AWS Machine Learning Blog This month in AWS Machine Learning: October edition Every day there is something new going on in the world of AWS Machine Learning—from launches to new to use cases to interactive trainings. We’re packaging some of the not-to-miss information from the ML Blog and beyond for easy perusing each month. Check back at the end of each month for the latest roundup. Launches This

私は、2020年7月に「G検定（2020 #2）」に合格した。 次は、2021年2月実施の「E資格（2021 #1）」受験資格であるJDLA認定プログラム「３カ月で現場で潰しが効くディープラーニング講座」に2020年8月から挑戦中。 本記事では、JDLA認定プログラム「3カ月で現場で潰しが効くディープラーニング講座」の課題であり、「機械学習」に関する多くのモデルやパラメータの推定手法、モデルの評価方法などの要点をまとめる。 １．線形回帰・非線形回帰モデル ある入力（離散あるいは連続値）から出力（連続値）を予測する問題を回帰問題という。その回帰問題の中でも、出力（連続値）を直線で予測するモデルを線形回帰モデルといい、曲線で予測するモデルを非線形回帰モデルという。 １－１．線形回帰モデル 線形回帰モデルは教師データと言われる説明変数データ$x$と目的変数データ$y$をインプットにパラメータ$w

今回は、電子戦(EW : Electronic Warfare)と関連分野における、人工知能(AI : Artificial Intelligence)の活用について取り上げてみる。熟練したオペレーターの養成が求められるからこそ、AIを活用したいという考えが生じてくる分野だ。 対象分野は3本柱 電子戦は、敵の電磁波システムを妨害するEA(Electronic Attack：電子攻撃)、妨害への対処を主軸とするEP(Electronic Protection：電子防護)、そして妨害のために必要な情報の収集(ES : Electronic Support：電子戦支援)が3本柱だが、そのいずれにおいてもAIを導入できる可能性は考えられる。 まずES。広帯域受信機を用意して、さながら真空掃除機のように傍受させれば、さまざまな電磁波に関するデータが集まってくる。しかし、単にデータを積み上げておくだけ

この記事では、2020/10/26に公開されたMicrosoftの機械学習モデル構築アプリケーション「Lobe」で機械学習による推論を行うための最小構成、ラベル当たり5枚の画像でどこまで推論できるかを調査しました。 結論、結構使える気がします。 Lobeとは 機械学習におけるモデルの作成を容易に行うことができる、PCへインストールするタイプのアプリケーション(ソフトウェア)です。 2018年にMicrosoftが買収した後にパブリックプレビューとして公開されました。 Lobeで何ができるのかについてはLobeの動画を見ていただくのが一番わかりやすいです。全編英語で字幕も英語のみですが、「水を飲んでる／飲んでない」をどのように分類するのかを10分程度で解説されています。 Lobeに読み込ませる画像の数 Lobeは1つのラベルに対して5枚以上の画像(Lobe has a minimum req

機械学習モデル作成アプリケーション「Lobe」を通じて考える、IoTエンジニアが知っておきたいAI/ML この記事では、2020/10/26に公開されたMicrosoftの機械学習モデル構築アプリケーション「Lobe」を通じて、IoTエンジニアが知っておきたいAI/MLとの付き合い方を解説します。 筆者のAI/MLに関する知識レベル 先に私の知識レベルを紹介しておくと、AI/MLはド素人です。謙遜でもなく、ド素人です。 2016年にマルレク課外 "ディープラーニング入門６時間集中講義" メモを受けた程度です。 私のAI/MLに対する理解は「結果から逆算してロジックを作り出す仕組み」としています。 Lobeとは 機械学習におけるモデルの作成を容易に行うことができる、PCへインストールするタイプのアプリケーション(ソフトウェア)です。 2018年にMicrosoftが買収した後にパブリックプレ

シブヤ精機（浜松市東区）は、ブドウの外観を評価する人工知能（ＡＩ）モデルを開発した。ディープラーニング（深層学習）でマスカットや巨峰を評価する。従来は人が品評してきたがＡＩ活用で評価の統一化や標準化を目指す。 巨峰やマスカットを撮影して深層学習で判定する。農協での品評データを学習させた。ブドウの房と粒を検出して、粒ごとに「秀」や「優」と判定する。粒の検出率は８割ほど。１秒当たり１０個の処理ができる。 ブドウの品評は実の大きさやそろいぶり、実の密集度や配置を評価する。画像処理の定型的な判断では品評が難しかった。深層学習はデータをそろえれば、人の評価の感性的な部分を吸収できる。 現時点ではブドウをフィルムで包むと評価が難しくなるなどの課題がある。各産地での評価基準も変わるため、各産地でデータを集めてＡＩに反映する必要がある。 この過程でブドウの品評ノウハウがＡＩに落とし込まれ、標準化されると見

概要 google colabはびっくりする位便利ですが、google driveから直接データを読み込むと異様に遅いという問題が存在します。(私の場合画像データ) というわけで、.p ファイルやら .h5 ファイルやらを使って読み込みを高速化(普通にデバイスから読むのと同じくらいの速度にする)をしようと思います。 *各バイナリファイルがどのようなものかは特に説明しないので、知りたい方は他のページを参照してください。 全体の流れ 人によってやり方は変わると思いますが、私の場合 1.　データのパスをまとめた .txtファイルをtraining,validation,test用にそれぞれ作成する 2.　1.で作成した.txtファイルを .pファイルに入れる(たぶんここはそんなに早くならない) 3. 先ほど作成した.pファイルを用いて名前とデータ(今回は.png)を対応させた.h5ファイルを作成

These days, if you want to work in sports analytics, you need to know how to code. There's really no way around it. And while that can be scary for someone who's never written a line of code before, it's not as daunting as it seems. The reality is that there are a variety of excellent (often free!) resources for learning how to code. Some of them are very general, some are focused on a specific pr

1. オブジェクト指向の起源 2003年チューリング賞の受賞者アラン・ケイさんはよくオブジェクト指向プログラミングの父と称されます。ご本人も憚ることなく、幾度、公の場で発明権を宣言しています。しかし、ケイさんは「C++」や「Java」などの現代のオブジェクト指向言語を蔑ろにしています。これらの言語は「Simula 67」という言語を受け継いだもので、私が作った「Smalltalk」と関係ないのだとケイさんは考えています。 オブジェクト指向という名称は確かにアラン・ケイさんに由来するものです。しかし、C++とJavaで使われている現代のオブジェクト指向は当初のと結構違います。ケイさん自身もこれらの言語を後継者として認めないです。では、ケイさん曰くC++とJavaの親であるSimula 67という言語はどんな言語でしょうか。ここで、簡単なサンプルコードを見てみましょう。 Class Recta

工場の自動化をオープンソースのソフトウェアで実現しようとするスタートアップが京都にある。矢野貴文氏が率いるRUTILEA（ルティリア）が開発する「SDTest」はAI／ディープラーニングを活用し、工場の自動化を支援するソフトウェアで、カメラを使った外観検査やロボットアームを使ったピッキングなどの機能を提供。2019年9月の公開から半年で500社がダウンロードしている。 SDTest（Software-Defined Test）は検査機器や装置に組み込むことで、電子部品における微細な表面の傷や印字ミスなど、高精度の外観検査を実施できる。ソフトウェアがオープンソースであることに加え、検査に必要なハードウェアも自社製造することで、これまで導入に1500万円程度かかった外観検査システムが300万円程度から導入できるのが最大の武器だ。 また、2020年3月にはピッキングを自動化する機能も公開。ソリュ

7月に発売した歌声合成ソフト「Synthesizer V Studio Pro」に、ディープニューラルネットワーク（DNN）を活用した歌声合成機能を追加。従来は、あらかじめ収録しておいた歌声データを加工して切り貼りする「素片接続」という方式で歌声を合成していた。既存ユーザーには無償でアップデートする。 音楽制作ソフト（DAW）との連携機能を搭載。音声の品質を抑えることで、AIによる歌声の合成スピードを上げる機能も追加した。 AHSはすでに別のAI音声合成ソフト「CeVIO AI」用音源の発売も発表しており、AIによる歌声合成ソフトの取り扱いは2例目になる。AHSの尾形友秀代表は「両者は使い勝手がだいぶ違う。互いに補いながら使えると思う」としている。 Synthesizer V AI専用音源として「Saki」「小春六花」も発売する予定。SakiはSynthesizer V Studio Pr

攻劇@23年12月3日で運用終了 @kogekidogso スコットランド2部での出来事 無観客試合のため、AIカメラで撮影された映像が年間チケット保有者に配信された。このAIカメラはボールを検知し追尾する仕組み しかしAIは副審の“スキンヘッド”をボールと勘違いし、ボールと副審の頭を行ったり来たりする映像がずっと続くことに。現代ならではの事件だ twitter.com/jimmfelton/sta… 2020-10-30 06:26:18 James Felton @JimMFelton Everything is terrible. Here's a football match last weekend that was ruined after the AI cameraman kept mistaking the linesman's bald head for a footba

AIを使ったゾンビ・ジェネレーター。ハロウィーン用に自分をゾンビ化しよう2020.10.30 18:0017,539 岡本玄介 結構リアルでキモい完成度。 新しい生活様式で、私たちは初めてのハロウィーンを迎えます。パーティーなどには行けませんが、今年はSNSのアイコンで仮装するなど、ちょっと控え目な楽しみ方になりそうです。 そこで役立ちそうなのが、StyleGAN2という機械学習を利用した無料のゾンビ生成サイト｢MAKE ME A ZOMBIE｣。自分の写真をこのサイトにアップロードし、｢Make Me A Zombie!｣と書かれた青いボタンを押すと…？ Image: MAKE ME A ZOMBIEキャー！ ビヨンセさんもバイデン氏もこの通りDeath。 redditにある説明いわく、ゾンビのデータセットには、PinterestとGoogleから拾ってきたハロウィーン用のマスクと、メイ

「ちょうど30年くらい前の、各社が面白い楽器をたくさん出していたころに重なる」――自社開発した「VOICEROID」をはじめ、他社製品を含む複数の音声合成ソフトを販売するAHS（東京都台東区）の尾形友秀代表は、現在の歌声合成ソフト市場についてこう語る。 AHSは2009年から、他社の歌声合成ソフトも含め取り扱いを開始。自社製品のVOICEROIDだけでなく、ヤマハの「VOCALOID」に向けた音源を販売してきた。20年10月には、他社のAI歌声合成ソフトも取り扱うと発表。「CeVIO AI」（テクノスピーチ製）や「Synthesizer V AI」（Dreamtonics製）を近く販売するとした。 AI歌声合成ソフトは、あらかじめ人間の歌声を学習したAIが、入力された楽譜データを基に人間らしい歌声を自動でシミュレーションして合成するもの。これまでは法人向けや研究目的で開発されるケースが多く

機械学習における強化学習の一種である「Q学習」は、行動主体となるエージェントが現在の状況と未来の状況、そして得られる報酬から最適な答えを学習する手法です。そんなQ学習にベイズ推定の要素を取り込む研究が機械学習エンジニアのBrandon Da Silva氏によって行われています。 brandinho.github.io/bayesian-perspective-q-learning/ https://brandinho.github.io/bayesian-perspective-q-learning/ Q学習の基本的な考え方は「ある状態の価値(Q値)は、得られる報酬と次の時点の状態の価値から決まる」というもので、以下の式で表されます。「q(s, a)」は現在の状態からある行動を取った時の価値、「r」は得られる報酬、「q(s', a')」は次の地点での状態からある行動を取った時の価値を表して

1 はじめに CX事業本部の平内（SIN）です。 Lobeは、Microsoftによって無料で公開されている機械学習ツール（アプリ）です。Windows及び、Macで利用でき、学習から推論まで全てローカルで実行するようになっています。 https://lobe.ai/ ローカルで簡単に機械学習のモデルが作成できるという事で、早速やってみました。 アヒルとトマト羊を分類するモデルが、データ作成から学習、推論まで、5分程度で出来てしまいました。動画は、作成したモデルで推論している様子です。 2 テンプレート 現在、ベータ版ということで、「イメージ分類」だけとなってますが、Object DetectionとData ClassficationがCOMING SOONとなっていました。 3 作業環境 Macにも対応しているとの事ですが、私の手元では、Windowsの方が安定して利用できたので、今回

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

はじめに 最近ついに、Google Meet に背景ぼかし機能が利用可能になりましたよね。日本語だとインプレスのケータイ Watchの記事などで紹介されてます。確か 2020 年 9 月末前後で順次リリースされていたと記憶しています。 このときは「背景ぼかし」の機能しかなかったのですが、最近（私が気づいたのは 2020/10/30）更にアップデートされました。アップデートで「背景差し替え」機能が付いて、ぼかし機能もぼかし効果が強弱 2 つから選べるようになりました。まだ日本語のニュース記事は見てないですが、Googleによるアップデートの発表はちゃんとされています。 そして、Google AI Blog でBackground Features in Google Meet, Powered by Web MLという記事が公開され、実装についての解説がされました。 この記事はその解説記事を

2020年11月14日紙版発売 2020年11月14日電子版発売 奥村晴彦，黒木裕介　著 B5変形判／448ページ／DVD1枚 定価3,608円（本体3,280円＋税10%） ISBN 978-4-297-11712-2 ただいま弊社在庫はございません。 →本書の新版が発行されています。 本書のサポートページサンプルファイルのダウンロードや正誤表など この本の概要 本書は，本や論文などを組版し，印刷・電子化するためのフリーソフト「LaTeX」および関連ソフトについて，やさしく解説したものです。LaTeXの基礎はもちろん，「自分で体裁を変更したい」といったある程度高度な知識が必要なところまで幅広く網羅。LaTeXを使うすべての人にオススメの一冊です。 第8版では，旧来のpLaTeXだけでなく，（モダンな）LuaLaTeX等にも配慮して大幅に内容を見直しました。どちらの環境をメインにされている