グーグルの新マルチモーダルAI動画生成ツール「VideoPoet」がすごいことに - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
Google の VideoPoet web サイト Image credit: Google Research つい昨日、私は Google が AI 製品のリリースを最初のトライで成功させることはあるのかと尋ねた。少なくとも、Google の最新の研究の様子からすると、そう尋ねたくもなる。 今週、Google は「VideoPoet」を披露した。VideoPoet は、Google Research の31人の研究者からなるチームが開発した、さまざまな動画生成タスク用に設計された新しい大規模言語モデル（LLM）である。 Google Research チームがこれらのタスクのために LLM を構築したという事実自体が注目に値する。彼らはプレレビューの研究論文にこう書いている。 既存のモデルのほとんどは、拡散（diffusion）ベースの手法を採用している。これらの動画モデルは、通常、個
Googleが自然言語処理の弱点「言い換え」を克服するデータセットを公開
by Nicole Honeywill 自然言語処理のアルゴリズムは言葉の順序や構造の理解を不得意としてきました。この課題を克服すべく、Googleが新たにデータセットを公開。このデータセットで訓練を行うと、機械学習モデルのテキスト分類精度が50％から80％にまで向上するとのことです。 Google AI Blog: Releasing PAWS and PAWS-X: Two New Datasets to Improve Natural Language Understanding Models https://ai.googleblog.com/2019/10/releasing-paws-and-paws-x-two-new.html Googleは機械翻訳や音声認識で自然言語処理を取り入れていますが、自然言語処理では最先端のアルゴリズムでも「ニューヨークからフロリダへのフライト」
高精度でテキスト分類を行えるAIの環境を用意しました【BERT】 - ニートの言葉
こんにちは、あんどう（@t_andou）です。 最近、自然言語処理のAIの一種であるBERTをよく触っています。 今回はBERTのソースを読まなくてもサクッと試せる環境を用意しましたので、メモとして残しておきます。 BERTとはどういうものか 画像引用：https://arxiv.org/pdf/1810.04805.pdf 凄くざっくりと説明すると、BERTとは2018年末にGoogleの人たちが開発した自然言語処理において汎用的に使えて精度の良いAIです。 自然言語処理において精度を測るためにいくつかのタスクがあるのですが、発表された時点ではダントツの成績でした。 仕組みなどの詳細については論文を読むか解説記事をググってください。 2019/09/22時点で既により精度の良い手法がどんどん発表されていますが、BERTの情報量と比べるとまだ少ないため、入門としてはBERTを触ってみるのが
Google ソフトウェアエンジニアの給料の正しい情報
私は Google のソフトウェアエンジニアとして働いている。とても良い待遇で満足している。 Google の待遇が良いことはイメージとしては知られていると思うが、実際どれくらいの額なのかということはあまり知られていないように思う。そして、出回っている情報には間違っているものも多い。そこで、正しい情報を知ってもらいたいと思い、自分の給料の推移をここに記すことにした。なぜそのようなことをするかは後に述べる。 まず、Google の給料について説明するときは、以下の三要素が重要になる。「基本給」「ボーナス」「RSU」である。このうち、基本給とボーナスは一般的だが、RSU はそうではないので、説明する。例えば RSU を100万円受け取るとする。そうすると、「その時点での100万円分の Google 株を、その次の年から四年間かけて受け取る権利（ただし Google に在籍していることが条件）」
【転職エントリ】Googleに入社します｜Lillian
はじめに この記事には、Googleのオンサイト面接に向けて勉強した内容が記載されていますが、それらはすべて面接を受ける直前に書いておいたものです。このエントリを読むことで面接で聞かれた内容が予測されてしまわないようにそのようにさせていただきました。ご了承お願いします。 この記事について 令和元年に医師を退職し、ソフトウェアエンジニアに転職します。 自分にとって大きな転機であったのと、とても大変な道のりであったので、私という人間が辿った道筋を最初から最後までちゃんとまとめておきたいと思いこの記事を書くことにしました。 私のような他業種から未経験での転職を目指されている方にとっても、何らかの参考になる内容であれば幸いです。 私の生い立ち 私は小さい頃からテレビゲームが大好きで、学校から帰るとずっと家でゲームをしている子でした。あまりにもゲームが好きだったので、遊ぶだけではなく自分で作ってみた
GCPを使って日次のLine push通知を作ってみた - Qiita
日次でとある情報をクローリングしてLineにPush通知する機能を作りました。 自宅で常時起動しているマシンはないので、最近仕事で使うことが多いGCPを使い、なるべく低コストで実現することにしました。 ※すべて2019年7月時点の情報です。料金体系などは変更になっていることもあるので実際の料金は公式ホームページでご確認ください。 構成 図のような構成にしました。それぞれの詳細は後述します。 定時にcloud schedulerがpubsubのtopicにメッセージを送信 pub/subのtopicをトリガーにcloud functionsを起動 cloud functionsでwebページをクローリング 情報を整形してLineへPush通知 LINE Developers LineにPush通知を行うにはLine Developersに登録する必要があります。 https://develo
Googleに入社した時のこと - 渋谷駅前で働くデータサイエンティストのブログ
東京オフィスのsoftware engineer (SWE)部門のsite leadのRyoichiさんがTwitter上でこんなことを呼びかけたところ*1、GoogleのSWE採用に関して多くの同僚から色々な記事やコメントが集まったようです。 (Good question!) 期待していたのは、面接でこの問題が出て、こう答えて受かった、という話ではなくて、どういう勉強/準備をしたのか、という話です。面接の時点で英語はどれ位話せたかとか、データ構造やアルゴリズムの勉強は特別に準備したかとか、コーティングはどれ位のレベルだったか、とかです。 https://t.co/hs36GRTSU5— Ryoichi Imaizumi | 今泉竜一 (@r_ima) 2019年3月25日 僕はSWEではなく下記のような経緯があってglobal business organization（GBO: つまり
こうしてGoogleに落ちた - Easy to type
TL;DR Leetcodeをもっとやる必要がありました Googleの社員が選考過程についてブログを書いています。ちょっと前にNTTブームを引き起こしたid:kumagiさんとか。 kumagi.hatenablog.com ところで、僕もGoogleの選考をわずか一ヶ月前に受け、そして落ちました。いずれ記事にしてみたいなとは思っていたのですが、社内の方々が記事にしているのを見て秘密保持のレベルが判断できたので、ブームの内に自分でもまとめてみます。 人物 リクルーターと接触する前の状態です。 特徴量 非情報[科学|工学]専攻の工学系 国立大 D2 M1からは情報系のリーディング大学院に所属(情報系のフォーマルなクラスはそこでいくつか取得した程度) B4からデータ解析の研究室に所属 D1時に非英語圏へ3ヶ月の研究留学 DC1持ち Computer ScienceのPublication無し
こうしてGoogleに入社した(kumagi編) - Software Transactional Memo
Googleオフィスの窓からの眺めをGoogle Photoが自動加工したもの TL;DR AtCoderやろうぜ Googleの(僕から見て)偉い人が立て続けにブログを書いており ctrl-x-s.blog hoge.blog ここ数件の僕のブログへの反響を読んでも「Googlerだから特別」みたいな意見が散見され、入社へのハードルが変に高く見られてしまっている気がするので、僕がGoogleに入社する準備として取り組んでいた事とそのレベルを紹介する。程度の低さに安心して欲しい。 英語 英語の論文は興味の赴くままに読んでいたため読むことに関してはあまり苦手意識は無いものの、絶対的な英語力に関して言うとTOEIC500点というスコアが端的に表している。これがどれぐらいかというと、得意分野から外れると長文を読む速度と精度がガタ落ちし、リスニングも結構な単語を聞き落とし、文脈からの推測と辛うじて
Google、社内でも人気の機械学習を学べるカリキュラム「MLCC」を公開
Google Engineering Education Teamは同社内でも活用しているという機械学習を学べるカリキュラム「Machine Learning Crash Course 」(MLCC)をWeb上に公開している。 Google Developers Blogによると、Googleの社内の開発者のためのカリキュラムであるMLCCは、数あるカリキュラムのなかでも人気のもので約18,000人の"Googler"たちに利用されているという。初学者を対象に、機械学習の基礎からTensorFlowを使ったコーディング、ニューラルネットワークなど、動画やWebの特性を活かしたインタラクティブな操作を含み25レッスン、40以上のエクササイズから成る。 カリキュラム無料公開の背景として、私たちは機械学習の可能性はとても広いもので、個々人が基本的な土台を学んでおくべきと述べている。現在、英語、ス
Hayato.io
Hayato.io This Page Is Under Construction - Coming Soon! Why am I seeing this 'Under Construction' page? Related Searches: Healthy Weight Loss music videos fashion trends Top Smart Phones High Speed Internet Trademark Free Notice Review our Privacy Policy Service Agreement Legal Notice Privacy Policy|Do Not Sell or Share My Personal Information
Google Open Source
Stay organized with collections Save and categorize content based on your preferences. Open source is about more than just code. It's also about the planning that happens before the code is written, the process of how that code is used by others, and fostering a welcoming environment where a community can grow. In the spirit of openness, we are publishing our internal documentation for how we do o
20170127-learning-tensorflow-3hours
ニューラルネットワークを用いた機械学習の「ディープラーニング(深層学習)」は人工知能(AI)開発に欠かせない技術であり、AI以外にもGoogleフォトの画像の自動タグ付け機能やAmazonのレコメンド機能など、すでに実用化されている技術に活用されています。そんなディープラーニングを開発者が学習するためのとっておきの方法をGoogleのクラウド開発者がブログで紹介しています。 Learn TensorFlow and deep learning, without a Ph.D. | Google Cloud Big Data and Machine Learning Blog | Google Cloud Platform https://cloud.google.com/blog/big-data/2017/01/learn-tensorflow-and-deep-learning-w
Four Steps to Google, Without a Degree
Since publishing ABC: Always Be Coding - How to Land an Engineering Job, many have asked how I got an engineering job at Google without a college degree. Here’s my story, your mileage may vary. I had every intention of going to college. My college of choice was UCLA. Unfortunately, I had an embarrassingly low high school GPA (2.45) and so didn’t exactly have my pick of the university litter. Inste
Big-O Algorithm Complexity Cheat Sheet (Know Thy Complexities!) @ericdrowell
Hi there! This webpage covers the space and time Big-O complexities of common algorithms used in Computer Science. When preparing for technical interviews in the past, I found myself spending hours crawling the internet putting together the best, average, and worst case complexities for search and sorting algorithms so that I wouldn't be stumped when asked about them. Over the last few years, I
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
Google Creative Lab
suin・読者4万人『サバイバルTypeScript』公開中！ on Twitter: "すごい発明をしたかも…💡英語で技術ブログ書くとき、HackmdとGoogle翻訳を組み合わせると、Markdown+英語で書きながら、内容をGoogleのAIにチェックさせられる。英語として流暢かはさておき、少なくともGoogle… https://t.co/Ac7bVZHLA5"
Googley As Heck
https://jp.techcrunch.com/2017/01/14/20170112do-funny-recruiting-hacks-work-lets-ask-a-guy-who-tried/
Googleの無料BIツール「Google Data Portal(グーグルデータポータル)」の使い方 | 解析レポート作成時間がゼロに！ | Ledge.ai
