Philosophy We strive to create an environment conducive to many different types of research across many different time scales and levels of risk. Learn more about our Philosophy Learn more
米Microsoft Researchは2020年8月3日(現地時間)、ゲーム開発における強化学習応用の研究プロジェクト「Project Paidia」を発表した。強化学習によって、人が行うようなゲーム操作をエージェント(AI)に学習させ、「NPC(Non Player Character)」と呼ばれるコンピューターが動かすゲーム内キャラクターの振る舞いを人に近づけることを主に目指す。米MicrosoftはMicrosoft Researchと協力し、機械学習のクラウドサービス「Azure Machine Learning」を通じて強化学習の開発環境などをゲーム開発者に提供済みだが、今回、この基盤を活用する。 Project Paidia は、Microsoft傘下のゲーム開発会社である英Ninja Theoryと実施。同社の対戦ゲーム「Bleeding Edge」において、プレイヤーを支
アマゾン ウェブ サービス(AWS)が、2020年9月8~30日に開催したオンラインのユーザーイベント「AWS Summit Online」に、東大発のAI(人工知能)ベンチャーであるアイデミー 社長の石川聡彦氏が登壇。「製造業におけるIoT×AI/ML基盤の構築とその運用事例」をテーマに講演を行った。本稿は、この石川氏の講演内容に、別途行った取材の情報を追加して構成した。 「MLモデルができた後から長い戦いが始まる」 2014年6月設立のアイデミーは、製造、金融、SIerなど企業向けを中心に50社以上に同社のAI技術が採用されている。これら採用企業の内、実に6割が製造業となっていることから、製造業が重視するIoT(モノのインターネット)とAIの活用に関するさまざまな知見やノウハウを持つ。 石川氏はまず、AIの主要技術となっているML(機械学習)で重視すべき「MLOps」について説明した。
“Now is the time for urgent action. Those of us that can do more, should do more. But the challenges we face are complex, and no one company, sector, or country can solve them alone.” -Brad Smith, Vice Chair & President of Microsoft The Prompt with Trevor Noah Join Trevor Noah, Microsoft’s Chief Questions Officer, in a thought-provoking series that delves into the world of Artificial Intelligence
“Now is the time for urgent action. Those of us that can do more, should do more. But the challenges we face are complex, and no one company, sector, or country can solve them alone.” -Brad Smith, Vice Chair & President of Microsoft The Prompt with Trevor Noah Join Trevor Noah, Microsoft’s Chief Questions Officer, in a thought-provoking series that delves into the world of Artificial Intelligence
「自動運転技術を教習に応用」なるほど! AI教習システムを搭載した南福岡自動車学校の教習車(画像:ティアフォー)。 福岡県で南福岡自動車学校を運営するミナミホールディングス(福岡県大野城市)らが、自動運転技術を活用した「AI教習システム」を開発、それを使った技能検定などのデモを2020年9月28日(月)に行いました。 このシステムは、自動運転ソフトウェアなどを開発するティアフォーと、学生ベンチャーのブレインフォー、そしてミナミホールディングスが約3年をかけて共同開発したもの。車両位置や周辺環境、ドライバーの動きなどを読み取ることができる自動運転技術を用いて、ドライバーの運転技能をAI(人工知能)が評価します。 運転技能検定では、教習所内の決められたコースを走行し、システムがドライバーの運転技能を定量的に評価。運転技能教習では、教習生のなかでも苦手とする人が多いというS字走行を、指導員に代わ
2020年8月19日,monoAI technologyは「ゲームとAI」をテーマにしたオンラインカンファレンス「QA Tech NightゲームAI活用最新事例と、未来の品質管理」を開催した。 登壇者は司会進行を主催のmonoAI technology 本城嘉太郎氏(monoAI technology,代表取締役)と桑野範久氏(monoAI technology,AIQA本部 セールス・マーケティング部 部長)が担当し,パネリストとして三宅陽一郎氏(日本デジタルゲーム学会理事,ゲームAIデベロッパ)と森川幸人氏(モリカトロン,AI研究所,所長)が登壇した。monoAI technologyはもともとネットワーク技術に力を入れたミドルウェアおよびゲーム開発に注力していたモノビットという名前の企業だったが,近年は人工知能関連技術の開発にも事業を拡大したことをきっかけに,2019年,社名をmo
Learn about Kedro Introduction to Kedro First steps Set up Kedro Installation prerequisites Python version support policy Create a virtual environment for your Kedro project How to create a new virtual environment using venv How to create a new virtual environment using conda How to install Kedro using pip How to verify your Kedro installation How to upgrade Kedro Summary Create a new Kedro projec
はじめに こんにちは deepblue でインターン生として働いている渡邊です。 最近、PyroやTensorflow Probabilityなどの深層学習ライブラリベースのGPU対応PPL(確率的プログラミング言語)が出てきていますが、なかなか知られていないNumPyroなるものがあるそうです。NumPyroはバックエンドがJaxでサポートされているPPLで、マルコフ連鎖モンテカルロ(MCMC)法によるサンプリングが高速らしいので、今回は線形回帰で使用感を試してみたいと思います。 今回の内容は、ベイズモデリングの用語(事前分布、事後分布など)はご存知の方が対象ですので、そこも怪しいと思われる方はこの記事をさらっと見てから来てくださると理解しやすいと思います。 参考サイト 確率モデリングと事後分布、事前分布、超パラメータ 【Jax, Numpyro】Regression Model pra
Announcing Playwright for Python: Reliable end-to-end testing for the web Automated end-to-end tests are a powerful tool for your team to ship faster and with more confidence. End-to-end tests automate UI interactions and can validate the functionality of your applications. To this end, we are announcing Playwright for Python in preview today. Playwright enables developers and testers to write rel
こんにちは、Yu_Seです。 さて、データサイエンス×演劇ということでデータサイエンスを使った舞台のジャンル・特徴分けを行った実験結果とその考察について、3部構成でまとめた記事のPART2です。 PART1で既に書いたように、ここからはトピックモデルに関する説明と、それを使った舞台のジャンル・特徴分けの結果についてまとめていきたいと思います。 この分析を行ったモチベーションやトピックモデルに辿り着いた経緯に関しては、PART1の記事の方をご参照下さい。 では早速本編へと入っていこうと思います。 トピックモデルとは?まずはトピックモデルがそもそも何なのかについて説明したいと思います。 これから舞台のジャンル・特徴分けをする際に使用するモデルなので、クラスタリング(分類器)の手法の一つであることは想像がつくかなと思います。 トピックモデルは文章をその内容から判断してクラスタリングする手法なので
.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
プラットフォームの概要 AI Platform 生成 AIおよび予測 AIのプラットフォーム もっと詳しく ドキュメント 新機能 ログイン 無料で始める 運用 自信を持ってAIを拡張し、比類のないエンタープライズ・モニタリングとコントロールでビジネス価値を促進 デプロイと実行 再学習と最適化 監視と介入 ガバナンス AIの環境、チーム、およびワークフローを統合し、大規模な範囲での完全な可視性と監視を実現 レジストリと管理 監査と承認 コンプライアンスドキュメント生成 構築 ニーズの進化に合わせて自由に適応できるオープンなAIエコシステムで、迅速なイノベーションを実現 分析と変換 学習とチューニング 組立てと比較 プラットフォーム統合 インフラストラクチャーへのデプロイ ソリューション 業界ごと ヘルスケア 製造 小売業 金融サービス 成果ごと ユースケースのライブラリー お客様事例 Dat
print関数を使って変数などの値を表示する方法と、その際に区切り文字や行末の改行を変更する方法、文字列と変数の値を組み合わせる方法などを紹介する。 # 変数の値やリテラル値を出力する s = 'deep insider' a = 10 print(s) # deep insider:変数の値を出力 print(100) # 100:整数リテラルを出力 print('deep insider') # deep insider:文字列リテラルを出力 print([s, a]) # ['deep insider', 10]:リストを出力 print(2 * a) # 20:式の計算結果を出力 # 複数の値を空白文字で区切って出力 print(s, a) # deep insider 10 # 末尾の改行文字を出力しない print(s, end='') # deep inside
約2年を経て、ついに、ついに、ついに、Amazon Timestreamが一般公開になりました!! Amazon Timestreamを使えば、IoT機器などから収集した時系列データの保存や分析が簡単にできるようになります。 一言で言えば、時系列データに特化したデータベースです! Amazon Timestreamとは Amazon Timestream は、IoT および運用アプリケーションに適した、高速でスケーラブルな完全マネージド型の時系列データベースサービスです。1 日あたり数兆規模のイベントを、リレーショナルデータベースの 1/10 のコストで簡単に保存および分析できます。IoT デバイスや IT システムの普及や、産業機器のスマート化により、時系列データ (時間の経過に伴うモノの変化を記録したデータ) は、急速に増加しているデータ型の 1 つです。 Timestream は、時
要約すると, データサイエンス・機械学習周りでよく聞かれること&回答を言語化しました. 「データサイエンティストやりたい」「機械学習エンジニアになりたい」というキャリア志望を持つ方は多いと思います. 私の周りでも, 公私ともにそんな志望者の相談を聞いたり, (主にインターンの学生さんですが)一緒に仕事をしたりする機会もメッチャ多いです. 「ビジネスサイド強いマン」「サーバーサイドエンジニア」という視点からデータエンジニア兼データサイエンティストな自分が, そんな彼ら彼女らにオススメしている, データサイエンティストを目指すためのスキルマップ 各領域のスキルアップを実現するためにオススメしたい書籍 を紹介したいと思います. なお, 昨年も同様のエントリーを書いておりそのUpgrade版となります. shinyorke.hatenablog.com このエントリーの対象読者 データサイエンスに
AIを使って本物と見分けがつかないほど巧妙な偽の動画を作成する「ディープフェイク」と呼ばれる技術で、女性芸能人の偽のアダルト動画を作成し、インターネットで配信したとして、男2人が名誉毀損などの疑いで警視庁に逮捕されました。 警視庁によりますと、2人は去年12月からことし7月にかけて、アダルト動画の出演者の顔を合わせて4人の女性芸能人の顔と入れ替えた偽の動画を作成し、インターネットで配信したとして名誉毀損と著作権法違反の疑いが持たれています。 2人はパソコンとインターネット上のフリーソフトを使い、「ディープフェイク」と呼ばれる技術で芸能人1人につき、およそ3万枚の画像をAIに学習させたうえで、アダルト動画と合成していたということです。 調べに対しいずれも容疑を認め「金もうけをしたかった」、「技術を評価してもらいたかった」などと、供述しているということです。 このうち林田容疑者は会員制の有料サ
「ディープフェイク」という技術は映画などで活用するために開発されたものですが、ポルノや世論の操作などに悪用されかねないことから対策を求める声が上がっています。 「想像してみてください」(Facebook ザッカーバーグCEO【偽者】) これはFacebookのザッカーバーグCEOの偽者の動画。まるで本人が話しているかのように加工されています。使われたのはAI=人工知能を使う「ディープフェイク」という技術です。 アメリカ・ロサンゼルスにあるこちらの会社が開発したアバターは表情を記憶させ、会話できることから空港の案内係などとして使われています。モデルは、この女性。この技術を応用したディープフェイクの作成ソフトを見せてもらいました。 「青い部分は実際には6000の点で出来ています。あなたの顔がどのように動いているかを追跡するので、口を開けて笑うと自動的にそれに対応します」(ピンスクリーン社 ハオ
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