デジタルトランスフォーメーションとQoLの向上を実現するAIの社会適用：日立評論
高まるAI実用化への期待に応えるため，日立は，2020年4月に人工知能イノベーションセンタを発足した。同センタは長い歴史を持つAI研究の成果を生かし，企業活動のデジタルトランスフォーメーションと，人々のQoLの向上に取り組んでいる。 本稿では，TRECVID，CoNLLやSemEvalといった国際コンペティションで上位入賞する実力を持つ日立の言語処理AIや映像解析AIを駆使し，金融機関の意思決定プロセスを効率化した事例や，生産現場で働く作業員の身体負荷をモニタリングした事例などを紹介する。また，DXやQoL向上の価値を，社会での突発的な変動においても持続的（レジリエント）に提供するため，サイバー空間とフィジカル空間を連携させるLumadaのCPSの開発についても述べる。
Uber徹底研究 -MaaSを支えるデータサイエンス編-｜Tack
今回はUberが使用する高度な手法について紹介します。紹介するのは以下の5つですが、レコメンドに関しては次回に回します。今回からは少し専門的な内容になります。 ・需要予測 ・配車最適化 ・ダイナミックプライシング ・解約予測 ・レコメンド(ボリュームが多いので、次回説明) 本記事は連載4回目の投稿ですが、これまでの投稿は以下の通りです。 ・Uber徹底研究 -ビジネス概要編- ・Uber徹底研究 -UX改善編- ・Uber徹底研究 -ゲーミフィケーション・行動科学編- Uberのサービスは、まるで魔法を唱えてタクシーを召喚するかのように表現されますが、その魔法の裏にあるデータサイエンスを今回は紹介していきます。 ■需要予測昨今、様々な企業が需要予測を行っています。需要予測には、通常はいわゆる時系列モデル(ARIMA等)を活用した予測や、Xgboostやランダムフォレスト等の機械学習モデルを
Using Big Data to Estimate Consumer Surplus: The Case of Uber
Estimating consumer surplus is challenging because it requires identification of the entire demand curve. We rely on Uber’s “surge” pricing algorithm and the richness of its individual level data to first estimate demand elasticities at several points along the demand curve. We then use these elasticity estimates to estimate consumer surplus. Using almost 50 million individual-level observations a
Uber’s secret weapon is its team of economists
It’s hard to explain just how much economists love Uber. Economists love Uber like a mother loves her child. They love it like the internet loves cats. They love it like tech bros love Elon Musk. Economists love Uber because it’s the closest you can get to taking the pure economic theory of textbooks and summoning it to life. Uber created a massive open market, governed first and foremost by the f
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
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
Machine Learning for Demand Prediction of Seasonal Second-hand Fashion Items Based on Prior and Fine-tuning Prediction Models
Fashion Retail: Forecasting Demand for New Items
http://www.vldb.org/pvldb/vol10/p1694-schelter.pdf
