本プログラムの想定する受講者レベル プログラミングの基礎を習得しており,Python/NumPyの使用経験がある方 これから機械学習を学んで,仕事に生かしていきたい方 Deep Learningへの興味があり,勉強してみたい方
人がテーブルの天板と3本の脚の存在を目で確認すると、「後ろに4本目の足がある」と頭の中で勝手に推測するものです。このような作業は人間にとっては容易なものですが、人工知能にとっては非常に困難な作業だとされています。Googleの親会社Alphabet傘下のAI企業DeepMindは視認できる情報から目で見えない部分を推測する「Generative Query Network(GQN)」を開発しました。 Neural scene representation and rendering | Science http://science.sciencemag.org/content/360/6394/1204.full Neural scene representation and rendering | DeepMind https://deepmind.com/blog/neural-sce
Tools for Exploring .NET Internals 15 Jun 2018 - 1954 words Whether you want to look at what your code is doing ‘under-the-hood’ or you’re trying to see what the ‘internals’ of the CLR look like, there is a whole range of tools that can help you out. To give ‘credit where credit is due’, this post is based on a tweet, so thanks to everyone who contributed to the list and if I’ve missed out any too
Through-Wall Human Pose Estimation Using Radio Signals Mingmin Zhao Tianhong Li Mohammad Abu Alsheikh Yonglong Tian Hang Zhao Antonio Torralba Dina Katabi Massachusetts Institute of Technology RF-Pose provides accurate human pose estimation through walls and occlusions. It leverages the fact that wireless signals in the WiFi frequencies traverse walls and reflect off the human body. It uses a deep
明治大学総合数理学部 Advent Calendar 2017 19日目の記事です. はじめまして. 現象数理学科3年の江口です. Qiita初投稿です. この記事では, WaveNetについてまとめました. 時間があれば, 最近発表されたParalell WaveNet についてまとめたいと思います. 前提知識 Neural Network Convolutional Neural Network Recurrent Neural Network ResNet 背景 唐突ですが, データサイエンティストたるものデータサイエンティストを目指すなら, deep learningの最新動向は随時追っていなければ, と思いDeep Learning Weeklyを読み始めました. ここには最近話題のCapsule Networkについても紹介されています. deep learningに関する最近
Free-kicks taken by the AI bot, trained through 1000 epochs of the Reinforcement Learning process.In my previous article, I presented an AI bot trained to play the game of FIFA using Supervised Learning technique. With this approach, the bot quickly learnt the basics of the game like passing and shooting. However, the training data required to improve it further quickly became cumbersome to gather
こんにちは、バックエンドエンジニアの田島(@katsuyan121)です。 5/31〜6/2にかけて仙台で開催されたRubyKaigi2018に、スタートトゥデイテクノロジーズから5人が参加しました。 今年のRubyKaigiは3日間で50を超える講演があり、参加者も1000人を超える大変大規模なカンファレンスでした。たくさんの講演の中で、スタートトゥデイテクノロジーズのエンジニアが興味を持ったものを、この記事でいくつか紹介します。 また今回スタートトゥデイテクノロジーズはスポンサーブースを出展したので、そこで得られたことを共有します。 セッション Proverbs(Matz) Rubyのお父さんであり、弊社スタートトゥデイテクノロジーズの技術顧問でもあるMatzさんの発表です。 今回の発表では3つの諺を例にお話を展開されました。 名は体を表す 「名は体を表す」という通り、名前は重要である
はじめに 「空前のAIブーム」。昨今のIT業界を取り巻く空気感をあえて一言で表すならば、こんな感じであろうと思います。近頃はIT関係のお偉いさんとお話をしていて「機械学習」「AI」「ディープラーニング」という言葉が話題に挙がらないことのほうが少ないのではないか。そのくらい、昨今のこの空気感にちょっと圧倒されてしまいます。 ブームが起きると高まるのは「熱」。最近のテレビ番組や雑誌、Webメディアを見ていると、まるでAI が世界をひっくり返してしまうのではないか?それこそ、「人の仕事なんて奪い尽くしてしまうんじゃないか?」そんな錯覚に襲われることすらあります。 本連載では、いま一度「世間は何に熱狂しているのか」ということを「冷静に」捉えなおしてみようと思います。「熱狂」をしすぎて「本質」を見失ってしまう。そもそも、何に熱狂をしているのかを考えてみればよくわからなくなってしまう。これは少し危険な
はじめに 初級編 ゼロから作るDeep Learning 中級編 scikit-learnとTensorFlowによる実践機械学習 PythonとKerasによるディープラーニング 上級編 Pro Deep Learning with TensorFlow Deep Learning はじめに ディープラーニングに関する書籍は山ほど出てきています。 その中でどれを読めば良いのか分からない、というのは初心者にとって最初の問題でもあるでしょう。まずはブログなどのネットの情報を参考に勉強をする人が多いかと思われますが、私のブログも含め、大抵は個人の興味に沿ってバラバラに話題が提供されるため、できれば1つ1つ順を追って解説してくれる物が欲しいと感じるのが本音と思われます。 今回は、数ある書籍の中でも私自身が所持していておすすめできるディープラーニングの書籍を載せたいと思います。 初級編 ゼロから作
$10^{360}$というと,もう「億」や「兆」のような名前すらない規模でイメージもできませんが,観測可能な宇宙に存在する原子の総数と言われている$10^{80}$よりもずっと大きいのですから驚異的です. ちなみに,情報の世界では「天文学的数字」よりも大きい数字がしばしば出てくるので,「組合せ論的数字」なんて言い方も耳にすることがあります. この膨大なパターン数が原因で,AlphaGoが開発されるまでは「AIが囲碁で人間に勝利するまであと10年はかかる」と言われていましたが,2016年にディープラーニングを応用したAlphaGoが李世乭九段を破り世界を驚かせました. AlphaGoのすごさを感じていただけたでしょうか?でも,$10^{360}$の世界で戦う人間の棋士もすごいですよね. ともあれ,囲碁は難しいので私はオセロにしました. 必要なもの ディープラーニングの基礎とChainerの基
題名:人工的な構造物の欠点に関する一考察 報告者:エゲンスキー 人の知能といえば、人が他の動物と異なる進化を選んだ自然界がもたらした一つの結果となる。そのため、人の知能は、自然知能の最たるものとも言い換えることができようか。これに対して、人工的な知能は何かと言えば、昨今の人工知能に他ならない。その人工知能は、人の神経ニューロンを摸した形のニューラルネットワークで構造化され、現在、最も進んだニューラルネットワークの形式であるDeep Learningも、人が持つ脳の階層性を摸し、その構造から深いニューラルネットワークとも言われている1)。しかしながら、人の脳も、元々は全部で6つの階層構造で形作られている2)。この神経ネットワークの複雑さが、学習、記憶、運動、認知などの高度な情報処理を可能としている2)。このことから、やがて人工知能が人の持つ自然知能を越えるかもしれないという技術的特異点(Te
It’s clear by now that the robots are coming for us. Breakthroughs in AI fill our streams and news feeds, themselves the products of AI, the echoing algorithmic screams of a new kind of mind being born. Using deeplearn.js, we’ll find out how deep learning systems learn and examine how they think. The fundamental building blocks of AI have never been more accessible. Let’s explore the architectur
It is aimed at deep learning and, unlike FlexPod (Cisco and NetApp's converge infrastructure), has no brand name. Unlike AIRI, neither does it have its own enclosure. A NetApp and Nvidia technical whitepaper – Scalable AI Infrastructure Designing For Real-World Deep Learning Use Cases (PDF) – defines a reference architecture (RA) for a NetApp A800 all-flash storage array and Nvidia DGX-1 GPU serve
Back in September 2017, Davis King released v19.7 of dlib — and inside the release notes you’ll find a short, inconspicuous bullet point on dlib’s new 5-point facial landmark detector: Added a 5 point face landmarking model that is over 10x smaller than the 68 point model, runs faster, and works with both HOG and CNN generated face detections. My goal here today is to introduce you to the new dlib
cuzic (a.k.a Tomoya Kawanishi )です。 いまは RubyKaigi に来ています。 速報的に 1日目の内容のまとめの記事を公開します。 Matz: Keynote Aaron Patterson: Analyzing and Reducing Ruby memory Usage Kenta Murata 、Yusaku Hatanaka :Deep Learning Programming on Ruby Piotr Murach : TTY - Ruby alchemist’s secret potion Naotoshi Seo : Fast Numerical Computing and Deep Learning in Ruby with Cumo Emma Haruka Iwao : Exploring Internal Ruby Through C
深層学習フレームワークの Chainer は、アマゾン ウェブ サービス(AWS) の協力により、多数の AWS アプリケーションで利用できるようになりました。Chainerは、ニューラルネットワークを簡単に扱える Pythonのフレームワークですが、AWSと組み合わせる事で、マルチ GPU やマルチサーバーにおける Chainer の並外れたスケーリング能力を最大限活用できます。Chainer の非常に優れたスケーリング能力については、ImageNet-1K を利用した ResNet50 の学習を、それまで最速とされた Facebook の記録より4倍速い15分で完了した事により実証済みです。 Chainer のマルチ GPU とマルチサーバーのスケーリングにより、必要時に必要量の計算資源を提供するというクラウドの利点を有効活用できます。Chainer の比類なき並列計算能力と AWS
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