Holy procrastination, startup founders! Tomorrow’s your last chance to apply to the Startup Battlefield 200 at TechCrunch Disrupt 2024. Your last chance for a shot to stand on the Disrupt…

JR東海・JR西日本・JR九州はこのほど、東海道・山陽・九州新幹線車内の3社共通無料Wi-Fiサービス「Shinkansen Free Wi-Fi」の提供を開始すると発表した。 メールアドレスの登録、またはSNSを使った認証をすればだれでも無料で利用でき、2020年3月までには東海道・山陽・九州新幹線の全列車で「Shinkansen Free Wi-Fi」が利用できるようになる予定。 2018年7月25日以降、順次整備の完了した車両で利用可能。整備完了車両には、「Shinkansen Free Wi-Fi」のステッカーを客室内に掲出、東海道新幹線では利用できる当日の列車をJR東海のホームページでも案内する。 リンク JR東海ニュースリリース

毎度！くしいです！ 様々なオフィスに行ってはブログで紹介しまくるという行ってきたシリーズも155記事目とのことで、久しぶりに気合を入れてやっていきたいと思います。押忍！ さて、今回お邪魔したのは6月13日から稼働を開始した、東京・福岡に続くLINEの国内3カ所目の開発拠点「LINE KYOTO」でございます！わーい！　というわけで、筆者はLINEの社員でございますので出張がてら取材してきちゃいました。LINE関連だと過去にこんな記事を書いてます。 ・2016年1月15日 LINE Plus 株式会社 に行ってきた！ ・2016年6月28日 LINE Fukuoka 株式会社 が引っ越したらしいので行ってきた！ ・2017年4月3日 LINE株式会社 が引っ越したらしいので行ってきた！ 実はこのLINE KYOTOでオフィスのオープニングパーティーをやりましてね。それの企画は私がやりましたの

ABEJAでリサーチャーをしている白川です。 皆さん、アノテーションしていますか？ 私はしています。アノテーション、自分でやるのは大変ですよね。 AIというとモデルの学習に注目されがちですが、もしかしたら、アノテーションはAI開発においてモデル開発以上に重要で注意の必要なプロセスかもしれません。今回はなぜアノテーションがそれほど重要なのか、良いアノテーションとはどのようなアノテーションなのかについて、機械学習的にアプローチしてみたいと思います。 アノテーションを機械学習で解析するの、楽しいですよ。 なお、本記事に関連して、2018年7月1日に開催されるccse2018というカンファレンスでもお話させていただく予定です。記事内では触れられなかった内容についてもお話させていただくかもしれないので、ご興味ある方はチェックしてみてください。 この記事を読むとわかること アノテーションはAIの開発・

既存事業を抱える大企業は、イノベーションを起こしにくい。いわゆる、イノベーションのジレンマだ。この考えに真っ向から立ち向かおうとしているのが、保険大手のSOMPOホールディングスである。「今のビジネスモデルを自ら破壊しなければ、この会社の将来はない」。楢崎浩一常務執行役員グループCDO（最高デジタル責任者）は危機感を募らせる。 イノベーションを起こすため、SOMPOが2018年6月13日に設立したのが、社内外の人材を集めた「SOMPO D-STUDIO」である。SOMPOグループ傘下の人材のほか、行政や研究機関、ベンチャー企業などからも多様な人材を広く受け入れ、新規ビジネスのアイデアを生み出す。優れたアイデアには、SOMPOやベンチャーキャピタルが出資し、事業化を支援する。 当初の参加者は合計20人。今後も広く参加者を募集する。社内のメンバーは主にデジタル戦略部の社員。社外からの参加者は多

株式会社マクロミル（本社：東京都港区、代表執行役 グローバルCEO：スコット・アーンスト 以下、当社）は、2018年6月25日開催の取締役会において、日本における事業展開を強化するにあたり、株式会社博報堂（本社：東京都港区、代表取締役社長：水島正幸 以下、博報堂）の保有する株式会社東京サーベイ・リサーチ（本社：東京都中央区、代表取締役社長：渋谷利行 以下、TSR）の株式の51%を取得し、連結子会社化することについて決議いたしましたので、お知らせいたします。 当社は、これまでオンライン・マーケティング・リサーチ事業を主軸としながら、多様化する顧客ニーズに対応すべく、的確な消費者インサイトを深堀りするインタビュー調査の実施、消費者購買に関する意識・行動に係るビッグデータを活用したデータベース・ソリューションの提供、広告効果測定やソーシャルメディア等、各種ログデータの分析・活用などを含むデジタル

クリックして人気blogランキングへ ６月１８日の日経新聞にユニクロがAI（人工知能）を活用した生産改革に乗り出すことに関する記事が掲載されていました。 記事によれば、AIによって天候やトレンドなど大量のデータを解析して必要な商品枚数を予測する、 いわゆる需要予測を行うようで、 同社は、この度、今後の海外展開（出店）および、これらのデジタル投資のために社債を発行して２５００億円を調達したとのことです。 AIが、勘に頼ることが多いと言われるファッションビジネスを 属人的な業務からある程度標準化した業務に転換し ベストプラスティス（上手くやっている人のオペレーション）を短時間で実行することによって これまで無駄だった人災的な？ロスが大幅に減ることは期待しておりますが・・・ こと需要予測となるとどうなのかなぁ？とても関心を持っております。 つまり、過去のビッグデータを集積して改善できることと 一

アルゴリズムは「何らかの問題を解決する手順」を指し、アルゴリズムの良しあしでソフトウエアの性能が決まってくる。私たちの生活は、高度なアルゴリズムで実装されたソフトウエアに支えられている。そこで本特集ではエレベーターや信号機といった身近なアルゴリズムを例に、その一端を見ていこう。今回は、信号機のアルゴリズムの基本を紹介する。 「朝はいつも赤になっている信号が、夜はなぜか青が多い」と感じたことはないだろうか。実は、信号機が青に変わるまでの時間は、いつも同じではない。交差点の交通量から最適な青時間を割り出している。この計算には、高度なアルゴリズムで実装されたプログラムが動いている。そこで今回は、信号機を制御するアルゴリズムに焦点を当てよう。 具体的なアルゴリズムを見ていく前に、信号機の青時間がどのように決められているのかを解説する。信号の青時間を決めるには「重要な要素が3つある」（住友電気工業

前にSQLで言う所のcase when x then y else z end的な処理をpandasでやる時にすぐやり方を忘れるから記事にした。あれはあれでいいのだけれど、まだまだ前処理にすごく時間がかかる！！めっちゃめんどい なんとかしたい... 今までpandas.DataFrameで色々特徴量生成（feature creationとかfeature engineering）する時に、ごちゃごちゃpandasのネイティブな機能を使って生成してたけど、kagglerのエレガントなデータの前処理を見ていると下記モジュールを使っている人が多い印象。 scikit-learn.preprocessing category_encoders featuretools 特に大量に特徴量を生成したい場合、featuretoolsがすごく便利そうな予感！！！ よっしゃ!! 使ってみよ！！！ Featu

今回は、KaggleのWinner solutionにもなった「K近傍を用いた特徴量抽出」を紹介します。 Rでの実装は公開されていますが、Pythonでの実装は確認できなかったので、自前のPython実装も公開しています。 github.com アルゴリズムの概要 Pythonでの例 可視化のためのパッケージ読み込み サンプルデータの生成 可視化 K近傍を用いた特徴量抽出 可視化 iris での例 追記20180624 実装の修正 はてなホットエントリ入り アルゴリズムの概要 近傍数を、分類するクラス数をとした場合に、アルゴリズムは個の特徴量を生成します。生成される特徴量は下記のように、観測値と各クラス内の最近傍点との間の距離から計算されます。 とあるクラスに属する訓練データの中の第1近傍までの距離を1つ目の特徴量とする とあるクラスに属する訓練データの中の第2近傍までの距離の和を2つ目の