.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads

ご注意：本記事は、＠IT／Deep Insider編集部（デジタルアドバンテージ社）が「www.buildinsider.net」というサイトから、内容を改変することなく、そのまま「＠IT」へと転載したものです。このため用字用語の統一ルールなどは＠ITのそれとは一致しません。あらかじめご了承ください。 本稿では、筆者自身の会社「Holoeyes」で手掛けている医療向けVR／MRサービスで、「どのようにディープラーニング（Deep Learning）を活用しているか」を機械学習エンジニア向けに説明する。その説明に入る前に、会社と医療向けVR／MRサービスの内容について簡単に紹介しておこう。 会社の紹介 「XR*1を通じて医療のデジタルトランスフォーメーションを加速させる」をモットーに2016年に設立、手術の支援、医療教育にVR／MR／ARのアプリを提供している。 医療でVRやMRを使う意味

.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads

$$ \newcommand{\bm}[1]{\mathbf #1} $$ 主成分分析(PCA)の数学的な理論とPythonによる実装¶ Author: Yuki Takei (noppoMan) Github: https://github.com/noppoMan Twitter: https://twitter.com/noppoMan722 Blog: https://note.com/noppoman これは、noteの主成分分析の背景にある数学理論の話(最適化問題)の本文です。 主成分分析の数学的な理論の理解に必要な知識¶ 主成分分析は、アルゴリズム的な観点で見るとデータの分散を最大化させる最適化問題であり、その理論は数学（とくに微分学、線形代数）により与えられている。以下は、主成分分析で使われる数学の分野をざっくりとリストしたものである。 データ分析 分散、共分散 解析学 多

Team Pytorchは現地時間21日、オープンソースの機械学習用ライブラリPyTorch 1.5のリリースを公式ブログでアナウンスした。 C++からPyTorchを呼び出せるC++ FRONTEND APIや分散処理用のDistributed RPCフレームワークが安定版になったほか、1.5のリリースにあわせて、FacebookとAWSのエンジニアがコミュニティからのフィードバックをもとに開発したクラウド環境での利用を想定するTorchServerなど試験的なライブラリも発表している。

OKUMURA, Akira（奥村 曉） @AkiraOkumura 中堅と呼ばれる年齢になってしまった物理屋 名古屋大学宇宙地球環境研究所（ISEE）と同素粒子宇宙起源研究所（KMI）で講師をしています。世界で一番でっかいガンマ線望遠鏡と美味しい食事を作っています。 宇宙線/ガンマ線/CTA/MAGIC/Fermi/ROOT/Mac https://t.co/8uM1zbJPq7

Python＆AI・機械学習を無償の記事で学ぼう！　＠IT連載まとめ：＠IT／Deep Insiderの歩き方 Pythonや機械学習（ディープラーニング）を学ぶための学習リソースとして、＠IT／Deep Insider上にある連載（技術解説記事）を、「Python」「開発環境」「数学／統計／データサイエンス」「ディープラーニング／機械学習」という4つの分野で紹介する（全18連載）。

「機械学習でどのアルゴリズムを使ったらいいの？」と迷った場合用のカタログです。 ・アルゴリズムのざっくりとした3行イメージ ・メリット＆デメリットおよび使用場面 この2点に特化して機械学習のアルゴリズムをまとめています。 記事の内容 教師あり学習のアルゴリズム 教師なし学習のアルゴリズム Neural Networkのアルゴリズム 教師あり学習のアルゴリズム 教師あり学習の分類問題に使用するアルゴリズムを中心に取り上げます。 「教師あり学習って何？」という方はこちらをご覧ください。 1. Random Forest 【3行で伝えるざっくりイメージ】 「YES」か「NO」かで分岐していくことで最終的に一つの答えにたどり着く構造を「木」といいます。 複数の説明変数からランダムでいくつかを選び、それらを分岐の質問に用いる「木」を作ります。 この方法で「木」を大量に作り、それぞれの出力結果のうち最

東大発AIベンチャーのAI人材育成サービス「iLect」、次世代プログラミング環境「iLect System Ver.2 」をリリースブラウザ上でログインし、高スペックGPUを利用したプログラミングが即時可能 実践的なAI人材育成サービスを提供する「iLect」（運営：AI総合研究所「NABLAS株式会社」、本社：東京都文京区７−３−１、以下当社）は、AIのモデルの学習を行う上で欠かせない高性能のGPUをクラウド上で利用できるプログラミング環境「iLect System」の次世代バージョン「iLect System Ver.2」の提供を開始したことをお知らせいたします。 ◾iLect System Ver.2について iLect（提供: NABLAS（株）では、GPUが利用可能なプログラミング・科学計算環境として、「iLect System」を提供してきました。今回リリースする「iLect

印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます Microsoftは機械学習を利用して、セキュリティに関わるバグレポートを正確に特定しているという。 同社が目指しているのは、バグレポートのラベルのみを分析することにより、大量のバグの中からセキュリティバグを正しく特定することだ。 Microsoftによると、同社では4万7000人の開発者が毎月約3万個ものバグを生み出しているが、開発サイクルでの対応が求められるようなセキュリティ上の重要性を持つバグは、そのごく一部に過ぎない。 同社が開発した機械学習モデルを使えば、セキュリティに関係するバグと関係しないバグを99％の精度で見分けられる。深刻度の高いセキュリティバグも97％の精度で特定できるという。 これにより、バグの分類や優先順位付けも

メルカリで写真検索とEdge AIチームに所属している澁井（しぶい）です。機械学習のモデルを本番サービスに組み込むための設計やワークフローをパターンにして公開しました。 GithubでOSSとして公開しているので、興味ある方はぜひご笑覧ください！ PRやIssueも受け付けています。私の作ったパターン以外にも、有用なパターンやアンチパターンがあれば共有してみてください！ GitHub：https://github.com/mercari/ml-system-design-pattern GitHub Pages：https://mercari.github.io/ml-system-design-pattern/README_ja.html なぜ機械学習システムのデザインパターンが必要なのか 機械学習モデルが価値を発揮するためには本番サービスや社内システムで利用される必要があります。そのた

Previous releases of the CUDA Toolkit, GPU Computing SDK, documentation and developer drivers can be found using the links below. Please select the release you want from the list below, and be sure to check www.nvidia.com/drivers for more recent production drivers appropriate for your hardware configuration. Latest Release CUDA Toolkit 12.3.2 (January 2024), Versioned Online Documentation Archived

カノニカル、新版「Ubuntu 20.04 LTS」をリリース--セキュリティ強化と長期サポートを提供 Canonicalは4月23日、Linuxディストリビューションの最新版「Ubuntu 20.04 LTS」をリリースした。同梱される各種のアプリケーションパッケージまで対象に含めた最長で10年の商用サポートと、アプリケーションや運用管理のレイヤーまで及ぶセキュリティ強化への取り組みがポイントとなる。 製品担当ディレクターのStephan Fabel氏はまず、新型コロナウイルスの流行を受けて今回の説明会がオンライン開催になったことに触れ、同社自体は数年前からリモートワーク体制を構築しており、今回の世界流行においても深刻な打撃を受けているわけではないと明かし、さらにUbuntuもCanonicalもともに健全に継続可能な状況にあるとした。 Ubuntu 20.04 LTS（開発コード名：F

追記修正（2020年6月17日） 当初、はてなブックマークとはてなスターは、変更後のドメインに自動的に移行します、と記載しておりましたが、サブドメインなし（ネイキッドドメイン）でご利用の際、はてなスター・はてなブックマークが適切に移行されない問題が発生しています。詳細は調査中で、分かり次第本告知に追記いたします。ご利用の皆さまにはご迷惑をおかけし申し訳ございません。今しばらくお待ちください。はてなブログでは2020年4月23日（木）以降、独自ドメイン設定の際に、ネイキッドドメイン（wwwなどのホスト名がつかないドメイン）でも運用できるようになりました。これまでは、www.example.comのように冒頭にサブドメインの設定が必要でしたが、今後はexample.comのような形でもご利用いただけます。 独自ドメインの設定は、有料プラン「はてなブログPro」限定の機能です。 新規で独自ドメイ

自分は機械学習を学びたい全ての人類に（CourseraのAndrew Ngのコースをやった後に）Andrew NgのStanfordのCS229の講義を見ることをオススメしてるんですけど、その講義の2018年度バージョンが公開され… https://t.co/OUokFft3ea

Led by Andrew Ng, this course provides a broad introduction to machine learning and statistical pattern recognition. Topics include: supervised learning (gen...

製造業向けAI開発ベンチャーのPros Consは2020年4月22日、同社が独自開発した教師なし学習アルゴリズムによって、少量の画像データで外観検査用AI（人工知能）モデルを作成できるソフトウェア「Gemini eye」を同年4月23日から販売すると発表した。画像サンプルなどの収集・作成の手間が省け、最短1日で外観検査AIを生産ラインに導入できる。 Pros Consは2019年1月、同社 代表取締役 CEOの安部正一郎氏らによって設立されたAI開発ベンチャーだ。自動車メーカーなどの製造業者を対象に、AIの導入検討から運用までを一気通貫で行うAIソリューション事業などを展開している。 従来、外観検査用のAIモデルを作成するためには、AIに学習させるための不良品画像データ（教師データ）を数千から数万枚程度収集する他、傷やへこみなどの不良箇所をマーキングする画像加工（アノテーション）も行う必