1,980円（本体 1,800円＋税10%） 品種名書籍 発売日2023/7/19 ページ数272 サイズA5判 著者 三好大悟　著 ISBN 9784295017356 数理最適化は、ビジネスや日常生活でベストな意思決定を行うために役立つツールです。数理最適化を活用することで、たとえば「売上を最大化する商品価格を求めたい」「投資ポートフォリオのリスクを最小化したい」といった場合に、目的の値を最大化（または最小化）するための最適解を効率的に求めることができます。本書では、実際にExcelを操作して具体的な課題を解きながら、数理最適化への理解を深めることができます。これまで数理最適化にふれたことのない人でも理解しやすく、データサイエンス入門としても使える一冊です。 目次を見る

最新の機械学習ライブラリを使うとたった30行以下のコードでPLATEAUの衛星画像から建物ポリゴンを抽出できるらしい！Python機械学習GISPLATEAUleafmap こんなツイートを見て激震が走りました。 「え、めっちゃ簡単に建物ポリゴン抽出してない？」 ツイート主は界隈の有名人で、Pythonのコードを1行書くだけで誰でも手軽にインタラクティブな地図アプリを作れるLeafmapを使ってみようでも紹介したleafmapの作者でもあります。 恐る恐るNotebookを見ると、やっぱりめっちゃ簡単にセグメンテーションされていそうです。 しかも、leafmapを利用し、セグメンテーションの結果をjupyter notebook上で即可視化していますね。 こんなん見せられたらやってみるしかないですよね。 データのダウンロード このライブラリは、どうやら航空写真（オルソ画像）をセグメンテーシ

連載概要 本連載はPythonについての知識を既にある程度は身に付けている方を対象として、Pythonでデータ処理を行う上で必須ともいえるNumPyやpandas、Matplotlibなどの各種ライブラリの基本的な使い方を学んでいくものです。そして、それらの使い方をある程度覚えた上で、それらを活用してデータ処理を行うための第一歩を踏み出すことを目的としています。 前回はNumPyが提供する多次元配列「ndarray」に格納されている要素をインデックスやスライスを指定して選択する基本的な方法を紹介しました。今回は多次元配列に格納されている要素をより柔軟な形で選択する方法を見ていきます。 高度なインデックス指定またはファンシーインデクシング NumPyの多次元配列「ndarray」では、選択したい要素を表すインデックスを含んだ配列（やPythonのリストなど）を角かっこ「[]」の中に記述するこ

料金については正確な情報として以下の公式情報も参照ください。 以降はml.g5.48xlargeなども使用しますので、費用にはご注意ください。 なお大きめのインスタンスはService Quotaの上限緩和申請が必要となるケースもありますので、必要に応じて対処下さい。 作業用ノートブックの起動 7b-chatモデルを右上の「Open notebook」ボタンから起動してみます。 または以下のRun in notebookの「Open notebook」からでも起動可能です。 End User License Agreement (EULA) と Acceptable Use Policy (AUP) がダイアログに表示されますので、内容を確認して問題なければ承諾します。 そうするとノートブック起動中の画面となります。 マネジメントコンソール側でml.t3.mediumのKernel Gat

はじめにこんにちは、Lightblueの園田です。 四畳半のオフィスで70億パラメータのLLMを事前学習した話ではエンジニアの樋口さんがlightblue/japanese-mpt-7bの開発・性能評価について報告しました。 本記事では、四畳半のオフィスで70億パラメータのLLMを事前学習した話で語りきれなかったしくじりも含めた開発裏話について紹介します。 LLM開発に必要なリソース一般的に、LLMの開発にはA100やH100といった最新の高性能のGPUが使われます。 本日公開されたLlama2の70Bモデルでは、A100を1,720,320時間分利用し学習されています。 このようなリソースはGPUボードの費用だけでなく、電気代も高額になることから、LLMの開発には資本力が必要とされています。 H100はパブリッククラウドでほとんど提供されていないことから、LightblueでもA100を

Metaは2023年7月18日（米国時間）、次世代のオープンソース大規模言語モデル（LLM）「Llama 2」の提供開始を発表した。研究および商用向けに無償で提供されている。 Llama 2は、同社が2023年2月に研究者向けに公開し、高い需要がある「Llama 1」の次期バージョン。開発者や組織が生成AIを活用したツールや体験を構築できるように設計されており、70億、130億、700億パラメーターの3つのサイズのモデルがある。 公開されているオンラインデータソースを用いて、Llama 1より40％多い2兆トークンで事前にトレーニングされており、コンテキスト長はLlama 1の2倍の4096トークンとなっている。 チャットやQ&Aなどの対話アプリケーション用に、これらをファインチューニングしたモデル（Llama-2-chat）も用意されている。これらは、公開されているインストラクションデー

１．Llama 2の日本語能力最初に、Llama 2に日本語で話しかけてみました。 入力　こんにちは。日本語は話せますか？ LLama 2　Konnichiwa! Yes, I can speak Japanese. How may I assist you today? （こんにちは。はい、日本語が話せます。今日はどのようなご用件でしょうか？） 入力　富士山はどんな山ですか？ Llama 2　Fuji-san is a very famous mountain in Japan, known for its beautiful and iconic shape. It is a stratovolcano, which means it is a type of volcano that is characterized by its steep, conical shape and i

近頃、夜食づくりにはまっているkonnoです。 データ分析もできると話題のChatGPT Code Interpreterを使えば、機械学習もお手軽にできるのでは…？ ということで、Kaggleチュートリアルとして有名な「Titanicの生存者予測」を ChatGPT Code Interpreterを使って分析できるのか 試してみたいと思います！ Titanic生存者予測とは？ かの有名のタイタニック号の乗員名簿と、事故で生存したか否かのデータを機械学習し、乗員の属性（性別、年齢、乗船時の運賃など）から生存したか否かを推定する課題です。 よく考えるとひどい設定ですね。 話題のわかりやすさと、それなりに特徴的な結果が出るところから、機械学習の初学者がやる練習問題として世界的に有名です。 データはKaggleさんから取得できます。 www.kaggle.com 機械学習を利用してTitani

ChatGPTの吐き出す答えの質が低下している可能性について、以前からまことしやかに囁かれてきたが、それはあくまでも噂レベルであり、実際に実証されたものではなかった。今回、スタンフォード大学とカリフォルニア大学バークレー校の研究チームは、この噂の真偽を確かめるべく、ChatGPTの応答精度が3月から6月にかけてどのように変化したかを調査した。結果は誠に興味深い事に、GPT-3.5とGPT-4の性能と挙動は、時間の経過とともに大きく変化することがわかったのだ。 Lots of people are wondering whether #GPT4 and #ChatGPT's performance has been changing over time, so Lingjiao Chen, @james_y_zou and I measured it. We found big change

「GPT-4の精度は時間とともに変わっている」──そんな研究成果を米スタンフォード大学と米カリフォルニア大学バークレー校の研究チームが発表した。3月と6月時点のGPT-4の精度を比較したところ、一部タスクでは精度が大きく悪化していたという。ただし、この論文は査読前のもので第三者によるレビューは受けていない。 GPT-4は、米OpenAIが提供する大規模言語モデル（LLM）。3月の発表後、チャットAI「ChatGPT」にも搭載され、性能の高さが大きな話題を集めた。LLMは、データのフィードバックや設計変更などをすると性能が変化する。しかし、OpenAIはLLMの更新について発表しておらず、公開以後の性能変化も明らかにしていない。そこで研究チームは、3月と6月時点でのGPT-4、前モデルであるGPT-3.5に精度の違いがあるのか検証した。 実験ではChatGPTに対して「数学の問題の回答」「機

ただし、サイバーエージェントが導入しているビジネス版「Copilot for Business」では、エンジニア個人のGitHubアカウントをひも付ける形での利用が必要なので、全てが業務上のデータとは限らないという。 また、サイバーエージェントではVisual Studio Code以外の開発環境でGitHub Copilotを使うユーザーもいることから、他環境での利用状況も合わせると、採用率などの数値が上振れる可能性もあるとしている。 同社における開発環境の利用率は、Visual Studio Codeが48％、チェコJetBrains製のツールが45％、その他は「NeoVim」や「Vim」など。Visual Studio Code以外でのデータは集計していないが「採用率は倍近くになると思われる」との見立てを示している。 サイバーエージェントはGitHub Copilot導入の効果につい

このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」（シームレス）を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 Twitter: ＠shiropen2 米Microsoftや香港浸会大学に所属する研究者らが発表した論文「WizardCoder: Empowering Code Large Language Models with Evol-Instruct」は、米Hugging Faceが5月に発表したCode LLM（コーディング専用大規模言語モデル）「StarCoder」を軽量で高精度に強化する手法を提案した研究報告である。リポジトリはこちら。 コード生成に関連する課題に取り組むため、多数のCode LLMが提案されている。これらのCode LLMは、大量のコードデータを使用して事前学

技術だけではなく、ビジネスへの応用も “AIと私”は、パロアルトインサイトが開発したAIの素養を身に付けるためのカリキュラムで、柴国際中学校・高等学校で実施されるのは中学生向けカリキュラム「AIと私　データ入門～統計ってなんだろう～」と高校生向けカリキュラム「AIと私　～AIで幸せを作ろう～」の2種類。中学生向けは1コマ50分で10コマ構成、全10日間の日程。高校生向けは1コマ50分で20コマ構成、全10日間の日程となっている。 関連記事 人的資本投資に積極的なのは経営層“以外”　AI inside AI insideは、人的資本投資の実態と意向の把握を目的とした調査の結果を発表した。AI人材やDX人材の育成に関する投資意向を持っている割合は、経営者、役員よりも“それ以外の層”の方が高いことが分かった。 BizTechが「AI開発会社／AIサービス カオスマップ2022」を公開 BizTe

GitLabは2023年6月29日（米国時間）、5000人を超えるDevSecOps担当者にソフトウェア開発、運用、セキュリティの現状について実施したアンケートの結果を発表した。2023年にチームが優先していることや、状況がどのように改善されているか、チームがまだ障害に直面しているところはどこか、セキュリティ、人工知能（AI）と機械学習（ML）、クラウドコンピューティングなど注目のトピックの最新情報は何かなどについて2023年3月に調査した。 新しいセキュリティ体制に欠かせないAI／ML 開発者の間では、コードのチェックにAI／MLを利用するケースが増えている。 関連記事 「デジタイゼーション」と「トランスフォーメーション」にIT投資が集中、その効果は？　ノークリサーチ ノークリサーチは、中堅中小企業のIT支出の増加／減少に関する調査結果を発表した。それによるとIT支出の増加を伴う取り組み

【ニューヨーク=清水石珠実】米グーグルが人工知能（AI）を使ってニュース記事を作成する製品の開発を進めていることが分かった。米ニューヨーク・タイムズ（NYT）が20日までに報じた。NYTなどの複数の報道機関に採用を売り込んでいるという。報道機関向けの製品は、グーグル社内では「ジェネシス」と呼ばれている。現在起きている出来事やその関連の情報などを取り込んで、自動で記事を作成することができるという

GitHubは、GTP-4ベースのAIを用いた開発支援機能「GitHub Copilot Chat」を、GitHub Copilot for Businessユーザー向けに限定パブリックベータとして公開すると発表しました。 GitHub Copilot Chatは、今年3月に発表された同社のビジョン「GitHub Copilot X」で登場が予告されていた機能の1つです。 現在提供されているGitHub CopilotはGPT-3のAIをベースに、コードエディタ内でプログラマがコメントを記述するとそれに基づいてコードを自動生成する機能などを提供しています。 「GitHub Copilot X」では、強化されたAIであるGPT-4を用い、さらに高い精度でのコード生成やバグの指摘などを始めとする、以下のさまざまな新機能などを備えると説明されていました。 コードエディタ内でAIとテキストチャット

このコーナーでは、2014年から先端テクノロジーの研究を論文単位で記事にしているWebメディア「Seamless」（シームレス）を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 Twitter: ＠shiropen2 米マサチューセッツ大学アマースト校などに所属する研究者らが発表した論文「Building Cooperative Embodied Agents Modularly with Large Language Models」は、大規模言語モデル（LLM）が他のLLMエージェントや人間と協調して複雑なタスクを遂行する協調型エージェントの構築に役立つかどうかを調査した研究報告である。 この設定で成功するためには、エージェントが観察から有用な情報を抽出し、周囲環境と他のエージェントに関する情報を収集。その上で、何をいつどうするかのコミュニケーションを

米OpenAIは7月20日（現地時間）、ChatGPTに「custom instructions」（カスタム指示）機能を導入したと発表した。同日からPlusプランのベータ版で利用可能になっている。今後数週間以内に全ユーザーに展開される見込みだ。カスタム指示を有効にすると、ChatGPTがレスポンスを生成する際に考慮すべきユーザーの希望や要件を記憶しておくことができる。 例えば小学3年生に理科を教えている教師はこれまで、授業計画を作成するたびに自分が「小学3年生向けの理科教育プログラムに取り組んでいます」と宣言する必要があったが、カスタム指示のコーナーで一度入力しておけば、その後はChatGPTがカスタム指示の内容を前提に答えてくれるようになる。 OpenAIはこの他、Python以外の言語での効率的なコードが好みであることや、自分が6人家族であることなどをカスタム指示に保存する例を挙げた。

We’re rolling out custom instructions to give you more control over how ChatGPT responds. Set your preferences, and ChatGPT will keep them in mind for all future conversations. We’re introducing custom instructions so that you can tailor ChatGPT to better meet your needs. This feature will be available in beta starting with the Plus plan today, expanding to all users in the coming weeks. Custom in