ChatGPT 人間のフィードバックから強化学習した対話AI東京大学の研究室内で，今井がChatGPTの知見を共有するために使用したスライド資料です． 特に以下のような話題，技術について解説しています． ・ChatGPTの凄さ ・ChatGPTの技術 ・言語モデル ・プロンプト ・GPTとは ・InstructGPT ・言語モデルと強化学習Read less
RDF Refineの使い方
RDF Refine (Open refine + RDF extension) の使い方は例題を用いながら説明していきます。Read less
Linked Open Data勉強会2020 後編：SPARQLの簡単な使い方、SPARQLを使った簡単なアプリ開発
Linked Open Data勉強会2020 後編：SPARQLの簡単な使い方、SPARQLを使った簡単なアプリ開発 前編：https://www.slideshare.net/KnowledgeGraph/linked-open-data2020-lod Read less
【Dialogflow cx】はじめてみよう google cloud dialogflow cx 編
Mercari JPのモノリスサービスをKubernetesに移行した話 PHP Conference 2022 9/24Shin Ohno
Topological sort
2. 今日の内容 • 有向無閉路グラフ（DAG） • トポロジカルソートとは？ • トポロジカルソートを求めるアルゴリズム×2 • 参考文献 • アルゴリズムデザイン • アルゴリズムイントロダクション 2 / 46 ほぼアニメーション
Teslaにおけるコンピュータビジョン技術の調査
社内勉強会での発表資料です。公開情報をもとにTeslaのコンピュータビジョン技術について調査したものです。Read less
研究効率化Tips Ver.2
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有しています。 http://xpaperchallenge.org/cv/ 本資料はViEW2021チュートリアルセッション「最新研究の始め方」のプレゼン素材です。また、xpaper.challengeの2020年末ワークショップとしてプレゼンした「研究効率化Tips」の拡張版です。本資料では3社12研究室300ページにわたるノウハウの詰め合わせです。 VIEW2021のチュートリアルセッションでは時間の制限があるため、こちらの資料から一部抜粋して発表を行うことになりますが、VIEW2021チュートリアルセッションの方にも足を運んでいただければ幸いです。 VIEW2021チュートリアルセッション：http://vie
Approximate Vector Search at Scale, With Application to Image Search - SciPY JP 2020
Mercari provides an image search feature, which makes it possible for users to find similar items by image. This talk describes how we implemented similar image search over 100s of millions of images, in a way that is accurate. We will also highlight the techniques we used to keep the system efficient and update to date.Read less
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
第1回Webインテリジェンスとインタラクションセミナー（いまさら訊けないシリーズ「言語処理技術」）での発表資料です。 https://www.sigwi2.org/next-sigRead less
効率的学習 / Efficient Training（メタサーベイ）
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/ Read less
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
Preferred Networks（PFN）は深層学習などの最先端の技術を最短路で実用化することで、これまで解決が困難であった現実世界の課題解決を目指しています。コンピュータビジョン、自然言語処理、音声認識、ロボティクス、コンパイラ、分散処理、専用ハードウェア、バイオインフォマティクス、ケモインフォマティクスといった幅広い分野で研究開発を行っており、それを支えているのが Kubernetes を用いて構築しているオンプレミス/ベアメタルの GPU クラスタです。 本セッションでは、PFN が Kubernetes を用いてクラスタを運用するなかでどのような障害が起きるのかを紹介し、また障害対応をどのように自動化しているのかを具体的に使用/開発したソフトウェアを含めてご紹介します。また Kubernetes クラスタの管理、アップグレードの自動化にも取り組んでおり、それを実現する Clus
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
Mckinsey: Value Creation In The Metaverse
Linked Open Data （LOD）の基礎講座
ナレッジグラフ推論チャレンジ：応募に向けた「技術勉強会」資料
Ranking in Google Since The Advent of The Knowledge Graph
Aardvark : Social Search Engine
固有表現抽出について
統計的因果推論への招待 -因果構造探索を中心に- - SlideShare
サイバーエージェントにおけるMLOpsに関する取り組み at PyDataTokyo 23
Tara Raafat