![年末年始に振り返る 2021年の人工知能10大トレンドと必読論文](https://cdn-ak-scissors.b.st-hatena.com/image/square/09c18fbeaebd99c498eece47b43bdc9f053874d3/height=288;version=1;width=512/https%3A%2F%2Fja.stateofaiguides.com%2Fcontent%2Fimages%2F2021%2F12%2Fcover.jpeg)
Jupyter Notebook で画像をダウンロードすることなく、URLから参照してPandas DataFrame内部に表示させる 2021-12-28 データ分析などをしていると、画像はダウンロードせずに特定の CDN (GCP なら GCS, AWS なら S3 など)で提供されている画像を参照して、 Jupyter Notebook 上で良い感じに表示させたいときがありませんか? 例えば、画像と説明文がペアになっているデータを画像自体はダウンロードせずに Jupyter 上で画像と説明文を DataFrame として表示させたいときが多々ある。 元の画像自体は CDN に格納されていて、画像をダウンロードする必要はなく参照するだけのときにはすごく便利。 毎度画像を CDN からダウンロードするのも無駄なので、画像を加工せずに Jupyter 上で表示するだけなら、この方法がベスト
はじめに Python 3.5から What's Newの内容をまとめる記事を投稿してきました。 Python3.5の新機能 Python3.6の新機能 Python3.7の新機能 Python3.8の新機能(まとめ) Python3.9の新機能(まとめ) Python3.10の新機能(まとめ) リリース前に次の新機能を先取り的に紹介を始めて今回で7回目です。その間にPythonもだいぶ進化して、6年前に比べて色々なところで使われるようになっていますが、まだまだ新たな機能が追加されていくようです。 次は3.11で、開発ロードマップ(PEP-664)はこの様になっています。 3.11.0 開発開始: 2021-05-03 (完了) 3.11.0 alpha 1: 2021-10-05 (完了) 3.11.0 alpha 2: 2021-11-02 (完了) 3.11.0 alpha 3: 2
絶対に勝てない6x6リバーシを作りました。あなたは黒番、AIが白番です。 絶対に勝てない6x6リバーシを作りました! ぜひ挑戦してみてくださいhttps://t.co/Ul5n3q9jMp— Yusuke Endoh (@mametter) December 30, 2021 これは何? 6x6の盤面のリバーシは後手必勝 *1 であることが知られています。 このAIは白番(後手)で完璧にプレイします。つまり黒番のあなたは絶対に勝てません。無力感を楽しんでください。 技術的な話 このAIはWebAssemblyになっているので、全部あなたのブラウザの上で動いてます。真のサーバーレスです。 AIのソースコードはRustで書きました。わりと堅実なゲーム木探索になってます。UIは普通にTypeScriptとthree.jsで実装しました。 github.com 作った順に説明します。 盤面の表現
Prediction Framework, a time saver for Data Science prediction projects Posted by Álvaro Lamas, Héctor Parra, Jaime Martínez, Julia Hernández, Miguel Fernandes, Pablo Gil Acquiring high value customers using predicted Lifetime Value, taking specific actions on high propensity of churn users, generating and activating audiences based on machine learning processed signals…All of those marketing scen
記事について 画像はDetectron2より 物体検出をほとんど使っていない方を対象として、2021年末の物体検出ライブラリを俯瞰することが本記事の目的。 ある程度物体検出の経験ある方は学ぶことは少ないと思う。またあくまで書いてあるのは筆者の感想であるので人によっては全く違う意見になることもあるかと。また本記事ではモデルの技術的な説明はありません。それらについて理解を深める際は参考ページや元論文を当ってみると良いかと思います。 また大変遅くなりましたが、本記事はKaggleアドベントカレンダー(裏)の24日目でもあります(年明けちゃってすみません)。 qiita.com 記事について 紹介するライブラリ一覧 所感 アンサンブルについて 精度vs速度トレードオフ ライブラリ紹介 yolov5 学習について 推論について Yolox 学習について Efficientdet 学習コード torc
イントロ「実験室内で培養した人の「ミニ脳」にゲームをプレイさせることに成功、AIよりも速いわずか5分で習得」というニュースが話題になっています。 脳細胞をトレーの中で人工培養させて、その細胞に卓球ゲームの「Pong」をプレイさせたところ、たった5分で学習し、ラリーが続くようになったと報告されています。まるで、マトリックスの映画のようで、この技術を使った未来がワクワクすると同時にちょっと怖くもあります。一体、どんな技術を使って、脳細胞に卓球ゲームを学習させたのでしょうか。このニュースを取り上げている記事は多かったのですが、中身の仕組みについて解説している記事は多くありませんでした。そこで、このブログ記事では、ミニ脳にゲームを学習させた仕組みを自分の勉強がてらに、備忘録的にざっくりとまとめたいと思います。(そのため、自分の理解や記述が間違っている箇所があるかもしれません。もしありましたらお知ら
査読ガチャは甘え――トップAI会議で使われる査読割当てシステムToronto Paper Matching Systemを攻略してキミも超ウルトラ高度AI人材になろう!機械学習MachineLearning論文研究AI はじめに KLab機械学習グループの濱田です.KLabアドベントカレンダー2021 22日目のこの記事では,トップAI会議で使われる査読割当てシステムToronto Paper Matching System (TPMS)の仕組みを解説します.加えて,TPMSを使う会議で適切な査読者に論文が割り当てられやすくなるような論文の書き方について,私の考えを紹介します. この記事の第一の対象読者は,基本的な研究のやり方と英語論文の書き方は習得したけれど,なかなかトップAI会議に通らず悩んでいる投稿経験3~10回程度の方です.研究内容は良いはずだし,文章も十分に磨いたはずなのに,それ
input,output 山田太郎は10月にXX株式会社に入社しました。,山田太郎は人名です。 山田太郎は10月にXX株式会社に入社しました。,10月は時間表現です。 山田太郎は10月にXX株式会社に入社しました。,XX株式会社は組織名です。 山田太郎は10月にXX株式会社に入社しました。,10月にXXは固有表現ではありません。 山田太郎は10月にXX株式会社に入社しました。,入社しましたは固有表現ではありません。 山田太郎は10月にXX株式会社に入社しました。,山田太郎は10月は固有表現ではありません。 加藤部長は昨日つけ麺を食べました。,加藤は人名です。 …… 学習 やっていることはすごく単純で、先ほど作ったデータセットのinputの文を入力としてoutputの文を出力するようにBARTを学習します。 推論 推論するときは全てのスパンでそれぞれテンプレートを埋めてみて、どれが一番しっく
今回は、『BART(Bidirectional Auto-Regressive Transformer)』を解説したいと思います。 簡単に言うと、BARTはBERTをSequence-to-Sequence(Seq2Seq)の形にしたものです。 ですので、モデルの仕組みは当初のTransformer論文で提案された形に近くなっています。 このSeq2Seqの仕組みにより、機械翻訳(Machine Translation)や文書の要約(Document Summarization)にも適用することが可能です。 そして、RoBERTaと同じデータセットで学習することで、分類タスクの精度はRoBERTaと同程度、文章生成系のタスクでは過去のモデルをアウトパフォームするという結果が出ています。 では、詳細を見ていきましょう。 論文はこちらです。 『BART: Denoising Sequence-
中心極限定理などに基づいて母集団の確率分布のパラメータの点推定・区間推定や、パラメータに関する仮説の検定を行う推測統計は、基本的な考え方は一貫している一方で推定の対象や分散の既知・未知などに置ける場合分けなど、関連する概念が多くわかりにくい。 そのため当稿では解法の整理の補助となるように、推測統計に関連するトピックをフローチャートの形式にまとめる。作成にあたっては、「基礎統計学Ⅰ 統計学入門(東京大学出版会)」の$9$章〜$12$章を主に参考にした。 大枠の整理 推測統計を考える際の前提 推測統計を考える際に前提となるのが母集団(population)と標本(sample)である。記述統計学(descriptive statistics)では得られた標本についてのみ考えるが、得られた標本の裏側の母集団についても考察を行うのが推測統計である。 推測統計では母集団の持つ分布である、母集団分布(
Pythonで統計処理をしているが、Rでコードを書いたことがない方々のために、30分から1時間で読めるR入門を書きました。この記事の R Markdown 文書と実行環境は、こちらの GitHubレポジトリ にあります。 目次 準備 プログラミング言語Rの基本 基本型 演算 Assertion ベクトルの要素数とrange リスト DataFrame (tibble) Matrix 関数 いろいろな処理と込み入った話題 文字列処理 強制型変換 等差数列 集合演算 日時と時刻 クラス 参照渡しと copy-on-modify デフォルト値 Assertionで実行を止める コマンドライン引数を解析する CSVファイルを読んで集計する ディレクトリを作る CSVファイルを読む グラフを描く CSVファイルを加工する それぞれの行を集計する それぞれの列を集計する 行をグループ化する カテゴリ変
中国の研究者が、97%以上の精度で犯罪を起訴できるAIを開発したと発表しました。この「AI検察官」は、人の自然な言葉を理解することが可能なので、口頭による事件の説明だけで犯罪を特定できるとされていますが、政府による反対意見の封殺に利用される可能性や誤検知の問題が懸念されています。 Chinese scientists develop AI ‘prosecutor’ that can press its own charges | South China Morning Post https://www.scmp.com/news/china/science/article/3160997/chinese-scientists-develop-ai-prosecutor-can-press-its-own China develops AI 'prosecutor' that can pre
田辺三菱製薬株式会社(本社:大阪市中央区、代表取締役社長:上野裕明、以下「田辺三菱製薬」)は、三井情報株式会社(本社:東京都港区、代表取締役社長:浅野謙吾)、公立大学法人 横浜市立大学 池口満徳教授、国立研究開発法人 理化学研究所および国立大学法人 京都大学の研究グループと共同で、AIを用いてタンパク質結晶構造を評価する技術であるQAEmap(Quality Assessment based on Electron density map)を確立(以下「本研究」)しました。 AIを用いてタンパク質結晶構造をアミノ酸単位で評価する技術であるQAEmapの確立 (アミノ酸単位でタンパク質結晶構造を機械学習することで、細かい単位での評価ができる。全体構造ではなく、局所構造評価ができることが利点) 低解像度データからの構造解析で、特に構造決定が難しいループ領域の構造決定*1に適用できる 創薬研究で
シロワニさん氏が趣味で開発したというWindows向けのAIトークソフト「COEIROINK(コエイロインク)」が無料で公開されています。COEIROINKは連絡不要で商用利用もOKなフリー素材キャラクター・つくよみちゃんに好きなテキストを誰でも簡単に読み上げてもらうことが可能なので、自作アニメやボイスドラマのキャラクターボイス、実況動画や解説動画のナレーションなどの作成にお役立ちです。 COEIROINK https://coeiroink.com/ ✨COEIROINKリリース✨ 無料の音声合成エンジン「#COEIROINK」が登場! 文章を読み上げます! ■公式サイト⇒https://t.co/66YStrCYu0 ■COEIROINK開発:シロワニさん様 @shirowanisan ■VOICEVOX開発:ヒホ様 @hiho_karuta 第1弾は「#つくよみちゃん」! 商用利用O
機械学習で好みの日本酒を判定 来店や日本酒知識は一切不要のWebサービスβ版をリリース東京大学味覚サイエンス研究室との共同研究による収集データを活用 日本酒スタートアップ・酒ストリート株式会社(本社:東京都台東区、代表取締役:藤田 利尚、以下「当社」)は、機械学習結果を活用し、好みの日本酒を手軽に判定できるWebサービスをリリースしました。東京大学大学院農学生命科学研究科・石島智子特任助教(食品機能学研究室)および阿部啓子特任教授(味覚サイエンス研究室)との共同研究により収集したデータを用い、当社が機械学習を活用して構築した判定プログラムを用いることで、精度の高い判定を可能としています。 判定には料理や果物、飲み物など食品の嗜好データのみを使用し、Web上で1〜2分で完結します。来店や試飲、日本酒の知識は一切不要とすることで日本酒の選び方を抜本的に変え、これまで存在した日本酒購入のハードル
しかし原子力エネルギーは段階的に廃止されており、再生可能エネルギーへの置き換えが徐々に進められている。現在は、各家庭の屋根に太陽光パネルを取り付ければ自家発電できる可能性があり、国内各地に設置された大小のウィンドファーム(多くの風力発電機で構成される集合型発電所)はグリッド(送電網)に電気を供給している。これによりグリッドの運用方法が変わりつつある。 エネルギー専門家のマティアス・アイフェルト氏は「送電システムは集中制御から非集中制御方式へと移行しつつあり、それがグリッドの運用をより複雑にしている」と言う。同氏は、ハッカーやデータアナリスト、技術者らが、エネルギー転換を加速するにはどうすればよいかを2日間かけて検討する年次イベント、エネルギー・データ・ハックデイズを立ち上げた。次世代型発電所のグリッドへの効率的な接続が最大の課題だという。 同氏が解決策の1つとして推すのが人工知能(AI)の
2022年は全ての日本企業がAI(人工知能)の内製開発にかじを切る。この流れに呼応して、個人の同意に基づいて消費者が企業に提供したデータを企業同士が交換する「データエクスチェンジ」が活発になる。様々な企業が消費者のリアルなデータを幅広く集め、AIモデルの内製開発に生かす動きが当たり前となる。 データエクスチェンジとは、データ売買を仲介する事業者(データプラットフォーマー)が提供するシステム基盤(プラットフォーム)などを介して、消費者のデータを企業がやり取りする枠組みを指す。 消費者はプラットフォーマーに対して、EC(電子商取引)サイトの購入履歴やかかった病歴のデータなどを売って金銭などを得る。消費者のデータを集めたい企業はプラットフォーマーと契約し、サブスクリプションなどで利用料を支払う。 プラットフォーマーは企業にデータを販売する際、誰が提供したかなどを特定できないよう加工する。そもそも
2022年01月02日にREPORTOCEANが発行した新しいレポートによると、-世界の軍事用人工知能市場は、予測期間2021-2027年に13%以上の健全な成長率で成長すると予測されています。 軍用人工知能の世界市場は2027年に148.2億米ドルに達する。軍用人工知能の世界市場は、2020年に約63億米ドルと評価され、予測期間2021-2027年には13%以上の健全な成長率で成長すると予想されています。 レポートを購入する前に、無料のサンプルページをリクエストしてください: https://reportocean.com/industry-verticals/sample-request?report_id=bw2523 市場の概要: 軍用人工知能は、デジタルコンピュータやコンピュータ制御のロボットが、一般的に知的な存在に関連するタスクを実行する能力です。軍事における人工知能は、自律型
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