ローカルで機械学習モデル（データ作成から学習・推論まで）が5分で出来てしまう、Lobeが凄すぎる | DevelopersIO
1 はじめに CX事業本部の平内（SIN）です。 Lobeは、Microsoftによって無料で公開されている機械学習ツール（アプリ）です。Windows及び、Macで利用でき、学習から推論まで全てローカルで実行するようになっています。 https://lobe.ai/ ローカルで簡単に機械学習のモデルが作成できるという事で、早速やってみました。 アヒルとトマト羊を分類するモデルが、データ作成から学習、推論まで、5分程度で出来てしまいました。動画は、作成したモデルで推論している様子です。 2 テンプレート 現在、ベータ版ということで、「イメージ分類」だけとなってますが、Object DetectionとData ClassficationがCOMING SOONとなっていました。 3 作業環境 Macにも対応しているとの事ですが、私の手元では、Windowsの方が安定して利用できたので、今回
ディープラーニングに向くのは「100点を取らなくていい現場」 東大・松尾研発のVC代表が語る“AIの狙い目”（1/2 ページ） 「ディープラーニングに向いているのは、100点を取らなくていい現場。大事だけれどクリティカルじゃない領域がいいんです」――こう話すのは、東京大学・松尾豊研究室発のベンチャーキャピタル・Deep30代表の田添聡士さんだ。Deep30は、ディープラーニング技術を開発・提供する企業に特化して投資するファンド。調理ロボットを開発するコネクテッドロボティクスや、「GAN」（Generative Adversarial Network：敵対的生成ネットワーク）で架空のアイドルの顔画像を自動生成する技術を開発したデータグリッドなどに投資している。 さまざまなベンチャーに投資する中で、ディープラーニングでビジネスインパクトが出せそうな領域が分かってきたという。ベンチャーキャピタル
ジェームズ・W・ヤング【著】たった60分で思考が変わる『アイデアのつくり方』"書評&要約” - こひー書店(cohii book store)
アイデアとは既存の要素の新しい組み合わせである 著者は「アイデア作成の基本的原理」としてこのように述べています。 今まで世の中にまったく存在しなかった新しいアイデアやサービス、商品などを生み出すにはクリエイティビティ（創造性）が必要だと考えられることが多いのではないでしょうか。しかし、このヤングの考えを踏まえると、世の中に完璧にオリジナルなものは存在しないということになります。 どんなに新しいと思われるものでも、いくつかのものを組み合わせてできあがっています。 歴史に残る多くの新しい商品でも、これまでにあったいくつかのもの・アイデアの効果的な組み合わせから生まれたものです。 つまり、アイデアとは、先人から受け継いだ知の資産の融合なのです。 はじめに パレートの学説 既存の要素を組み合わせること アイデア作成の一般的原理 アイデア精製の順序 第１段階 資料集め 第２段階 試行錯誤 第３段階
バランスト・グロース・コンサルティング株式会社が監訳したアーノルド・ミンデルの名著『対立の炎にとどまる』の出版記念イベントが開催されました。翻訳を務めた西田徹氏より、アーノルド・ミンデルによって創り出された心理学「プロセスワーク」をビジネスに活用する方法について解説されました。本記事では、「戦略」が実行されない理由について、IBMをV字回復させたルイス・ガースナー氏の例で解説しました。 戦略が実行されない理由は、組織戦略と組織が一致していないから 西田徹氏：続きまして、戦略が実行されない理由の2番は「組織戦略と組織（特にソフトな部分）が一致していない」。これは3つの「コペルニクス的転回」の「組織ファースト」の話と密接に関連しています。 我々バランスト・グロースが非常に重視するモデルに「コングルーエンスモデル」というものがあります。デービッド・A・ナドラーとマイケル・L・タッシュマンが開発し
｢させていただく｣連呼する人が知らない便利表現
コンテンツブロックが有効であることを検知しました。 このサイトを利用するには、コンテンツブロック機能（広告ブロック機能を持つ拡張機能等）を無効にしてページを再読み込みしてください。 ✕
PyTorch vs. TensorFlow、ディープラーニングフレームワークはどっちを使うべきか問題【2021年】
連載目次 昨年10月、同タイトルの記事を公開して好評だった。今回は、2021年に向けた、そのアップデート記事となる。 ディープラーニング（深層学習）を実装する場合、専用のライブラリ／フレームワークを用いるのが一般的だ。ディープラーニングが流行してから直近5年ほどの間に、次々と新しいフレームワークが登場した。現在、主要なものを挙げると、 TensorFlow： 2015年登場、Google製。一番有名で、特に産業界で人気 Keras： 2015年登場、作者がGoogle社員。使いやすくて簡単。TensorFlow 2に同梱され標準API化 PyTorch： 2016年登場、Facebook製。この中では新興だが、特に研究分野で人気急上昇中 Chainer： 2015年登場、日本のPreferred Networks製。2019年12月に開発を終了し、PyTorchへの移行が推奨されている な
時系列予測のベストプラクティスを共有するGitHubリポジトリを開設、Microsoft：PythonやR向け Microsoftは、時系列予測のベストプラクティスを共有するためのGitHubリポジトリを開設した。PythonやRを使っている開発者に向けたものだ。 Microsoftの「R」コミュニティー向けブログサイト「Revolutions」は、2020年4月14日（米国時間）、時系列予測のベストプラクティスを共有するためのGitHubリポジトリ「Time Series Forecasting Best Practices & Examples」を開設したと発表した。 Microsoftはこのリポジトリについて、README.mdで次のように説明している。 「時系列予測は、データサイエンスで最も重要なトピックの一つだ。的確な意思決定と効果的な資源配分を行うために、ほぼ全ての企業には未来
仕事が楽しくない。 本当にこのままでいいのだろうか。 20代のころの私は、そんな悶々とした気持ちを抱えていました。 私は新卒で経産省に就職し、その後コンサル会社のA.T.カーニーを経て、ドリームインキュベータに入社。今は社長を務めています。 新人の頃は「仕事が楽しい」なんてまったく思っていませんでした。 就職と同時に、自由を失うような感じがしたのです。精神的にも、時間的にも、経済的にも、組織に縛られてしまう。「もうどこにもいけないんじゃないか」という気すらしました。 「これが本当に自分のやりたいことなのか？」という悩みも、ずっとありました。 しかし試行錯誤を重ねるうちに、あるときからは「仕事って楽しいな」と思えるようになりました。組織に属しながら、自分のやりたいことも実現できるようになっていきました。 そしていつしか、大きな価値を生み出せるようになっていたのです。 それは仕事への向き合い方
使える統計モデル10選（後編） 前回の記事では、使える統計モデル10選の前編として、主に回帰モデルに焦点を絞って紹介しました。 今回はその後編に当たる生成モデル編です。生成モデル（generative model）は、端的に言うと、コンピュータシミュレーションによりデータを人工的に作ることができるモデルです。データが作られる過程をうまく表現したモデルを構築することができれば、予測だけではなく異常検知やデータ圧縮など幅広いタスクに応用することができます。 生成系（教師なし系） 回帰モデルと同様、生成モデルも数個のパラメータから構成される簡単なものから、複数のモデルを巧みに組み合わせた複雑なものまで無限に存在します。ここでは、データ圧縮から自然言語処理、ソーシャルネット解析までさまざまなデータ解析のタスクで利用されている代表的な生成モデルを5つ選んで紹介します。また、生成モデルのすべては潜在変
つながりをデータから解き明かしたい ~ 複雑ネットワークの世界とそれを活用した不正検知の紹介 | メルカリエンジニアリング
この記事は、Merpay Tech Openness Month 2020 の17日目の記事です。こんにちは。メルペイのMachine Learningチームのhmjです。 検知精度とオペレーション負荷のトレードオフ解消 取引の連続性に着目した検知 と不正決済の検知への機械学習の適用の内容にて投稿してきました．今回は「集団的な不正の検知」がテーマとなります． 昨今，Web不正検知やセキュリティに関わるでもECサイトでの集団による不正の手口は多様化や複雑化してきていることが報告されています[1]． メルペイでも，今後起こり得る集団的な不正決済への対策を講じる必要があると考えています． 集団的な不正は検知できたとしてもその全体像がみえにくいこともあり，ソリューションとしては「検知できること」と「すばやく全体像を把握できる」を満たすものが求められています． 両者を満たす解決方法として，グラフ理論
自然な対話で商品検索！OpenAI と全文検索エンジンで対話型ゆるふわ検索 AI アシスタントを作ってみた | DevelopersIO
自然な対話で商品検索！OpenAI と全文検索エンジンで対話型ゆるふわ検索 AI アシスタントを作ってみた ChatGPT(GPT-4)を対話のインタフェースに利用し、検索は自社で持つ商品 DB(OpenSearch)を組み合わせることで、店員さんと対話で商品を絞り込む体験を提供する商品検索AIアシスタントを作成したプロジェクトの結果報告です。 こんにちは。CX 事業本部 Delivery 部のきんじょーです。 突然ですが皆さん、 ECサイトと実店舗での商品購入をどのように使い分けていますか？ 私は欲しいものが決まっている場合、もっぱら Amazon を利用しています。 一方で、家具・家電や洋服など、詳しい店員さんに相談したい場合は実店舗に足を運ぶことが多いです。 両者の違いは何でしょうか？ 自分の中に具体的な欲しいものが見えている場合、EC サイトでキーワードを入力して検索し、欲しい商品
困難だった“食べ歩き用プリン”開発 ChatGPTに解決を託した、とある乳製品メーカーの話 【プロンプト実例付き】
困難だった“食べ歩き用プリン”開発 ChatGPTに解決を託した、とある乳製品メーカーの話 【プロンプト実例付き】（1/2 ページ） AIチャット「ChatGPT」と一緒に、“食べ歩き用プリン”を開発した──乳製品メーカーの山村乳業は、そんな発表をした。一体どのようにChatGPTを活用したのか、話を聞いた AIチャット「ChatGPT」と一緒に、“食べ歩き用プリン”を開発した──乳製品メーカーの山村乳業（三重県伊勢市）は10月30日、そんな発表をした。「山村ぷりんバー」と呼ばれるこの商品は、まるで棒付きアイスのような見た目だが、中身は正真正銘のプリン。「ただ棒を刺しただけでは？」と思うかもしれないが、その開発は困難であったという。
キユーピーが、製造ラインで働く従業員のシフト最適化に量子コンピュータなどを活用した解析サービスを採用した。サービス開発元のグルーヴノーツ（福岡市）が10月9日に発表した。 キユーピーは、惣菜工場の従業員のシフト作成にグルーヴノーツの解析サービス「MAGELLAN BLOCKS」（マゼランブロックス）を活用。グルーヴノーツとともに実証実験を行ったところ、熟練のシフト作成者が30分かけて作成したシフト表と比べても遜色ない結果を、1秒で示せたという。 マゼランブロックスは、量子アニーリング方式の量子コンピュータやAIなどを使って、いわゆる「組合せ最適化問題」を解けるとするサービス。量子コンピュータにはカナダD-Wave Systemsの量子アニーリングマシンを採用している。 2社は今後、製造ラインに人とロボットが混在する際の最適なシフト作成や製造順序の最適化に向けた取り組みを進め、今後見込まれる
ZOZOテクノロジーズ、日本全国から就業可能な 「全国在宅勤務制度」を導入 ～ 全国から新たに30名のエンジニアを募集。場所にとらわれない令和の働き方を推進 〜 - ニュース - 株式会社ZOZOテクノロジーズ
株式会社ZOZOテクノロジーズ(本社：東京都渋谷区 代表取締役社長：久保田竜弥、代表取締役CINO：金山裕樹)は、日本全国どこに居住していても就業可能な「全国在宅勤務制度」を導入いたします。また、本制度導入にともない、新たに30名のエンジニア・デザイナーを募集します。 導入の背景 当社では、2019年8月よりテレワーク・フルフレックスタイム制度を導入しており、会議や採用面接をはじめとする全てのコミュニケーションのオンライン化を推進してまいりました。しかし、有事の際に出社できる範囲に居住する必要があり、オフィス所在地から遠方に居住する方に働く機会を提供できずにいました。 2020年より新型コロナウィルス感染症（COVID-19）が拡大し、全スタッフが原則在宅勤務となる中、コミュニケーションをより効率化し、出社をしなくても高いパフォーマンスが発揮できる環境の整備を行いました。本制度の導入により
2021/12/10に開催された TechMarketing Conference 2021 # データマネジメント #techmar での講演資料です。 https://techxmarketing.connpass.com/event/229173/ Read less
１ヶ月で300万MAU！当初の開発は１人！ マスクの通販最安値サイト「在庫速報.com」の開発秘話を最速インタビュー！
１ヶ月で300万MAU！当初の開発は１人！ マスクの通販最安値サイト「在庫速報.com」の開発秘話を最速インタビュー！
問題設定 有意差検定 交絡因子の存在 線形重回帰によるモデル化 回帰係数の推定 回帰係数の仮説検定 補足など 残差の分布について 他の交絡因子について データの生成方法について 参考文献 @tkanayama_です。最近「計量経済学*1」と「効果検証入門 *2」を読んだので、せっかくなので実際に手を動かすことによって理解の整理をしたいと思いました。 www.yuhikaku.co.jp gihyo.jp そこで今回は、人工データを用いて「ボールの性能と捕獲確率」の関係性を効果検証してみました（人工データの生成方法は記事の末尾に記述しました）。 問題設定 今は昔、モンスターボールしか存在せず、スーパーボールが世の中で出回り始めたばかりの頃、オーキド博士が「スーパーボールは本当にモンスターボールより捕まえやすいのか？」という仮説を検証しようとしています。 そこでオーキド博士は世界中のトレーナー
ソニー生命、170億円横領社員が全額突っ込んだビットコインを換金して取り戻した結果223億円（横領前比+53億円）の爆益 : 市況かぶ全力２階建
読売テレビ、自称化学者の村木風海さんをテレビ出演させて「大学教授5人から研究成果を持っていかれそうになった」との主張をそのまま垂れ流してしまう
Slackに慣れてない人は、流れが速すぎてメンションされていても見落としてしまう...という悩みがあると聞いた。そこで、Slackの内容を見落とさないために工夫できることを雑にまとめておくことにする。適当に書いていくので、自分にマッチしそうだと思ったら使ってみるといいかもしれない。 あまり見てないチャネルから抜ける いつの間にか参加しているチャネルが増えがち。チャネルが増えると未読が増えて、次第に未読を気にしなくなってしまう。このチャネル見てないし見てなくても実は問題ないなと思ったらエイヤとLeaveしてみるとよい。自分は定期的に10個くらい抜けたりする。 Mute機能で未読を無視するという手もあるけど、個人的には無視するくらいなら見なくていいはずなので抜けた方がいいと思っている。 スターを使う いわゆるお気に入り的なやつ。 スターをつけておくと、右上のスターボタンから一覧で確認できる。
概要 Pythonを利用した機械学習の環境構築に有用なAnacondaというソフトがあります。このソフトはリポジトリに含まれるバイナリが高速（環境によっては2倍以上）、インタプリタの切り替え、パッケージ管理が楽などの利点を持っています。 このソフトについて2020年4月30日に発表があり、リポジトリ商用利用時の費用の条件が変更され、環境によっては有償となっていましたので内容をまとめます。 正確な情報は公式サイト（利用規約、2020年4月30日の発表）参照 Miniconda + conda forge の運用であれば公式リポジトリに関する商用利用規約変更の影響は受けないようです（公式記事ではなくRedditでのAnaconda CEO によるコメント）。 conda-forge が既定の miniforge というパッケージが作成中のようです（安定性等は不明）。 記載間違いなどご指摘いただ
謎の実力派データ分析集団・ホクソエムに「データが扱えるマーケター」になるためのキャリア論を聞く | ［マナミナ］まなべるみんなのデータマーケティング・マガジン
―今日は株式会社ホクソエムのお二人とヴァリューズの輿石さんに、データアナリストのキャリア論についてお聞きしていきたいのですが、本題に入る前にまずひとつお尋ねしたいです。なかなか実態の掴みづらいホクソエムという会社は、一体何者なのでしょうか…？（笑） タカヤナギ=サン：それについては牧山さんが会社の歴史をきれいに話してくれるかと。 牧山さん：いや〜話せないですね。もう忘れました（笑）。 タカヤナギ=サン：おっと。では私から簡単に話すと、まずホクソエムは匿名知的集団ホクソエムからはじまり2016年に株式会社となりました。代表取締役は私と牧山の2人。メンバーは計8名で、働き方改革とダイバーシティを体現して全員副業で回してます。 メンバーの特性としては、みんな本業の所属組織で実務をバリバリこなしつつ、博士号を持っているのが8分の3。残り5名も少なくともマスター卒で、データ分析に特化した人が集まるス
トップカンファレンスにおけるデータセットシフトと機械学習 - Ridge-institute R&D Blog
こんにちは，株式会社Ridge-iのリサーチチームの@machinery81です． 今回はNeurIPS2020で発表されたデータセットシフトを扱う機械学習に関連する論文を紹介します． 本記事は，Ridge-i主催の論文読み会で発表した以下の資料に基づいています． TL;DR 機械学習におけるデータセットシフト Covariate Shift Target Shift Concept Shift Domain Shift Sample Selection Bias Taxonomy of NeurIPS2020 papers about Dataset Shift 論文紹介 Rethinking Importance Weighting for Deep Learning under Distribution Shift Importance Weighting for Distribut
約1万人の社員全員が家族友人に自慢できる働きやすさNo.1の環境を作る、LINEの社内ITへの取り組み
LINE株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。 LINEヤフー Tech Blog LINEの技術組織が取り組んでいる・今後取り組む未解決課題を深堀りするインタビューシリーズ「Unresolved Tech Issue」、今回のテーマは「約1万人の社員全員が、家族友人に自慢できる働きやすさNo.1の社内IT環境づくり」です。 国内外を合わせて約1万人が働くLINEには、多種多様な国籍、文化、バックグラウンドの人々が在籍しており、さまざまな部署やプロジェクトで活躍しています。より良い労働環境を実現するために、LINEでは独自システム開発や外部サービス導入するなど積極的に社内ITに力を入れています。一人ひとりが最大限のパフォーマンスを発揮し、サービス競争力を高めることができる環境を目指しています。 社内ITの取り
「”100年後の世界を良くする会社”を増やす」をミッションに掲げるコンサルティング会社 リブ・コンサルティングが、「自社プロダクトがキャズムを超えるためのGPT活用方法」をテーマとしたイベントを開催。今回は、同社シニアコンサルタントの島孝行氏が登壇したセッション「GPTがもたらす影響」の模様をお届けします。ChatGPTの登場で起きた市場環境の変遷や、日本市場におけるGPT活用企業のカオスマップなどが紹介されました。 ChatGPTの登場で起きた市場環境の変遷 司会者：さっそく、弊社リブ・コンサルティングの島から、第2章「GPTがもたらす影響」についてお話ができればと思います。それでは島さん、よろしくお願いします。 島孝行氏（以下、島）：よろしくお願いいたします。私からはGPTの市場環境や、ベンチャー企業さんがどういったかたちでGPTをサービスに使っていけばいいかについて簡潔にお伝えさせて
アクティブに更新され続けている、お勧めの機械学習データセット一覧サイト：AI・機械学習のデータセット辞典 「300個以上のデータセットを紹介している大型サイト」「毎週／毎月のようにアクティブに更新されているサイト」という条件に該当するお勧めのデータセット一覧サイトとして「arXivTimes/DataSets」「Awesome Public Datasets」「UCI Machine Learning Repository」の3つを紹介する。
dbtを活用したデータ基盤の 論理・物理設計の現在地と振り返り / data warehouse logic design by using dbt
ゲセガーガーガーガーガーガーガーガーガー！！ ｵｳ、ｵｳ！（ﾄﾞｭﾝ、ﾄﾞｭﾝ、ﾄﾞｭﾝﾝ）ｵｳ、ｵｳ！ どうもー @fujitako03 です！よろしくおねがいしますー これはBrainpad AdventCalendarの記事です。 今年のM-1、最高に面白かった！今年のM−1グランプリは皆さんご存知の通り、ミルクボーイが歴代最高得点を出しての優勝となりました。私も、コーンフレークのネタは自宅の机を叩きながら今年一番の大笑いをしました。 今年は歌ネタのニューヨークを皮切りに、鼓や扇子を使った漫才のすゑひろがりず、ツッコまないツッコミのぺこぱなど、とにかく漫才の幅が広かったように思います。「面白さ」だけでなく「新しさ」を求められるM-1グランプリは多様な漫才が見られて視聴者としてはとても楽しいのですが、その具体的な違いが何かと問われると、意外と難しいのではないでしょうか。そんなときはデー
タイトルの通り、CausalImpactをPythonで試してみます。 下記本を元にし、RからPythonで書き直し、同様の効果が推定できるか試してみます。 導入 pyが最初につくのに注意します。 pip install pycausalimpact データの作成 statsmodelsのcigarデータを使います。 CausalImpactはデータフレームの一番左をyとし、それ以降が予測に使う変数となるため、その形となるようにpivotと並び替えを行います。 import statsmodels.api as sm df = sm.datasets.get_rdataset('Cigar', 'Ecdat').data #上記本の初期加工を関数化しておく def create_data(df): tmp = df[(df['year']>=70) & (~df['state'].isin
TIS、自然言語処理で企業名認識を行うための辞書「JCLdic」を無償公開企業名のカバレッジ範囲が高い辞書で、自然言語処理など多様なシーンでの活用を目指す TISインテックグループのTIS株式会社（本社：東京都新宿区、代表取締役会長兼社長：桑野 徹、以下：TIS）は、自然言語処理で企業名認識を行うための辞書「JCLdic」（日本会社名辞書）を無償公開し、辞書を生成するコードをオープンソースソフトウェア（OSS）として公開することを発表します。 ・「JCLdic」公開ページ：https://github.com/chakki-works/Japanese-Company-Lexicon （利用は上記のページからダウンロード） 「JCLdic」は800万以上の企業名を収録している企業名辞書です。国税庁が公開している法人情報(2019年12月27日まで)の商号に対して、別名生成手法を適用してTI
Sports Analyst Meetupは、現役スポーツアナリストとスポーツ分析に興味のある方の情報共有イベントです。バスケットボールの選手・コーチとしての経験をもつ藤井慶輔氏が機械学習による攻撃守備戦術の分類についての研究を共有しました。 見てわかるデータしか信用されない現状 藤井慶輔氏：よろしくお願いします。藤井と申します。今回は初参加です。ちょっと雰囲気が掴めてないんですが、よろしくお願いします。タイトルは『バスケットボールの攻撃・守備戦術の自動分類』という話をします。 初参加なのでまず自己紹介から。スポーツ歴は今日お話をするバスケットで、大学時代まで選手をやっていて、大学院の5年間はコーチをやっていました。 大学院時代はこの動画にあるような対人の動作分析を、モーションキャプチャを使ってやっていました。ポスドク時代は、この動画にあるように、体育館で頭と肩に反射マーカーを付けてモーシ
データサイエンスによる日韓のコロナ対策比較｜筆の滑り
振り返りまとめを書きました。まずそちらをご覧ください。 ベイジアンモデリングという手法を使って日本と韓国のコロナ対策の有効性を考えます。 SIRDモデルまず背景にある数学的モデルを説明します。理論的な話に興味のない方は飛ばしてください。 ベースになっているのはよく知られているSIRDモデル（susceptible, infected, recovered and death model)です。これはこのように考えます。S[t]を時点tで未感染の人の数、I[t]を今感染している人の数（アクティブ）、R[t]を回復した人、D[t]を死亡した人の数とします。感染している人は各時点である確率βで未感染の人に病気をうつします。今感染している人はある確率aで回復し、確率dで死亡します。一旦回復すると免疫がついてもう病気にはかからなくなります。これを式にまとめてみましょう。Pは人口です。 新型コロナウイ
以前、『結局、統計モデリングとは何なのか』という記事を書きました。 この記事は、その名の通り、「そもそも」何が統計モデリングで、何が統計モデリングではないのかということを扱った記事です。 今回は、「統計モデリングとは何か」を理解した方に向けて、実際に「統計モデリング力」を鍛えるためにはどうするかを書いていきたいと思います。 この記事の目的と対象者 上記でも述べたようにこの記事の目的は、どのように「統計モデリング力」を鍛えるかを書くことです。 統計学に入門するところから、高度な統計モデルを扱えるようになるまでの勉強法について書いています。 したがって、統計初心者からそれなりに理解している人までの幅広い層が想定読者となります。 ところどころで、プログラム言語で実際に手を動かしながら学ぶタイプの本を紹介することもありますので、そういった本を読むためにはPythonまたはRの知識が必要になります。
３つの要点 その１ パラメータ数を激減させる新しい畳み込みMixConvを提案 その２ MixConv層を含んだモデルをAIに自動生成(=NAS)させることでMixNetを開発 その３ MixNetはMobileNet-V3やMnasNetなどの小型画像認識モデルのみならずResNet-153に対してはパラメータ数1/9程度で性能を凌いだ MixConv: Mixed Depthwise Convolutional Kernels written by Mingxing Tan, Quoc V. Le (Submitted on 22 Jul 2019 (v1), last revised 1 Dec 2019 (this version, v3)) Journal reference: BMVC 2019 Subjects: Computer Vision and Pattern
ボッテガ・ヴェネタのSNS閉鎖、高級ブランドのトレンドを予兆か | Forbes JAPAN 公式サイト（フォーブス ジャパン）
仏ケリング・グループ傘下のボッテガ・ヴェネタは先ごろ、何の前触れも説明もなく、インスタグラムとフェイスブック、ツイッターのアカウントを閉鎖した。同社がソーシャルメディアを通じたプロモーションを突然停止したことに、高級ファッション業界は衝撃を受けている。 個人用高級品市場の売上高にe-コマースが占める割合は昨年、2019年の12％から23％に倍増。さらに、e-コマースは2025年には、高級品の流通チャネルにおける主流となり、売上高に占める割合は30％になると予想されている。そのためソーシャルメディアは、どの高級ブランドのオンライン販売戦略においても、不可欠な存在となってきた。 だが、高級ブランドや関連企業の幹部およそ500人を対象とした過去3年の調査結果をみると、ソーシャルメディアの効果は各社の期待を大幅に下回ってきたことが分かる。 SNSは期待外れ？ ソーシャルメディアに関するボッテガ・ヴ
データアーキテクト（データ整備人）の概観とこれからの展望と課題 / maemuki_data_seibinin01
グループのメンバーになっていただくと新しいイベントが公開された際にご連絡が行きます（登録無料） https://analytics-and-intelligence.connpass.com/ しんゆう＠データ分析とインテリジェンス ブログ ：https://analytics-and-int…
「アジャイル開発に取り組んではみたのですが、うまくいかないので、元のやり方に戻そうと思っています。」 あるSI事業者での講演の後、こんな話しを伺った。同様の話しは、他でもよく耳にする。 私は、エンジニアでもなければ、アジャイル・コーチでもない素人だ。ただ、成果をあげているアジャイル・チームの連中との付き合いは多く、「門前小僧」程度には、アジャイルについては理解しているつもりだ。そんな、私でさえも、これは失敗するだろうと、思うことが多い。 うまくいかない取り組みに共通しているのは、おおよそ以下の3つに整理できそうだ。 ひとつは、「システムを作ることを目的にしていること」だ。 ビジネスを成功させること目的とせず、そのための手段である「システムを作ること」を目的としている「アジャイル開発（？）」では、うまくいかないのは当然のことだ。 2001 年初頭、ユタ州スノーバードで、ソフトウェア開発の将来
はじめに 〜衛星データとは〜 人工衛星データとは、人工衛星を利用した“リモートセンシング”によって取得されたデータを指します。 これまで人工衛星データは専門ツールや大容量データ処理基盤が必要なため、利用できる組織は大学機関や一部の専門機関が限られていましたが、昨今のオープンソース・ライブラリの普及やデータ処理基盤のクラウド利用により、一般組織でも気軽に人工衛星データを扱える外部環境が整ってきました。 衛星データを利用することで、これまで取得することができなかった様々な場所・時間・対象の状態をビッグデータで解析することが期待できます。 そこで本記事では、どの様にデータを扱うのかを、衛星データ解析の専門ツールを利用せず（最も身近なツールの一つであるpythonを利用）、誰でも気軽に試すために無償で利用方法を紹介していきたいと思います。 また、今回はビジネスや社会実装に利用イメージが沸きやすい衛
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
ディープラーニングに向くのは「100点を取らなくていい現場」 東大・松尾研発のVC代表が語る“AIの狙い目”
組織文化を変えるための「残念な打ち手」「正しい打ち手」 IBMのV字回復から学ぶ、組織戦略を成功させるポイント
時系列予測のベストプラクティスを共有するGitHubリポジトリを開設、Microsoft
いま「仕事が楽しくない」と感じている人へ｜三宅孝之
使える統計モデル10選（後編） | AIdrops
キユーピーが量子コンピュータ活用 製造ラインの勤務シフト最適化に
事業の進展とデータマネジメント体制の進歩（＋プレトタイプの話）
ポケモンを題材に因果推論を実践してみる - kanayamaのブログ
Slackの内容を見落とさない工夫 - Konifar's ZATSU
Anaconda パッケージリポジトリが「大規模な」商用利用では有償になっていた - Qiita
「Google スプレッドシート」が強化 ～グラフのカスタマイズ性が大きく向上／ほぼすべてのテキスト要素を編集できるように。高度な数値書式やスタイルの変更も
追加費用なし、「Google Meet」と「Zoom」のビデオ会議デバイスが相互接続可能に／「Google Meet」のハードウェアから「Zoom」ミーティングへ参加したり、その逆も
ChatGPTの強みと特長を活かし、競争優位性を築く9つの観点 GPTと自社サービスの「連携」検討時に使えるフレームワーク
新宿ゴールデン街の「三密対策」に、2千円強のAIカメラを試してみた！ 「取り付け10分、月額500円」のAIカメラで「三密対策」しながらはしご酒？
アクティブに更新され続けている、お勧めの機械学習データセット一覧サイト
データの価値を失わないためのData Reliability
M-1の漫才をデータで可視化すると、ミルクボーイ優勝の要因が見えてきた｜Kosuke Fujita
)
Pythonで因果推論したい(CausalImpact) - あれもPython,これもPython
TIS、自然言語処理で企業名認識を行うための辞書「JCLdic」を無償公開
バスケの選手とボールの位置データから機械学習で攻撃・守備戦術を分類
統計初心者が統計モデリング力を鍛えるための勉強法 - Qiita
パラメータ数を激減させる新しい畳み込み「MixConv」解説！
手法を真似ただけのアジャイル開発、業務をデジタル化しただけのDX | ネットコマース株式会社
【入門】Pythonによる人工衛星データ解析（Google Colab環境） - Qiita
www.msn.com
book18.dmm-av.xyz
news.yahoo.co.jp
news.yahoo.co.jp
news.yahoo.co.jp
news.yahoo.co.jp