With the continuing shift to digital, especially in the retail industry, ensuring a highly personalized shopping experience for online customers is crucial for establishing customer loyalty. In particular, product recommendations are an effective way to personalize the customer experience as they help customers discover products that match their tastes and preferences. Google has spent years deliv

TL;DR（思ったよりもかなりの長文になってしまったので*1、時間がないという方は1番目と2番目のセクションの冒頭だけお読みください） しんゆうさんの舌鋒鋭いブログ＆note記事にはいつも楽しませていただいているのですが、この記事は一点僕のデータ分析業界の認識に新たな視点を与える話題があって特に目を引きました。それが以下の箇所です。 資格があるわけでもないので名乗るのは自由だし、未経験だろうが文系だろうがそれはどうでもいいのだけど、傍から見ていると「サイエンティスト」と名乗っているわりには「サイエンス」な話をしていないなぁとは思っている。（中略） 現在起きている第３次データサイエンティストブームは「データサイエンティストと名乗りたい人」が盛り上げているように見える。 （太字筆者） この問題は、このブログの前々回の記事でも取り上げています。 ただ、僕はこういう「データサイエンティストになりた

進まぬ製造現場のAI活用、AIベンダー側とユーザー側のそれぞれの事情：製造現場向けAI技術（1/2 ページ） マクニカとマクニカネットワークスは2020年7月2～3日と9～10日の4日間、シンポジウム「Macnica Networks DAY 2020＋macnica.ai」をオンライン形式で開催した。本稿では、マクニカイノベーション戦略事業本部カスタマーサクセス部課長の本村健登氏による「製造業はAIごときで立ち止まるな～Industrial DXを実現した企業の5つの秘密～」の内容を紹介する。 マクニカとマクニカネットワークスは2020年7月2～3日と9～10日の4日間、シンポジウム「Macnica Networks DAY 2020＋macnica.ai」をオンライン形式で開催した。同イベントそのものは今回で15回目を迎えるが、サイバーセキュリティ、DX（デジタルトランスフォーメーショ

機械学習は結果が100%保証されるものでないというのは共通認識だが、ロボット系などでは「正しい出力ができなかった場合にシステムを停止する動作」を担保する必要がある。そのあたりの連携についても観点に含まれるか。→Yes 自動運転で判断を迷ったとき、ドライバーの人命が大事なので安全な状態に移動する（停止する）というのが求められる 安全弁は2重3重の機構が必要になる★ MLのシステムは入力データによっては落ちることがあるので皆さんどうしていますか？ 例えば、アルゴリズム部分が落ちても、何かしら値を返すようにしておくなど工夫が必要 たとえば人命がかかわらない領域(アドテクなど)の監視観測はどのような例があるか？（人命がかからないからと言ってクリティカルではない、というわけではないが） 広告システムの例。レコメンドなど。精度が悪くなった場合にどういう被害があるかという話がある。ダイナミック広告（商品

2020年7月2日 於 MLSE夏合宿2020 https://mlxse.connpass.com/event/175970/ 【講演概要】 深層学習の性能の原理を理解するにあたり、既存の理論は深層学習の実際と乖離する点が多く残っている。そのギャップを埋めるため、実状を説明できるように理論を拡張する研究が盛んに行われている。本講演では、汎化誤差の評価に必要な重要な要素のうち、(1)近似誤差および (2) 複雑性誤差に注目し、それらの研究動向を紹介する。具体的には、深層ニューラルネットワークが相対的に優れた近似性能を発揮する状況の解析、および仮設集合全体の複雑性に依存しない誤差の解析を扱う。また、それらのアプローチの現状の達成点と限界について述べ、今後の研究の方針を議論する。 【講演者略歴】 2017年に東京大学 経済学研究科 統計学コースにて博士号取得。統計数理研究所 数理・推論研究

機械学習モデルを作る時、与えられたデータを全て用いてモデルの学習・精度向上を行うと、そのデータに対してのみ精度の良いモデル(理想のモデルに近づけていない。)が出来上がってしまい、未知のデータに対して適用できなくなってしまいます。 そのため通常、データをあらかじめ学習用と検証用に分けておき、学習用データでモデル作成→検証用データでモデルの精度を確かめるという手順でモデリングを進めていきます。 さて、上記のように学習データ内で精度の良いモデルを作るのですが、こちらも学習データに特化したモデルを作ってしまうと、いつまでたっても精度の良いモデルができません。(特に学習データが少ない場合。) この問題を解決する手法が交差検証(Cross Validation)です。今回は交差検証の中でも、K-分割交差検証(k-Fold cross validation)について説明します。 K-分割交差検証では学習

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

オープンAIは、機械学習技術を利用して、画像の半分から残り半分を予測し、1つの画像を完成させられるAIシステムを開発した。以前に開発した驚くほど自然な「フェイクニュース」を量産できる文章作成ツールの画像版だ。 by Karen Hao2020.07.22 24 18 6 6 サンフランシスコに拠点を置く非営利の研究機関オープンAI（OpenAI） は2019年2月、もっともらしい英語の文章を書ける人工知能（AI）システムを発表した。「GPT-2」と呼ばれるこのAIシステムに文章や段落の冒頭部分を入力すると、AIが文章の続きを勝手に考えてくれるというものだ。GPT-2はエッセー程度の長さの文章まで生成でき、その内容はまるで人間が書いた文章のように一貫性がある。 そして今、オープンAIは、GPT-2と同じアルゴリズムに、画像の一部を与えたら何が起きるのかを探っている。重大な影響力と可能性に満ち

勉強会リンク：https://cfml.connpass.com/event/179600/ 論文リンク：https://arxiv.org/abs/1909.05299 論文概要： 機械学習的な汎化誤差最小化の定式化に基づく因果効果予測手法が乱立傾向にあります。またそれらの手法は、多くのハイパーパラメータを有しています。そうした背景から、各環境について最適な予測手法とハイパーパラメータを選択するという手順の重要性が増している一方で、その手順に関する研究はあまり進んでいません。本研究では、観測可能なデータのみを用いてデータドリブンに、因果効果予測手法のモデル選択やハイパーパラメータチューニングを行うための方法を提案します。また、ベンチマークデータセットを用いて、既存のヒューリスティックな評価指標よりも提案手法がより良い性能を持つモデルを候補集合の中から探し当てられることを実証します。

5月のリリース当時には実用性の面で期待外れとの声が聞かれた文章生成AI、GPT-3の活用事例が挙がってきている。 徳島県在住のBemmu SepponenさんはGPT-3をプレゼン用スライドの制作に用いたようだ。ほかにも、GPT-3を用いて指定したウェブアプリケーションを生成するサービスなんかも登場している。 プレゼン用スライドの文章を生成GPT-3はOpenAIが開発したTransformerベースのモデル。文章を与えると、次に続く文章を生成してくれる。インターネット上の膨大な文章によりトレーニングされていて、なんと1750億個のパラメーターを持つ（先代のGPT-2は15億個）。 英語を話すユニコーンの話など、創造的な文章の生成が得意なイメージのGPT-3だが、プレゼン用スライドの文章生成は実用的とも捉えられるだろう。 Bemmuさんは、プロンプトに「関西のHacker Newsのイベン

Orbit, the Open Runtime Binary Instrumentation Tool is a standalone native application profiler for Windows and Linux. It supports native applications written in languages such as C, C++, Rust, or Go. Its main purpose is to help developers identify the performance bottlenecks of a complex application. Orbit can be also used to visualize the execution flow of such applications. The key differentiat

※アンダースコアのpip install seaborn_analyzerでもインストール可能です。 インポート時はアンダースコアのimport seaborn_analyzerやfrom seaborn_analyzer となるのでご注意ください コード モジュールcustom_pair_plot.py内のクラスCustomPairPlotに、必要な処理をまとめました。 GitHubにもアップロードしています モジュール本体 import seaborn as sns import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy import stats class CustomPairPlot(): #初期化 def __init__(self): self.df = None sel

2016/03/17にPFIセミナーで話したスライドです。子供の言語獲得に関する非常に基本的な話と、関係しそうな機械学習の技術を紹介しました。素人なりのまとめなので、間違いなどご指摘いただけると助かります。Read less

2020-07-222020-07-27 統合制御やAIを活用して、製造業での設備立ち上げや生産数の変動に柔軟に対応する　ーDENSO Robotics Online EXPO 2020デモンストレーションツアーレポート TOP > 製造業 > 統合制御やAIを活用して、製造業での設備立ち上げや生産数の変動に柔軟に対応する　ーDENSO Robotics Online EXPO 2020デモンストレーションツアーレポート 株式会社デンソーウェーブが主催したWEB展示会「DENSO Robotics Online Expo 2020」が、2020年7月16〜18日で開催された。 本稿では、デモンストレーションツアーからいくつかのデモの様子を動画を交えて報告する。 ロボットコントローラRC9が実現する統合制御 RC9によって設備統合制御を行い設備立ち上げ工数を削減している デンソーウェーブの新

概要 Google翻訳APIをPythonで実行するでは、四苦八苦しながらも、Google翻訳APIにより、テキストファイルに書かれた英文を日本語に翻訳するPythonスクリプトを書いた。 元々の動機は論文の翻訳する際に、ちまちまGoogle翻訳にコピペするのが面倒くさいということであった。 そこで今回は、Pythonスクリプトを拡張し、PDFの論文を一気に翻訳するようにしたので共有したい。 そもそもなんで日本語に翻訳して論文を読むの？ もちろん、細かい内容は原文を精読する必要がある。そりゃそうだ。 日本語で読む理由はなんといっても、論文の内容を俯瞰的に把握できるということに尽きる。 俯瞰的に把握できることで、以下のメリットがある。 俯瞰的に把握した上で原文を読むことになるため、より早く理解することができる。 俯瞰的に把握できるため、原文を読む前に、自分にとって読む必要がある論文かどうかか

データサイエンティストなど専門家だけが利用できたAIの敷居が下がり、誰でもAIを利用できるプラットフォームがいくつも展開されています。その中の1つ、DataRobotではAIの民主化を推進。企業がAIドリブンになることをサポートしています。今回は同サービスの公式ガイドブックとなる『DataRobotではじめるビジネスAI入門』から、国内企業のAI推進状況を解説した「SECTION 01　企業におけるデータ・AIをとりまく環境の変化」を紹介します。 本記事は『DataRobotではじめるビジネスAI入門 ［DataRobot Japan 公式ガイドブック］』の「PART1 AI利用者と推進者のための事前知識」から抜粋したものです。掲載にあたり一部を編集しています。 国内企業におけるAI推進状況 日本に限らず、データ・AIの活用を推進していこうという動きは企業において大きく注目されていますが、

ファイアウォールの機械学習エンジンが脅威をブロック 近年では脅威が未知化するスピードが高まっている。一般的に脅威はパターンファイルやシグネチャと呼ばれるものと照合することで検知し防御する。現実世界なら顔写真や似顔絵で指名手配犯を捕まえるようなものだ。指名手配犯が逮捕を逃れるために変装を繰り返すように、近年のマルウェアは検出を逃れるために次々と形を変え、増殖していく。ポリモーフィック、亜種化とも言われる。 パロアルトネットワークスの観測によると、1つのマルウェアから5分で1万近くのインスタンスに増加することもあるという。攻撃者は1つのマルウェアを未知化し、配布するところで自動化を進めている。この増殖の速さではシグネチャベースでの対応では検知が難しくなる。 パロアルトネットワークスでは素早く未知化する脅威に対抗するべく、機械学習を搭載した次世代ファイアウォールを開発した。パロアルトネットワーク