誕生！インフラ×AI 業界地図
道路や建物をはじめとする社会インフラの整備を使命とする建設・インフラ産業。雇用の確保や地域経済を下支えしてきたこともあり、人員削減を目的とする施策はなかなか進まなかった。それが一変する。「i-Construction（アイ・コンストラクション）」と呼ぶ政策の下、AI（人工知能）、ビッグデータなど先進的なITを積極的に導入し、建設・インフラの現場の変革が始まった。なぜ、建設・インフラ産業が革命に動くのか。キープレーヤーは誰か。専門記者が独自作成した業界地図を手掛かりに、建設・インフラ産業の最新動向を押さえよう。 AI設計が避けた規制打破に活路 住宅設計の未来を大胆予測（後編） 2020年代の住宅設計現場を想定したシミュレーションストーリーの後編。家具量販店ブーマーのAI設計との住宅設計のコンペに敗れた建築家は、AI設計と戦う武器に“デジタル”を選んだ。 2017.06.23 名うての建築家が
chainer.functions.concat — Chainer 7.8.1 documentation
chainer.functions.concat¶ chainer.functions.concat(xs, axis=1)[source]¶ Concatenates given variables along an axis. Parameters xs (tuple of Variable or N-dimensional array) – Input variables to be concatenated. The variables must have the same shape, except in the dimension corresponding to axis. axis (int) – The axis along which the arrays will be joined. Default is 1. Returns The concatenated va
データサイエンティストもしくは機械学習エンジニアになるためのスキル要件とは（2017年夏版） - 渋谷駅前で働くデータサイエンティストのブログ
この記事は2年前の以下の記事のアップデートです。 前回はとりあえずデータサイエンティストというかデータ分析職一般としてのスキル要件として、「みどりぼん程度の統計学の知識」「はじパタ程度の機械学習の知識」「RかPythonでコードが組める」「SQLが書ける」という4点を挙げたのでした。 で、2年経ったらいよいよ統計分析メインのデータサイエンティスト（本物：及びその他の統計分析職）vs. 機械学習システム実装メインの機械学習エンジニアというキャリアの分岐が如実になってきた上に、各方面で技術革新・普及が進んで来たので、上記の過去記事のスキル要件のままでは対応できない状況になってきたように見受けられます。 そこで、今回の記事では「データサイエンティスト」*1「機械学習エンジニア」のそれぞれについて、現段階で僕が個人的に考える「最低限のスキル要件」をさっくり書いてみようかと思います。最初にそれらを書
データサイエンティストを目指すというかデータ分析を生業にするなら読んでおきたい初級者向け5冊＆中級者向け12冊（2015年冬版） - 渋谷駅前で働くデータサイエンティストのブログ
(Photo via VisualHunt) 追記 2017年3月現在の最新書籍リストはこちらです。 最近になってまた色々とデータサイエンティストを目指す人向けのお薦め書籍リストとか資料リストとかが出てきてるんですが、個人的には何かと思うところがあるので僕も適当にまとめておきます。偏りありまくり、完全に主観で決めたリストなので文句が出まくるかと思いますが、もはや毎回のことなのでご容赦を。 なおこちらのリストはあくまでもビジネスの現場でデータ分析を生業にする（しようとしている）人たち向けのものであり、研究者含めたガチ勢の方々向けのものではありませんのでどうか悪しからずご了承下さい。 ちなみに毎回言ってますが、アフィリエイトは全くやっていないのでここに貼られたリンクを踏んで皆さんが購入されても僕の懐には一銭も入りません。拙著だけはそもそも例外ですが（笑）。*1 初級者向け5冊 一応初級者向けと
顔認証技術: DeepFace と Pyramid CNN - Preferred Networks Research & Development
得居です。3月下旬とは思えない寒さに凍えています。 Facebook が CVPR2014 に投稿しアクセプトされていた顔認証に関する論文 [1] が MIT Technology Review にて紹介されたことで注目を集めています。DeepFace と名付けられた手法で、同社が集めた4030人の顔写真440万枚を用いた大規模学習によってほぼ人間並の人物識別性能を達成しているということで、なかなかキャッチーな話題です。一方、Face++ という顔認証・分類のプラットフォームを展開する Megvii社 がつい先日公開したプレプリント [2] でも DeepFace と同程度の性能を達成しています。今日はこの2つの論文を解説します。 DeepFace の論文では、検出された顔矩形に対して以下の3つの処理を施しています。 矩形の2次元アラインメント 3次元モデルを用いた out-of-plan
YOLO: Real-Time Object Detection
How It Works Prior detection systems repurpose classifiers or localizers to perform detection. They apply the model to an image at multiple locations and scales. High scoring regions of the image are considered detections. We use a totally different approach. We apply a single neural network to the full image. This network divides the image into regions and predicts bounding boxes and probabilitie
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
【公式】NexTech Week 2024｜人、企業、世界の「未来」を変える展示会
建設業界で拡大する人工知能AI
Home
Model Zoo
“シン・ニホン”AI×データ時代における日本の再生と人材育成
PIL（Python Imaging Library）を使って画像ファイルを作成する。 - Qiita