【デブサミ2017】大賞はあの本！ 「ITエンジニアに読んでほしい！ 技術書・ビジネス書大賞 2017」
翔泳社が毎年開催している「ITエンジニアに読んでほしい！ 技術書・ビジネス書大賞 2017」は、エンジニアが世の中を変えるために役立つ本を紹介し広めるために2014年に始まった。 今年で4回目となる同賞も事前の一般Web投票にて技術書部門、ビジネス書部門それぞれベスト10を選出。各部門で得票数の多かった上位3タイトルの著者や編集者が集い、「Developers Summit 2017」のセッションの一つとして本の魅力を伝えるプレゼン大会を開催。 盛況となった会場で最終投票が行われ、下記の2部門6タイトルから特別賞と大賞が決定した。 技術書部門トップ3 『ゼロから作るDeep Learning――Pythonで学ぶディープラーニングの理論と実装』（2016年、オライリー・ジャパン） 斎藤康毅 『暗号技術入門 第3版 秘密の国のアリス』（2015年、SBクリエイティブ） 結城浩 『新装版 達人
【取材済】AI、機械学習に強いPythonプログラミングスクールおすすめ6選を徹底比較！｜IT Edtechプログロボ
なぜAI・人工知能を学ぶのにPythonのプログラミングスクールなのか？Pythonは、AIのベースとなる機械学習やデータサイエンスのライブラリが充実したプログラミング言語で、しかも学習しやすいという特徴があります。 そのため、Pythonを学びたい、という人のほとんどが、 AIに関わりたい、 機械学習で業務を効率化したい、 データ分析を有効に実施したい という希望を持っています。 AI関連市場は2030年に87兆円以上が見込まれる成長市場Ernst & Youngの研究所が2015年に出したレポートによると、2030年に87兆円以上の市場になることが見込まれています。E&Yは世界の4大コンサルティングファームの1角です。現在の世界の動きを見ても、AIを中心にどんどんビジネスが拡大し、より注目度があがっているのがわかります。 そのうち、AIの活用はパソコンを使うのと同じくらい当たり前になっ
DeNA TechCon 2017 開催レポート【2】 | BLOG - DeNA Engineering
こんにちは。ゲーム事業本部開発基盤部の池田です。 去る2月10日、DeNAは技術カンファレンス「DeNA TechCon2017」を開催しました。 公開可能な資料については、 公式サイトのスケジュール画面 からリンクしておりますので、まだチェックしていないという方は是非ご覧ください。 追って、各セッションの動画もアップ予定です。 本記事は、この「DeNA TechCon2017」振り返り記事の第2弾となります。 今回は特に、DeNAの新たなチャレンジ領域である AI 分野について、Aステージで筆者が聴講した以下の3講演について取り上げます: 基調講演:「実世界の人工知能」株式会社Preferred Networks岡野原大輔様 スライド資料 「強化学習を利用した自律型GameAIの取り組み〜高速自動プレイによるステージ設計支援〜」MASHIKO RYOSUKE, SEKIYA EIJI ス
Depth Creates No Bad Local Minima
In deep learning, \textit{depth}, as well as \textit{nonlinearity}, create non-convex loss surfaces. Then, does depth alone create bad local minima? In this paper, we prove that without nonlinearity, depth alone does not create bad local minima, although it induces non-convex loss surface. Using this insight, we greatly simplify a recently proposed proof to show that all of the local minima of fee
第18回 全脳アーキテクチャ勉強会 ～ 全脳規模計算 ～
高橋 恒一氏 講演概要 深層学習が認識技術を大幅に進展させたことにより、次世代の人工知能技術の焦点の１つは認知、意思決定、行動の統合になると考えられ、この点で脳のアーキテクチャに学べる点は多い。計算コア単体の性能が頭打ちになり、ムーアの法則の終わりも見えてきた現状では、認知＝行動サイクルを脳に匹敵する規模でリアルタイムかつ高性能に実行するには大規模な並列化が必須である。その一方で、現在主流の人工神経回路（ANN）のほとんどはネットワーク全体が同期的に評価され、各社が提供するTensorFlow, Chainer, Theanoなどのフレームワークもそれを反映した設計となっている。誤差逆伝播による同期ボトルネックの除去は脳型人工知能の開発において重要な課題の１つである。本発表では、我々が開発する脳型人工知能基盤ソフトウエアBriCA(Brain-inspired Computing Arch
NTTコムウェア | 「Deep Learning画像認識プラットフォーム」を3月1日より販売開始～「監視・検閲」「保全・点検」「製品検査」の分野におけるAI利用を促進～
ページ内移動ナビゲーション ナビゲーションへ移動 (アクセスキー 1)1 本文へ移動 (アクセスキー 2)2 カテゴリーごとのナビゲーション・関連リンクへ移動 (アクセスキー 3)3 サイト補助説明(ご利用規約、個人情報について、サイトの使い方)のナビゲーションへ移動 (アクセスキー 4)4 2017.02.28 「Deep Learning画像認識プラットフォーム」を3月1日より販売開始 ～「監視・検閲」「保全・点検」「製品検査」の分野におけるAI利用を促進～ エヌ・ティ・ティ・コムウェア株式会社（本社：東京都港区、代表取締役社長：海野 忍、以下 NTTコムウェア）はDeep Learning（深層学習）技術を活用した画像認識プラットフォームを2017年3月1日（水）より販売開始します。このプラットフォームにより「監視・検閲」「保全・点検」「製品検査」の分野におけるAI利用を促進していき
Deep Learning 101 - Part 1: History and Background
tl;dr: The first in a multipart series on getting started with deep learning. In this part we will cover the history of deep learning to figure out how we got here, plus some tips and tricks to stay current. The Deep Learning 101 series is a companion piece to a talk given as part of the Department of Biomedical Informatics @ Harvard Medical School ‘Open Insights’ series. Slides for the talk are a
【人工知能初心者向け】機械学習・Deep Learningプログラミング学習の道筋と参考書籍 - Qiita
【更新】 ※少々表（本のリスト）が見づらかったので変更をしました。 ※著者、出版社については、リンク先のAmazonでご確認ください。 はじめに 今回は私が人工知能プログラミングを学習する際に参考にした書籍と、 そのスキル習得の道筋を上記フローと共に振り返りメモとして残します。 現在私は競馬予想・AIがゲームをプレイするプログラムを作成しています。 これから人工知能の領域に一歩踏み出そうという方に少しでも本Qiitaが役立てば幸いです。 今回具体的にプログラムの説明はしないので、 人工知能プログラム自体に興味のある方は本Qiitaの最後にリンクを載せているので参照してください。 前提 今回選択した書籍は私が読んだものの中でも比較的易しめで、 可能な限りプログラムが添付されているものを選択しました。 なぜなら、プログラムを実装して、動かして、理解して、を繰り返すのが、 スキル習得（実装を含む
Learning Deep Nearest Neighbor Representations Using Differentiable Boundary Trees
Nearest neighbor (kNN) methods have been gaining popularity in recent years in light of advances in hardware and efficiency of algorithms. There is a plethora of methods to choose from today, each with their own advantages and disadvantages. One requirement shared between all kNN based methods is the need for a good representation and distance measure between samples. We introduce a new method cal
I miss Delphi | Hacker News
I did professional development in Delphi for 13 years, writing and maintaining a sprawling 700k line reservation system. I don't miss it much. It was a great learning experience to have to fill in all the gaps in the standard libraries by twisting and turning Pascals rigid rules into something semi-useful; writing foreign function interfaces to WinSock to get around the limitations in the provided
Deep Voice: Real-Time Neural Text-to-Speech for Production - Baidu Research
Baidu Research presents Deep Voice, a production-quality text-to-speech system constructed entirely from deep neural networks. The biggest obstacle to building such a system thus far has been the speed of audio synthesis – previous approaches have taken minutes or hours to generate only a few seconds of speech. We solve this challenge and show that we can do audio synthesis in real-time, which amo
Benchmarking State-of-the-Art Deep Learning Software Tools
Declaration: The runtime performance of each software tool depends not only on the hardware platform, but also on the third-party libraries and the network configuration files. Our results only reflect the performance of the tested networks with the associated configuration files and the specified third-party libraries on our testing machines, which are not necessarily the best performance that ca
On the Origin of Deep Learning
This paper is a review of the evolutionary history of deep learning models. It covers from the genesis of neural networks when associationism modeling of the brain is studied, to the models that dominate the last decade of research in deep learning like convolutional neural networks, deep belief networks, and recurrent neural networks. In addition to a review of these models, this paper primarily
The Alien Style of Deep Learning Generative Design
Source: http://www.arup.com/news/2015_05_may/11_may_3d_makeover_for_hyper-efficient_metalworkWhat happens when you have Deep Learning begin to generate your designs? The commons misconception would be that a machine’s design would look ‘mechanical’ or ‘logical’. However, what we seem to be finding is that they look very organic, in fact they look organic or like an alien biology. Take a look at so
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
http://www.nlab.ci.i.u-tokyo.ac.jp/pdf/psivt2015.pdf
Stanford University: Tensorflow for Deep Learning Research
GitHub - SonyCSL/CSLAIER
NTTコムウェア、AIを用いて専門家の“目”を代替する「Deep Learning画像認識プラットフォーム」
Giltのディープラーニング応用
GitHub - vladfi1/phillip: The SSBM "Phillip" AI.
