Neural Network Console概説: GUIで直感的にディープラーニングしよう!:AI・機械学習のツール&ライブラリ Sonyが自社製品でも活用する信頼性の高いディープラーニングツール「NNC:Neural Network Console」の概要と特徴を筆者なりに分析して紹介。どんな人がどんな用途で使うべきかの指針も提案する。
![Neural Network Console概説: GUIで直感的にディープラーニングしよう!](https://cdn-ak-scissors.b.st-hatena.com/image/square/02dec89394d481f49221c42ffde859a2d91c72b3/height=288;version=1;width=512/https%3A%2F%2Fimage.itmedia.co.jp%2Fait%2Farticles%2F2007%2F07%2Fcover_news018.png)
データサイエンスやIoTなどに関わる「先端IT人材」は、経済産業省の(PDF)調査では「2030年に45万人が不足する」と言われていますが、「そもそもデータサイエンスって何?」「普通に仕事するだけなら必要ないのでは?」という疑問を抱く人も多いはず。ちょうど5周年キャンペーンを実施しているオンライン学習プラットフォーム「Udemy(ユーデミー)」に「データサイエンスの資格のための講座」が開設されたとのことなので、技術者や経営者でない人にもデータサイエンスは必要なのか、具体的にどう役立つのかを、まさにその資格の開発に携わった堅田洋資さんと石田祥英さんにイチからいろいろ話を聞いてみました。 オンラインコース - いろんなことを、あなたのペースで | Udemy https://www.udemy.com/ 目次 ◆1:そもそも「データサイエンス」って何? ◆2:「データサイエンス」でビジネスはど
Convergence Lab. CEOの木村優志です。 ディープラーニングは大きな可能性をひめた技術です。しかし、その限界や特性を理解していないとうまく使いこなすことができません。今回は、ディープラーニングを使って、業務システムを構築するためにはコツについて書きます。 ディープラーニングは100%の精度が出ない 現実的な問題に関して、ディープラーニングで100%の精度を出すことはほぼ不可能です。ディープラーニングは様々な課題で人間を超える精度を示すことがあります。しかし、100%ではありません。そもそも、人間も100%ではないのです。AIシステムを構築する際には、精度が100%ではないということに気をつける必要があります。 精度が100%ではないので、ディープラーニングは使えない、というわけではありません。ディープラーニングを使って、業務システムを構築するためにはコツがあるのです。 Hu
日進月歩の音楽のテクノロジーの中で、個人的に今年最大の衝撃を受けたのは「AIきりたん」の誕生でした。人の歌声・歌い方をディープラーニングのシステムで学習し、その人とソックリな歌声を作り出すAI歌声合成は、この数年で急速に進化してきています。そうした中、NEUTRINOというフリーウェアを使って東北きりたんの歌声を合成するAIきりたんは、世界で初めて一般DTMユーザーが自由にAI歌声合成を実現できるツールとなったのです。 そのAIきりたんに続く、第2のAI歌唱データベースを作ろうというプロジェクトが発足し、本日7月6日よりクラウドファンディングが開始されました。その歌唱データベースとなるのは、東北ずん子、東北きりたんの姉という設定のキャラクター、東北イタコ。その東北イタコの声を演じるのはホリプロインターナショナル所属の声優、木戸衣吹さん。これによって、また新たなAIシンガーが誕生するとなると
YOLOv5がリリースされたとのことなので試してみました。 https://github.com/ultralytics/yolov5/ 目次 使用データと目的 実装例 データ準備 COCOデータのpretrainedモデルのダウンロード コードのダウンロード 環境準備 コード実行 コード説明 最後に 1. 使用データと目的 以下のサイトから物体検出用の画像を拾ってきました。 https://public.roboflow.ai/object-detection/ 色んなデータがありますが、コロナの時期なのでマスク有り無しのデータを選択してみました。 目的は図のようにマスクをしている人・していない人の物体検出を行うことです。 2. 実装例 2-1. データ準備 まずデータをダウンロードします。 以下のURLにアクセスします。 https://public.roboflow.ai/objec
ホクソエムサポーターの白井です。 今回は前回 【翻訳】機械学習の技術的負債の重箱の隅をつつく (前編) の続きを紹介します。 blog.hoxo-m.com ※この記事は、Matthew McAteer氏によるブログ記事Nitpicking Machine Learning Technical Debtの和訳です。原著者の許可取得済みです。 後編では、コードのアンチパターンなど、エンジニアには身近な話題で、前編と比較して実践しやすいコンテンツも多いと思います。 Nitpicking Machine Learning Technical Debt (機械学習の技術的負債の重箱の隅をつつく) Part5 MLコードにある共通のダメなパターン Part6 構成の負債 (退屈だけど修正は簡単) Part7 解決への夢を打ち砕く実世界 Part8 奇妙なメタセクション サニティーチェック (Sani
We find that, just as a large transformer model trained on language can generate coherent text, the same exact model trained on pixel sequences can generate coherent image completions and samples. By establishing a correlation between sample quality and image classification accuracy, we show that our best generative model also contains features competitive with top convolutional nets in the unsupe
OpenAIの研究チームが開発した「Image GPT」は、画像生成を学習するためのフレームワークだ。昨年、同チームが発表した自然言語の文章自動生成モデル「GPT-2」を画像に適用したもの。OpenAIはイーロン・マスク氏が共同会長を務める米国のAI研究企業(非営利)。 ピカチュウもちゃんと補完 GPT-2は短い文章を入力すると、もっともらしい長文を自動的に作成してくれるモデルで、その精度の高さが一部で話題になった。モデルは800万のWebページのデータセットで訓練し、15億のパラメータを持つ48層のネットワークで構成。アルゴリズムは、RNN(Recurrent Neural Network)やCNN(Convolutional Neural Network)の再帰や畳み込みを用いず、Attentionのみ使ったTransformerを採用している。 今回このモデルを画像で試したところ、画
Cloud pak for Data 3.0.1(以下CP4D) でPythonでつくったモデルをREST API化します。 Watson Stuido Localという開発環境でモデルを作成し、Watson Machine Learningという実行環境にデプロイすることでREST API化することができます。 REST API化するとつくったモデルを外部のアプリケーションから呼び出すことが可能になります。例えば、Webの回遊行動から購入を予測するようなモデルを作れば、スマホのアプリにリアルタイムにその広告をだしたりすることができます。また、装置のセンサーデータから故障を予想するようなモデルを作れば、リアルタイムに故障の可能性があることを通知するようなことができます。 サポートされているフレームワークは以下になります。scikitlearnやKeras、xgboostなどがサポートされて
人工知能が個人情報を駆使して医療に関わるようになると、どのようなリスクがあるのか、それに対してどのような配慮が必要なのか。 人工知能が発達し続けると、予想されるリスクとして、よくいわれるのは、いまは人間がやっているいろいろな作業を、人工知能がずっと上手にこなすようになって、人間から職を奪うのではないか、という危惧だ。 さらに、高度に自律した情報処理と判断決定の能力を人工知能に与えると、人間が守りたい権利や尊厳に反する、人間が持つ価値観とは異なる判断が重なって、結果として人間の安全・安心を脅かすようになるのではないかとの危惧もある。 偏った価値観が反映される恐れもある そこで、人工知能が人間の安全と権利や尊厳を侵す決定をしないように、設計段階から人間の価値観を学習させて運用することが求められている。その際に大きな問題になるのが、「アルゴリズムのバイアス」である。人工知能に学習させるプロセスに
北洋銀行は、端末自体で画像解析を行う「エッジAIカメラ」を活用し、振り込め詐欺を防ぐ実証実験を一部店舗で行う。期間は7月13日から半年程度。ソリューションを提供するJVCケンウッドが7月1日に発表した。 実験では、JVCケンウッドがビズライト・テクノロジーと共同開発しているエッジAIカメラのプロトタイプを活用。電話を掛けながらATMを操作したり、順番を待ったりしている人を検知し、職員に通知する。状況に応じて職員が顧客に声掛けすることで、新型コロナウイルス関連の給付金や助成金を対象とした詐欺を防ぐという。 活用するエッジAIカメラは、サーバに映像を送信することなく、カメラ内でAIによるディープラーニング処理、分析までを行う。ATM利用者の映像など、プライバシーに関わる情報漏えいリスクが少ないことが特徴という。銀行の既存ネットワークも使わないため、銀行全体のセキュリティレベルの低下にもつながら
「自動化された機械学習(AutoML)の現状と将来性」 Appier Japan株式会社 チーフAIサイエンティスト ミン・スン(Min Sun) AI(人工知能)テクノロジー企業のAppier(エイピア、共同創業者/CEO:チハン・ユー、以下Appier)のチーフAIサイエンティストであるミン・スン(MIn Sun)は、自動化された機械学習(AutoML)の現状と将来性について発表します。 1. データサイエンティストの役割を変える AutoML(Automated Machine Learning:自動化された機械学習)とは、機械学習モデルの設計・構築を自動化するための手法全般、またはその概念を指します。 AutoMLの目的は、機械学習で必要なすべてのプロセスを自動化し、効率よくコストを削減することです。これまで、機械学習を最大限に活用するためには、モデルの作成、適用、最適化を
Sports Analyst Meetupは、現役スポーツアナリストとスポーツ分析に興味のある方の情報共有イベントです。バスケットボールの選手・コーチとしての経験をもつ藤井慶輔氏が機械学習による攻撃守備戦術の分類についての研究を共有しました。 見てわかるデータしか信用されない現状 藤井慶輔氏:よろしくお願いします。藤井と申します。今回は初参加です。ちょっと雰囲気が掴めてないんですが、よろしくお願いします。タイトルは『バスケットボールの攻撃・守備戦術の自動分類』という話をします。 初参加なのでまず自己紹介から。スポーツ歴は今日お話をするバスケットで、大学時代まで選手をやっていて、大学院の5年間はコーチをやっていました。 大学院時代はこの動画にあるような対人の動作分析を、モーションキャプチャを使ってやっていました。ポスドク時代は、この動画にあるように、体育館で頭と肩に反射マーカーを付けてモーシ
デザインスタジオのBIRDMANは7月6日、AIが会議中の会話を自動分析し、関連語句や画像をリアルタイムでスクリーンに表示するツール「Inspiration Wall」を発表した。発想が広がるような画像や言葉を提示することで“アイデア出し”を支援するという。価格は未定で、11月から販売を始める。 会議中の会話をマイクで拾い、AIが独自アルゴリズムで内容を分析。会議のキーワードを自動で抽出し、その関連語句や類語をツリー形式でスクリーンに表示する。外部のフォトストックサービスのAPIと連携することで、会話の内容に合った画像を自動で選出・表示し、視覚的なイメージを広げることもできるという。 会議開始時に発行するQRコードをスマホで読み取れば、画像や語句の表示を一時停止できる他、AIが表示した画像をリスト化して、お気に入り登録することも可能。会議終了後には、お気に入り登録した画像やテキスト化した議
「AI」や「機械学習」といった言葉を耳にすることが増えていますが、その仕組みを理解するのは難しいと感じる人もいるはず。ジョージア工科大学のAIに関する研究チームであるPolo Clubが、機械学習の代表的なモデルである畳み込みニューラルネットワーク(CNN)を視覚的に理解できるウェブアプリ「CNN Explainer」を公開しています。 CNN Explainer https://poloclub.github.io/cnn-explainer/ 実際にCNN Explainerを操作しているムービーは以下。 Demo Video "CNN Explainer: Learning Convolutional Neural Networks with Interactive Visualization" - YouTube CNNは機械学習における分類器のひとつで、ニューラルネットワークを用
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