて
Docker漬けの一日を共に〜Docker Meetup Tokyo #23 レポート〜 #dockertokyo | DevelopersIO
皆さん、最近マルチクラウドという単語を耳にすることも増えたかと思いますが、どういったイメージをお持ちでしょうか。代表的なユースケースを上げてみようかと思います。 Content Distribution Compute Bursting Analytics Long-term Archival / cold storage そういたユースケースに対して、Zenkoでは、マルチクラウドデータコントローラーを提供しています。 Zenko CloudServer - Open Source S3 Server written in Node.js Single Interface to any Cloud 単一のS3 APIを利用して、数多のクラウドに接続 Allow reuse in the Cloud クラウドネィティブなフォーマットを維持 Always know your data and
Google I/O 2018メモ+驚いたところ - Qiita
Androidが好きなのでAndroid多めです。 見ながらただ本当にちょろっとメモしただけのやつと2回見たメモがあります。 間違えがたくさんある気がしているので、何かあればご指摘ください。ソースとして使う前に動画見て確認お願いします。。 驚いたところは太字でかいています ★がついているのはYoutubeでももう一度見たので、割と情報が整ってると思います。 ちょっと全部見返すの時間的に厳しいので一度公開しますが、もう少し見たらWIP外します。 Keynote (Google I/O ’18) ★ Gmail Redesign 機械学習によりGmailの文章を書く時に次の文章を補完できるようになった Google Photo Google Photoを見ている時に写真に写っているその人にシェアしたりできる 機械学習を使って、暗い画像だったら明るくしたり、書類の写真を撮った時にPDFにしたり、
AI、エッジ、「Microsoft 365」などで多様なサービス展開--「Build 2018」で見えたこと
Microsoftはもはや、以前のような「Windows」だけの企業ではない。同社は、Linuxやオープンソースも取り込みながら、クラウドファースト企業に進化している。米国時間5月7日に行われた「Microsoft Build」の基調講演では、クラウド&エンタープライズグループ担当エグゼクティブバイスプレジデントScott Guthrie氏が、同社は今や、1万7000人を超えるコントリビュータ―を擁する、GitHub最大のオープンソースコミュニティを抱えていると誇らしげに語った。Linuxが「Azure」だけでなく「SQL Server 2017」でも重視されているという事実が、Microsoftの進化を証明している。 しかし、5月7～9日に開催された「Microsoft Build」の表のメッセージが、同社がAIに全力で取り組んでいる姿勢を示すことだとすれば、その裏には、今こそWindo
【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 - Qiita
追記 【2020年版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメのAI勉強方法 また、Pythonや機械学習がオンライン上で学べるAI Academyをnoteでも書きましたが、3/17日からほとんどのコンテンツを永続的に無料で利用できるよう致しましたので、是非使って頂けますと幸いです。 AI Academy Bootcamp 我々が提供している個人向けオンラインAIブートキャンプのご紹介です。 AI Academy Bootcamp AI Academy Bootcampは、「短期間でAI活用スキルを付けたい」と考えている方や、 「データサイエンティスト」や「機械学習エンジニア」として就業を目指している方向けの AI特化型オンラインブートキャンプです。 講義動画とオンラインマンツーマンの演習授
機械学習使っても技術的負債を残しにくいAWSのインフラ構成 - Qiita
はじめに それでも機械学習を使いたい googleの機械学習：技術的負債の高利子クレジットカード論文を読んで感銘を受けたので、ここのところ機械学習の恩恵に預かりつつ技術的負債の返済で死なない方法を考えていました。 昨今のAIブームの中、なんか分からんけど良い結果が出るので機械学習的システムを導入したはいいものの、保守・運用で馬鹿でかいコストを払っている会社は少なくないはずだと思います。 「こんなに保守・運用でコストかかるなら、今後のシステムで機械学習使うのは慎重にならざるを得ないな・・・」と思い始めている人も多いかと思います。 それでもやっぱり機械学習は便利なので、これから新しいシステムやアプリケーションを作る際に「ガンガン機械学習使っていこう！」と言えるようなシステム構成を考えてみました。 この記事の目的・対象読者 記事の目的 立ち上げ期のWebアプリケーションに機械学習を組み込む際のA
TIS、機械学習で感情解析を行うためのデータセット無償公開
TISは4月10日、機械学習で感情解析を行うためのデータセット「chABSA-dataset」（チャブサ・データセット）を、無償公開すると発表した。 「chABSA-dataset」は上場企業の有価証券報告書(2016年度)をベースに作成されたデータセットで、各文に対してネガティブ・ポジティブの感情分類だけでなく、「何が」ネガティブ・ポジティブなのかという観点を表す情報が含まれているという。こうした観点単位の感情分類を機械学習モデルに学習させることで、より高度な解析が実現できるという。 「chABSA-dataset」に収録されているデータのイメージ 「chABSA-dataset」を利用した感情解析では、例えば、「商品Aの売上が上がった」という文について単にポジティブ、というだけでなく、「商品A」の「売上」が「上がった」（=ポジティブ）である、ということが判断できるという。 観点単位の感
AWS、クラウドでトレーニングした機械学習モデルをエッジデバイスで実行する「AWS Greengrass ML Inference」発表
AWS、クラウドでトレーニングした機械学習モデルをエッジデバイスで実行する「AWS Greengrass ML Inference」発表 【リリース！】AWS Greengrass を使ったエッジでの機械学習推論の実行が可能に »https://t.co/rmzAtJ5AZf これにより、工場、車両、農地、家庭等で実行されているIoT デバイスにデプロイする前に、機械学習モデルを構築、訓練、そしてテストで、AWSのクラウドを活用することができます。#AWSBlog pic.twitter.com/NWgXHIZb7W — アマゾンウェブサービス (@awscloud_jp) 2018年4月10日 AWS Greengrassは、クラウドに接続されたエッジデバイス上でAWS Lambdaによるプログラミングを実現するほか、クラウドとのデータ同期やメッセージングなどを可能にするソフトウェアです
OpenFace+機械学習で視線検知 - Qiita
Githubでコードを公開しました！（2018.05.01 追記） https://github.com/29Takuya/EyeSight 0. 背景 こんにちは、@29Takuyaです。（プロフィールページ） この記事は、僕が学部3年(2016年後半)に授業の一環として行った活動をまとめたものです。 Pythonや機械学習の知識を身につけることが主な目的であったため、新規性などは特にありません。（暖かい目でご覧頂けると嬉しいです） 1. 目的 顔が写った一枚の画像を入力として、その人の視線がカメラを向いているかそうでないかを判定するします。（二値分類） 僕の研究室では、対話ロボットの研究を行っているのですが、視線を検知することでよりスムーズな対話が実現できるのではというのがモチベーションです。 2. 関連技術(OpenFace) 顔が写った画像と言っても、顔のサイズや位置などは様々です
[AWS White Belt Online Seminar] AWS のよくある都市伝説とその真実：レポート #AWSBlackBelt | DevelopersIO
こんにちは、菊池です。 2018年4月10日（火）のAWS Black White Belt Online Seminar を聴講しましたので、レポートします。 今回は「AWS のよくある都市伝説とその真実」ということで、AWSをはじめとするパブリッククラウドでよく聞かれる「都市伝説」についての回答と解説です。講師はアマゾンウェブサービスジャパン、パートナーソリューションアーキテクト/クラウド都市伝説バスターズの舘岡さんでした。 （2018.4.14：スライドが公開されましたので更新しました） レポート 本セミナーの目的 AWSを正確に理解して、適切に使って頂くこと AWSへのよくある誤解（都市伝説）と、その回答について一問一答形式で説明 特定のサービス詳細については解説しない アジェンダ AWSクラウド都市伝説とは 都市伝説とその真実 まとめ AWSクラウド都市伝説とは クラウド導入の検
![[AWS White Belt Online Seminar] AWS のよくある都市伝説とその真実：レポート #AWSBlackBelt | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/495673edbefe7b7bc5e6e9e54b2565989b893342/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2013%2F09%2Faws1.png)
なぜ地方のクリーニング屋で機械学習？ 「無人店舗作りたい」 たった1人、独学でAI作る副社長の挑戦 (1/2) - ITmedia NEWS
なぜ地方のクリーニング屋で機械学習？ 「無人店舗作りたい」 たった1人、独学でAI作る副社長の挑戦（1/2 ページ） 「中小企業でお金もない、人もいない。ここ10年でIT化に取り組んできたが、今ある課題や業界の将来を見据え、今はAI（人工知能）を自作している」──福岡県田川市でクリーニング店を8店舗展開するエルアンドエーの田原大輔副社長はこう話す。同社はスーツやズボンなどを判別する画像認識システムなどを導入。人材が不足するクリーニング業界の中で業務効率化を図るためいち早くIT化に取り組み、いずれは無人店舗のオープンを目指す。 IT化に取り組んだ10年 電話からSkypeによるビデオチャットへ、メールからチャットワークへ、ExcelからGoogleスプレッドシートへ──2008年ごろから10年近くクリーニング業務のIT化を進め、15年11月にGoogleの機械学習用オープンソースライブラリ「
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
機械学習プロジェクト用リファレンス - Qiita
概要 機械学習プロジェクトに関しての自分用の備忘録です。まだ、プロジェクト自体にアサインされたばかりなので、とりあえず調べ物の途中経過的なリストです。 それでも皆さんの学習やプロジェクトの参考になれば幸いです。そのうちそれぞれ文献のまとめ記事も作成しようと考えています。 KDNuggets（英文） 機械学習、ディープラーニングなどデータサイエンスに関する記事がまとめられているサイト。最新のディープラーニングのフレームワークの動向についての記事だったり、IoTイベント情報が載ってたりで情報豊富。毎日チェックしています。 Advice For New and Junior Data Scientists （英文） TwitterからAirbnbへとキャリアチェンジをしたRobert Chang氏の記事。機械学習プロジェクトの難しい点や言語の学習について、現場サイドからアドヴァイスしています。詳
ディープラーニングに入門するためのリソース集と学習法（2018年版） - Qiita
最近Bitcoinの方が流行っている印象を受けますが，ディープラーニングの勢いは依然強く，Google Trendを見ても未だに検索数は上昇傾向にあるように見えます． 実際体験してみるとわかりますが，ディープラーニングはとんでもなく強力な機械学習の手法で，うまく使いこなせれば強力な武器になります．しかし，「ディープラーニングにはPhDが必要だ」「ディープラーニングは素人には学べない」といった幻想もちらほらあり，興味はあってもなかなかこの世界に飛び込めない人も多いのではないでしょうか？ この記事の目的 この記事では筆者がディープラーニングを学ぶ上で筆者が特に有効だと感じたリソースと，有効な学習法について紹介します．参考までに，筆者はディープラーニングを学び始めてまだ9ヶ月程度ですが，今となっては職場でディープラーニングを教える立場になっています．まだ筆者はディープラーニングに関しては初心者で
『自然言語処理の基本と技術』が面白い！ - toricago
スマートスピーカーが日本で急速な普及を迎えている。Amazon Echo、Google Home、LINE WAVEなどを購入し、スマートスピーカーの様々可能性を楽しんでいる読者も多いかもしれない。何かを話しかけることで、アラーム・ストップウォッチ設定やLINEメッセージの読み上げなど、何らかのタスクを実行してくれたり、天気や時間、さらにはニュースなどの情報を提供してくれたり、簡単な会話を楽しむこともできる。 今まで慣れ親しんできたPCのキーボードやスマホのタッチインターフェースとは異なる「音声インターフェース」は新鮮に感じるが、背景では様々な技術が動いている。入り口は声を認識する音声認識だが、その次のステップでは認識した文字列を文章として理解し、スピーカー側として何を実行すればよいのか判断しなければならない。何かを聞かれているのであれば、どのように返答すべきかを考えなければならない。この
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
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
機械学習の精度と売上の関係
AI Just Learned How to Boost the Brain's Memory