.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
GCPでできるだけ安くディープラーニング
私は仕事でも趣味でもディープラーニングをしています。趣味ではいつもGoogle Colaboratoryを使ってお金をかけずにディープラーニングしていたのですが、Colabは1日12時間ほどしかGPUを使えず、しかも頻繁に学習タスクを回していると弱いGPUしか利用できなくなるので、進捗があまりよくありませんでした。そこで、お金を使って進捗を出すことを考えました。 Google Cloud Platform（GCP）なら、ちょっと弱めのGPU（Tesla T4）を1時間あたり約12円で借りられます。これならまあ趣味の予算で可能だと感じたので実際にやってみたのですが、GCPは思った以上に複雑で、わかりづらい点が多くありました。そこでこのブログでは、GCPに登録するところから、１コマンドでディープラーニングできる環境を構築するまでの方法を紹介します。 手順Google Cloud Platfor
.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
AWS事業本部では社内勉強会を定期的に開催しているのですが、機械学習というテーマで話す機会がありましたので、その内容について公開します。事前アンケート結果に基づき機械学習の概要と案件の特徴について話しました。 スライド Pythonスクリプト スライド内で利用したPythonスクリプトは以下になります。Colaboratoryで実行できることを確認しています。本当はipynb形式でGistに上げたかったのですが、なぜかエラーになってしまうので諦めました。また、このスクリプトはITエンジニアのための機械学習理論入門：書籍案内｜技術評論社に付属する 04-perceptron.py をベースにしています。 最後に 機械学習関連では3年前に#cmdevio2016 (レポート: C-1) データ分析チームの振り返りについて話しました ｜ DevelopersIOで話したのですが、当時よりは機械学
Technology部の町田です。 生成AIが台頭しはじめ早くも1年以上が経ちましたが、特に進歩がすさまじい技術の1つが画像生成AIです。画像生成AIを使えば、数秒で画像を生成できるようになりました。 ただし、自分がイメージしたような画像を生成するには、プロンプトがとても重要です。 そこで今回は、思い通りの画像を生成するためのプロンプト作成のコツをまとめました。 代表的な画像生成AIツールであるStable DiffusionとMidjourneyの使い方とあわせ、プロンプトの作成ポイントをお伝えします。 生成AIを業務で活用するには… 生成AIをビジネスや業務で活用するためには、導入時に直面する課題・リスクについても考慮する必要があります。生成AIの活用をご検討中なら、こちらのページで紹介している生成AIコンサルティング・導入支援を得意とする会社へご相談してみてください！ 画像生成AIと
はじめに 先日、東大の 松尾研究室 が主催している データサイエンティスト育成講座 というものに参加しました。 私が参加したのは企業向けにアレンジされたもので、およそ2週間に1回、合計5日間でデータサイエンスの基礎を学ぶというものです。 カリキュラムとしては、 「東京大学のデータサイエンティスト育成講座」 という書籍をベースにして、講義半分、演習半分という感じで進んでいきました。 機械学習初心者の私が、この講座を受けてどれくらいデータ分析っぽいことができるようになったかを書き留めておこうと思います。 筆者のスペック 機械学習の経験 私自身はITエンジニアとして十数年の経験はありますが、業務でデータ分析っぽいことをやったことはほぼありません。 ただ、この講座を受ける半年ほど前に CourseraのMachine Learning を受けたり、機械学習に関する書籍を読んだりしていたのである程度
初めに Google Colaboratory で動かしていることを前提。 自分は Colab Pro にしているので、VRAMあたりで無料版の人は実行できないものがあるかも その際は出力する画像数とかを減らせばいけると思います。 出力する先をGoogle Driveにしたり、画像をいっぱい生成したりできるようにまとめてる記事が 見当たらなかったので作成。 セットアップ ほぼここを参照 本家の見た方が本質の理解には繋がるかも # パッケージのインストール !pip install diffusers==0.2.4 transformers scipy ftfy python-ulid # トークン変数の準備 YOUR_TOKEN="huggingfaceから取得した自分のトークン" from diffusers import StableDiffusionPipeline from tor
社内勉強会「【DP(Data Processing)⇔システム】Pythonについて話そう！会」参加レポート - GMO Research & AI Tech Blog
社内勉強会「【DP(Data Processing)⇔システム】Pythonについて話そう！会」参加レポート 2020.06.05 技術 社内勉強会, GMOインターネット, python こんにちは。 GMOリサーチ株式会社の向井と申します。 システム部でプログラマーをしています。 また、売上向上/経費削減のために、社内の他部署での作業の効率化もおこなっています。 今日は、弊社GMOリサーチで開催されたオンライン社内勉強会、「【DP⇔システム】Pythonについて話そう！会」の参加レポートをお送りします。 現在、コロナ禍で在宅勤務をしている関係でオンラインでの勉強会となりました。 情報共有は、オンラインチャットツールであるchatworkにて。 ビデオ通話ソフトはGoogle Meetを使いました。 イベント内容について 「【DP⇔システム】Pythonについて話そう！会」がどんな会だっ
web.dev LIVE: 3 日間、3 つのタイムゾーンで開催されるデジタル イベント
.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
ログイン
FLoC の概要
.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
Google Cloud Run で社内フリードリンク在庫判定ボットを作ってみた。 - スタディサプリ Product Team Blog
はじめまして、データプロダクト開発チームの@yuu_itoです。 一緒に仕事をしている@toohskとフリードリンクの在庫判定をするSlackボットを作成しましたので紹介します。 フリードリンクとフリードリンク在庫判定ボットとは システム構成 Google Cloud Run について Google Cloud Functions から Cloud Run に移行するためにしたこと 1. Dockerfileの追加 2. Pythonコードの修正 画像分類モデルについて 動作結果 ハマったところ まとめ フリードリンクとフリードリンク在庫判定ボットとは Quipperでは福利厚生の一環として、社内でフリードリンクが提供されています。 フリードリンクの冷蔵庫はオフィスエリアの一角にあり定期的に充填されています。 既にWebカメラを搭載したRaspberry Piで定期的に様子を撮影しており、
Hugging FaceでOpenAIの音声認識”Whisper”をFine Tuningする方法が公開されました | DevelopersIO
こんちには。 データアナリティクス事業本部 機械学習チームの中村です。 OpenAIがリリースしたWhisperについて、先日Hugging FaceのブログでHugging Faceのフレームワークを用いたfine-tuningの実行方法が紹介されました。 fine-tuningにより、自社で蓄積された音声や書き起こしのデータセットがある場合は、特化した学習をすることが可能です。 また著名なHugging Faceからfine-tuningの実装がリリースされたことで、今後様々なシーンでの応用の可能性を感じます。 Hugging FaceブログではHindi語を例として実施していますが、今回はこちらについて、日本語データを例にしながら動作を確認していきたいと思います。 概要 本記事では、Hugging Faceのフレームワークを用いたfine-tuningの実行を、日本語データセットを例
.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
「GPU・Linuxがなくても、Google Colaboratoryで『Yukarinライブラリ』を使いたい」 - Qiita
「GPU・Linuxがなくても、Google Colaboratoryで『Yukarinライブラリ』を使いたい」Python音声合成GoogleColaboratory 概要 「Google Colaboratory」で、『Yukarinライブラリ』become-yukarin, yukarin コマンド解説を実行する方法を紹介します。 音声の収録以外であれば、ほぼ全て Google Colaboratoryで実行できます。 一般に、機械学習には GPU付きのLinux マシンを用意する必要があり、環境設定だけでも一苦労します。しかし、Google Colaboratoryを利用すれば、ブラウザだけで『Yukarinライブラリ』を使用できます。 このアイデアは @BURI55 様がくださいました。 本記事は『GPUがなくても、Google Colaboratory で Yukarinライブ
.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
相関係数が0.63の散布図が話題になっているようなので、相関係数が0.63の散布図を作成するPythonスクリプトを作ってみました。 以下のコードは Google Colaboratory 上での動作を確認しています。 乱数の散布図 まずは乱数を使った散布図の描きかたと、相関係数の計算の仕方です。 import numpy as np n_data = 20 X = np.random.rand(n_data) Y = np.random.rand(n_data) import matplotlib.pyplot as plt coeff = np.corrcoef(X, Y)[0, 1] plt.figure(figsize=(5,5)) plt.title("correlation coefficient = {0:.3f}".format(coeff)) plt.scatter(X,
.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
Rによる統計入門
はじめに このページでは R を用いた統計分析の基本を解説しています。 目次 RとRStudioの導入 Google ColaboratoryでR言語を使う Rのデータ構造 データセットの作成と加工 その他のRの概念 図の作成 基本的な統計分析 回帰分析 因子分析 テスト課題 画面上部の左端のアイコンを押すか、キーボードの S キーを押すとメニューの表示・非表示を切り替えることができます。
実践！固有表現認識 ~Flairを使って最先端の固有表現認識を体験しよう~ - Ahogrammer
自然言語処理の分野で昔から研究され、実際に使われている技術として固有表現認識があります。固有表現認識は、テキスト中で固有表現が出現する位置を特定し、人名や地名などのラベルを付与するタスクです。情報抽出や質問応答、対話システムなどへの幅広い応用が可能なため、今でも盛んに研究され、使われている技術です。本記事では、日本語の固有表現認識をFlairと呼ばれるPythonパッケージを使って実現する方法について紹介します。 準備 本記事では Flair を使って固有表現認識のモデルを学習させます。Flairは最先端の自然言語処理のモデルを簡単に使い始められる形で提供してくれているパッケージです。その中で提供されている機能として、固有表現認識や品詞タグ付け、文書分類のモデルを学習するための機能があります。使い始めるために、以下のようにしてFlairをインストールしておく必要があります。 $ pip i
BERTを使用した文章ベクトル作成の記事では、日本語BERT学習済みモデルを使った日本語の文章ベクトル作成をしてみました。文章ベクトルを作ることで、文章の分類や、機械学習アプリケーションへの入力として使うなど、色々な自然言語処理に応用することができます。文章ベクトルを作るには自然言語処理モデルを使いますが、モデルには色々な種類がありBERTだけでなく、その進化系のALBERTや、XLNetなど新しいモデルが提案され精度向上を謳っています。 今回はBERT以外のモデルでの文章ベクトル作成を試してみたいと思います。今回使うモデルは、Facebookで開発されたfastTextです。fastTextを自然言語に活用しようと思っていらっしゃる方向けの技術情報になれば幸いです。 Word2Vecを考案したトマス・ミコロフが、GoogleからFacebookの人工知能研究所「Facebook AI R
2023/10/15追記：プロパティの変更ができるようになった Google 日本語入力で新下駄配列を設定する場合に、以下に書いた方法を取らなければいけない理由の1つは、直接プロパティを変更すると同時打鍵の待ち時間（タイムアウト）の設定が壊れる（＝無限になってしまう）というものでした。 ところが、いつの間にかプロパティの変更をしても同時打鍵の待ち時間の設定が壊れなくなっていました*1*2。 同時打鍵の待ち時間（タイムアウト）の設定はローマ字テーブルの編集ではできないので、最初の1回は以下に書く方法でconfig1.dbファイルで作る必要がありますが、それ以降は、直接ローマ字テーブルの編集することで新下駄配列を手直ししたり、プロパティのその他の設定を変更したりできるようになりました。 先日紹介したGoogle日本語入力で新下駄配列が使える話が早くも進化して、プロパティの変更をした上で新下駄配
.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
AI+IoTなデバイスをお手軽に作れるM5StickVとSORACOM LTE-M Button Plus - masato-ka's diary
1. この記事について 夏の終わりに身の回りのものを整理していたら、購入していたまま放置していたM5StickVとSORCOM LTE-M Button Plusを発掘した。こんな二つを悪魔合体することでお手軽にAIとIoTを組み合わせられるのではと思いつき、「ソラコムポーズを取るだけで触れることなくSORACOM LTE-M Button Plusnを押す」を試してみた。 果てしなき鍛錬の果に、手でソラコムポーズを取るだけで、SORACOMボタンに触れることなくクリックできる異能の力を身に着けてしまった。。。#soracom #soracomug #高度に発達したSORACOMは魔法と見分けがつかない。 pic.twitter.com/L09lO5T7Fy— masato_ka (@masato_ka) August 31, 2019 念の為説明しておくと映像の左上にはM5StickVで
.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
Lightweight MMM：NumPyroで実装されたベイジアンMMMフレームワーク - 渋谷駅前で働くデータサイエンティストのブログ
以前「Ads carryover & shape effects付きのMedia Mix Modeling」という記事で取り上げたベイジアンMMMのtechnical report (Jin et al., 2017)ですが、当時RStanで実装されていたものが4年の時を経て時代の趨勢に沿う形でPythonベースのOSSとしてリリースされています。 それがLightweight MMM (LMMM)です。ベイジアンモデリング部分はNumPyroによるMCMCサンプラーで実装されており、さらにはモダンなMMMフレームワークにおいて標準的とされる予算配分の最適化ルーチンも実装されています。全体的な使い勝手としては、まだ開発途上の部分もあるので時々痒いところに手が届かない感があるものの、概ねRStanで実装したものと似たような感じに仕上がっているという印象です。 ということで、LMMMがどんな感
.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
光造形3Dプリンタで作る、世界で一つだけのフィギュア リアルな人体モデルを作る最短の方法：3Dプリンタ買っちゃいました（1/2 ページ） 連載3回目は、予告通り、オリジナル人体フィギュアの製作がテーマだ。 オリジナルというからには、ありもののデータをどっかから持ってきて3Dプリントするということではない。自分で顔から体まで3Dソフトを使ってモデリングすることを意味する。人体の3Dモデリングは困難を極める作業で、外部に依頼すれば数百万円かかる。ぼくもかつては「Blender」とか「Zbrush」とか使って作れるようになりたい、と夢見ていたことがあったが、結局書籍を何冊か買っただけで終わった。 ではどうするか。専用ソフトを使うのだ。 パラメーターを調整しカスタマイズすることでさまざまな容姿の人体モデルを作ることができるソフトがある。 古くは美少女ゲームの「カスタムメイド3D」がMMDへの書き出
Chrome 83 ベータ版: XSS からの保護、フォーム コントロールの改善、安全な CORS など
.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
.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
この記事は GMOアドマーケティングAdvent Calendar 2022 20日目の記事です。 みなさんこんにちは、GMOアドマーケティングのM.Hです。 今回はXAIの一つである「SHAP」というライブラリについて、自然言語処理向けの機械学習モデルの観点から書いていこうと思います。 はじめに 昨今ではもはや聞き馴染みとなった「機械学習」や「AI」ですが、そのモデルはコンピューティングシステムの計算能力の向上と共に加速度的な速さで複雑化してきています。もちろんそのようなモデルを使ってビジネスに貢献ができれば嬉しいのですが、モデルの中身に関してはブラックボックス化されていることがほとんどで、「何が要因となってこの結果がもたらされたのか？」という部分はなおざりになりがちです。 機械学習のビジネス利用が当たり前に行われるようになった今日では、こういった原因や要因に関して人間がわかる形で示そう
SIMD およびマルチスレッド処理で TensorFlow.js WebAssembly バックエンドを高速化する
.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
アルゴリズムトレード入門 ~ python で自動取引を始めてみる ~ - GMOインターネットグループ グループ研究開発本部
はじめに こんにちは、次世代システム研究室のT.I.です。 みなさま、本日もお仕事お疲れ様です。今回は楽して儲けたい(?)というテーマで株式や為替などの自動取引について紹介したいと思います。過去にも同様のテーマでのブログはありますが、いったん初心にかえって１から入門編として始めたいと思います。AIで自動取引というと小難しい数学を駆使して応用すると思われるかもしれませんが、実は簡単な計算の組み合わせだけで出来るので実際に手を動かして感覚を掴んでいただければと思います。 Pythonでゼロ(?)から始める自動取引 データ収集 まず、最初にデータを準備する必要があります。為替レートや株価などは様々なsiteで公開されていますが、一旦 download したり、少々手間ですよね。python library の１つである、pandas_datareader を利用すると、簡単に様々なデータソースか
.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 #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 71 Ads API 10
.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
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。 今回は大規模言語モデルをシングルGPUで動かせるという噂のFlexGenについて使ってみて紹介したいと思います。 FlexGenとは FlexGenは、大規模言語モデル（LLM: Large Language Model）をシングルGPU（例えば、16GBのT4や24GBのRTX3090）で実行可能な高スループットな生成エンジンです。 以下がGitHubになります。 FlexGenは、Meta社が開発したOPT（Open Pre-trained Transformer）を動かすことができ、実際にAIアシスタントと会話することができます。 参考までにOPTに関する論文は以下です。 使用環境 Google ColaboratoryのPro環境を使います。モデルのアーキテクチャによって動作させるスペック
React と Web Components で Google Pay の統合が簡単になりました
.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
前回の続き 教科書通りでもつまらないのでここから一気に路線変更しました！ ColaboratoryにSelenium導入 下記を参考に設定。 やったことはひたすら記事通り・・・ 先駆者の方ありがとうございます！！ ログイン処理してログイン後の情報を取得する 無事にSeleniumを導入できたので、実際に動かしてみる。。 お題は弊社のワーカーサイトにIDとパスワードを入力し、ログインボタンを押す。遷移後のおすすすめの店舗に出てくる4店舗を出力するというもの。 手順 Chromeなどで対象URLを開発者モードで開く 入力フォームにあるidを取得する ID、パスワード、ログインボタン分確認しておく Pythonにドライバーの設定をしておき、対象URLを開く ID、パスワードに入力をする ログインボタンを押す 開発者モードで遷移後の画面に表示されるおすすめ店舗のclass名を取得する 店舗名のテキ
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
AMP Toolbox 1.0 のお知らせ
Titan Security Key が日本を含む 10 カ国で入手可能に
社内勉強会で機械学習の概要について話しました | DevelopersIO
画像生成AIで思い通りの画像を生成するプロンプトのコツ | 株式会社LIG(リグ)｜DX支援・システム開発・Web制作
機械学習初心者がテレビゲームの売上データセットを使って回帰モデル・分類モデルを作成してみた - Qiita
Stable Diffusion を Google Colabで実行する際に便利なコード
Google Colaboratory
Chrome を使ってアクセシビリティの高い PDF を生成する
OpenCensus Web: スタック全体の完全なエンドツーエンド観測を実現する
ナビゲーションの安全なデフォルト: HTTPS
相関係数が0.63の散布図を作成する - Qiita
Trusted Web Activity を使用した PWA の品質基準の変更
fastTextを使用した文章ベクトル作成 – 株式会社エノキ
【進化版】Google日本語入力で新下駄配列が使える！ - 紙とエンピツ＿ブログ版
Chrome でリソースを大量に消費する広告への対策
Google Chrome で安全でないダウンロードからユーザーを保護する
2020 TensorFlow Dev Summit のまとめ
光造形3Dプリンタで作る、世界で一つだけのフィギュア リアルな人体モデルを作る最短の方法
デベロッパーからのフィードバックを受け、Google Play をより良くします
URL のなりすましを見つけやすくする Chrome の試験運用について
SHAPで自然言語処理モデルネガポジ判定の中身を覗いてみる
Cloud Firestore のクエリが遅くなる理由
ユーザーの位置情報へのアクセスの安全化と透明化
大規模言語モデルをシングルGPUで動かせる!? FlexGenを触ってみた | DevelopersIO
週一でPython勉強会やってみる⑬ - Qiita