日本取引所グループ ファンダメンタルズ分析チャレンジ | SIGNATE - Data Science Competition
お知らせ 2021/08/24 10:30：リーダーボードのボーダーライン表示に誤りがありましたため、以下の通り表示内容を修正いたしました。 金メダル獲得：10位以上（変更なし） 銀メダル獲得：42位以上 → 39位以上 銅メダル獲得：84位以上 → 78位以上 60%Line ：126位以上 → 117位以上 なお、実際に付与されておりますメダル・ポイントに誤りはございません。 ご迷惑をおかけしましたことお詫び申し上げます。 2021/08/13 17:20：入賞者様のご発表資料、提出モデルのソースコードの一覧が公開されました。 2021/07/01 10:10：フォーラム活動賞、Web記事賞表彰者が確定しました。詳細はフォーラムをご確認ください。 2021/06/30 11:30：入賞者が確定しました。 2021/06/18 20:00：第５回のLIVE評価結果が確定し、最終評価が
機械学習ツールキット「Kubeflow 1.0」をGoogleが公開、「Anthos」と組み合わせると何ができるのか
Googleは2020年3月3日（米国時間）、オープンソースのKubernetes対応機械学習（ML）ツールキットの正式版「Kubeflow 1.0」を公開した。同時に、企業がKubeflowをGoogle Cloudの「Anthos」プラットフォーム上で利用するメリットを紹介した。Kubeflowは、Googleが2017年12月に立ち上げたオープンソースプロジェクト。 MLライフサイクル全体にわたって、企業がオープンソースのデータサイエンスやクラウドネイティブエコシステムを利用して、ソフトウェア開発とMLのインフラを共通化したり、標準化したりする際に、Kubeflowが役立つという。 Kubeflowは、スケーラブルでポータブルなMLワークロードの開発に加えて、オーケストレーションやデプロイ、実行のためのKubernetesネイティブプラットフォームを提供すると、Googleは説明して
プログラミング不要のAI開発ツール登場、マウスで操作するだけ | Ledge.ai
プログラマーもいない。データサイエンティストもいない。そもそも開発未経験だ。そんな組織でも、ボタン操作だけで独自の物体検知AIシステムを構築できるサービスがはじまった。 株式会社ヒューマノーム研究所は2月18日、「Humanome Eyes Workstation(ヒューマノーム・アイズ・ワークステーション)」の販売開始を発表した。ヒューマノーム・アイズ・ワークステーションは、プログラムを1行も書くことなくボタン操作で開発可能なプラットフォームだ。 本製品は、専門人材の育成や開発の外注前に、まずは自分たちでトライアルAIを作って試すことで「今、本当に欲しいAI」を見極めて本格開発に移りたい企業向けとなっている。 ＞＞「Humanome Eyes Workstation」 AI作成への第一歩を後押しする統合システムプレスリリースによると、人工知能開発に適した高性能ハードウェアに、AI学習環境
分析ツール「nehan」、プログラミング不要でSQLを作成・データ取得を可能にするSQLビルダー機能の提供を開始
現在、多くのデータ活用シーンで、SQLを使ったデータ取得業務が行われているものの、SQLが書ける人材の不足により業務が担当部署に集中しやすく、また複雑なSQLは保守性が低下しやすいことから、業務が属人化しやすいといった課題を抱える現場が多い。 分析ツール「nehan」は、分析者の作業時間を短縮し、思考する時間を増やすことで、データ活用によるビジネス改善を促進させるサービス。 今回提供されるSQLビルダー機能は、SQLのスキルがなくても簡単な操作でデータの取得が可能となっており、データ加工プロセスを見える化することで、保守性が向上。業務の属人性をなくし、SQL業務の効率化・民主化による、ビジネスにおけるデータ活用の促進を実現する。 GoogleBigQuery上のデータを、SQLビルダーで集計・結合する例 自動作成されたSQL SQLビルダーと「nehan」の既存機能を組み合わせることで、デ
世界初、分析ツールnehanにPythonコード出力機能登場。プログラミング不要でプログラムを作れる！？
株式会社nehanは、プログラミング不要の分析ツールnehan上にて、作成した分析プロセスをPythonコードとして出力できる機能の提供を開始いたしました。 分系ツールnehanは「"データ分析は前処理の時間が8割"の常識を覆す」をテーマに、プログラミング不要で様々な分析業務を可能にするサービスです。 2019年5月の提供開始以降、50社以上の企業様よりお問い合わせを頂戴し、また、導入企業様より業務効率化実感の声を多くいただいております。 Pythonコード出力機能は、プログラミング不要で作成した分析プロセスを、Pythonコードに変換し出力する機能です。これにより、プログラムを書くより早くプログラムを作成することが可能になり、業務効率化を実現できます。 この機能の最大の魅力は、データ活用における「分析ロジックやアルゴリズムのシステム組み込み」をプログラミング不要で実現できることです。 例
「AI民主化」のための汎用プラットフォームを提供するDataRobotの戦略
今後拡大するAI、機械学習の市場でDataRobotこそが主役となる DataRobotの日本法人のカントリー・マネージャー 原沢 滋氏 DataRobotは2012年に設立、2013年には開業資金として330万ドルを調達した。DataRobotはその後何ら製品をリリースせず、ステルスモードで活動。2015年にやっと、機械学習自動化プラットフォームをリリースする。製品提供前から十分な活動資金を調達しており、当初からDataRobotの技術に対する投資家からの高い期待があったことがうかがわれる。 製品提供以降も、DataRobotは毎年のように資金を調達している。2018年にはシリーズDまで進み1億ドルの資金調達を達成、2019年9月にはシリーズEで2億500万ドルを調達し、資金総額は4億3100万ドルに達した。調達資金はAutomated Machine LearningやAutomate
機械学習のための環境構築とその管理 - nykergoto’s blog
機械学習プロジェクトでは python を始めとした言語 + それに付随したライブラリを使います。 僕も python 触りたての頃はローカルマシン上にひとつ python 環境を作り、必要なライブラリをインストールして使っていました。環境の分離ということはあまり意識しておらず、やったとしてもプロジェクトごとに anaconda や pyenv, venv などで個別環境を作って切り分けるレベルでした。 しかし上記の方法だと困ったことが起ることがあります。例えば… global な環境が壊れてしまってすべて壊れる。 これは各環境が global な環境に依存しているために起こります。 python 以外の変更で環境は突如として壊れます。例えば brew install hoge したら Mecab が使えなくなっちゃったとかはあるあるだと思います >_< linux / Mac / Win
モデルが古い？再学習は？AI導入”後”の運用をマイクロソフトに聞いた | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
熟練者の意図を学習し、意思決定を模倣するAI技術を開発
NEC は、熟練者の過去の行動履歴データから、その卓越した認知・判断に基づく意図を意思決定モデルとして学習し、高度なスキルが要求される業務を大幅に効率化するAI技術を開発しました。本技術を、属人的な業務の意思決定プロセスに適用することにより、業務負荷を大幅に軽減することができ、業務スピードの大幅な向上が可能となります。 本技術は、逆強化学習(注1)のフレームワークをNEC独自のアルゴリズムで拡張し、従来、技術者が行っていた意思決定モデルの構築を自動化します。人手では定式化が困難な意思決定問題に対して、熟練者の過去の行動履歴データから意思決定モデルを作成することで、熟練者と同等の判断を迅速かつ自律的に導き出します。本技術は、主に以下の領域に対して適用が可能です。
TechCrunch | Startup and Technology News
While all of Wesley Chan’s success has been well-documented over the years, his personal journey…not so much. Chan spoke to TechCrunch about the ways his life impacts how he invests in startups.
学習データの蓄積を加速する ABEJA Platform Annotation - Y's note
AIをビジネスに実装する方法 作者:岡田 陽介日本実業出版社Amazon ABEJA Platformについて yut.hatenablog.com @yutakikuchi_です。 前回のPostでABEJAが開発しているMLOpsの課題を解決するABEJA Platformの概要について説明しました。このPostではABEJA Platformの一機能であり、学習データの蓄積を加速する ABEJA Platform Annotation について紹介します。 ABEJA Platform Annotationとは abejainc.com 今回はMLOpsで重要な学習データを蓄積するためのAnnotationについて書きます。そもそも学習データとは？という方もいると思うので、簡単に一言で表すと、人工知能のモデルを作るための知識・入力データと言えます。人間も学習という訓練を重ねながら脳を
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
Integrate GitLab with Jupyter for Analytics | Panoply
DataOps | Develop & Deploy Data Analytic Pipelines
Home
GUIでSQL文を自動生成、データ分析サービス「nehan」向けに「SQLビルダー」機能を提供開始
https://jp.techcrunch.com/2019/10/05/2019-10-04-alteryx-acquires-machine-learning-startup-feature-labs/
Cloudera Machine Learning Tool | Cloudera
The DataOps Enterprise Software Industry, 2020
Accueil
Cloudera Data Science Workbench Overview | 1.8.1 | Cloudera Documentation