シングルGPUで動作するTransformer相当のRNNモデル RWKV-Raven-14Bを試してみた | DevelopersIO
こんちには。 データアナリティクス事業本部 インテグレーション部 機械学習チームの中村です。 今回はシングルGPUで動作するTransformer相当のRNNモデル、という噂のRWKVについて試してみたいと思います。 RWKVとは TransformerベースのLLMと同等の性能を持つ、並列化可能なRNNモデルであり、Attentionフリー(Attention構造を持たない)なモデルです。 ライセンス形態がApache License 2.0かつ、シングルGPUでも動作する点が凄いところとなっています。 GitHub https://github.com/BlinkDL/RWKV-LM Huggin Face https://huggingface.co/BlinkDL Hugging Face側にモデルがいくつか公開されており、rwkv-4が付くものが最近よく話題で使用されているもので
Sign in
ここ数カ月、画像生成AIが広く注目を集めている。自動で欲しい写真素材やイラストを合成できる上、上手に扱えば、工夫次第でクオリティーを上げることもでき、やりこみ要素もあって触るだけでも楽しい。 AIにもさまざまあるが、本連載では面白いAI、癖のあるAIを紹介する。ぜひとも使ってAIが得意なことや、その裏に見える将来の可能性、人間にも負けないちょっとした恐ろしさなどを、感じとってほしい。 「絶叫」を高品質に再現できる時代に 音声合成ソフトというと、アニメキャラクターやアナウンサーのような声で文章を読み上げるものを想像するかもしれない。そんななかで特に異彩を放っているのが「COEIROINK」という無料のAI音声合成ソフトで使えるキャラクター「松嘩（まつか）りすく」だ。この音源は、入力された文章を“絶叫”できる。 COEIROINKはAIを活用して、入力された文章の読み上げ音声を出力する無料ソフ
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
2023/03/20 追記 Studio Ousia様によるLUKEモデルをベースに学習したSentence-LUKEモデルを公開しました。 Sentence-LUKEモデル: https://huggingface.co/sonoisa/sentence-luke-japanese-base-lite 手元の非公開データセットでは、日本語Sentence-BERTモデル（バージョン2）と比べて定量的な精度が同等〜0.5pt程度高く、定性的な精度は本モデルの方が高い結果でした。 2021/12/14 追記 MultipleNegativesRankingLossを用いて学習した改良版モデルを公開しました。 改良版（バージョン2）のモデル: https://huggingface.co/sonoisa/sentence-bert-base-ja-mean-tokens-v2 手元の非公開デー
OpenAIが発表した音声認識モデル「Whisper」は、日本語の音声でも精度高く文字起こしできるツールとして知られています。今回はAIsmiley編集部が「AIニュース原稿の読み上げ音声を素材にどのくらい精度高く文字起こしできるのか」や「生活騒音下における読み上げ音声でも結果は変わらないのか」について調べてみましたので是非やり方を真似して試してみてください。 ■音声認識モデルとは？ 音声認識モデルとは、AIが人間の声を認識し、認識した音声をもとに何らかのデータをアウトプットする技術を指します。身近な音声認識モデルには、アレクサでお馴染みのAmazon Echoがあります。Amazon Echoなどのスマートスピーカーは、人間の声を認識し、その音声の意図を把握した後、情報検索を行ったり、接続されている電化製品の操作を行ったりします。 スマートスピーカーの他にも、入力された音声をリアルタイム
最近では、古今東西、いろいろな小説がオンラインで公開されている。それらの小説を読み始めたら時間がいくらあっても足りないほどだ。そこで、今回は、簡単なネガポジ判定の手法を使って、その小説を読む前に、小説を解析して好きな小説の傾向を掴む方法を紹介しよう。セットアップ不要でブラウザで使えるPython環境の実行環境Colaboratoryを使うので、気軽に形態素解析や自然言語解析の初歩を実践してみよう。 ネット小説は読み放題！ 今は小説好きには堪らない時代だ。明治以前の文豪たちの作品であれば、多くは著作権が切れているので「青空文庫で読み放題で、オンライン小説の投稿サイトの「小説を読もう！」なら70万を超えるタイトルが読み放題だ。筆者も小説が好きなので、時々読んでいるのだが、とにかくいろいろな種類があるので、どれを選んで良いのか悩むほど。そこで、今回は、ネガポジ判定の手法を利用して、小説を簡単に解
BERT（Keras BERT）を使用した文章分類を学習から予測まで紹介！ | cloud.config Tech Blog
概要 絶賛フロントエンド勉強中の井上です。今回は自然言語処理界隈で有名なBERTを用いた文書分類（カテゴリー分類）について学習（ファインチューニング）から予測までを紹介したいと思います。本記事では実装ベースでお話しするので、「そもそもBERTって何？」という方は検索するか、参考URLを載せておくのでそこから飛んでいただけると助かります。 目次 事前準備 学習 評価 予測 参考文献 事前準備 Google Colaboratory 学習は膨大な計算量が必要なので、Google Colaboratoryを使用します https://colab.research.google.com/notebooks/welcome.ipynb?hl=ja 無料でTPU（Tensor Processing Unit）が使えるのでお得！ googleさんありがとうございます TPUはIntelのHaswellと
Stable Diffusionとは？話題の画像生成AIの使い方・初心者向けのコツも徹底解説！ | DXを推進するAIポータルメディア「AIsmiley」
2022年8月頃を皮切りに日本にも上陸した画像生成AI。巷では話題になっているものの、「時代のスピードについていけない」「英文を使うから自分には画像は作れない」といった声もお聞きします。そこで今回はアイスマイリーの編集部が画像生成AI「Stable Diffusion」をHugging Face、Dream Studio、Mageを使って体験してみましたので、ぜひ画像生成AI体験の参考にしてください。 生成AIについて詳しく知りたい方は以下の記事もご覧ください。 生成AI（ジェネレーティブAI）とは？種類・使い方・できることをわかりやすく解説 画像生成AIとは？ 画像生成AIとは、ユーザーが入力したテキストを頼りに、AIがオリジナルの画像を数秒～数十秒程度で自動生成するシステムを指します。日本でよく知られている画像生成AIには「Stable Diffusion（ステーブルディフュージョン）
作って試そう！ ディープラーニング工作室
最近では「人工知能（AI）」や「ディープラーニング」といった技術を使ったプロダクトはもう当たり前のものとなりつつあります。読者の皆さんも、ニュースで「これこれを実現するためにAIを活用！」のようなフレーズをよく聞いているのではないでしょうか。 日々の生活に広く受け入れられつつあるこの技術は実際にはどのような仕組みによるものなのでしょう。Deep Insiderで連載している「作って試そう！ ディープラーニング工作室」は、自分でコードを書いたり、そのコードを動かしたりしながら、その基礎となる知識を身に付けることを目的としています。 本書は大きく2つのパートに別れています。 1つはディープラーニングとはどんなものかを理解するために、全結合型のニューラルネットワークと呼ばれるものを、PyTorchという機械学習フレームワークを利用して自分で作ってみるパートです。その過程でニューラルネットワークの
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
チャットAIのChatGPTや音声認識AIのWhisperを開発するOpenAIが2023年5月に3Dモデル作成AI「Shap-E」を発表しました。Shap-Eはオープンソースで開発されており、誰でも利用可能とのことなので実際にGoogle Colaboratory上で使ってみました。 shap-e/sample_text_to_3d.ipynb at main · openai/shap-e · GitHub https://github.com/openai/shap-e/blob/main/shap_e/examples/sample_text_to_3d.ipynb Shap-Eでどんなことができるのかについては下記の記事が詳しいです。 テキストや画像から3Dモデルを生成するオープンソースのAI「Shap-E」をOpenAIが発表 - GIGAZINE まずはGoogleドライブに
こんにちは！株式会社キカガクの二ノ宮です。普段は機械学習・ディープラーニングの講師をしています。 本記事では、Google Colaboratory（略称: Google Colab）の基礎的な使い方を体系的にわかりやすく、まとめています。参考になれば幸いです！
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
最初の15GBが無料で利用できるクラウドストレージ「Googleドライブ」は、仕事でも個人でも重宝する存在です。WindowsやmacOS向けにはクラウドと同期するためのデスクトップアプリケーションが用意されているほか、Android・iOS向けのアプリケーションも存在し、Chrome OSなどではOS標準機能として組み込まれていますが、Linux版のクライアントはありません。 これについて、過去にGoogleが「少々お待ちください」とユーザーに対応してからどれぐらい経過したかをカウントするサイトが公開されています。 How long since Google said a Google Drive Linux client is coming? https://abevoelker.github.io/how-long-since-google-said-a-google-drive-l
サイドチャネル攻撃への対策
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
仕事ではじめる機械学習 第2版
2018年の発行以来、多くの読者に支持された書籍を全面改訂！ 不確実性の高い機械学習プロジェクトについて、「仕事で使う」という観点から整理するコンセプトはそのままに、初版の発行後に登場した概念や課題を取り上げます。「機械学習でいい感じにしてくれ」と突然上司に言われたとき、本書で学んだことが読者の力になるはずです。本書で得た知識は読者が「いま」困っている問題を解決する助けとなるでしょう。 第2版では、機械学習システムの開発と運用の統合する「ML Ops」、機械学習モデルを解釈し、その妥当性や根拠を明らかにする「機械学習モデルの検証」、ユーザーの行動を学習しながら予測を進める「バンディットアルゴリズム」、意思決定における予測システムの役割や意思決定のデザインを扱う「オンライン広告での機械学習」といった新章を追加しています。 本書のサポートページ（GitHub） まえがき 第I部 1章 機械学習
プログラミングを始めたばかりの人にとって、学習環境の構築は難しいものですよね。 しかしGoogle Colaboratory（グーグルコラボレイトリー）というサービスを使えば、プログラミングに必要な環境が簡単に整います。 実際にソースコードを書く前の段階でつまずいていては、学習意欲が下がってしまうおそれがあります。プログラミング学習へのモチベーションを維持するためにも、環境構築が素早く完結するGoogle Colaboratoryを使用してみましょう。 しかしプログラミングの経験がなかったり、Webサービスを使い慣れたりしていないと、Google Colaboratoryの使い方も難しく感じるかもしれません。 そこで今回は、Google Colaboratoryの使い方や、使いこなすためのポイントなどについてお伝えしましょう。Google Colaboratoryを使ってみたい、という人は
はじめに 『あら、イタズラな風さんが…ふふっ♪ふたりの仲にジェラシーでしょうか』 SSレアの長富蓮実ちゃん登場です！https://t.co/mIoEjCBQs4 #デレステ pic.twitter.com/loELdD6e6w— スターライトステージ (@imascg_stage) 2020年3月19日 蓮実ちゃんお誕生日＆SSRおめでとう。 蓮実ちゃんといえば昭和アイドルの歌詞などを元にした発言が多いことで有名ですが、残念なことに平成生まれの自分は昭和アイドルの知識が足りず元ネタが分からないことが多いです。 「長富蓮実セリフ＋元ネタまとめ」を更新しました！ ①セリフ情報の更新 ・グッドラックマリンズ ・2019アニバーサリー ・2019クリスマス ・2020初詣 ・でれぽ(10/01~01/14) ②各種集計の更新 ・集計 ・交流まとめ ・楽曲データhttps://t.co/2jg5g
この記事ははてなエンジニアのカレンダー | Advent Calendar 2021 - Qiita 2日目の記事です。 最近、データパイプラインの整備や営業チームの人力混じりの運用フローを機械化するなどの業務改善に取り組んでいます。 その過程で、運用ドキュメントを読んだりヒアリングして図を描くことがよくあります。 描いた図をもとに「この流れであってますか?」と確認したり「ここ手間結構かかってそうですが困ってませんか?」とコミュニケーションをします。暗黙的な業務の流れが明確になるだけでなく、改善点の発見にも繋がります。 ひととおり改善タスクが終わった後にも図を最新にします。ドキュメントと併せて成果物とします。 どんなデータがあってどのようにビジネスに使われているか、データがどのように取得&保存されているかを残しておくのは今後のデータ活用や改善のためにも必要です。 俺はそんな個々の業務のデー
scikit-learnで機械学習パイプラインをインタラクティブに描画、HTML保存する方法 - Qiita
本記事では、scikit-learnのv0.23から搭載された、インタラクティブなパイプライン確認の実装、そしてそれをHTML化して保存、活用する方法を解説します。 環境 scikit-learn==0.23.2 Google Colaboratory 本記事の実装コードはこちらに置いています https://github.com/YutaroOgawa/Qiita/tree/master/sklearn 実装 [1] バージョン更新 まず、Google Colaboratoryのscikit-learnのバージョンが2020年9月ではv0.22なので、v0.23へと更新します。 !pip install scikit-learn==0.23.2 pipで更新したあとは、Google Colaboratoryの「ランタイム」→「ランタイムを再起動」を実行し、 ランタイムを再起動します。 （
ウマ娘はレース場で「馬」となる？（darknet・ディープラーニング） - えいあーるれいの技術日記
きっかけはちょっと余計な疑問でした。 デビットカードをようやく作ったことでサブスクやネット注文が容易にできるようになり動画をサブスクし始めたのが一ヶ月前。 いろいろ探して番組を視聴しているうちに年齢や性別の関係からかオススメに「ウマ娘」がでてきて視聴し始めたのがこの作品を知るきっかけになりました。 ゲームベースのアニメで好きなものと言ったら、ポケモンとかイナズマイレブン（無印）くらいで、実は今年の秋まで1期12話のアニメをほとんど見ていませんでした。 「ウマ娘」。名前は耳にしたことあるけど馬って言われても分からんしな〜〜。でもなんか人気らしいしな〜〜と思いつつ1期を見たらとても良かった。 個性豊かな可愛らしいキャラクターたちがレース場を爆走するというギャップ、憧れの先輩を目指して（というよりも仲間）とともに練習に励みたとえ挫折しても仲間たちと協力して乗り越えていくという誰でも没入できるスト
こんにちは AIチームの戸田です 今回は日本語NLPライブラリであるGiNZAのv5から実装されたTransformerモデルによる固有表現抽出を試します。 固有表現抽出とは、入力となる自然文から地名や製品名などの固有名詞を抽出するタスクです。今回固有表現抽出に使用するデータセットとして、ストックマーク株式会社が作成したWikipediaを用いた日本語の固有表現抽出データセットを使用します。また、Transformerモデルは処理に時間がかかるので、環境はGoogle ColaboratoryのGPU環境を利用しました。 事前準備 wgetを使ってデータセットをダウンロードします。 wget https://raw.githubusercontent.com/stockmarkteam/ner-wikipedia-dataset/main/ner.json 必要なpythonライブラリをダ
はじめに 元AI女子高生「りんな」をご存知でしょうか LINEに突如現れたAI女子高生で話題となっていたと思いますので、ご存知の方も多いかとおもいます。 先日「りんな」の開発元であるrinna社から日本語特化の学習がされたGPT-2モデルが 商用利用可能なMITライセンス で公開されました。 rinna、人間の評価を利用したGPT言語モデルの強化学習に成功 本モデルは、 ChatGPTに用いられている学習手法である、人間の評価を利用したGPT言語モデルの強化学習に成功している とのことです。 かつ ローカル環境でも動作する ようです。 本記事では、その対話GPT言語モデルの動作を見てみようと思う 目次 動作環境 モデル動作確認（GoogleColab） ローカル環境で実行 さいごに 動作環境 検証環境 google colaboratory（Colab Pro版） ローカル検証環境 Win
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
.app 1 .dev 1 #11WeeksOfAndroid 13 #11WeeksOfAndroid Android TV 1 #Android11 3 #DevFest16 1 #DevFest17 1 #DevFest18 1 #DevFest19 1 #DevFest20 1 #DevFest21 1 #DevFest22 1 #DevFest23 1 #hack4jp 3 11 weeks of Android 2 A MESSAGE FROM OUR CEO 1 A/B Testing 1 A4A 4 Accelerator 6 Accessibility 1 accuracy 1 Actions on Google 16 Activation Atlas 1 address validation API 1 Addy Osmani 1 ADK 2 AdMob 32 Ads
古くて新しい顔検出技術 顔認識技術は、顔の位置を検出する技術です。デジタルカメラやスマートフォンのカメラ機能などでおなじみの、顔に四角い枠が出てピントが合うやつです。有名ですよね。 より正確には顔の位置を示すのが「顔検出」で、誰の顔かを見分けるのは「顔識別」「顔判別」「顔認証」と区別されます。今回の記事では、便宜上一般的に馴染みのある「顔認識」=「顔検出」という定義で説明いたします（専門家の方、石投げるのはご勘弁を）。 顔認識技術は、興味ある人も多いようで、当ブログで過去に顔認識技術を扱った記事も、古いわりに今だに人気のある記事になります。 拙作の 「からあげ先生のとにかく楽しいAI自作教室」でも、顔認識技術は少し扱っているのですが、書籍の主題から外れるので、詳細は割愛しておりました。書籍の補足的な位置付けもこめて、今回は顔認識技術に関して、楽しみながらより深く理解できる記事として、顔認識
![AI vs 人間！顔認識技術の限界にチャレンジしてみた - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/d63bbbc462b1604d77746bd4b8046f084411d672/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20210320%2F20210320222529.jpg)
競馬歴10年・データサイエンティストとして働いて5年になって、そろそろ流行りの機械学習で競馬予想にも手を出すか、と思いQiitaの記事を参考にしつつ作ってみました。すると予想を遥かに上回り、回収率100％を超えるモデルができたので、勢いでこの記事を書くことにしました。また作成したコードは後ほど公開するつもりです。 自己紹介 とあるメーカー系企業でデータサイエンティストとして働いています。 もともと大学院では物理学専攻で昔からFortranやC++、Pythonで科学計算（微分方程式を解いたり行列の固有値を出したり）をしていましたが、社会人になってからはガラッと転向しデータ分析を専門にしています。R&D系の部署に所属しており、割とアカデミックな部分からビジネスまで携わっていたのですが、最近は専ら分析組織作りやらマネジメント系のPJTが多くなってきてしまったので、元々やっていたkaggleに再
皆さんこんにちは。 @tereka114です。 今年末はKaggleで開催される面白いコンペも多くて日々、エンジョイしています。 最近は巨大なデータを扱うことが増えており、Pandasだと時間がかかりすぎて効率が悪いと感じています。 そのため、データを高速に処理できるcuDFを利用することも多くなってきました。 この記事ではcuDFの魅力と扱う際の注意点を説明していきます。 ※この記事は「Pythonその2 アドベントカレンダー」10日目の記事です。 qiita.com cuDFとは cuDFはNVIDIAさんが開発している、Pandasの代わりに利用することができるGPUのライブラリです。 最も大きな特徴はGPUで計算するため、高速であることです。 主に、カテゴリ変数ごとの平均計算や、テーブル同士の結合といった、時間のかかるテーブル処理で、効果を発揮します。 github.com cuD
[GCP] AI Platform Notebooksが正式リリースされていたので使ってみる | DevelopersIO
こんにちは、Mr.Moです。 GCPのAI Platform Notebooksが先月末でGA（Generally Available：正式リリース）になりましたね！Google Colaboratoryも良いですが、こちらのサービスも気になるので早速使ってみます。 https://cloud.google.com/ai-platform/notebooks/docs/release-notes#March_31_2020 AI Platform Notebooksとは AI Platform Notebooks は、JupyterLab 統合開発環境を提供するマネージド サービスです。機械学習のデベロッパーとデータ サイエンティストは、最新のデータ サイエンスと機械学習のフレームワークがプリインストールされた JupyterLab を実行するインスタンスをワンクリックで作成できます。No
![[GCP] AI Platform Notebooksが正式リリースされていたので使ってみる | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/6a3635db98fffd980fc344673f30e760345cddd7/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2020%2F09%2Fgcp-eyecatch-ai-platform_1200x630.png)
Kindleの蔵書リストをGoogle Colaboratoryでデータ分析してみた - karaage. [からあげ]
XMLをパースする方法に関して追記しました 何故か以前の方法でうまくいかなくなってしまったので、別の方法に切り替えました。うまくいかない人は、以下記事参考にしてみてください。 Kindleの蔵書リストを手に入れたのでデータ分析してみたくなった Kindleの蔵書リストの入手の仕方という面白い記事をみつけました。 早速Kindleのリストをcsvで入手できました。ただ、入手しただけでは面白くもないので、これを題材にデータ分析してみることにしました。分析はGoogle Colaboratoryで行いました。Google Colabに関して詳しく知りたい方は以下の記事参照ください。 Kindleの蔵書リストをデータ分析した結果 蔵書数 613でした。思ったより少なかったです（1000は超えていると思ってました）。感覚は当てにならないですね。 蔵書リストの入手の仕方の記事書いている人、1万冊超えて
![Kindleの蔵書リストをGoogle Colaboratoryでデータ分析してみた - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/e1d48c4944578c0bcf53ed79dc6fdccb898e203d/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20200719%2F20200719144507.png)
Nuxt.jsとPythonで作る！ぬるさくAIアプリ開発入門 「Nuxt.jsとPythonで作る！ぬるさくAIアプリ開発入門」発行主旨・内容紹介 「Nuxt.jsとPythonで作る！ぬるさくAIアプリ開発入門」目次 「Nuxt.jsとPythonで作る！ぬるさくAIアプリ開発入門」Amazonでの購入はこちら 「Nuxt.jsとPythonで作る！ぬるさくAIアプリ開発入門」楽天市場での購入はこちら※電子書籍版です。 Nuxt.jsとPythonで作る！ぬるさくAIアプリ開発入門 インプレスグループで電子出版事業を手がけるインプレスR&Dは、技術書典や技術書同人誌博覧会をはじめとした各種即売会や、勉強会・LT会などで頒布された技術同人誌を底本とした商業書籍を刊行し、技術同人誌の普及と発展に貢献することを目指し、最新の知見を発信する「技術の泉シリーズ」から2020年1月の新刊として、デ
クラスタリングタスクで機械学習の流れを体験
はじめに おはようございます。こんにちは。こんばんは。 GMOアドマーケティングのY-Kです。 今回は機械学習への足がかりとなるような記事を書きたいと思ったので、クラスタリングタスクを通して機械学習の流れを大雑把に書いていこうと思います。 機械学習における基本的な データ分析 -> 予測 -> 評価の流れを体験しつつ、読んでいる間に気になるところがあればそこを深掘りしていくなど、機械学習への興味/勉強の第一歩としていただければと思います。 クラスタリングとは クラスタリングは機械学習における教師なし学習の一種で、データの類似度でデータをグループ(クラスタ)分けする手法のことを指します。 データに対して答えが存在する教師あり学習とは異なり、各データに答えがない状態で学習されるので、クラスタリングによってまとめられたデータのグループが何を示しているのかは解釈が必要となります。 しかしその分、ク
これからの厳しい時代を生き残るため知っておくべきウェブ開発・機械学習・セキュリティ・クラウドなど役立つ専門知識と技術をサクッと動画で学べるUdemy注目講座5選
新しい知識や技術を勉強しようと思っても、内容が高度かつ実践的になるにつれて、教本やウェブサイトだけだとなかなか身につかず、難しいものがあります。開発の第一線で活躍している講師による分かりやすい解説を動画形式で受講することができるオンライン学習プラットフォーム「Udemy」では、初心者だけではなく中級者が求めるような「より実践的で高度な知識や技術」も学ぶことができます。さらに、11月18日(金)から25日(金)までのブラックフライデーセールや11月27日(日)から28日(月)までのサイバーセールなど、対象講座を1200円～という手頃な価格で購入可能な今年最大のセールを実施中。今回は、そんなUdemyで開講されている講座の中から、Web開発・機械学習・ITセキュリティ・クラウドコンピューティングなど、これからの時代に求められる知識や技術を学べる講座を5つピックアップしました。 オンラインコース
AIを使って漫画を描いた話｜葦沢かもめ
多くの方がAIを使った創作をするようになってきて、大変うれしく思っている葦沢です。 今回は、第2回日本SF作家クラブの小さなマンガコンテストにAIを使って制作した漫画を応募したので、どうやって作ったのかを解説します。 作品には、以下のリンクからどうぞ。 1. ストーリー私はAIを使った小説執筆は割と長くやっていますが、漫画制作は初めてでした。 原作は、同じ日本SF作家クラブが主催する「第2回日本SF作家クラブの小さな小説コンテスト」にて、既に私が書いた掌編があったので、それを使うことにしました。 AIを使ってストーリーを作りたいということであれば、AI BunChoやAIのべりすと、ChatGPTなど、色々なサービスがあるので、その中から自分に合うものを選ぶのが良いかなと思います。最近は、AIを編集者的なアドバイザーとして使うのが流行りですね。 2. コマ割りコマ割りは、枠の形と台詞を入れ
最初から最後まで、遊びっぱなし。 でも、「使えるコード」が書けるようになります。 【本書の特長】 <<遊び感覚でプログラミングとアルゴリズムをおぼえよう！>> ・イチからPythonのプログラミングとアルゴリズムがわかる ・ゲームをつくりながら基本を理解できる ・パズル問題で実践的なコードの書き方が身につく ・環境構築不要のGoogle Colaboratoryですぐ始められる ・パズル問題の解答はPythonに加え、JavaScriptとRubyのコードも提供 【内容紹介】 楽しくなきゃ、プログラミングじゃない！ プログラミングを学ぶとき、 言語の文法などを勉強するのは退屈なものです。 何かつくりたいものがあり、 それを自分の手でつくることが 達成感となり、楽しさにつながります。 本書でも一般的なプログラミングで 必要な要素がひと通り登場しますが、 簡単なゲームをつくりながら基本をおぼえ
PyTorch の社内勉強会の題材にしたいと思い立ち、畳み込みニューラルネットワーク（Convolutional Neural Network, CNN）を用いた自己対戦型強化学習の三目並べ AI を実装したので公開します。見通しの良いシンプルな実装を目指しました。結局、それなりのコード量になってしまいましたが。 動作環境 Google Colaboratory の CPUランタイムにて動作を確認しました。 概略 おおまかな処理フローは次図の通りです。盤面情報を受け取った先攻方策と後攻方策は、○×を書き込む場所を返します。この先攻方策と後攻方策に AI を実装し自己対戦させます。 盤面情報は、空白マスをゼロ、先攻 ○ を+1、後攻 × を-1とした形状 (H,W)=(3,3) の二次元配列とします。 盤面座標は、場合により二次元座標と1次元に展開したフラット座標を使い分けます。 三目並べの
ラズパイとEdge TPUで学ぶAIの作り方 「ラズパイとEdge TPUで学ぶAIの作り方」発行主旨・内容紹介 「ラズパイとEdge TPUで学ぶAIの作り方」目次 「ラズパイとEdge TPUで学ぶAIの作り方」Amazonでの購入はこちら 「ラズパイとEdge TPUで学ぶAIの作り方」楽天市場での購入はこちら※電子書籍版です ラズパイとEdge TPUで学ぶAIの作り方 インプレスグループで電子出版事業を手がけるインプレスR&Dは、技術書典や技術書同人誌博覧会をはじめとした各種即売会や、勉強会・LT会などで頒布された技術同人誌を底本とした商業書籍を刊行し、技術同人誌の普及と発展に貢献することを目指し、最新の知見を発信する「技術の泉シリーズ」2020年3月の新刊として、高橋秀一郎氏著書による、AWS、GCPでSpinnaker環境を構築してKubernetes、Google App
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
Google Colaboratory
「よ”ろ”し”く”ぅ”」 絶叫するAI「松嘩りすく」 きれいな叫び声を合成する技術
新しい Cookie 分類への AMP サイトでの対応
【日本語モデル付き】2020年に自然言語処理をする人にお勧めしたい文ベクトルモデル - Qiita
OpenAIの文字起こしAI「Whisper」の使い方 | DXを推進するAIポータルメディア「AIsmiley」
ゼロからはじめるPython(58) 読み放題のネット小説をネガポジ判定で評価してみよう
WebAssembly が新しいウェブ機能を加速する仕組み
amp-script: AMP ❤️ JS
テキスト・画像から3Dモデルを作成するAI「Shap-E」をGoogle Colaboratoryで使ってみた
【Colab 入門】Google Colaboratory とは？使い方・メリットを徹底解説！
オープンソース プロジェクトをサプライ チェーン攻撃から守る
より安全で便利な自動入力が Chrome に登場
GoogleドライブのLinux対応が「少々お待ちください」と放置されてからどれぐらい経過したか？
【無料でプログラミングができる】Google Colaboratoryの使い方ガイド
長富蓮実ちゃん元ネタ調査ツールを作りました - いはらいふ
Google Colaboratory でデータフローのドキュメントを書く試み - ぽ靴な缶
GiNZA v5のTransformerモデルによる固有表現抽出 | 株式会社AI Shift
ローカルでも動く！？日本語に特化した強化学習済み対話GPT言語モデルを検証してみる - Qiita
Chrome のパスワード保護を強化 - その仕組み
新しい Google Identity Services API のリリースについて
AI vs 人間！顔認識技術の限界にチャレンジしてみた - karaage. [からあげ]
LightGBMを使って競馬予想で回収率100％を超えるコードを書いた（その1） - Qiita
超爆速なcuDFとPandasを比較した - Taste of Tech Topics
データ分析からAIアプリ開発まで優しく解説した書籍 - mojiru【もじをもじる】
プログラマを育てる脳トレパズル 遊んでおぼえるPythonプログラミング＆アルゴリズム | 翔泳社
自己対戦で強化学習する三目並べ AI をPyTorchで実装 - Qiita
AIツールをRaspberry Piで動かす入門書 - mojiru【もじをもじる】