長文要約生成API：朝日新聞社メディア研究開発センター 人工知能研究の取り組み
概要 本APIは、入力された記事本文（最大2,000文字まで入力可能＝製品版）を機械学習を用いて要約するものです。過去30年分の記事データを、ディープラーニングの機構を用いて学習させています。長文を要約するときにお役立てください。 本APIの機能は、 指定した長さごとに生成型要約 すべての文の長さを揃える すべての文を圧縮する 重要な文を抽出する 重要な文を抽出後圧縮して、指定した長さにする の5つです。より詳細はこちらに解説記事を載せています。 九州電力玄海原発３、４号機（佐賀県玄海町）の運転差し止めを住民らが求めた仮処分申し立ての即時抗告審で、福岡高裁（山之内紀行裁判長）は１０日、住民側の抗告を棄却した。主な争点は、耐震設計の基になる基準地震動（想定される最大の揺れ）の合理性、原発周辺の火山の噴火リスク、配管の安全性の３点。 住民側は「基準地震動が過小評価されている」と主張。原子力規制
社内の会議情報を機械学習して有識者検索エンジンを開発するというHRTechしてみた - Qiita
TL; DR 社内に眠るダークデータ、会議関連のデータを活用することで、有識者検索エンジンを作ります。 こんなやつ これで、社内の有識者やその有識者へのコンタクトパスを探せるようにします。 1. 背景。。。 1.1 働き方改革とはなんぞ 働き方改革あるあるとして、ジタハラがよく言われますね。 ジタハラ： 残業時間削減のための具体策がないまま、社員に「残業をするな」「定時に帰れ」などと退社を強要すること とあります。真面目な皆さんは、言われたとおりに帰ります 持ち帰ってサービス残業することになります。 んなアホな！！！ 1.2 会議・・・減らしてみる？ 朝日新聞によると、 大企業でのムダな会議の損失 年間６７万時間と１５億円 だそうですよ。単刀直入に聞きます。 あなた、会議減らせます？ 15億円削減できたら、ゴーン氏くらい報奨があってもいいんじゃない？ 世の中には、こんなにたくさんのノウハウ
[2019年5月版] 機械学習・深層学習を学び、トレンドを追うためのリンク150選 - Qiita
これは何? 5月11日発刊の 図解速習DEEP LEARNINGの書籍中で参照しているリソースをサポートページ用にまとめたものです。 (実行できる.ipynbノートブックへのリンクなど、書籍自体のサポートページは https://github.com/tomo-makes/dl-in-a-sec です) もともとは本を読みながら各リンクを眺めてもらうため、飛びやすくしようとリンクを整理しましたが、本が手元にない方にも役立つのではと思い、Qiitaで公開することにしました。 凡例 YouTubeなどのビデオ 論文、サーベイ資料 プレゼンスライド 書籍 GitHubリポジトリ ニュース メールニュース リンクは本の章立てに沿って並んでいます さて、学会、勉強会、発表会などの1年にあるように、ゴールデンウィーク明けからイベントラッシュ。様々な発表が期待されます 5/6-9 ICLR 2019 5
![[2019年5月版] 機械学習・深層学習を学び、トレンドを追うためのリンク150選 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/6ee6ebdf94e2e1f6a2f90489791dabc15e8498a7/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwdG9tb19tYWtlcyZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9Y2EyNTNmNzY5ZjE0NmNjNjM2MTA3MGJkZmUyMjUwYTI%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3Dd5adb337e19544372cdc56e1a8c52b70)
AI・機械学習の「最先端テクノロジー」と「ビジネス活用」ーDEEP LEARNING LAB 2018 - Qiita:Zine
昨今、関連するニュースを聞かない日はないほど加熱している、AI・深層学習（ディープラーニング）。 Qiitaでも、タグの総合ランキングで、Pythonが1位のjavaScriptに迫っており、勢いをみせています。 そんな深層学習の勢いを加速させる一端を担う、 Preferred Networksとマイクロソフトが立ち上げた、日本最大級の技術推進コミュニティ「DEEP LEARNING LAB」。 先日、同コミュニティが、AI・機械学習のイベントで日本最大級ともいえる「DEEP LEARNING LAB 2018」を開催しました。 Qiita Zineでは、「最先端のテクノロジー」と、「実社会での応用」の観点から、4つのセッションについてレポートします。 最先端技術編 研究を加速するChainerファミリー Preferred Networksの研究担当VP比戸 将平氏が登壇。Chainer
株価予測WEBアプリを作ってみた(Python,Django,Heroku) - Qiita
1.PythonによるLSTMモデルの構築と株価予測 ここでは、Pythonを用いて、 - 株価データのスクレイピング - LSTMモデルの定義 - LSTMモデルの学習 - 株価予測 を行っています。 #def LSTM(NAME,epoch,s_date,e_date,batch): from . import brand_list from . import read_nikkei def LSTM(input): ############ #---LSTM---# ############ ############ ###1.importing Libraies and getting stock data import pandas as pd import datetime as dt import numpy as np import pandas_datareader.da
機械学習を使って作る対話システム - Qiita
このような対話を通じて、レストランの検索に必要な情報をユーザから取得し、レストラン検索を行います。 今回、レストラン検索にはHotPepperグルメサーチAPIを利用させていただきました。ありがとうございます。 システムアーキテクチャ 対話システムは複数のモジュールから構成されています。今回は、各モジュールは独立に動作させず、前段階のモジュールの処理が終わった段階で駆動されるようにしています。 最終的なシステムアーキテクチャは以下の図のようになりました。 今回のアーキテクチャに沿って処理の流れを説明すると以下のようになります。 ユーザがテキストを入力すると、入力したテキストは言語理解部に入力されます。 言語理解部では入力されたテキストを解析して、対話行為と呼ばれる抽象的な意味表現に変換します。 言語理解部から出力された対話行為は、対話管理部に入力されます。対話管理部では入力された対話行為を
機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界
さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを
1
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
ディープラーニングで顔写真から〇〇かどうかを判別してみる (うまくいったか微妙) - Qiita