機械学習モデルでビジネス価値を生むには、プロジェクト参画メンバー間の協力が欠かせません。当然の話ですが、データサイエンティストを含めたチームにおける「協力の仕方」を学べるコンテンツは多くありません。今回リリースしたハンズオンのコンテンツは、機械学習モデルの開発方法を学ぶプログラミング演習と、プロジェクトの中で関わるロール、例えばプロダクトマネージャーや業務有識者(ドメインエキスパート)とどのようにコミュニケーションをとるかを学ぶコミュニケーション演習から構成されています。 https://github.com/aws-samples/aws-ml-enablement-handson プログラミング演習の例 コミュニケーション演習の例ハンズオンはすべてAmazon SageMaker Studio Labで動かせます。 すでに1度ハンズオンを実施しており、30名前後の方に参加いただきました

ライセンスは「CC BY-NC-ND 4.0」で、利用の際にクレジットを表示すること、非営利でのみ利用すること、内容を改変しないことを求めている。 バンダイナムコは、メタバースやXR技術が広まる中、コンテンツ規模が拡大すると従来のモーション制作過程では限界を迎えると予想。AIを活用したキャラクターのモーションを生成する研究を行っている。 一方、AIによるモーション研究はデータセットの入手が難しいため研究開発が進んでいないとして、自社で使っているデータの一部を提供することにしたという。 関連記事 実在しない顔の画像3000点を無償配布、AI学習用データセットに　法人向け・商用利用可 AI活用のコンサルティング事業を手掛けるAPTOなど2社が、AIの学習データとして利用できる、実在しない男女の顔写真3000枚の無償配布を始めた。法人を対象に11月30日までの期間限定で提供し、商用利用も認める。

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

こんにちは！nakamura（@naka957）です。本記事では、PyCaretで簡単に探索的データ分析を行う方法をご紹介します。 探索的データ分析（Explanatory Data Analysis: EDA）とは、データセットを様々な視点から分析し、データを考察することを目的に行うことです。EDAで得られた知見や仮説を活用し、その後のデータ分析や機械学習モデルの構築を有効に行うことができます。 データを考察するための最も有効な手法は、可視化することです。そのため、データを可視化するスキルはEDAにおいて非常に重要になります。本記事ではEDAを目的とした可視化する方法をご紹介します。 では、早速始めていきます。 PyCaretとは AutoVizとは ライブラリのインストール 実行の前準備 EDAの実行 散布図 棒グラフ 密度分布 Violinプロット ヒートマップ（相関係数） Auto

2022-08-27 データ抽出に特化したAirbyteによるEL(T) 環境構築の実践 データ基盤 Airbyte ELT こんにちは。今回は、データ基盤の構築の一部を実際に体験してみたいと思います。 データ基盤を作成するにあたり、まずは、社内に眠る様々なデータを集めてくる必要があります。前回の記事では、その機能を「収集」と紹介していました。 データ基盤とは何か… データ基盤 データ分析基盤 実践 2022-08-18 Metaflowでモデルの学習をpipeline化するまで MLOps Metaflow Pipeline 皆さんは「MLOps」について取り組んでいらっしゃるでしょうか。私は2018年頃からデータクレンジングや機械学習モデルの構築や運用をしてきましたが、当時の日本で私の耳にはMLOpsという言葉が入ってくることはありませんでした。 ただMLOpsの元となった「Dev…

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

本番環境のモデル精度が低下する現象をドリフトと呼びます。特にデータ由来をデータドリフトと呼びます。 機械学習はデータから入力情報と予測対象の関係性を推定する手法です。そのため、前提となる入力情報の性質が変化すると（データドリフト）、予測精度が低下します。 データドリフトの検知は機械学習のサービスを運用する上で非常に重要ですが、ドリフト検知を含まない機械学習プロジェクトも多いのではないでしょうか。 本記事では、ドリフト検知が簡単にできるPythonライブラリのEvidentlyをご紹介します。Evidentlyを使えば、簡単にドリフト検知が可能です。 では、本題に入っていきましょう。 目次 データドリフトとは Evidently データセットとモデルの準備 データドリフトのレポート出力 レポートの内容確認 まとめ データドリフトとは 収集されるデータの性質が変化することをデータドリフトと呼び

こんにちは！nakamura（@naka957）です。 ドリフト(Drift)という言葉をご存知でしょうか？機械学習のサービスを運用する上で重要な項目ですが、知らない人も多いのではないでしょうか。 機械学習プロジェクトは、モデルを構築するまでがゴールではありません。本番環境での運用を続けることがゴールです。ところが、本番環境モデルは徐々に精度が低下していきます。そのため、時機を見計らって再学習が必要です。 このように、モデルの精度が想定からズレることをドリフトすると言います。ドリフトはモデルの運用のために重要となる概念です。 本記事では、ドリフトの概念と重要性を説明していきます。 ドリフトとは コンセプトドリフト データドリフト ドリフト検知後の再学習 まとめ 参考文献 ドリフトとは ドリフトとは、本番環境のモデル精度が低下する現象を指します。 ドリフトは主に2種類に分けられ、コンセプトド

沖真弥 医学研究科特定准教授は、山西芳裕 九州工業大学教授らの研究グループとの共同研究により、iPS細胞のような未分化細胞を介さずに、すでに分化した細胞を別の種類の細胞へと直接変換するダイレクトリプログラミングを誘導する転写因子を高精度で予測するAI手法を開発しました。 本研究グループは、複数の生体分子情報（マルチオミクスデータ）や細胞間の系統関係情報を統合解析し、すでに分化した細胞を別の種類の細胞へと直接変換するダイレクトリプログラミングを誘導する転写因子を高精度で予測するAI手法を開発しました。ダイレクトリプログラミングを誘導する転写因子を実験的に同定するのは、時間や実験コストの面から非常に困難なため、情報科学的な予測手法が切望されていました。今回の提案手法では、皮膚由来の線維芽細胞を、さまざまな組織（肝臓、骨、脳、心臓、膵臓、腸）由来の細胞へと、それぞれ直接変換させる転写因子を予測し

慶應義塾大学 理工学部 杉浦裕太 准教授、同大学大学院 理工学研究科大学院生 張翔、ヤフー株式会社 Yahoo! JAPAN研究所 池松香 上席研究員、東京工科大学 メディア学部 加藤邦拓 助教の研究グループはスマートフォンのフロントカメラで撮影された顔写真を使用して、機械学習でスマートフォンがどの様に把持されているのかを推定する新手法を開発しました。 多くのスマートフォンアプリケーションでは右手の親指での操作を前提に画面が設計されていますが、スマートフォンの把持姿勢を推定することで把持姿勢に合わせた画面表示が可能になります。 研究グループはスマートフォンを操作する際に画面の光が角膜に反射することで画面の形をした角膜反射像が映り、それが把持姿勢に応じて異なることに着目しました。そこでスマートフォンのフロントカメラで顔写真を撮影し、顔写真から角膜反射像を切り取り、機械学習を使って角膜反射像を

テレビ番組の配信サービス「TVer（ティーバー）」を運営するTVer（東京・港）は27日、動画広告の機能を拡充すると発表した。コンテンツの視聴履歴やアンケート結果を機械学習などを用いて解析し、従来よりもターゲットを絞って配信できるようにする。利用者のIDを

日本マイクロソフトから独立したrinnaは4月27日、対話AIキャラクターを育成して交流させるSNSアプリ「キャラる」を正式リリースした。ユーザーがAIに会話を教えて育てると、人間対AI、AI対AIで対話できるようになる。 ユーザーがAIチャットbotに会話の手本を見せて学習させていく。成長したAIは、「LINEスタンプ」のようなオリジナルのスタンプを使ったコミュニケーションも可能という。スタンプは、フリー素材サイト「いらすとや」の画像を、運営元の許可を得た上で学習させた別のAIが自動生成する。 育成したAIはキャラる内で、他のユーザーが育てたAIやユーザーと交流する他、絵や記事を作って投稿したり、作品にコメントしたりと活動する。気に入ったAIを集めてグループトークをさせることもできる。 関連記事 「会話の精度エグい」　自分で育てたAIとチャットできるLINEアカウントが話題　AI同士でや

上記にも少しまとめてあります。 製品安全４法 製品安全4法・品質表示(経済産業省) PSマーク関連の4法です。「消費生活用製品安全法」、「電気用品安全法」、「ガス事業法」、「液化石油ガスの保安の確保及び取引の適正化に関する法律」ですがガスの２つはほぼ関係ないと思います。 消費生活用製品安全法(PSCマーク) 消費生活用製品安全法(経済産業省) 乳幼児用ベッドとかも対象なのですが、電子工作ですとレーザーポインタが「携帯用レーザー応用装置」に該当します。レーザー系を利用する場合には出力や大きさなどに制限があるので注意しましょう。 電気用品安全法(PSEマーク) 電気用品安全法(経済産業省) おなじみPSEマークです。基本的には日本国内で販売するときのみに影響しますので、個人輸入であれば関係ありません。 上記で調べましたが基準はかなり複雑です。産業用はPSE対象外と書いてあるサイトがありますが物