リスクテイクしてこそ研究者だ。音響と画像認識で成果を出し続ける日立研究員のマインド - Qiita Zine
ここ数年で機運が高まり続けている企業のデジタルトランスフォーメーション。AIをはじめとする技術への社会的注目度は格段に上がってきており、日立製作所でも社会課題解決を支援する様々なコア技術の研究と、それらを社会実装したソリューションを、日々発表しています。 今回はその中でも、音響領域と画像認識領域における最新の取り組みについて。 同社では、最も古い映像認識コンペティションのひとつであるTRECVID（TREC Video Retrieval Evaluation）に2015年から参加しており、また音響領域の国際コンペティションであるDCASEに至っては2020年から主催側として活動しています。 その背景にあるマインドは「リスクテイク」。グローバルレベルで技術競争が激しくなっているからこそ、研究者はリスクを負ってでも積極的にチャレンジをするべきだ！本記事では、そんな強烈なマインドをもった2人の
TensorFlow 2＋Keras（tf.keras）入門
機械学習の勉強はここから始めてみよう。ディープラーニングの基盤技術であるニューラルネットワーク（NN）を、知識ゼロの状態から概略を押さえつつ実装。さらにCNNやRNNも同様に学ぶ。これらの実装例を通して、TensorFlow 2とKerasにも習熟する連載。 第1回 初めてのニューラルネットワーク実装、まずは準備をしよう ― 仕組み理解×初実装（前編）（2019/09/19） ニューラルネットワークは難しくない ディープラーニングの大まかな流れ 1データ準備 ・Playgroundによる図解 ・Pythonコードでの実装例 2問題種別 ・Playgroundによる図解 ・Pythonコードでの実装例 3前処理 ・Playgroundによる図解 ・訓練用／精度検証用のデータ分割について ・ノイズについて ・Pythonコードでの実装例 第2回 ニューラルネットワーク最速入門 ― 仕組み理解×
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
処理を実行中です
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
