ペルーのナスカ川とインヘニオ川に囲まれた高原に描かれた図形や絵「ナスカの地上絵」には、百メートル近い大きさの地上絵もあり、空からでないと全体像の把握が難しいとされています。山形大学の研究チームは10年以上にわたってナスカの地上絵についての調査を行っており、新しく142点の地上絵を発見したことに加え、IBMと協力してAIを用い、未知の地上絵1点を発見することに成功。新たに見つかったユニークな地上絵の数々が公開されています。 ナスカ台地とその周辺部で143点の新たな地上絵を発見 ~IBMのAI(人工知能)技術で地上絵の全体像把握を目指す~ (PDFファイル)https://www.yamagata-u.ac.jp/jp/files/5115/7380/6345/PRESS_RELEASE_nasca20191115R2.pdf Archaeologists Seek to Unearth My
著者のAlexandre Gonfalonieri氏は、フランス・パリに拠点を置く複数のAIスタートアップでデータサイエンティストとして活躍しています。同氏がMediumに投稿した記事「なぜ機械学習モデルは製品化すると劣化するのか?」では、機械学習モデルが製品化されてから劣化してしまう原因とその対策が自身の経験にもとづいて解説されています。 同氏によると機械学習モデル製品は製品化された直後がもっとも高精度であり、以降時間の経過とともに精度が劣化してしまいます。こうした劣化の原因として、コンセプトドリフトが指摘できます。この概念はモデルが開発された当初に使われていた学習データと製品化された後に入力されるデータのあいだで特徴上の差異が生じた結果、モデルの予測精度が劣化してしまう、ということを意味しています。 コンセプトドリフトによる性能劣化に対する対策として、同氏は以下のような3つの対策を提案
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