ペパボ研究所 やさしい発表会 - ペパボ研究所で事業を差別化する - 2017年7月6日
ペパボ研究所 × 九大TLO 産学連携の取り組みについて検討開始 ~福岡市を『イノベーションが生まれる研究開発シティ』に~ GMOインターネットグループのGMOペパボ株式会社(代表取締役社長:佐藤 健太郎 以下、GMOペパボ)でインターネットに関する新技術の創造と実践に取り組む研究開発組織「ペパボ研究所」と、株式会社産学連携機構九州(代表取締役社長:前田 真 以下、九大TLO)は、本日2017年7月4日(火)より、産学連携の取り組みについて検討を開始いたしました。 福岡市は、2014年に国家戦略特区のひとつである「グローバル創業・雇用創出特区」に指定され、スタートアップをはじめとする創業支援と雇用の創出に積極的に取り組んでいます。この一環として、新産業の育成を図るべく、企業や学術機関と共同で、AIやIoTなどの最先端技術を活用した実証実験の支援事業を行っているほか、2017年4月には官民協
CTOのあんちぽちゃんです。こんにちは。 主に管理系のマネージャーたちを中心に、毎月1回「マネジメント力向上読書会」を行っています。持ち回りで本を選んで、内容を紹介したりディスカッションのファシリテーションをしたりという取り組み。今回、僕の番がまわってきたので、『超AI時代の生存戦略 ―― シンギュラリティ<2040年代>に備える34のリスト』を選んでみました。 この本はとても面白いのは間違いないのですが、話題が多岐にわたっているため、読了感が「なるほど……?🤔」ということになりかねません。そこで、ワークショップを行うことで、具体的かつ自分の問題として考えてみることにしました。また、マネージャーが中心の読書会なので、マネジメントを切り口に「超AI時代」について考えてみます。 スライド 導入部分については上記のスライドをご覧ください。この本が扱う多岐にわたる話題のうち、「ワークアズライフ」
こんにちは、研究員の三宅です。インターネットでは @monochromegane として活動しています。2017/06/24に開催された、第38回インターネットと運用技術研究会で、機械学習を用いた仮想サーバ運用台数の最適化について研究発表してきました。論文(研究会予稿)とスライドを以下に公開します(論文画像をクリックするとPDFで読むことが出来ます)。 論文(研究会予稿) スライド 研究の概要は以下の通りです。 従量課金を主としたクラウドサービスでは,処理性能を保ちつつ必要最小限数の仮想サーバで運用し利用料金を抑制することがWebサービスの運営者の課題である.しかしながら,複雑化したWebアプリケーションにおいて適切なオートスケーリング契機の基準決定は困難である.本報告では,Webアプリケーション構成の複雑さに依存しない指標として一定時間あたりのアクセス頻度であるスループット値を用い,We
こんにちは、研究員の三宅です。インターネットでは @monochromegane として活動しています。2017/05/25-26で開催された、第37回インターネットと運用技術研究会で、類似画像による関連商品検索システムについて研究発表してきました。論文(研究会予稿)とスライドを以下に公開します(論文画像をクリックするとPDFで読むことが出来ます)。 論文(研究会予稿) スライド 研究の概要は以下の通りです。 BtoCのECサイトで取り扱う商品の種類の増加に伴い,ECサイト利用者の通常の行動では全ての商品を見て回ることは困難であるため,多くのECサイトでは効率的に商品を閲覧できるよう関連性のある商品を動線上に表示している.購買履歴等の情報が蓄積されないと関連商品を選定できない問題を解決するため,商品の持つ様々なメタデータを利用する手法や,視覚的な訴求力の強い商品画像を元にした,畳み込みニュ
ペパボ研究所客員研究員の力武健次(りきたけ・けんじ)です。この記事では3月23日〜24日に米国サンフランシスコで行われたErlang and Elixir Factory SF Bay Area 2017と、4月1日に東京・秋葉原で行われたElixir Conf Japan 2017の参加報告をします。(文中敬称略) Erlang and Elixir Factory SF Bay Area カンファレンス Erlang and Elixir Factory SF Bay Area (EEF)カンファレンスは、ErlangやElixirといったErlang VM上の並行プログラミングシステムのコンサルティングを行っているErlang Solutions社が同社主催のイベントシリーズの1つとして2009年から米国カリフォルニア州サンフランシスコ近郊で行っているイベントです。会議の内容は、Er
機械学習を実務で使う場合、「ではお客様、ラベルデータを・・・」と申し出て色よい返事が返ってくることはあまりありません。また、例えば自動運転車を作るときに、データが足りないからその辺流してくるか、お前ボンネットに立ってデータとってな、とするのは大変です。 NICO Touches the Walls 『まっすぐなうた』 より そこで必要になってくるのが転移学習です。 転移学習とは、端的に言えばある領域で学習させたモデルを、別の領域に適応させる技術です。具体的には、広くデータが手に入る領域で学習させたモデルを少ないデータしかない領域に適応させたり、シミュレーター環境で学習させたモデルを現実に適応させたりする技術です。これにより、少ないデータしかない領域でのモデル構築や、ボンネットに立つという危険を侵さずにモデルを構築することができるというわけです。 この転移学習の可能性は、NIPS 2016
ペパボ研究所の主席研究員の松本(@matsumotory)です。先日行われた、平成28年度第4回(IOT通算第36回)研究会で研究報告、および、運営委員として参加してきました。 研究会の現地で残念ながらインフルエンザにかかってしまい、登壇を急遽キャンセルすることになってしまいましたが、研究会予稿と発表スライドは作成済みですので本エントリで公開します。研究会予稿は以下のリンクから閲覧可能です。 研究会予稿 簡単に今回の研究報告についてまとめておきますと、本研究の概要は、 Webホスティングサービスにて管理者がテナントごとのコンテンツを制御できないような高集積マルチテナントWebサーバ環境では,ホスト間のリソース競合を減らすことが安定運用にとって不可欠である.しかしホスト数が増えるにつれ,サーバ内の原因となるホストの監視や制御のコストも増加するため運用は難しくなる.本論文ではリソースの各指標の
こんにちは、スマートニュースの徳永です。深層学習業界はGANだとか深層強化学習だとかで盛り上がっていますが、今日は淡々と、ニューラルネットワークの量子化の話をします。 TL;DR パラメータだけを量子化するのであれば、ほぼ精度を落とさずに、パラメータのデータ容量は1/16程度にまで削減できる パラメータ、アクティベーション、勾配のすべてを量子化し、推論だけでなく学習までもビット演算だけで実現する研究が進んできている 現在は深層学習 = GPU必須というぐらいの勢いがあるけど、量子化の研究が進むと、今後はどうなるかわからないよ はじめに 情報理論における量子化とは、アナログな量を離散的な値で近似的に表現することを指しますが、本稿における量子化は厳密に言うとちょっと意味が違い、十分な(=32bitもしくは16bit)精度で表現されていた量を、ずっと少ないビット数で表現することを言います。 ニュ
今年に入って Octopassというプロダクトを公開しました。それは、Linuxのユーザや権限をGithubのTeamと連携して運用を楽にするというツールでした。色んな方々のご協力により、多くのRetweetやはてぶいただいたことで、ある程度、Octopass を必要としそうな人の目に触れたのではないかと思っています。(Githubのスター数が少ないのは今後の課題)その中で「すごく便利」「ぜひ導入したい」というフィードバックは、継続して機能追加していくというモチベーションにつながっていて、非常にありがたいです。 さて、この Octopass は、Linuxユーザ名前解決をするためにの glibc の libnssモジュールをCで実装しています。cgoやその他の言語でShared Objectを吐き出しても良かったのですが、それだと技術的挑戦が足りないとして、触れてこなかったCに挑戦しました
新しいニューラルネットワークのアーキテクチャがその時々で誕生するため、それら全部を把握することは困難です。全ての略語を覚えようとすると、最初はその数の多さに圧倒されてしまうでしょう(DCIGNやBiLSTM、DCGANを知っている人はいますか?)。 そんなわけで、これらのアーキテクチャの多くを盛り込んだチートシートを作ることにしました。そのほとんどはニューラルネットワークです。しかし、中には全く異なるアーキテクチャも潜んでいます。どれも独特で目新しいアーキテクチャばかりですが、ノードの構造を描くことで基本的な関係が分かりやすくなってきます。 これらをノードマップとして描くことの問題点は、これらがどのように使われるかを明確に示していないという点です。例えば、変分オートエンコーダ(VAE)はオートエンコーダ(AE)と同じように見えますが、実際は訓練過程が全く異なりますし、訓練したネットワークの
In TensorFlow 2, eager execution is turned on by default. The user interface is intuitive and flexible (running one-off operations is much easier and faster), but this can come at the expense of performance and deployability. You can use tf.function to make graphs out of your programs. It is a transformation tool that creates Python-independent dataflow graphs out of your Python code. This will he
We’re excited to announce that Heroku Autoscaling is now generally available for apps using web dynos. We’ve always made it seamless and simple to scale apps on Heroku - just move the slider. But we want to go further, and help you in the face of unexpected demand spikes or intermittent activity. Part of our core mission is delivering a first-class operational experience that provides proactive no
昨年、libpam-mrubyを使って、Linux Serverにおける認証やその管理について思うところを書きました。今回はその続きです。 libpam-mrubyを使ってGithubのチームで認証をする OSSを使ってのLinuxユーザ管理といったら、一般的にOpenLDAPを用いると思いますが、LDAPって統合管理でやれること多いかわりにちゃんと使おうとしたら敷居が高い感じがするんです。LDAPを触る頻度が低いと、LDAPコマンドを毎回ググる事になり、地味に面倒というのは経験している人多いと思います。そして、自分たちがLDAPを通して解決したいことって単にsudo権限を持つ管理者かそうでないユーザの管理で意外とシンプルだったりします。それに気づかせてくれたのは、イケてる同僚の@pyama氏プロダクトのSTNSというやつで、STNSはユーザや鍵の管理をTOMLで行うというものでした。設定
会社の日報に書いたエントリをこちらにも再掲します。 2017年の技術部のテーマをOne Loveにすることにしました。ちなみに、2016年は「全員野球」でした。 最終的に愛、すなわちLoveだなってなったので、2017年の技術部のテーマはOne Loveになりました。— あんちぽちゃん (@kentaro) December 20, 2016 「それってOne Loveなの?」「One Loveで行こうぜ!」— あんちぽちゃん (@kentaro) December 20, 2016 というだけだと、「あんちぽはなんかヤバいものでも食ったのか……?いや、またいつものことか……」となるだけだろうので、背景を説明しますね。 ペパボの「大切にしてほしい3つのこと」はみなさん憶えてますよね。 https://pepabo.com/recruit/important/ みんなと仲良くすること ファン
2019-03-28 Python/インスタンス生成 2018-01-02 Python/クロージャ Pythonを読む 2018-01-01 Python/メソッド呼び出し 2017-12-31 Python/build_class後編 2017-12-30 Python/読解対象とするPythonコードと解析方法 2017-12-24 Python/build_class前編(というよりPyTypeObject) 2017-12-07 Python/ビルトインがビルトインされるまで 2017-12-03 Python/C関数実行とPyObject 2017-10-22 Django/テンプレートシステムを読む(レンダリング) Djangoを読む 2017-10-21 Django/テンプレートシステムを読む(テンプレートのパース) 2017-09-24 Django/テンプレートシステ
C++側で定義されているクラスをmrubyに持ち込む方法を調べた。参考にしたのはmruby-time/time.cやmruby/C構造体組み込みを読む - Code Reading Wiki。正しいかどうかは保証できないけれど、一応ちゃんと動いているようです。 C++側になにかクラス class Hoge { public: Hoge(int x) : x_(x) { std::cout << "Hoge::ctor()" << std::endl; } virtual ~Hoge() { std::cout << "Hoge::dtor()" << std::endl; } int x() const { return x_; } private: int x_; }; があったとして、これをmruby側から扱いたい場合には、DATA型を使うといいようだ: #include <mruby
機械学習を学ぶのに最も適した教材と言われる、Machine Learning | Coursera を受講し終わりました! 「機械学習に興味はあるけど、何から始めたらいいかわからない」 「Courseraはいいって聞くけど、難くて挫折する気がする」 「機械学習やるなら、PRMLがいいって聞いたけど」 という人は多いと思います。私も同じように思っていました。Courseraの機械学習コースを始めたのはなんとなくですが、修了してみて、やって本当に良かったと思います。機械学習は面白いし夢があるので、ちょっとでも興味がある人の背中を押したいと思い、このコースの何がいいのか簡単にまとめたいと思います。 過去の記事 Coursera Machine Learning (1): 機械学習とは?単回帰分析、最急降下法、目的関数 Coursera Machine Learning (2): 重回帰分析、スケ
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
処理を実行中です
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