東大松尾研、高度ディープラーニング技術者養成講座「DL4US」の演習コンテンツ無償公開
東京大学松尾研究室（松尾豊教授）は5月16日、高度なディープラーニング技術者育成を目的とした、エンジニア向けオンライン教育プログラム「DL4US」の演習パートのコンテンツをWebサイトで無償公開した。個人・非商用に限って無料で利用できる。 DL4USは、2カ月間にわたる無償のオンラインプログラムで、2018年から2期にわたって開講。さまざまな業種から、のべ3800人以上の参加申し込みがあり、累計500人が受講した人気講座という。 公開した演習コンテンツは、Jupyter Notebook形式。GPUを使って実際にモデルを学習させながら技術を習得できる。コードはTensorFlowと、Numpy、Scipy、Scikit-learnなど標準的なライブラリで構成した。演習に高度な数学的知識は不要という。 研究室は「無償公開により、人工知能分野における日本の競争力を向上することに貢献することを目
深層強化学習アルゴリズムまとめ
はじめに 深層強化学習の分野では日進月歩で新たなアルゴリズムが提案されています. それらを学ぶ上で基礎となるアルゴリズム(というより概念に近い？)はQ学習, SARSA, 方策勾配法, Actor-Criticの4つだと思われるので, これらを軸としてまとめてみたいと思います. 以下の4点はあらかじめご了承ください. コードは書いていません. 概念のみの説明です 他のアルゴリズムの基礎となりうる重要な概念については詳しく書きました. その他については簡潔に書きました 深層学習についてはある程度理解している読者を想定しています 書いているうちに規模がどんどん大きくなってしまったので, どこかに必ず間違いや不足があります. 「この式がおかしい！」「このアルゴリズムも追加するべき！」などコメントがあればぜひお願いします 全体像 扱うアルゴリズムを相関図にしてみました(私のイメージです). まず,
深層学習を用いた時系列データにおける異常検知 - 株式会社カブク
はじめに カブクで機械学習エンジニアをしている大串正矢です。今回は深層学習を用いた時系列データにおける異常検知について書きます。 背景 深層学習を異常検知に使用するにあたって閾値設定や評価尺度であるROCについての記述が日本語のウェブの資料で見つけられなかったので本ブログで記述することにしました。以前のブログに異常検知の基礎的な内容があるのでその内容を踏まえた上で読んで頂けると理解がしやすいと思います。 異常検知の基礎 時系列データにおける異常検知 情報圧縮に関するモデル(AutoEncoderなど) 利点: RNNなどに比べ少ないパラメータで学習可能なため高速 欠点: 系列データ特有の過去の値を考慮した予測ができない 系列データに関するモデル(RNNなど) 利点: 系列データ特有の過去の値を考慮した予測が可能 欠点: 構造上、GPU上での並列化が難しいため学習に時間がかかる 本記事では系
グーグル、カクテルパーティ効果を発揮するマシン--ビデオから特定話者の声だけ抽出
Googleの研究部門であるGoogle Researchは、複数の人が話すビデオから特定の1人の声だけ抽出する技術を開発した。人間が持つ能力“カクテルパーティ効果”を、ディープラーニング（深層学習）システムを使って実現させたもの。 カクテルパーティ効果とは、大勢の人がカヤガヤ話しているパーティ会場のような騒音に囲まれた環境でも、人間なら特定話者の声に集中して話している内容を確実に把握できる現象のこと。人間は苦もなく騒音のなかから必要な話し声を選択して理解するのだが、人工的な音声処理システムでは実現困難だという。 Google Researchは、人間の話すようすを撮影したビデオを利用することで、この問題の解決を図った。複数の人が話すビデオの音声データと映像データを並行して解析し、例えば話者の口の動きを参考にすることで該当する音声データの分離に成功した。複数の人が発声し、時には声が重なるよ
MicrosoftとAWS、ディープラーニングの「Gluon」をオープンソース公開
米Microsoftと米Amazon.com傘下のAWS（Amazon Web Services）は10月12日（現地時間）、ディープラーニングのライブラリおよびインタフェースの「Gluon」（グルーオン：クォーク同士を結合する働きがあるとされる基本粒子という意味）をGitHubで公開したと発表した。ライセンスはApache License 2.0。 Gluonは、様々なニューラルネットワークのコンポーネントの集まりを使って機械学習モデルを作成するための分かりやすいAPIを提供する。コンポーネントを他のデータ構造と同様に扱えるため、機械学習に慣れていない開発者でも、比較的簡単にモデルを構築できるという。 GluonはAWSで使われている機械学習フレームワークの「Apache MXNet」をサポートする。Microsoftの「Cognitive Toolkit」でも近く使えるようになり、長期
Google の Tensor Processing Unit (TPU) で機械学習が 30 倍速くなるメカニズム | Google Cloud 公式ブログ
* この投稿は米国時間 5 月 12 日に投稿されたもの（投稿はこちら）の抄訳です。 Posted by 佐藤一憲, Staff Developer Advocate, Google Cloud Cliff Young, Software Engineer, Google Brain David Patterson, Distinguished Engineer, Google Brain Google 検索、ストリートビュー、Google フォト、そしてGoogle 翻訳。これらのサービスに共通するのは、いずれもニューラルネットワーク（NN）の計算処理の高速化のために Google の第一世代の Tensor Processing Unit (TPU) が用いられている点です。 Google の第一世代 TPU は、昨年の Google I/O で初めて紹介され、今年 4 月にはその性能
【ディープラーニング】最新のディープラーニングを一通りさらっておく - あれもPython,これもPython
ぼけっと、色々な記事を読んでいたら、 先日AlphaGo（っぽい)レポジトリを紹介していた時に出てきた、 Kerasというモジュールの紹介記事を見かけた。 esu-ko.hatenablog.com aidiary.hatenablog.com 色々なDeepLearningのKeras版レポジトリも元記事位は付いているので、 Chainerで書き直したら勉強になりそ−、とは思うんだけど、 そもそも何かを知っていないとお話にならないので、その調査メモ。 Gaussian-Bernoulli RBM 連続値を処理したいときの制約ボルツマンマシン Chapter 8 ボルツマンマシン - 深層学習本読み会 補助関数法によるGaussian-Bernoulli RBMの 学習アルゴリズムの検討 制約つきボルツマンマシン (RBM; Restricted Boltzmann Machine) の私
流行りの深層学習フレームワークCaffeをC++から使ってみた - 学生時代に頑張ったことが何もない
Caffeとは CaffeはBerkeley Vision and Learning Centerというところが中心となって開発している深層学習（Deep learning）フレームワークです．公式サイトの記述によれば 速い（"We believe that Caffe is the fastest CNN implementation available"） GPU（CUDA）を利用できるがCPUだけでも動く きれいなアーキテクチャ＆読みやすく改変しやすい実装（C++） コマンドライン，Python，MATLABインタフェースを提供 活発なコミュニティ（Githubのレポジトリやメーリングリストを見るとわかる） といった特徴があるようです．ちょうどC++から簡単に使える深層学習ライブラリを探していたところ，なんだか流行っていて（Caffeで手軽に画像分類 - Yahoo! JAPAN T
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
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
演習コンテンツ 公開ページ
Deep Learning基礎講座演習コンテンツ 公開ページ
Are deep belief networks useful for time series forecasting? Nearly every example I’ve seen involves some sort of facial or image recogni...