DRAW NEARについて 宇宙でのSFサバイバルシミュレーションゲーム。主人公の船に突如巨大隕石が衝突、宇宙空間を漂流してしまう。主人公は生き残るため、他の漂流船にドッキングして船内を探索し、潜む敵と戦い資源を集める。そして集めた資源で自分の宇宙船を自由に建設・拡張…
![Oculus GoでLAMさんのキャラを7+1体同時に出そうとした話 | Unity Learning Materials](https://cdn-ak-scissors.b.st-hatena.com/image/square/b58a68719b21a1024f833d58395748f05488b271/height=288;version=1;width=512/https%3A%2F%2Fi.ytimg.com%2Fvi%2FA1Rp4v08_VA%2Fsddefault.jpg)
私達は、Unity を人工知能(AI)研究の主要なプラットフォームにするための取り組みを熱心に進めています。ここ数週間のうちに私達は、複数の研究者グループが Unity の可能性に気付き利用していることを知りました。OpenAI が Unity を使用してロボットの手の「握る」タスクのトレーニングを行っているほか、カリフォルニア大学バークレー校のあるグループは好奇心ベースの新しい学習アプローチの実験に Unity を使用しています。本日は、私達の「AI 研究コミュニティを支える」使命を果たすための一歩として、更なる改良とリソースの公開をお知らせできることを嬉しく思います。 このリリースには、より柔軟なアクション指定およびカリキュラム学習が可能な新バージョンの ML-Agents toolkit(v0.5)のほか、Unity の執筆した ML-Agents および Unity プラットフォー
東京大学松尾研究室(松尾豊特任准教授)は1月24日、東京大学の公開講座「Deep Learning基礎講座」で実際に使っている演習コンテンツの無償公開を始めた。GPUを使ってモデルを学習する実践的な内容で、個人・非商用に限って無料で利用できる。 Jupyter Notebook形式で作成された研究者向け演習コンテンツで、Jupyter環境があれば利用可能。GPUを利用し、実際にモデルを学習させながら技術を習得できる。線形代数や機械学習が前提知識として必要。コードはTensorFlowと、Numpy、Scipy、Scikit-learnなど標準的なライブラリで構成した。公開したのは演習パートのみで、講義パートのコンテンツは別。 個人で学習する目的のみで無償で利用でき、講習会や教室などでの利用は不可。クリエイティブ・コモンズの「CC-BY-NC-ND」(表示 -改変禁止- 非営利-一般)が適用
最近、Web業界やテクノロジー分野で人工知能(AI)やデータマイニング、ディープラーニングなどのキーワードとともによく耳にするようになった言葉の一つに「機械学習(マシーン・ラーニング)」という言葉があります。 機械学習はGoogleの自動運転車をはじめ、AmazonやZOZOTOWNなどのオンラインショップやNetflixやAWAなどの音楽ストリーミング配信サービスで使われるレコメンデーション機能、twitterやインスタグラムで顧客が投稿している内容を分析するマーケティングオートメーションなど、今日の社会でも頻繁に活用されています。 「機械学習」は、今後Web業界で取り残されないためにフォローするべき重要なキーワードの一つであることは間違いありません。 それでは、機械学習とは何であり、なぜこれほど注目されるのでしょうか。 今回は、「機械学習」の概要から、Web業界の関連者が知っておくべき
〈まちのこども園 代々木公園〉のお知らせ 私たちは来年10月に、東京大学との共同研究で、新しい認定こども園を、渋谷区の「代々木公園」の中で開園することになりました。この認定こども園には、国際的に幼児教育・保育を研究して行くセンター(現在は仮に「CCLC」=The Children and Community Learning Centerと呼んでいます)が併設される予定です。 ややインフォメーションが多いのですが、この場を借り、お伝えさせていただきたいことは、 1、代々木公園に、私たちの新園が開園しますこと 2、この園は、東京大学と共同研究して行く拠点となりますこと 3、国際的に幼児教育・保育を研究して行くセンターが附属されますこと です。 まず、新園の全体像について、お話しします。 立地は、原宿駅・明治神宮前駅から徒歩2、3分、代々木公園・原宿門入ってすぐの公園の中です。128名定員の認
Deep Learning Advent Calendar 2016の20日目の記事です。 ConvNetの歴史とResNet亜種、ベストプラクティスに関連スライドがあります(追記) 背景 府大生が趣味で世界一の認識精度を持つニューラルネットワークを開発してしまったようです。 M2の学生が趣味でやっていたCIFAR10とCIFAR100の認識タスクで,現時点での世界最高性能の結果を出したそうだ…趣味でっていうのが…https://t.co/HKFLXTMbzx — ニーシェス (@lachesis1120) 2016年12月7日 府大のプレスリリース 一般物体認識分野で、府大生が世界一の認識精度を持つニューラルネットワークを開発 黄瀬先生の研究室の学生さんだそうです。凄いですね! ちょうどResNet系に興味があったので、読んでみます。この論文を理解するには、ResNet, (Wide
一般物体検出アルゴリズムの紹介 今回CNNを用いた一般物体検出アルゴリズムの有名な論文を順を追って説明します。 コンピュータビジョンの分野において、一般物体検出とは下記の図のように、ある画像の中から定められた物体の位置とカテゴリー(クラス)を検出することを指します。 [6]より引用 Deep Learningアルゴリズムの発展によって、一般物体認識の精度は目まぐるしい勢いで進歩しております。 そこで今回はDeep Learning(CNN)を応用した、一般物体検出アルゴリズムの有名な論文を説明したいと思います。 R-CNN (Regions with CNN features) (CVPR 2014) [1] かの有名なCNNの論文[8]で、ILSVRC 2012の物体認識チャレンジで大差をつけて1位になりました。 このチャレンジでは1枚の画像が1000クラスのうちどれに属するかを推定する
自己紹介 すぎゃーん (id:sugyan) Web系エンジニア ドルヲタ歴5年ちょい TensorFlowで機械学習に入門 (2015.11〜) はてなブログ書いてます すぎゃーんメモ http://memo.sugyan.com/ アジェンダ アイドル顔識別について 学習用データセットの収集・作成 モデルの評価と実験 収集したデータを使った顔画像生成 アイドル顔識別について 問題設定 「入力した画像に対し、写っているのが『どのアイドル(人物)か』を機械学習により自動判定する」 画像内の顔領域検出 こちらは別タスク (Cloud Vision APIなど) 抽出した顔部分の分類 この分類器を作っている、という話 Deep Learning による画像分類 TensorFlowチュートリアルの最初の例 畳み込みニューラルネットワークを使った CIFAR-10 などの画像分類 学習には大量の
仕事が忙しくて…ってボヤいてない? 世界で700万人が学んだ「Udemy」で快適スキルアップ2015.07.03 11:00Sponsored これなら忙しくても続けられそう。 ギズモード編集部がメンバーみんなで記事ネタを探していたある日のこと。編集長・尾田の目に1つの単語が引っかかります。 「Udemy……なんか聞いたことあるな。なんだっけ?」 「あ、思い出した、動画を使った通信講座だ」 「なんですかそれ?」と興味津々の編集部員に説明します。 「『Udemy』(ユーデミー)ってアメリカで人気のオンライン講座サービスなんだけど、今年日本に上陸したんだよね」 調べてみたところ、3万以上のコースがあり、世界中で700万人以上が受講しているということが判明。講師も生徒もユーザーどうしのC to Cサービスなので、こんなにたくさんの講座があるようです。 「すごい数ですね」 「みんないつも『習い事し
どうも、佐野です。 昨日「第1回 プログラマのための数学勉強会」を開催しました。朝からの大雪にも関わらず多くの方にお集り頂き、濃厚なセッションの数々をお送りすることができて大変嬉しく思っております。 以下、各セッションを動画・資料と共に、簡単に内容のご紹介をさせて頂きます。 1. 「プログラマのための線形代数再入門」 - 佐野岳人 [資料] トップバッターとして発表させて頂きました。線形代数は3Dプログラミングをはじめ、画像処理や機械学習など多くの分野で必要になる数学の分野です。「行列の積はなぜこんな複雑な形をしているのか?」から「行列は線形変換・アフィン変換の定量表現である」という話をしました。 次回は中編として「行列式・逆行列とその実装」、後編で「座標変換と固有値・固有ベクトル」を発表してみたいと思います。 2. 「明日話したくなる「素数」のお話」 - 辻順平 [資料] 日曜数学者 i
サイボウズ・ラボの西尾 泰和さんが「エンジニアの学び方」について探求していく連載(毎週火曜日)の第1回。「WEB+DB PRESS Vol.80」(2014年4月24日発売)に執筆した「エンジニアの学び方──効率的に知識を得て,成果に結び付ける」の続編という位置づけです。「本編」のほうも、gihyo.jpにて公開されていますので、ぜひご一読ください。(編集部) 文:西尾 泰和 イラスト:歌工房 こんにちは、西尾泰和です。サイボウズの研究開発部門であるサイボウズ・ラボで、未来の製品の基盤となる技術を研究開発しています。今回「学び方」をテーマに連載を始めることになりました。よろしくお願いいたします。 ところで、みなさんは「グループウェア」がどうやって発明されたかご存知でしょうか? 1960年代、コンピュータを使って人間の知的能力を「増幅」することができないか、という研究が行われていました。 そ
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
処理を実行中です
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