Visualizing K-Means Clustering January 19, 2014 Suppose you plotted the screen width and height of all the devices accessing this website. You'd probably find that the points form three clumps: one clump with small dimensions, (smartphones), one with moderate dimensions, (tablets), and one with large dimensions, (laptops and desktops). Getting an algorithm to recognize these clumps of points witho
Fairness Aware Learning について、いくつかのサーベイを参照しながら論文 "Equality of Opportunity in Supervised Learning" を事例として紹介した資料です。 Reference NeurIPS (NIPS) 2017 Tutorial https://mrtz.org/nips17/#/ Fairness-Aware Machine Learning and Data Mining アルゴリズムの判断はいつ差別になるのか : COMPAS 事例を参照して https://eprints.lib.hokudai.ac.jp/dspace/handle/2115/80958 KDD'19 Fairness Tutorial https://sites.google.com/view/kdd19-fairness-tutoria
著者のAlberto Romero氏はMediumのコントリビューティングライターで、AIの技術的可能性とその批判的検証に関する記事を多数執筆しており、AINOWでもそれらの記事の一部を紹介しています(同氏の経歴はLinkedInを参照)。同氏が2021年9月にMediumで公開した記事『GPT-4は、GPT-3の500倍となる100兆個のパラメータを持つだろう』では、GPT-3の批判的検証とその後継モデルが実現するかも知れない能力が論じられています。 2020年6月にOpenAIが公開した巨大言語AI「GPT-3」は、ヒューマンライクな文章を生成することで世界を驚愕させました。同モデルは、ディープラーニングモデルを巨大化していけば人間の知性と同等なAGI(汎用人工知能)の実現に近づくという「スケーリング仮説」にもとづいて開発されました。 OpenAIがGPT-3をさらに巨大化してGPT-
LINEのAndroid開発はどのように行われているのか——。LINEの7つの事業でそれぞれ募集するAndroid開発について、紹介する採用イベントで、金喜俊氏が「LINEのAIを活用したPoC・AI SDK・アプリケーション開発」について詳細を紹介しました。 LINEのAIカンパニーとは 金喜俊氏(以下、金):それではAIクライアント開発チームから発表いたします。 まず自己紹介いたします。私はAIクライアント開発チームのマネージャーを務めている金喜俊(キム・ヒジュン)と申します。LINEでは、大きく2つの事業で開発に携わってきました。前半はLINE GAME事業に立ち上げのメンバーとして参画して、モバイルのSDKを開発。さまざまなLINE GAMEのアプリのSDKを導入したり、あとはパートナー会社の技術サポートを行っていました。 2017年10月から、新しいAI事業を立ち上げるというTF
オミータです。ツイッターで人工知能や他媒体の記事など を紹介していますので、人工知能のことをもっと知りたい方などは @omiita_atiimoをご覧ください! 他にも次のような記事を書いていますので興味があればぜひ! 画像認識の大革命。AI界で話題爆発中の「Vision Transformer」を解説! 畳み込み+Attention=最強?最高性能を叩き出した画像認識モデル「CoAtNet」を解説! 帰ってきたResNet!最新の画像認識モデル「ResNet-RS」を解説! 画像生成も畳み込まない!TransformerによるGAN「TransGAN」誕生&解説! 【決定版】スーパーわかりやすい最適化アルゴリズム -損失関数からAdamとニュートン法- Vision Transformer(以下、ViT)はなぜ高い性能を叩き出せるのでしょうか。「そんなのAttentionのおかげに決まっ
# 測度論を勉強せずにルベーグ積分を使うための期待値の性質 ## はじめに 統計・機械学習では確率変数 $X$ に関する期待値 $\mathbb{E} [X]$ について議論することがよくあります
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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