[AI・機械学習の数学]行列の基本と、回帰/ニューラルネットワークでの表現:AI・機械学習の数学入門 多くの変数や係数をひとまとめにして取り扱うために、機械学習では行列がよく利用される。前回のベクトルを踏まえて、今回は行列の基本的な計算方法を確認する。さらに、回帰式やニューラルネットワークを行列でどう表現するかを見ていく。
機械学習の数学は難しい!? そう思っている人はこの連載から学んでみよう。サブタイトルは「― 中学/高校数学のキホンから学べる」。本連載では、小学校で習う「四則演算(足し算/引き算/掛け算/割り算)」を使って、機械学習の数学をできるだけ分かりやすく簡単に説明していく。 第1回 AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ!(2020/03/02) 機械学習は、人間の日常とそう変わらない 機械学習で使われる数学は結局のところ四則演算だけ! 四則演算のルールをざっとおさらい ・目標 ・解説 - ルール1 同じ数を何回か足す計算は、掛け算で表せる - ルール2 同じ数を何回か掛ける計算は、べき乗で表せる - ルール3 計算には優先順位があり、かっこで囲んだ計算が優先される ・コラム 計算の順序を工夫すると暗算が簡単になる ・練習問題 距離を求める ~ 機械学習で使われる数学(1)
アイ・ティ・アール(ITR)は2020年11月17日、AI(人工知能)関連の主要8市場について市場規模の推移と予測を発表した。AIの8市場とは「画像認識」「音声認識」「音声合成」「テキストマイニング/ナレッジ活用」「翻訳」「検索・探索翻訳」「時系列データ分析」「機械学習自動化プラットフォーム」を指す。 ITRは「2019年度のAI主要8市場全体の売上金額は384億500万円。対前年度比37.8%増と大幅な伸びになった。8市場とも、技術的な進歩に加え、各種製品やサービスと組み合わせたソリューションが拡大し、用途の幅が広がったことが成長につながった」としている。 時系列データ分析市場が「最も伸びる」と予測する理由 中でも2019年度に売上金額を最も伸ばしたのは機械学習自動化プラットフォーム市場で、対前年度比で95.0%増加した。ITRは「データサイエンティスト人材の不足を補う製品やサービスが認
初めに サイボウズ・ラボの光成です。 このたび、Intelの公式深層学習ライブラリoneDNNに、富士通が開発しているスーパーコンピュータ富岳向けのPull Requestがmergeされました。 その開発に関わることになった経緯を紹介します。 目次 概要 Xbyakとは 動機 Intelとの関わり 富士通との関わり 概要 富士通研究所はスーパーコンピュータ富岳で深層学習(ディープラーニング)を高速に処理するためのソフトウェアを開発してます。 そのためにIntelが開発している深層学習ライブラリoneDNNを富岳に移植して改良しています。 このたび、その成果の一部が本家のoneDNNに取り込まれました。 富岳はA64FXというArm v8-Aにベクトル演算機能SVEが追加されたCPUを持ちます。 oneDNNを富岳に移植するには、私が開発しているXbyakのA64FX用Xbyak_aarc
Machine Learning Casual Talkは、機械学習を用いたシステムを実運用している話を中心に、実践的な機械学習に関して気軽に話せる会です。実際に運用していく上での工夫や、知見を共有します。第12回目のテーマは「機械学習プロジェクトに関する「ベストプラクティスとアンチパターン」。機械学習ではデータを扱いますが、そのデータマネジメントがしっかりしていないと破綻してしまうという点について、ゆずたそ氏がお話します。前半は使えないデータとは何かについて。 自己紹介 ゆずたそ氏(以下、ゆずたそ):では、発表を始めたいと思います。「データマネジメントなきMLは、破綻する。〜こんなデータじゃ機械学習できねぇよ問題の処方箋〜」という話をしたいと思います。 はじめに、まず自己紹介です。「yuzutas0」というアカウントをやっています。機械学習の専門家ではないのですが、機械学習を使った施策に
オープンソースの機械学習(ML)向けソフトウェアライブラリ「TensorFlow」の最新バージョンが2020年11月18日にAppleからリリースされました。TensorFlowはこのバージョンで、Appleが発表するや否や複数のベンチマーク結果で高スコアをたたき出して絶賛を浴びている「M1」チップに正式対応し、その性能をフル活用できるようになっています。 apple/tensorflow_macos: TensorFlow for macOS 11.0+ accelerated using Apple's ML Compute framework. https://github.com/apple/tensorflow_macos Leveraging ML Compute for Accelerated Training on Mac - Apple Machine Learning
米Appleは11月18日(現地時間)、Macに最適化した「TensorFlow 2.4」のmacOS向けフォークのプレリリース版をGitHubで公開したと発表した。 TensorFlowは米Googleが2015年にオープンソース(Apache License 2.0)で公開した機械学習プラットフォーム。ツール、ライブラリ、コミュニティリソースを備え、Linux、Windows、macOS、Android、iOSをサポートする。 これまでのMac版TensorFlowは、MacでのトレーニングでCPUのみを使っていたが、新バージョンは「ML Compute」を活用することで、CPUだけでなく、GPUも最大限に活用する。これはIntel Macだけでなく、M1搭載の最新モデルでも可能だ。 例えば、M1搭載の13インチMacBook Proでのトレーニングは、ベンチマークで従来の最大7倍高速
はじめに 今回は機械学習のアルゴリズムの一つであるサポートベクトルマシンについての理論をまとめていきます。 お付き合い頂ければ幸いです。 サポートベクトルマシンの理論 それでは最初にサポートベクトルマシンの理論についてまとめていきます。 ハードマージンとソフトマージン サポートベクトルマシン(svm)は汎化性能や応用分野の広さから、データ分析の現場でよく用いられる機械学習のアルゴリズムの一つです。 マージン最大化と呼ばれる考えに基づき、主に2値分類問題に用いられます。多クラス分類や回帰問題への応用も可能です。 計算コストが他の機械学習のアルゴリズムと比較して大きいため、大規模なデータセットには向かないという弱点があります。 線形分離可能(一つの直線で二つに分けられる)なデータを前提としたマージンをハードマージン、線形分離不可能なデータを前提として、誤判別を許容するマージンをソフトマージンと
Chimera Painter is a demo that lets you run wild by drawing out creature shapes that become fully fleshed out by our CreatureGAN machine learning model, which was trained on hundreds of thousands of 2D renders of 3D creature models. The model looks at the body parts you drew on your creature and uses them to decide how to style it for you. Painting is a highly creative, iterative process. What can
Googleが体の部位ごとに異なる色の線でモンスターを描くだけで、リアルな質感の架空のモンスターを生成できる「Chimera Painter」を開発しました。 Google AI Blog: Using GANs to Create Fantastical Creatures https://ai.googleblog.com/2020/11/using-gans-to-create-fantastical.html ゲームなどに登場する架空のモンスターを作成するには、高度な芸術的創造性とイメージを表現するためのスキルが必要となってきます。これらのスキルを持ったアーティストたちが締め切りに追われながら創造性あふれるモンスターを生み出すことで、ゲームの世界に登場するさまざまなモンスターが生まれ、その結果ゲーマーたちは架空の世界での激しい戦いを楽しめるようになります。 そんなアーティストの「モ
Welcome, folks, to Week in Review (WiR), TechCrunch’s regular newsletter that recaps the week that was in tech. This edition’s a tad bittersweet for me — it’ll be my last (for a wh While the venture world is abuzz over generative AI, Dayna Grayson, a longtime venture capitalist who five years ago co-founded her own firm, Construct Capital, has been focused on comparatively borin
この記事は弊社の機械学習モデル(GPT-2言語モデル)が自動で生成したものをそのまま掲示したフィクションであり、実在の人物・団体・商品等とは何ら関係ありません。 GPT-2言語モデルは、朝日新聞記事で事前訓練した後に、日本語Wikipedia記事を用いてfine-tuningしています。詳細はこちらまで。 この記事はあらかじめ弊社の言語モデルに生成させた結果を蓄積し、スクリプトにより表示したもので、リアルタイムに生成させているものではありません。リロード、もしくはこちらをクリックすると、新しい記事が出てきます。 HOME PRODUCTS ABOUT PUBLICATIONS API利用停止 サイトポリシー プライバシーポリシー CONTACT 当サイトに掲載された内容は、日本の著作権法並びに国際条約により保護されています。掲載記事・写真・データ等の無断転載を禁じます。 Copyright
概要 言語モデルとは、人間が話したり書いたりする「言葉」を、単語の出現確率でモデル化したものです。昨今ではニューラルネットワークによる言語モデル (ニューラル言語モデル) が広く使われています。言語モデルには、左から右に順々に単語を予測するCausal Language Model (CLM) と、文中の単語を一部隠して「穴埋めクイズ」を解くMasked Language Model (MLM) があります。大規模な言語データを用いて、CLMやMLMのような方式で学習することで、高品質な言語モデルの構築が可能になります。 最近では、MLMのBERTやCLMのGPT-3などがメディアに取り上げられることも多くなってきました。メディア研究開発センターでは、過去30年にわたって蓄積してきた記事データを用いて言語モデルの構築と、自動要約や文書分類などのタスクへの応用研究を行っています。 各言語モデ
JX通信社シニアエンジニアの@shinyorkeです. 最近はチームの朝会でよく着ているTシャツにツッコミを受けてます.*1 JX通信社では, いい感じにデータを整備・運用しているデータ基盤を駆使して, BI(Business Intelligence)文脈でのデータ分析・可視化. ダッシュボード作ったり. 機械学習的なアプローチを使ったR&Dと機能開発(分類タスクなど) といった業務・タスクを社員・インターン問わず行っています. データ分析でSQLを書いたり, 「新しいアルゴリズム試すやで!」的なノリでPythonのコードをゴリゴリ書く・動かして結果を見て振り返ってまた臨む...って楽しいですよね. チームの皆さんも, もちろん私もモチベーション高くやってるわけですが!? あれ, notebookどこ行ったんや...🤔 よくありますよねー(震え) 自分もチームメイトも, 前のめりになっ
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