真野 智之 (Tomoyuki Mano) <tomoyukimano@gmail.com> version 1.0, 2020-06-19
真野 智之 (Tomoyuki Mano) <tomoyukimano@gmail.com> version 1.0, 2020-06-19
1 はじめに CX事業本部の平内(SIN)です。 Pytorch入門ということで、MNIST(手書き数字のデータセット)から作成したモデルを使用して、OpenCVでWebカメラの動画を推論にかけてみました。 使用したモデルのコードは、Githubで公開されている、Pytorchの公式サンプルコードです。 https://github.com/pytorch/examples/blob/master/mnist/main.py 最初に動作しているようすです。 推論の対象となっているのは、画面の中央だけで、別ウインドウに表示されている部分です。 2 モデル 公開されているサンプルコードは、以下のようになっています。 (1) データセット データセットは、torchvisionによって、MNISTが利用されています。 取得時に、transformsによる変換を行って、訓練用とテスト用のデータロー
はじめに 最近、異常検知に関する案件に関わって、結構苦労しました。 その理由の一つとして、異常検知の手法については一部本がでているもののそこまで多くはなく、また、異常検知プロジェクトの進め方という意味では情報があまり見つけられなかったというのがあります。 そこで、プロジェクト実施前に、こんな情報があればよかったなという内容についてまとめました。 自分が関わった案件は、設備のセンサーデータを用いた異常検知だったため、その内容に偏っていますが、全体の流れや考え方としてはあまりドメインや異常検知によらないものと思います。 なお、個別の異常検知のアルゴリズムについては話しません。 また、読者の対象しては、異常検知に興味がある人、機械学習プロジェクトに興味がある人を想定しています。 異常検知を取り巻くコミュニケーション 前提として、「異常検知」という言葉でイメージするものは人によって違います。関係者
3つの要点 ✔️ 慢性腎臓疾患(CKD)の長期的な傾向を抽出する時系列深層学習モデルの提案 ✔️ ランダムサンプリングされた患者データによる T-LSTM を使用 ✔️ 不規則な時間特性を考慮した学習により、CKD患者特有のプロファイルを特定 Learning Deep Representations from Clinical Data for Chronic Kidney Disease written by Duc Thanh Anh Luong,Varun Chandola (Submitted on 1 Oct 2018 (v1), last revised 9 Feb 2019 (this version, v2)]) Comments: Published by arXiv Subjects: Machine Learning (cs.LG); Machine Learnin
アイテム 1 の 2 7月15日、オリバー・テーラーは英バーミンガム大学の学生で、目は茶色、無精ひげをうっすらと生やし、少しぎこちない笑いを浮かべる二十歳そこそこの若者だ。 写真はテーラーのものとされる顔写真。イスラエルのディープフェイク検出会社がロイターに提供した右の解析写真では、目元や口に手を加えた痕跡が見られる(2020年 ロイター/Cyabra) [1/2]7月15日、オリバー・テーラーは英バーミンガム大学の学生で、目は茶色、無精ひげをうっすらと生やし、少しぎこちない笑いを浮かべる二十歳そこそこの若者だ。 写真はテーラーのものとされる顔写真。イスラエルのディープフェイク検出会社がロイターに提供した右の解析写真では、目元や口に手を加えた痕跡が見られる(2020年 ロイター/Cyabra)
この記事についてこの記事では、以下2つを解説します。 early stoppingと併用して学習率を適応的に変えていく手法をtensorflow2.xを使って実装する方法early stoppingと併用して、学習率の代わりにバッチサイズを適応的に変えて学習率減衰と同じ効果を得る手法の説明とtensorflow2.xその実装方法 学習率減衰とは?学習率減衰(Learning rate decay)は深層学習の汎化性能向上のためによく使われる手法で、学習がある程度進んだ場所で学習率を下げる手法です。下図にあるように、学習率を落とすと、急激に精度が向上することが知られています。 では、いつ学習率を減衰させれば良いのでしょうか?2020年7月現在では、学習がある程度収束してから学習率を1/10~1/5程度に減衰させることが多いように思います。論文を見ていると、よく使われるCIFAR10やImag
With the recent release of the TensorFlow 2 Object Detection API, it has never been easier to train and deploy custom state of the art object detection models with TensorFlow. To build a custom model you can leverage your own custom dataset to detect your own custom objects: foods, pets, mechanical parts, and more. In this blog and TensorFlow 2 Object Detection Colab Notebook, we walk through how
0、はじめに マッチングアプリで機械学習エンジニアをやっているはやとと言います。今回は「Web系企業での一人目の機械学習エンジニア・データサイエンティストに必要なもの、やって感じたこと」について書いていこうと思います。 「Web系企業で機械学習エンジニアやってみたい!」「組織としてデータ分析や機械学習をやり始めたいけど何からやったらいいかわからない!」という方も多くいるでしょう。 Web系企業での機械学習エンジニア・データサイエンティストの動きはメルカリのブログとか本でよく見ます。しかし、まだ規模があまり大きくない会社における機械学習エンジニア・データサイエンティストの記事や本は一切見当たらず、また、立ち上げ(そんな大げさな言葉を使っていいのか分かりませんがw)の話が書いてあるものは見たことがないです。そのため、もしかしたら日本で初めての記事になるのではないかなと考えてワクワクしながら書い
(左から)Abacus.aiのCEOのBindu Reddy氏、CTOのArvind Sundarajan氏、リサーチディレクターのSiddartha NaiduImage氏 Image credit: Abacus.ai AIサービス向けクラウドプラットフォームを提供するスタートアップのAbacus.aiは7月14日、1,300万米ドルのシリーズAラウンドが終了したことを発表した。また同時に社名をReality EnginesからAbacus.aiに変更することも発表した。同社は昨年、AWSとGoogleでAIプロジェクトをスケーリングした経験を持つチームによって設立された。チームにはSiddartha Naidu氏(BigQueryの共同製作者)、Bindu Reddy氏(AWSの元AIサービスマネージャー)、Arvind Sundararajan氏(元Uberエンジニア)が含まれてい
本講座は、Deep Learningを用いた強化学習に特化した全6回の講義です。東京大学でDeep Learning基礎講座を公開してきた松尾研究室が、深層学習の基礎を習得済みの学生を対象として開講するものです。 深層学習を用いた強化学習の研究・社会実装のスタートラインに立てるレベルの知識・実装力の習得を目指します。離散制御や連続値制御、モデルベース学習などの強化学習の基礎的なアルゴリズムから、sim2real、模倣学習、Control as Inference、世界モデル、まで深層強化学習の種々のトピックをカバーします。講義のみでなく、実践的な演習を通して、効率的に強化学習について手を動かしながら技術を深く理解します。
「Jetson Nano」でにゃんこを判別してLチカで知らせるエッジAIデバイスを作る:Jetson Nanoで組み込みAIを試す(5)(1/4 ページ) NVIDIAが価格99ドルをうたって発表した組み込みAIボード「Jetson Nano」。本連載では、技術ライターの大原雄介氏が、Jetson Nanoの立ち上げから、一般的な組み込みAIとしての活用までを含めていろいろと試していく。第5回では、猫とその種類の判別結果をLED点灯(Lチカ)で知らせる機能を作成してみる。 ⇒連載「Jetson Nanoで組み込みAIを試す」バックナンバー Jetson Nanoが優秀な猫判別機として利用できる(?)ことは、前回ご紹介した通りだが、いくら優秀とは言っても、画面にオーバーレイの形で猫の種別が出てくるだけでは他に応用がきかない。エッジデバイスに使うのであれば、その情報を他に受け渡しできないと意味
分析を行った観測データ(2019年台風19号)と学習データ(2018年西日本豪雨水害)。2018年西日本豪雨の被災地(岡山県倉敷市真備町)の浸水域のデータを機械学習し、2019年台風19号の福島県郡山市の浸水域を推定した。(画像: 東北大学の発表資料より)[写真拡大] 大規模災害が発生した後の対応として最も重要であり難しい問題は、被害の全容をいち早く把握することである。そこで人工衛星からの観測情報を利用した広域被害把握が注目されており、特に機械学習を活用した解析との組み合わせ手法が発展しつつある。そんな中で東北大学らの共同研究グループは16日、水害の被害把握を機械学習で行うことに成功したと発表した。 【こちらも】NECら、AIで河川氾濫を予測するIoT環境を実証実験 クラウドとの通信量90%減 東北大やペルー国立工科大学らの共同研究グループが研究の対象としたのは、2019年の台風19号であ
本記事では、時系列予測に利用できるpythonのライブラリの使い方について説明をします。 パッとライブラリを使うことを目指すため具体的なアルゴリズムの説明は省きます。 ※説明が間違えている場合があればご指摘いただけると助かります。 目次 利用データ ライブラリ Prophet PyFlux Pyro Pytorch Lightgbm 補足:Darts まとめ ソースコード このブログで記載されているソースコードはGitHubに上げておいたのでもしよろしければ参考にしてください。 github.com 利用データ 今回用いるデータはkaggleのM5 Forecasting - Accuracyと呼ばれるコンペティションで利用されたデータを用います。 作成したランダムなデータよりも実データのほうが予測をしている感があるからです。 予測に使うデータはwalmartの売上データです。 下図はその
Pixela は、さまざまな数値情報を記録・可視化できる無料のWebサービスです。私が開発・運営しています。 pixe.la 今回、記事タイトルの内容を自分でもやってみて、比較的カンタンに実現できたので紹介します。これを使えば、何かの回数とか時間とかを Pixela に記録するのが、より手軽にできるようになると思います。 この記事では一例として、「自分の自動車の運転時間の計測」を題材に、iOS / Android 両OSの場合の実現方法をご紹介します。ちなみに iPhone は、「iPhone XR」「iPhone SE(第2世代)」「XS 以降の iPhone」で、ここで紹介する方法が利用可能です。Android スマートフォンであれば、現代のスマートフォンであればだいたいどれでも利用可能なのではないかと思います(NFCに対応していれば大丈夫だと思います)。 【OS共通】事前準備 NFC
筆者が使ったのは、実在する人物写真の顔部分をAIが加工して、架空のモデルの画像を生成する「INAI MODEL」というサービス。ストックフォトを手掛けるイメージナビがAIベンチャーのデータグリッドと共同開発したもので、実在のモデルにありがちなスキャンダルや契約関係のトラブルを気にせず広告やポスターに起用できるのが強みだという。 6月のサービス発表直後、Twitterでは「モデルや俳優がいなくなる日も近い」「AIに職を奪われる時代に突入する」などと、その可能性を評価する声が相次いだ。一方、ロボットやCGを人間に似せる際に、一定の水準を超えると人が強い嫌悪感を抱く「不気味の谷現象」が起きそうだという指摘もあり、賛否両論だった。
元グーグルのエンジニア2人が立ち上げた、自動運転テクノロジー企業「Nuro(ニューロ)」は2018年初旬にステルスモードを抜け出し、宅配用の小型ロボットを世間に公開した。彼らがその当時、自動運転車やロボットタクシーではなく、デリバリーロボットを選んだ理由はごくシンプルなものだった。 宅配用のロボットであれば、人間を乗せる自動運転車を開発する企業が直面する複雑な規制の問題を回避できるし、早期に収益化が図れるという目論見があったのだ。しかし、新型コロナウイルスのパンデミックが世界を襲った今、彼らの選択が極めて賢明なものだったことが示されている。 「僕らはパンデミックが起こるなんて考えもしなかった」と、Nuroの共同創業者でJZの愛称で呼ばれるCEOのJiajun Zhuは話す。大手スーパーマーケットのKrogerと提携を結んだNuroの自動配送テクノロジーの需要は3倍に伸び、現在はウォルマート
「みんなのPython勉強会」は、Pythonを中心として、プログラミングを仕事、研究、趣味など、さまざまなシーンで生かす方法を一緒に学ぶ勉強会です。56回の今回は、サーバーサイドエンジニアをテーマに学びます。 AWSソリューションアーキテクトの西谷圭介氏が、前半ではサーバーレスについて説明しましたが、後半はいよいよその実行環境であるAWS Lambdaの基本について解説します。関連資料はこちら。 イベントドリブン 西谷圭介氏:Lambdaには、イベントドリブンという言葉があります。イベントドリブンをちょっと簡単に説明したいと思うんですが、Lambdaとかサーバーレスアプリケーションにおける非常に重要なキーワードなんですね。先ほどのサーバーレスのスタックに置き換えたときにLambdaというものがようやく出てきたんですが、このイベントドリブンをキーワードにしたサービスと言えます。 イベントド
金山(@tkanayama_)です。先日終了したKaggleの"M5 Forecasting"というコンペに参加した際、クラウドやCI/CDの勉強も兼ねて、AWS, GitHub Actionsを使って遊んでみました。 免責 N番煎じだったらすみません。一応、同じことをやっているネット記事は見つかりませんでした。 私はクラウドなど勉強中の身分ですので、もっといいやり方がある or 説明が間違っている、などありましたら教えてください。 私がこのシステムを使って参加したコンペの順位は5,558チーム中1,000,000,000位だったので、Kaggleで勝てるかどうかは別問題のようです :pien: この記事のゴール 下記のようなシステムを構築することをゴールとします。 ユーザーがやることは2つ(図中でユーザーから伸びている黄色矢印)で、 実装したコードをgit pushし、 AWSコンソール
こんにちは。MLOpsチームリーダー兼プラットフォームSREチームリーダーのsonotsです。今年の4月からZOZOTOWNリプレイスプロジェクトにも関わるようになりました。Zoomの背景画像を「進め!電波少年」にしてみても、チームの若者に伝わらないのが最近の悩みです。 今回の記事は、昨年度にタスクフォースとして発足したOSSポリシー策定委員会を代表して、今年の4月に弊社で策定したOSSポリシーについて紹介します。 OSSポリシー策定の背景と目的 弊社でもOSSを利用・貢献・公開しているメンバーが増えてきています。また、会社としても業界貢献、技術アピールの側面からOSS活動を奨励したいという想いがあります。 しかし、弊社にはOSSポリシーが存在しなかったため、相談を受けた際にCTO室が都度判断するという状況がしばらく続いていました。都度判断ではスケールしないため、「社員がOSS活動しやすい
We are pleased to announce that the July 2020 release of the Python Extension for Visual Studio Code is now available. You can download the Python extension from the Marketplace, or install it directly from the extension gallery in Visual Studio Code. If you already have the Python extension installed, you can also get the latest update by restarting Visual Studio Code. You can learn more about Py
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