連載目次 前回は、行列をNumPyの配列として表し、要素ごとの四則演算を行ったり、ブロードキャスト機能を利用したりする方法、さらに、行や列の操作、集計などについても見てきました。今回は行列の内積について基本的な考え方から計算方法、応用例について見ていきます。 この連載には「中学・高校数学で学ぶ」というサブタイトルが付いていますが、2012年施行の学習指導要領で数学Cが廃止され、行列が実質的に高校数学で取り扱われなくなったので、行列になじみのない方もおられるかもしれません。そこで、内積の計算方法についても簡単に説明することとします（なお、2022年度施行の学習指導要領では数学Cと行列が復活しました）。 行列の取り扱いについては内容が多岐にわたるので、少しずつ確実に理解できるよう、数回に分けて取り組むことにします。

目次 目次 はじめに 論文紹介 The Norm Must Go On: Dynamic Unsupervised Domain Adaptation by Normalization OcclusionFusion: Occlusion-aware Motion Estimation for Real-time Dynamic 3D Reconstruction EPro-PnP: Generalized End-to-End Probabilistic Perspective-N-Points for Monocular Object Pose Estimation Cascade Transformers for End-to-End Person Search TrackFormer: Multi-Object Tracking With Transformers Global T

from param_logger import param_logger plog = param_logger.ParamLogger('exp_v1', root_path='./') plog.add_meta_info({'fold':0, 'x':4, 'description':'this is test', 'time':'2021-7-31'}) plog.add_param('epoch', 0) plog.update() plog.add_param('epoch', 1) plog.update() plog.add_param('epoch', 2, update=True) plog.add_params({'epoch':3, 'loss':0.2, 'accuracy':0.6, 'update':True}) plog.add_params({'epoc

Python プログラミング - NumPy SciPy ソフトウェアプログラマー コーダー パーカー 目次 目次 はじめに Tweetまとめ 参考資料 MyEnigma Supporters はじめに 本日、 自分がコア開発者のメンバーとして参加している SciPyの新しいバージョン1.9.0がリリースされました🎉 github.com 今回も、1.9.0の新機能や特徴を、 連続ツイートでまとめてみたので、 そちらを、あとから参照しやすいように 記事としてまとめておきます。 過去のバージョンの記事は下記の通りです。 myenigma.hatenablog.com myenigma.hatenablog.com myenigma.hatenablog.com myenigma.hatenablog.com Tweetまとめ ついにSciPy 1.9.0が正式リリースされました🎉。今回の

(Image by Wokandapix from Pixabay) 個人的な観測範囲での話ですが、データサイエンティストという職業は「21世紀で最もセクシーな職業」として刹那的な注目を集めた第一次ブーム、人工知能ブームに煽られて火がついた第二次ブーム、そして「未経験から3ヶ月で人生逆転」ムーブメントと折からのDXブームに煽られる形で沸き起こった第三次ブームを経て、何だかんだで社会に定着してきた感があります。 で、このブログを始めた頃からの連綿と続くテーマになっていますが、いつの時代も話題になるのが「データサイエンティスト（になるに）は何を勉強すべきか」ということ。7年前から恒例にしてきた「スキル要件」記事では、基本的には「どれも必要な知識（学識）」であるという前提で分野・領域・項目を挙げてきました。少なくとも、最初の3回ぐらいはそういう認識でスキル要件記事を書いていた気がします。 ところ

リクルートのエンジニアが内製している機械学習基盤について詳しく解説していく本連載。最終回は、実際に起きたトラブルを取り上げながら、クラウドが提供するマネージドサービスを利用する際に必要な考え方を紹介します。

文章から画像を自動生成する DALL・E2 が先日一般公開された。画像の商用利用も可能とのことなので、うまくすれば note 記事のアイキャッチ作成に使えるかもしれない。 使用は基本無料だが申請制である。かなり待ち行列が長いらしく、僕は7月6日に申請したら7月30日に通った。住所や職業や使用目的などの面倒な入力欄はなかった。SMS 認証があるので電話番号を取られる点だけ注意されたし。 テキスト（英文）を入力すると、15秒ほどで1024×1024の画像を4枚生成してくれる。初月は無料で50回、それ以後は毎月15回分のクレジットが発行される。もっと使うには課金が必要で、15ドル115回なので1回17円。OpenAI とか名乗っていながらずいぶん商業的なフリーミアム形態だが、ちょっと遊んでみる分にはちょうどいい。 とりあえず触ってみるてっきり Python 等から API を叩くのだと思っていた

Alphabet傘下のDeepMindは米国時間7月28日、人工知能（AI）を利用して、既知のほぼすべてのタンパク質について立体構造を予測することに成功したと発表した。植物やバクテリア、動物、人間など、想像できるあらゆるものに存在する2億種以上のタンパク質について予測した。 DeepMindの共同創業者で最高経営責任者（CEO）を務めるDemis Hassabis氏は、報道陣に対し「本質的には、すべてのタンパク質を網羅していると考えていい」と語った。 これは、DeepMindの画期的なAIシステム「AlphaFold」のおかげだ。AlphaFoldにはオープンソースのデータベースがあるため、世界中の科学者が自分の研究に無料で自由に利用できる。AlphaFoldは、2021年7月に正式に公開された時点で約35万のタンパク質の立体構造しか特定していなかったが、それ以来、驚くほどの進化を遂げた。

米Alphabet傘下の英DeepMindは7月28日（現地時間）、2億を超える種類のタンパク質構造の予測情報を専用データベース「AlphaFold Protein Structure Database」で公開した。この数は科学的に知られているほぼ全てのタンパク質の数に及ぶとしており、2021年同時期に公開していた約100万種類から200倍以上増加したことになる。 同社は欧州分子生物学研究所（EMBL）とパートナーシップを結んだことにより、新たなデータの公開に至ったと説明。公開したデータは植物やバクテリア、動物、その他の生物などが持つタンパク質の予測構造を含んでいる。Google Cloudの「Google Cloud Public Datasets」から一括でダウンロードできる。 この成果は同社が21年7月に無償公開した、遺伝子配列情報からタンパク質の立体構造を解析するAI「AlphaF

この記事を読んでいる方の中には「AIエンジニアになりたいけど、将来性があるか分からず不安だ」と思う方もいるのではないでしょうか？ 近年、AIはさまざまな分野で活用が進んでおり、あらゆる業界を変革して私たちの暮らしと密接に関わり始めています。 AIの発展が進む現代において、AIエンジニアは世界的に注目されている職業であり、需要が高く人気のある職業の1つです。しかし、「AIエンジニアに対する注目や需要がいつまで続くのか分からない」と思っている方もいるでしょう。 そこで本記事では、AIエンジニアの現状と将来性、「AIエンジニアはやめとけ」と言われる5つの理由について解説します。 AIエンジニアとは AIエンジニアとは、機械学習システムの設計・構築を行うAI専門のエンジニアのことです。 さまざまなデータをAIに与え、それを処理させAIを教育することがAIエンジニアの仕事であり、「機械学習」を効率的

オープンAIは、文章から画像を生成する「DALL-E 2」のベータ版を100万人に提供する。一部有料化し、生成した画像の商用利用も可能となる。 by Will Douglas Heaven2022.08.01 17 29 サンフランシスコに拠点を置くAI企業のオープンAI（OpenAI）は、画像生成プログラム「DALL-E（ダリー） 2」のベータ版 について、提供待ちリストに登録済みの100万人へ提供する。拡大に伴い、一部有料化に踏み切る。 今年4月に招待制で提供が始まって以来、およそ10万人がDALL-E 2を試用している。そして今、オープンAIは、DALL-E 2を有料サービス化するにあたり、その10倍の人数に門戸を開く。 オープンAIの製品・パートナーシップ担当副社長のピーター・ウェリンダーは、「（DALL-E 2は）GPT-3のときよりもはるかに大きな、私たちが予想した以上の関心を

｢AIに魂が宿った｣と報告したGoogle社員、解雇される2022.07.31 14:0032,245 satomi 感情移入が命取り。 Google（グーグル）の対話ロボット｢LaMDA｣に感情や自意識が芽生えて人間そのものっすと上司に報告して有給謹慎処分になったBlake Lemoine（ブレイク・レモイン）さんが、ついに会社をクビになってしまいました。 22日、Big Technologyのポッドキャスト収録中に｢数時間前に解雇が言い渡された｣と本人が明らかにしたものです。 レモインさんは謹慎処分直後にAIとの対話の公開に踏み切り、LaMDA自身の言葉で捉えた世界観を世に問いました。数千回におよぶ1対1の対話からの抜粋ですが、そこにあったのは、人のために働くAIとしての自意識を抱え、五感で感じられない世界に憧れ、人にほめられると喜び、人に会えないと寂しく感じ、人のために働く営みを絶た

こんにちは。LINE校閲チームの澤田です。普段はLINE NEWSやlivedoor ニュースなどのニュース校閲を担当しています。校閲の業務にあたっていて、時折不安に感じるのが「AI」の存在です。 身近なところではiPhoneの音声アシスタント機能「Siri」や「ルンバ」などのロボット掃除機。検索エンジンやチャットボットにもAIの技術が取り入れられています。 メディア業界を見ると、AIアナウンサーやAI記者など専門性を要する職種での活用もすでに始まっています。 2015年に発表された英オックスフォード大学と野村総合研究所の共同研究によると、AIやロボットなどの発展によって2030年までに日本の労働人口の約50%が「代替可能になる」という驚きの試算結果も出ています。 AIについて無知の私は、調べるほどに不安が募るばかり……。 「校閲」の仕事はAIの発展でどう変化していくのでしょうか。ともする