機械学習で為替予測 Deep Learning 編
最近機械学習で為替予測をしています。あまり情報を出すとエッジが無くなるのではないかと思ってあえてほとんど情報を出してこなかったんですが、よく考えるとそもそも機械学習の話題を理解できる人の母数が少なく、よくあるゴールデンクロスみたいな手法と違って誰でも理解できて再現できるわけじゃないと思うのである程度出していくことにしました。 やってること 機械学習（Deep Learning 含む）で為替予測をやっています。なぜ株ではなく為替かというと、レバレッジが効くのと MetaTrader や cTrader みたいな自動取引ができるプラットフォームがあるからです。実際には株のほうが簡単っぽい雰囲気を感じます。 データの取得 まずは為替の価格データが無いと始まらないのでどうにかして用意します。自分は cTrader (というか cAlgo) でデータを CSV に落とす cBot 作ってバックテスト
PYNQ-Z1で始めるDeep Learning on FPGA入門（その1：購入からJupyter NotebookでLチカまで） - Studio Ousia Engineering Blog
こんにちは。エンジニアの戸塚です。 自分へのクリスマスプレゼントとして PYNQ-Z1 を買ったので、25％ルール第一弾は「Deep Learning on FPGA入門」的なことをしてみたいと思います。 【DISCLAIMER】スタート時点でFPGA素人です。Courseraでちょうど年末からFPGAコースを開講していたので併行して勉強中です。間違ったことを書いていたら必要に応じて訂正を入れていきます。有識者の皆様のご指摘を歓迎します。 1. 購入から起動まで 前日譚 情報収集 PYNQ 高位合成（HLS） 注文 起動の前に PYNQシステムmicroSDカードの準備 起動！ 2. Jupyter Notebookにアクセスする a) LAN経由でアクセス PYNQのJupyter Notebookのパスワード設定 b) LANケーブルでPCと直接接続 3. Jupyter Notebo
マイクロソフトとPreferred Networks、深層学習における協業の進捗状況を発表 | IoT NEWS
2018-01-18 マイクロソフトとPreferred Networks、深層学習における協業の進捗状況を発表 マイクロソフトとPreferred Networksは、2017年5月23日にディープラーニング分野での協業を発表した。そして今回、その協業における最新の状況を発表した。 マイクロソフトとPreferred Networks、ディープラーニングソリューション分野で協業 深層学習ソリューション開発 この協業の柱の一つは、両社の深層学習関連技術を組み合わせて、深層学習関連のソリューション開発を行うことだ。本日、プロジェクト「ONNX（Open Neural Network Exchange）」（※1）にPFNと同社のDeep Learning Framework “Chainer” が参加することを発表した。 ※1 マイクロソフトとFacebookによる共同プロジェクト。異なるディ
JDLA Deep Learning for GENRAL 2017（G検定）推薦図書まとめ - Qiita
#この記事について 2017年12月に、日本ディープラーニング協会によって 「JDLA Deep Learning for GENRAL 2017」（G検定）が開催されました。 G検定についてはこちらの記事にわかりやすくまとまっています。 ディープラーニング検定 for GENRALを受けた。受験の勧めと、勉強法 この記事は、その学習にあたって推薦図書3冊から重要と思われるポイントを抜き出して要約したものです。 以下のセクションは試験のシラバスに沿って構成しています。 出題に関わる内容全てを網羅しているわけではありませんが、次回開催に向けて学習の手引になれば幸いです。 ※補足 日本ディープラーニング協会よりG検定の結果が発表されています。 合格率は56.8％で、私も合格できました。なのでこのまとめもある程度は参考になるはず…たぶん！ #人工知能（AI）とは（人工知能の定義） 「人工的につく
Microsoft 、VRを用いて実在する建物内で起こる災害を実際のスケールで走り回りながら複数人で体験できる大規模VR避難訓練システムを発表
Microsoft 、VRを用いて実在する建物内で起こる災害を実際のスケールで走り回りながら複数人で体験できる大規模VR避難訓練システムを発表 2018-01-16 Microsoft Researchは、VRシステムを利用して、実際の建物内で起こる災害を体験することができる災害シミュレーションシステム「Building Scale VR」を開発していることを発表しました。 本システムは、ロボットを使用して室内をキャプチャし、そのデータを基に仮想空間を構築、仮想内と現実世界をリンクさせ建物スケールで歩き回りながらVR避難訓練するというものです。 キャプチャには、屋内3Dマップを作成することが可能な移動式ロボットを活用します。センサカメラ類には、LIDAR、Kinect V2、THETA Vが使用されます。 続けて、体験する人の装置群です。頭にHTC Viveと脳波センサ、両手にViveコン
Deep Learningにおける知識の蒸留 | Code Craft House
ここ数年のDeep Learningの発展は目覚ましく、急速に実用化が進んでいます。タスクによっては人間に匹敵する精度に達しているものもあり、システムの一部品としてデプロイする場面も増えてくると思います。そこで問題になるのが計算機資源の制約です。学習時には大量の学習データを用意し、GPUなどの計算資源で数時間や数日かかるような学習をしますが、推論時には限られたメモリや計算資源のもとで動作させる必要があります。リアルタイムに大量の入力データを捌く必要があったり、スマートフォンやエッジデバイスなどで動作させる場合には、この制約はさらに強くなります。 深くて大きいモデルの方が精度が出るが、実用を考えると軽量なモデルにする必要がある。こういった場面で最近よく使われる手法として、 知識の蒸留 (Knowledge Distillation) と呼ばれる方法があります。これは、（典型的には）大きくて複
PFU、産業用AI実現に向けDeep Learningアクセラレータカードなどを展開
PFUは1月15日、製造・生産現場においた高度化・効率化のためIoTやAIなどのデジタル技術を活用した産業向けエッジコンピューティングシステムの取組み強化の一貫として、組み込み用途向けの「Deep Learningアクセラレータカード AI400シリーズ」を発表した。 PCI ExpressハーフサイズにインテルArria10 GX1150プロセッサーや8GBメモリーなどを搭載した製品。コンピューターのCPUに負荷をかけることなくAIアプリケーションを動作でき、小型の産業用PCでも画像認識などの機能を利用できる。最大消費電力はおよそ25Wと、GPUカードに比べて低電力で動作可能。価格は要問い合わせ。 同社では、今後インテルXeonプロセッサーを搭載した2Uサイズの「AR6200 モデル140K」の販売も予定しており、ラックマウント型組込みコンピュータ AR6000シリーズのラインナップを拡
ソニーの低コストの動画制作ソリューション「isuca」--用途に合わせて自動で編集
isucaは、ソニーの新規事業創出プログラム（Seed Acceleration Program）から生まれた新規事業。2017年3月にサービスを開始し、ライブハウスなどへの導入実績がある。 カメラを中心とした動画撮影システム、操作用のアプリケーション、自動編集を行うクラウドサーバーから構成され、撮影システムはスタジオなどに常設し、撮影は専用アプリケーションをインストールしたパソコンやタブレットから可能。動画撮影専門のスタッフがいなくても、簡単で効率的な撮影ができる。 撮影した動画は、自動的に専用クラウドサーバへ転送され、ソニーのディープラーニング技術「Neural Network Libraries（ニューラル ネットワーク ライブラリ）」を活用したアルゴリズムによって、用途に合わせた動画コンテンツに自動編集。納品も自動化されており、編集を終えた動画は即座に指定されたサーバに格納される。
PFNのChainer対応の推論処理ボード、PFUが発売
PFUは、産業向けエッジコンピューティング事業の幅を広げる（ニュースリリース）。その第１弾として、深層学習の推移処理を実行するPCI Expressボード「＜AI400シリーズ＞Deep Learningアクセラレータカード」を発売した。 これまで同社のエッジコンピューティング事業は、コントローラー（産業用PC/コンピューター）の開発・販売に集中していた。今後はコントローラーに加えて、ソフトウエアや周辺（拡張用）ハードウエアの開発・提供も積極的に行い、システム全体に事業領域を広げる。なお、オンプレミスのサーバーやPCへは今回は進出しないという。「ハードウエアとしてはオンプレミスのコンピューターも、エッジコンピューティングのコントローラーもほぼ同じだが、まずは、エッジ・コンピューティング・システム全体に事業を広げることに力を入れる」（同社）。 エッジコンピューティング事業の幅を広げる。従来は
Indie Tech Publishers - steps to phantasien
次に読む本を探すべく Amazon.com をうろうろしていたのだけれど、技術書は少し Amazon で探しにくくなった気がする。電子書籍重視な新興出版社の本は Amazon に無い・・・わけではないにせよ、O'Reilly とかと比べいまいちレビューが伸びない傾向を感じる。具体的には PragPub, Manning, No Starch Press あたり. Packt も新興のはずだけど、なぜか割とレビューついてるね。 自分は PragPub や Manning からよく本を買うのでややバイアスがあるかもしれないけれど、彼らの出版社の本を買うときってだいたい promotion mail 経由なのだよな。しかも Beta/MEAP として最終版ができる前に買う。こういう相対的に熱心な読者は、結果として Amazon では買わずレビューも残さないのだった。技術書の中でも要素技術解説系の
みんな大好き物体検出のデファクトスタンダードFaster R-CNNの特許を読んだ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに Faster R-CNN1 の特許らしいです。 各位 Faster R-CNN特許です。ご査収ください。 Faster R-CNN patent was granted.https://t.co/Bxnjz5s1WU pic.twitter.com/MwAohEN712 — Yosuke Shinya (@shinya7y) 2018年1月8日 わたし、気になります！ということで、どんな感じか翻訳＆解説してみます。 （2018/01/15 追記）弁理士の先生にコメントを頂きましたのでまとめに記載しました！ Disclaimer
Japanese scientists just used A.I. to read minds and it's amazing
ShareShare Article via FacebookShare Article via TwitterShare Article via LinkedInShare Article via Email Imagine a reality where computers can visualize what you are thinking. Sound far out? It's now closer to becoming a reality thanks to four scientists at Kyoto University in Kyoto, Japan. In late December, Guohua Shen, Tomoyasu Horikawa, Kei Majima and Yukiyasu Kamitani released the results of
Webサイトのモックアップ画像からディープラーニングを利用し自動的にコードを作成する「Screenshot-to-code」が公開。
デザイナーが作成したWebサイトのモックアップ画像からディープラーニングを利用し自動的にコードを作成する「Screenshot-to-code」が公開されています。詳細は以下から。 以前、デザイナーが作成したWebサイトのモックアップやiOS、AndroidアプリのGUI画像から自動的にコードを作成する「Pix2Code」(以下動画)が公開され話題になりましたが、 このPix2Codeの技術をベースに、ニューラルネットワークにWebサイトのモックアップ画像をHTML/CSSへ変換する方法を学ばせることで、ディープラーニングを利用しモックアップ画像からHTMLコードを生成する手法(CSSはBootStrap)をディープラーニングプラットフォーム(PaaS)を提供しているFloydHubが公開しています。 The field took off last year when Tony Beltr
GitHub - emilwallner/Screenshot-to-code: A neural network that transforms a design mock-up into a static website.
A detailed tutorial covering the code in this repository: Turning design mockups into code with deep learning. Plug: 👉 Check out my 60-page guide, No ML Degree, on how to land a machine learning job without a degree. The neural network is built in three iterations. Starting with a Hello World version, followed by the main neural network layers, and ending by training it to generalize. The models
GPUでChainerを動かすならDeep Learning Base AMI(Ubuntu)を使用するのが楽。 - Qiita
はじめに 私が自分のPCでGPU Learningしようとしてセットアップで四苦八苦していた際に、AWSからDeep Learning Base AMIなるものが昨年11月に出ていたと知り、試した所非常に簡単に学習まで行うことが出来たのでそのやり方についてまとめました。 AWS Deep Learning Conda と Base AMI の利用開始について Deep Learning Base AMI Deep Learning Base AMIはセットアップやパスの設定がめんどい、NVIDIA driver, CUDA, CuDNN, Python, etc...が最初から入ってるAMIです。 UbuntuかLinux版があり、主要フレームワーク(MXNet, TensorFlow, Caffe2, PyTorch, Theano, CNTK, Keras)がプリインストールされてるA
Amazon Rekognition Now Available in AWS US-East (Ohio) Region
Amazon Rekognition is a deep learning-based service that makes it easy to add image and video analysis to your applications. Rekognition Image API allows you to detect objects, scenes, faces and inappropriate content; extract text; recognize celebrities; and search and compare faces, in images. Rekognition Video API for the AWS US-East (Ohio) region allows you to track people; detect objects, scen
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
「Everyday AI」で何が便利になる？ 日本マイクロソフトがAIへの取り組みを説明
難易度の自動調節機能付きで30級から無理なく始められる囲碁AI「Leela」／候補手のヒートマップ表示や地合い・模様の可視化にも対応【レビュー】
Facebook's Expanding Machine Learning Infrastructure
DeepBrain Chain