","naka5":"<!-- BFF501 PC記事下（中⑤企画）パーツ＝1541 --><!--株価検索 中⑤企画-->","naka6":"<!-- BFF486 PC記事下（中⑥デジ編）パーツ＝8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下（中⑥デジ編）パーツ＝8826 -->","adcreative72":"<!-- BFF920 広告枠）ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag ＰＣ誘導枠５行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">

🚀 LLaVA-1.5 is out! Achieving SoTA on 11 benchmarks, with simple mods to original LLaVA! Utilizes merely 1.2M public data, trains in ~1 day on a single 8-A100 node, and surpasses methods that use billion-scale data. 🔗https://t.co/y0kG0WZBVa 🧵1/5 pic.twitter.com/kMz0LTk63R — Haotian Liu (@imhaotian) October 6, 2023 LLaVA-1.5は、今まで公開されているV&Lモデルの中で、初めて以下のスクリーンショットからそれぞれのキャラの順位を正しく答えることができました。 「ウマ娘」

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Ryeを使ったPythonの実行環境構築についてご紹介します。 Ryeについて RyeはRustで実装された、Python環境をワンストップで管理できるツールとなっています 今まではpyenv + poetryやpyenv + pipenvなどpyenvとの組み合わせで構築が必要だったものが、RyeだけでPythonインタープリタ含めて管理することが可能です。 RyeはRustのrustupとcargoにインスパイアされた、Pythonの新しいパッケージング体験を構築する実験的な試みとなっており、作者により「Production Readyではない」と紹介されていますが、検証用等個人で使用するには使い勝手はかなり良かったのでご紹介致します。 公式ページは以下となります。 セットアップ インス

4本脚のバイク？ 階段も登れるスズキの電動モビリティー｢モクバ｣2023.10.08 11:0037,312 岡本玄介 乗り心地も気になりますね。 10月26日～11月5日まで、東京ビッグサイトにて｢JAPAN MOBILITY SHOW 2023｣が開催されます。各社が最新モデルやコンセプトカーを発表するのが楽しみですが、バイクや軽自動車でお馴染みのスズキがバイクのような4輪車を出品します。 メカニカルな木馬？ その名は、次世代四脚モビリティ｢MOQBA（モクバ）｣。｢Modular Quad Based Architecture｣を略しています。跨って乗るのはバイクと同じですが、4本脚には車輪があるので歩くより滑って移動することが分かります。 ｢モクバ｣が凄いのは平行移動だけではなく、階段が登れてしまう点。脚にある関節が稼働し車輪にブレーキをかければ段差もへっちゃらなのです。 階段や段

同社は「日本で問われている問題の1つは、労働人口の減少と高齢化。AIの力を使って、人口構成の変化やその他の社会変化に対応しながら経済成長を促進する必要がある」と提言。一方、G7議長国として生成AIの議論のため「広島AIプロセス」を立ち上げるなど、AI問題に関する日本のリーダーシップや、模範的な行動に多くの国が期待しているとも指摘している。 関連記事 「このカップル、絵面が濃い」──オタ恋の“AI広告”が話題　運営「女性入会者数が3～7倍増えた」　そのワケは 肥満体形の男性と、女性のツーショット写真──そんな画像広告を展開するマッチングアプリ「オタ恋」のAI広告が話題だ。この広告掲載後には、男性は1.5～2倍程度、女性は3～7倍程度、入会者が増加したという。 「人を審査するAI」のリスクとは？　現金給付アルゴリズムが“暴走”した世界銀行の事例 世界銀行は、貧困層向けの現金給付プログラムの受給

出典：官報（※クリックorタップすると拡大できます）日本を代表するユニコーン企業で、自動運転関連技術の開発も手掛けるAI（人工知能）開発企業の株式会社Preferred Networks（本社：東京都千代田区／代表取締役CEO：西川徹）。同社の第9期決算公告（2022年2月〜2023年1月）が、このほど官報に掲載された。 第9期は売上高が76億5,500万円、当期純損失は30億6,600万円であった。 これと同じタイミングで、同社は新設分割により、生成AI事業に関する新子会社「Preferred Elements」を2023年11月1日に設立することを発表した。2021年11月には、自律移動ロボット事業を手掛ける「Preferred Robotics」も新設分割により設立している。 過去の新設分割の経緯があるため、同社の決算を過去の決算と単純に比較はしにくいが、参考のために記載すると、第7

この記事で行なっていること 凄すぎて”ズキズキワクワク"が止まりません はじめに ついこの間、ChatGPTは2022年1月までの情報を学習した、というい発表がありましたが、さらに今回のアップデートで 画像解析機能(GPT-4V) が追加され、アップロードした画像を使った新たなタスクの実行が可能になってます。そして、それが凄すぎます 衝撃的な投稿 まずはこちらの衝撃的な投稿をご覧ください。 動画は自転車の画像と共に「サドルを下げる手助けをしてください」で始まります。 ChatGPTからレコメンドが返ってきますが、それに対して、質問者は追加で ポイントになりそうな部分を拡大してアップロード マニュアルと自分の持っているツールの写真もアップロード します。 その結果、その質問者は、サドルを下げることに成功！そんな内容です。 自分の環境で、画像解析機能(GPT-4V)を使えるのか？ さて、画像解

A stream of malicious npm and PyPi packages have been found stealing a wide range of sensitive data from software developers on the platforms. The campaign started on September 12, 2023, and was first discovered by Sonatype, whose analysts unearthed 14 malicious packages on npm. Phylum reports that after a brief operational hiatus on September 16 and 17, the attack has resumed and expanded to the

Linux Foundationは、単一のソースコードでCPUやGPU、FPGAなど、マシンに搭載されているさまざまなプロセッサ（アクセラレータ）に最適化されたネイティブバイナリの生成を実現する団体「 Unified Acceleration (UXL) Foundation」の設立を発表しました。 We are excited to announce the launch of the UXL Foundation, a cross-industry group committed to delivering an open standard accelerator programming model that simplifies development of performant, cross-platform applications. Learn more: https://t.

連載概要 本連載はPythonについての知識を既にある程度は身に付けている方を対象として、Pythonでデータ処理を行う上で必須ともいえるNumPyやpandas、Matplotlibなどの各種ライブラリの基本的な使い方を学んでいくものです。そして、それらの使い方をある程度覚えた上で、それらを活用してデータ処理を行うための第一歩を踏み出すことを目的としています。 前回はある行列の逆行列、行列式、固有値と固有ベクトルを求めるお話をしました。今回は多数のデータがどんな特徴を持っているのかを調べるのに役立つ基本統計量をNumPyで取り扱う方法を見ていきます。 基本統計量とは 基本統計量とは、何らかのデータセットがあったとき、それらにはどのような特徴があるかを示す値のことです。というと分かりにくいのですが、平均値、最大値、最小値、標準偏差と分散などの値を用いることで、データがどのように分布している

高性能と名高いMistral-Instruct-7Bで日本語WikipediaからJSON形式でクイズを作ることに成功。これで日本語版データセットの開発が捗るはず。 とりあえず機内での実験のためGGUF(8bit)で試した。GGUFで動くならGPUならもっと動くだろう >>> data={"prompt":"""<s>[INS]以下の説明文を読みなさい[/INS] ... 樋口 真嗣（ひぐち しんじ、1965年9月22日 - ）は、日本の特技監督・映画監督・映像作家・装幀家。 ... ガイナックス、GONZO、Motor/lieZを経てオーバーロード所属。アニメ特撮アーカイブ機構副理事長や、IT企業のユビキタスエンターテインメントにおいてチーフ・ビジョナリー・オフィサーも務める。 ... 愛称は「シンちゃん」（由来などは#人物像で詳述）。妻は、スタジオジブリでのハーモニー処理をしている高屋

tl;dr In our continued efforts to expand and improve your profiling experience, we are excited to announce new additions to our language support: Ruby and Python. All the features that are described in this blog post have recently been released as part v0.26.0 of Parca Agent. While currently these language supports are in beta, they can be enabled using the --enable-ruby-unwinding and --enable-pyt

インテルは、FPGA（Field Programmable Gate Array）プロセッサの分野を強化するため、FPGAのビジネスを担当してきたProgrammable Solutions Group（PSG）を2024年1月より分社化すると発表しました。 外部からの投資も受け入れ、数年以内に株式市場への上場を目指すとしています。 Intel announces intent to operate PSG as a standalone business. https://t.co/mix0JPhqvR — Intel News (@intelnews) October 3, 2023 FPGA（Field Programmable Gate Array）とは、チップ内部のロジックをソフトウェアによってあとから自由に書き換えられるプログラマブルなLSIです。ロジックを書き換えることで従来

この連載では、開発者の皆様がシステム・アーキテクチャやアプリケーション・コードをより洗練させるのに役立つデータベース・マネジメント・システム（DBMS）の基本を振り返り、実装に合った技術の組み合わせを解説します。今回は、近年増えている、データベース内で機械学習処理を行う実装に焦点をあて、なぜデータベース内に機械学習が実装されるのか、そしてどのように実装されているのかを紹介します。 はじめに この連載は、第1回に紹介したDBMSの3階層構造における「アーキテクチャと実装」についての技術の紹介から始まり、中間の階層である「データ・モデルとデータ型」についてお伝えしてきました。データ・モデルとデータ型に関しては、JSONをDBMSで扱う方法やグラフデータモデルとグラフDBMS、解釈や取り回しに癖がある空間データについて取り上げました。 今回は、データの活用方法の１つである機械学習／AIとデータベ

Have you heard about CRDTs and wondered what they are? Maybe you've looked into them a bit, but ran into a wall of academic papers and math jargon? That was me before I started my Recurse Center batch. But I've spent the past month or so doing research and writing code, and it turns out that you can build a lot with just a few simple things! In this series, we'll learn what a CRDT is. Then we'll w

はじめに テックリードの柿崎です。私たちは、機械学習のパラメータチューニングを効率よく行うため、KubernetesネイティブのワークフローエンジンであるArgo Workflowsを採用しています。この記事では、その導入手順の要点を紹介いたします。 導入の目的 Argo Workflows導入以前は機械学習のパラメータチューニングを行うにあたり以下の機能を独自に実装しており、属人化していました。 パラメータ探索のアルゴリズム インスタンスのスケーリング インスタンスの稼働状況の可視化 ジョブの進行状況の可視化 これらをより柔軟に活用できるようにして、開発、更新サイクルを早めていくことが導入の目的です。 前提条件 Kubernetes(EKS)はすでに構築済みであること Kubernetes、Helmについての基本的な知識があること Argo Workflowsの基本的な知識があること K

Haskellは「入出力のためにIOモナドを使う必要があるので難しい」というイメージを持たれがちです[要出典]。この記事ではそのイメージに異を唱えることを目指します。すなわち、モナドを使わずに入出力を含むプログラミングをやってみます。 と言っても、Haskell標準の入出力関数には IO 型がついていることに変わりはありません。ですが、 unsafePerformIO という魔法の関数を使うと、IO 型を外して値を取り出すことができるのです。この記事ではこれを最大限活用します。 module System.IO.Unsafe where -- 魔法の関数 unsafePerformIO :: IO a -> a