はじめに こちら の AWS サービス一覧をもとに各クラウドで対応するサービスを記載しています AWS では提供されていないが、Azure/Google Cloud では提供されているサービスが漏れている場合があります 主観が含まれたり、サービス内容が厳密に一致していない場合もあると思いますが、ご容赦ください 物理的なデバイスや SDK などのツール群は記載していません Analytics AWS Azure GCP
文章の校正チェックを自動で行うVisual Studio Codeの拡張機能「テキスト校正くん」を弊社からリリースしました。無料で利用できます。 テキスト校正くん – Visual Studio Marketplace 短い文章であれば目視でもチェックできますが、長文になるとチェックに時間がかかり見落としも多くなってしまいます。また、いくら内容のいい文章を書いても誤字や脱字が多く体裁が整っていないと、印象が悪く読みづらい文章になってしまいます。 そんなとき、「テキスト校正くん」を利用することで、文章チェックの手間を軽減でき、文章の品質を高めることができます。 ▲VS Codeの拡張機能「テキスト校正くん」 「テキスト校正くん」でできること この拡張機能は、VS CodeでテキストファイルやMarkdownファイル等の日本語の文章をチェックします。編集時に自動で校正のチェックを行い、エディタ
先日は住所の件でお楽しみでしたね。 私も楽しくなってしょうもないツイートをしたところ、@masanorkさんから有用な情報をいただいてしまいました。 異体字に加えて外字も根深いですし、日付型に収まらない住基の生年月日とか、屋号を含んだ個人事業主の口座名義とか、外国人氏名における住民登録のアルファベットと口座名義のカタカナとの解離とか、旧姓併記の例外処理とか、文字列型に刻まれたバッドノウハウの塊ですね https://t.co/GOaytijfst — Masanori Kusunoki / 楠 正憲 (@masanork) June 6, 2023 このとき、私はごく簡単な「名寄せの難しさ」の社内研修資料を作っている最中だったのですが、この情報が大変参考になりました。 一方、私だけが得をしているのがなんとなくムズムズしてきたので、ここにアウトプットしてスッキリしようと思います。 なお、住所
しばらく前にこんな記事が出ていたのをお見かけしました。 明らかにこれは僕が某所(笑)で適当に放言したことがきっかけで巻き起こった議論の一旦なのではないかと思うのですが、個人的にはこちらの@yohei_kikutaさんの仰る通りで大体良いのではないかと考えております。 なのですが、言い出しっぺらしき身としてはもうちょっと何か具体的な話を書いた方が良いのかな?とも思いましたので、常々公言しているように数学が大の苦手な身ながらどの分野のどのレベルの数学が機械学習をやっていく上で必要なのかという点について戯言だらけの駄文を書いてみることにします。 深層学習 (機械学習プロフェッショナルシリーズ) 作者: 岡谷貴之出版社/メーカー: 講談社発売日: 2015/04/08メディア: 単行本(ソフトカバー)この商品を含むブログ (13件) を見るちなみに、以下に並べる戯言は深層学習青本から得られた知識を
キットが販売されているのでチャレンジしやすい近頃では、ホームセンターに電気機器を製作するための道具がそろっています。そのため、DIY感覚で電気製品の自作を始めるのは難しくありません。「回路図や図面が読めなければ電気製品なんて作れない」と思う人もいるでしょう。たしかに、電気製品にはさまざまな部品が使わ…
Please join the Graphviz forum to ask questions and discuss Graphviz. What is Graphviz? Graphviz is open source graph visualization software. Graph visualization is a way of representing structural information as diagrams of abstract graphs and networks. It has important applications in networking, bioinformatics, software engineering, database and web design, machine learning, and in visual inter
こんにちは! 日本語のウェブサイトを作っていると、日本語特有の問題にぶちあたることがありますよね。 その中でも今回着目したいのは、日本語改行問題。最近、この問題を解決するためのライブラリを公開したので、紹介します。 github.com そもそも日本語改行問題とは何か ウェブブラウザで日本語で書かれたウェブサイトを見ていると、ときどき文章が変なところで改行されているのを目にすることがありますよね。 たとえば、こんなかんじ。 「ソリューション」が「ソリューショ」と「ン」に分かれてしまっています。読みにくいですね。 英語では単語がスペースによって区切られますが、日本語や中国語などのアジア圏の言語では単語がスペースで区切られないことが多いです。 そのため、英語では単語の途中で改行されることは通常ありませんが、日本語では単語の途中で改行されることがよくあります。 本文ならともかく、見出しやキャッチ
Googleブック検索やAmazonのなか見!検索など、書籍の中身をインターネット上で検索できるサービスが始まっている。6月には著作権法が改正され、国立国会図書館が図書館内の資料をデジタル化できるようになった。今後はこのデジタル化した書籍をインターネットを通じて誰でも利用できるようにする考えだ。 このように書籍のデジタル化が進む状況に、作家や出版社はどのように対応していくべきなのだろうか。インターネットなどの学術利用をテーマにしたサイト「ACADEMIC RESOURCE GUIDE」が8月17日、「この先にある本のかたち−我々が描く本の未来のビジョンとスキーム」と題したイベントを開催。国立国会図書館長の長尾真氏、慶應義塾大学大学院 政策・メディア研究科 准教授の金正勲氏、ITジャーナリストの津田大介氏、データセクション取締役会長兼CIOの橋本大也氏が議論した。 長尾氏はまず、著作権法の改
OpenAIの公式ページに、ChatGPTに使われているモデルである「GPT」を使う上でのベストプラクティスが公開されていました! そこで、ここでは、そのベストプラクティス集を参考に、ChatGPTからより良い結果を得る方法を解説していきます! 原文を読みたい方はこちらの記事をご覧ください! 以下の記事では、おすすめのChatGPTのプラグインを紹介しているので、こちらもぜひご覧ください。 1.明確な指示を出す ChatGPTは非常に優れたAIですが、さすがに私たちの考えを読み取ることはできません。 したがって、ChatGPTから希望する回答を得るためには、私たちの考えを詳細に伝えるために明確な指示を出すことが大切です。 OpenAIは、この「明確な指示」を出すための具体的なアドバイスを以下の6つのポイントで紹介しています。 詳細な説明をする ペルソナを設定する デリミター(区切り記号)を
TensorFlowで株価予想シリーズ 0 - Google のサンプルコードを動かしてみる 1 - 終値が始値よりも高くなるかで判定してみる 2 - 日経平均225銘柄の株価予想正解率ランキング〜 3 - 日本3506銘柄の株価予想ランキング 4 - 実際に売買したら儲かるのかシミュレーションしてみる 5 - 大きく上がると予想されたときだけ買ってみるシミュレーション 6 - 学習データの項目を増やす!隠れ層のサイズも増やす! 7 - 株価が何%上昇すると予測したら買えばいいのか? 8 - どの銘柄を買うか 9 - 年利6.79% 前置き 猫も杓子もディープラーニングディープラーニング。なにそれ美味いの? って感じだけど、 2015年末に Google が書いた 「Machine Learning with Financial Time Series Data on Google Clo
Joy Watson Taniguchi @JoyTaniguchi 🇺🇸🇯🇵 Sociolinguist. Endangered Languages and Dialects. Shizuoka Institute of Science and Technology. 社会言語学/危機言語・方言 Yokohama DeNA Baystars. Posts are my own. joytaniguchi.com Joy Watson Taniguchi @JoyTaniguchi この論文、おもしろい! アルツハイマーになった英作家の文章がどのように変化していくのかを定量的に示したもの。語彙の多様性や文章の複雑性が減少するのは予想できそうだけど、他にもさまざまな特徴が、しかも40代からそれは始まっている、と。academic.oup.com/dsh/article/26… リンク
最近、人に本を薦める事が多くなった。とりあえずこの辺を読むといいですよ的なリストを作っておくと便利だと思ったので作ることにした。 以下、「事前知識のいらない入門本」「事前知識はいらないけど本格的な本」「事前知識がないと何言ってるかわからないけど有益な情報が満載な本」の3つにわけて列挙する。 事前知識のいらない入門本 数式少なめ、脳負荷の小さめな本をいくつか。何をやるにしてもデータ構造、アルゴリズム、数学はやっておくと幸せになれるよ。 情報検索と言語処理 データマイニングとか自然言語処理とかやりたい人にはとりあえずこれ。さすがに古い話が多くなってきたのでそろそろ新しい入門用情報検索本がでないかなあと思っている。 図解・ベイズ統計「超」入門 伝説のベイジアン先生がベイズの基礎を教えてくれる本。ベイズやりたい人はこれ。 珠玉のプログラミング データ構造とかアルゴリズムとかの考え方の基礎を教えてく
「Rによる統計解析」 オーム社 刊 サポートページ 目次 第1章 Rを使ってみる 第2章 データの取り扱い方 第3章 一変量統計 第4章 二変量統計 第5章 検定と推定 第6章 多変量解析 第7章 統合化された関数を利用する 第8章 データ分析の例 付録A Rの解説 付録B Rの参考図書など はじめに R とは何か,何ができるかのリンク集(日本のもののみ) R を使うためにはどうしたらいいの? データなどの読み書き R の定石(R に限らずプログラミングの定石も) R を使って実際に統計解析をする AtoZ 一連の流れ データファイルの準備をする 分析してみる 分析結果を LaTeX で処理したり,ワープロに貼り込んだりする 道具立て 連続変数データをカテゴリーデータに変換 カテゴリーデータの再カテゴリー化 度数分布表と度数分布図の作成 散布図・箱髭図の描画 クロス集計(独立性の検定,フィ
こんにちは。久々の投稿です。 僕のTwitterをフォローしてくれている方はご存知かと思いますが、4月から機械学習エンジニア/データサイエンティスト(見習い)として働く事が決まりました。 今日六本木の某社から正式に内定を頂きましたが、間違いなくTwitterのおかげでありTwitterこそ就活の全てであると確信した次第でございます— マスタケ (@MATHETAKE) 2017年2月23日 良い区切りですので今回はタイトルの通り、ただの純粋数学の学生だった僕がデータサイエンスの勉強を何故/どのようにしてきたのか、についての思い出せる範囲で書こうと思います。 Disclaimer: この記事は基本的に、"What I did" に関する記事であって決して "What you should do" についての記事ではありません。そんな勉強方法おかしいとか、こうすべきだ、みたいなマサカリは一切受
Language Exchange SNS Lang-8Find language exchange partners from more than 100 countries. Write Journals in the language you are studying. Native speakers correct your entries.
概要 Sakana AIは進化や集合知などの自然界の原理を応用して基盤モデルを開発することを目指しています。私達の目標は、モデルを自ら訓練し開発することだけではありません。基盤モデルの開発を効率化、高度化、自動化するための新たな手法を生み出すことに挑戦しています。この目標に向けた第一歩として、私たちはプレプリント「Evolutionary Optimization of Model Merging Recipes (モデルマージの進化的最適化)」を公開しました。 このリリースの要点は以下の通りです。 進化的モデルマージという手法を提案します。これは、多様な能力を持つ幅広いオープンソースモデルを融合(マージ)して新たな基盤モデルを構築するための方法を、進化的アルゴリズムを用いて発見する手法です。私たちの手法は、ユーザーが指定した能力に長けた新しい基盤モデルを自動的に作成することができます。既
学生の皆さんへ 2023年5月11日 学長 樺山祐和 現在、ChatGPTをはじめとした生成系人工知能(生成AI)についての議論が高まっています。そして、今後ますます技術が進み、また社会にも深く広く浸透していくことが予想されます。 美術大学としてはよりよい「学び」を得てもらうべく、こうした新技術を柔軟に活用し、また危惧される側面にも十分に配慮し、制作や研究に真摯に向き合ってもらいたいと期待しています。このメッセージでは、以下の6点を軸に、生成AIをめぐる現状と課題について大学としての見解を記述します。 身近なツールとなってきた生成AIを、まずは自分の目で確かめてみよう。 生成AIの問題や可能性についてより深く考えていこう。 個人情報や機密情報、また悪意のある内容の入力は絶対にしてはいけません。 レポートや論文に、生成AIの回答をそのまま用いて提出することを禁止します。 生成AIを引用すると
最近、英語ライティング校正アプリが色々リリースされています。おそらく最も有名なのがGinger(ジンジャー)です。 以前面白そうだと思って有料版を試したものの、予想を下回るしょぼさにがっかりしたことがあります。解約を忘れたので追加一ヶ月分の課金もされました。トホホ。 んで、今回発見したのがGrammarly(グラマリー)。こちらも英語ライティングの文法やスペルミス等を修正してくれるソフトだそうです。ということで、早速自腹で有料版を試してみました。 *Grammarlyの基本的な使い方 Grammarlyが類似ソフトGingerと異なる最大の点が、文章校正をする場所です。Gingerはブラウザにインストールするエクステンション内に英文をコピペし、そこで校正をします。はっきり言って小さくて使いづらい。英文の識別も遅いし。 ところがGrammarlyの場合、文章校正はすべてサイト内で行います。イ
昨年は論文の書き方(→論文の道具箱)や小説の書き方(→創作の道具箱)を取り上げたが、今日は両者を包含する話題を取り上げてみたい。 日本語の文は4つの層からなる あのー、どうやら今雪が降っているみたいですね という文は、次のような4層(レイヤー)が重なったものである※。 ○命題の層(レイヤー)……「雪が降っ」(雪が降る) 文の内容の核になる部分。 ここでは〈雪が降る〉という事態を示している。 ○現象の層(レイヤー)……「今___ている」 命題として表された事態の現れ方を示す部分で、命題の層を包むようにその外側に現れる。 事態が、時間的/空間的にどう現れるかを示したり、また肯定/否定的にどう現れるか(命題の事態が存在・現象するのか、しないのか)を示す層である。 つまり言葉と言語外の現実とが、どのような関係にあるかを示す層であるといえる。 ここでは命題として捉えられた事態(雪が降る)が、時間的に
OpenAIは2月15日(現地時間)、テキストから最大1分間の動画を生成できる動画生成AIモデル「Sora」を大量のデモ動画と共に発表した。複数のキャラクター、特定の種類の動き、被写体と背景の正確な詳細を含む複雑なシーンを生成することができるという。 プロンプトから破綻のない動画を生成 Introducing Sora, our text-to-video model. Sora can create videos of up to 60 seconds featuring highly detailed scenes, complex camera motion, and multiple characters with vibrant emotions. https://t.co/7j2JN27M3W Prompt: “Beautiful, snowy… pic.twitter.com
Preferred Networksは4月10日、自社で開発するオープンソースの深層学習フレームワーク「Chainer」に関する日本語の学習サイト「ディープラーニング入門:Chainer チュートリアル」を無償公開した。機械学習を勉強するために必要な数学や統計学、プログラミング言語Pythonなどを基礎から学べるという。 機械学習やディープラーニング(深層学習)の仕組みや使い方を理解したい大学生や社会人向けのオンライン教材を公開。大学の授業、企業の研修、商用セミナーなどで誰でも無料で使用できる。 サイト内では機械学習やディープラーニングの基礎的な理論を始め、Pythonの使い方や、NumPy、scikit-learn、Pandasなどのライブラリを用いた実装の他、微分、線形代数、確率・統計なども学べる。 Chainer チュートリアルでは、ブラウザ上でPythonのコードを実行できるGoo
※実際記事で紹介する書籍は12冊ですが、メンバーが借りてオフィスになかったため、上記画像内に3冊ないものがあります。 はじめに AI Academyを開発・運営しています、株式会社エーアイアカデミー代表の谷です。 6ヶ月ほど前に書いた下記記事は約1200のいいねと7万viewsを超える記事になりました。 【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法 お読み頂いた方々、またいいねして頂いた方々ありがとうございました! あれから6ヶ月ほど経ちまして、さらにPythonや機械学習の書籍が増えて参りましたので、改めて初心者向けにPythonと機械学習の良書12選を紹介し、初学者が独学でも機械学習プログラミングの基礎スキルUPに貢献できたらと思います。 また、AIプログラミングを作りながら学べるプログラミング学習サービスAI Academyを無料でご利用頂けますので
全3回のシリーズパート2の本記事では、GPTの能力と可能性をAttention/Transformerの仕組みをふまえて考察します。 というつもりでしたが、凄く長くなってしまったのでパート2は以下の3回に分けようと思います。 (2.1)各技術の定性的な説明(本記事) (2.2)Transformerのアルゴリズム詳細 (2.3)GPTの能力と可能性について 2.1 各技術の定性的な説明 自然言語の構造を考えてみる まず我々が使う言語についてちょっと振り返るところから話を始めましょう。 文や文章は、おおもとのデータである文字から始まって、単語、文節、句、節、文、文章、さらにその上の意味、という風に階層的な構造を持っていると我々は概念的に認識してますよね。 構文の階層 そして、各階層や階層間には、文法や語法といった言葉のルールがあります。 深層学習はその名の通り、層を深くしたニューラルネットワ
AI講座をYouTubeで無料公開AI研究・活用の最前線で活躍する3名の講師の講座を、完全無料で公開 資格試験において高い合格率を実現する通信講座を提供する株式会社フォーサイト(東京都文京区/代表取締役社長:山田 浩司)は、2018年12月26日(水)にAI・自然言語処理・機械学習について学べるWeb動画19本(合計約3時間26分)をYouTubeで無料公開します。 フォーサイトYouTubeチャンネル内・再生リスト https://goo.gl/F17nWo 【本件のポイント】 明治大学の高木教授をはじめとしたAIの第一人者の講座を、完全無料で公開します。 専門知識がなくても分かりやすいよう解説しているので、非エンジニア、文系の方にもおススメ。 海外発信の無料Web動画は多くあるが、日本語でAIの概要を学べる無料動画は少ない。 ■フォーサイトAI講座の概要 全3講座、合計約206分(3時
子への苛立ちは断ち切れるか?――母が子を正論で追い込む 2014年08月01日12:00 カテゴリコラム Tweet 「もういいよっ、どうせ聞く気ないんでしょ、何度言ったって無駄なんだから! もう勝手にしなよ! だいたいいつもさ……そもそも自分の事に責任持ちなよ……」 あぁ、今日は朝からやってしまった。 これが母から子への苛立ちに満ちた言葉のスタートだ。そして理詰めの追及が延々と続く。 ■母が子を正論で追い込む 子どもを大人が正論で追い込むのは実に簡単だ。圧倒的に大人が強い。 正論は人を追い込みすぎること、時に現実的でないことを知っているから、通常の人間関係でそれを振りかざさないよう、結構気をつける。でも、子ども相手にこれが止まらない。 自分の満足行くところまで徹底的に言葉で追い込み、子どもが理解できる範囲はとっくに超え何の効果も生まない……母親自身、こんなアプローチが最悪なのは100%自
Peter Norvig / 青木靖 訳 先週、2人の友人(ディーンとビル)がそれぞれ別個にGoogleが極めて早く正確にスペル修正できるのには驚くばかりだと私に言った。たとえば speling のような語でGoogleを検索すると、0.1秒くらいで答えが返ってきて、もしかして: spelling じゃないかと言ってくる(YahooやMicrosoftのものにも同様の機能がある)。ディーンとビルが高い実績を持ったエンジニアであり数学者であることを思えば、スペル修正のような統計的言語処理についてもっと知っていて良さそうなものなのにと私は驚いた。しかし彼らは知らなかった。よく考えてみれば、 別に彼らが知っているべき理由はないのだった。 間違っていたのは彼らの知識ではなく、私の仮定の方だ。 このことについてちゃんとした説明を書いておけば、彼らばかりでなく多くの人に有益かもしれない。Googleの
Wikipedia からスクレイピングして… とか言ってる人におすすめしたい,DBPedia からの情報抽出rdfスクレイピングWikipediaSPARQLdbpedia みなさん DBPedia をご存知でしょうか.DBPedia とは,Wikipedia から構造化データ (RDF) として情報を抽出するものです.DBPedia では Linked Data として情報が体系化されているので,Wikipedia 内の必要な情報を,非常に簡単に抽出することができます. 「◯◯ の情報を Wikipedia からスクレイピングして取ってきて…」みたいな話をよく耳にし,そんなのスクレイピングしなくても DBPedia 使えば一瞬なのに… と感じることが最近多々あるので,DBPedia の普及もかねて簡単にまとめてみることにしました.DBPedia なんて初めて聞いたという方は,ぜひチェック
自分は、ぐるぐる思考をしてしまう。 ストレスを受け流せる人、受け流せない人 - 黒猫のひとりごと 止めたくてしょうがないこのぐるぐる思考。 実際に自分がやっているこのぐるぐる思考を止める方法を書く。 あくまで、一時的に止める方法であり、根本的な解決は認知治療など別の手段を使う方がよい。 結論からいうと、気にしてもしょうがないため、違う思考をする。 しかし、そんなこといっても止められないという人(自分)もいるので、具体的にやっている方法を書く。 自分は、ぐるぐる思考を止めるに、以下の3ステップを踏んでいる。 1.思考のクセを知る 2.気づき 3.コーピング 「1.思考のクセを知る」は、最初に実施するだけ。実際にぐるぐる思考が起ったら、「2.気づき」「3.コーピング」を実施する。 1.思考のクセを知る まずは、自分の思考のクセを知るために、自分の思考を振り返る。 例えば、納期が短い仕事を受けて
という予感がしたので書く。正確に言うと機械学習の成果としての訓練モデルを。 まず事前に前置きしておくと、僕は機械学習をほとんど抑えていない。トレンドだけ追ってる。 大学生の時にニューラルネットワークを実装してみてフ~ンって言ってた程度に知識しかなくて、ディープラーニングが流行る前だから、「バックプロパゲーションってややこしかったけど、今は自動でモデルの最適化いい感じにやってくれるんでしょ?」ぐらいの雑な理解しかない。(この時点で怪しい) で、今はフロントエンドやってて、ここは機械学習は縁遠いように思えるかもしれないだろうけど、最近のGoogleはなんとブラウザで tensorflow を動かすのに情熱を注いでいる。 で、こんなのが Hacker News で流れてきた。 medium.com とりあえず試した。デモをそのままデプロイした。 PoseNet - Camera Feed Dem
tatamilab.jp
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