NTTデータは4日、人工知能(AI)やあらゆるモノがネットにつながる「IoT」などの分野でトップ級の技術者の獲得を狙った人事制度を新設したと発表した。国内IT(情報技術)企業では最高水準の年収2000万~3000万円で処遇する。AIやIoTのトップ技術者は世界的に不足し、国境・業界を超えた争奪戦になっている。米国企業とも戦える報酬制度で対抗する。新設した「アドバンスド・プロフェッショナル(AD
研究開発部の菊田(@yohei_kikuta)です。機械学習を活用した新規サービスの研究開発(主として画像分析系)に取り組んでいます。 最近は、社内の業務サポートを目的として、レシピを機械学習モデルで分類して Redshift に書き込む日次バッチを開発・デプロイしたりしてました。 ここ数ヶ月で読んだ論文で面白かったものを3つ挙げろと言われたら以下を挙げます。 BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding Focal Loss for Dense Object Detection Exponential expressivity in deep neural networks through transient chaos 本記事では、BERT というモデルをクックパッドのレ
第7回ではTensorFlowの基本的な概念を説明しました。今回はTensorFlowをより簡単に扱うことができるようになる高レベルAPIについて説明を行います。高レベルAPIを知ることで、TensorFlowがぐっと身近に感じられるようになるでしょう。 1.はじめに 今回ご紹介するサンプルコードはPython3系、TensorFlow v1.3にて動作確認をしています。すでにPython3系、TensorFlow v1.3のTensorFlowの環境が構築できている方はサンプルコードをgithubより取得してください。 $ git clone https://github.com/rindai87/tf-highlevel-sample.git $ cd tf-highlevel-sample なお、本記事のサンプルコードを閲覧のみする場合は以下よりご覧いただけます。 https://g
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