サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
ニコニコ動画
tech-blog.abeja.asia
こんにちは。株式会社ABEJA でPM兼DS兼プリセールスと色々な仕事をさせてもらってます道辻です。本記事はABEJAアドベントカレンダー2022の9日目の記事です! 私にとって2022年はテキストから画像生成のstable diffusion、音声認識のWhisper等、遊びがいのある技術がたくさん出てきたわくわくする年でした。(IoT自作してオフィスの温湿度CO2など測定して分析などもやっていたので忙しかったです。) そして、今ChatGPTが流行っています。12/5時点で100万ユーザーが利用しているそうです。今までやりたいなーと思っていたことを試していたらだいたいできてしまったので、他に紹介している人が少なそうなものをいくつか紹介します。 目次 ChatGPTとは ChatGPTで試したこと フランクな翻訳 コード譜付きの歌詞を生成 アイディア発想法への応用 URL画像の表示 最後
はじめまして!今年、ABEJAに入社しました高崎です!こちらは、ABEJAアドベントカレンダー2022の8日目の記事になります。 今回は、箸休め的に、ABEJAへの入社エントリ(ビジネス職)をお届けします! この記事で伝えたいこと いわゆる文系でもAIの世界で活躍の場がある!むしろこれから AIだけでなく、ヒトも大事にしたい。共感してくれたのがABEJA 興味がある人は、ぜひABEJAに来てほしい!お話しましょう! 目次 この記事で伝えたいこと 目次 今は何をしている人? 元々何をしていた人? もともと、AIには「いいイメージ」を持っていなかった AI時代にマーケティングをやっていくとしたら? よし、大学院(人類学)に行こう 嫌いになれないアイツ = AIが頭から離れない その中で出会ったのがABEJA 実際にAIベンチャーに入ってみて 1つ目 ABEJAは「テクノプレナーシップ」を地で行
こんにちは。株式会社ABEJA でスクラムマスターをしている小川です。本記事はABEJAアドベントカレンダー2022の7日目の記事です! 私は前職も含めると5年ほどスクラムでの開発を開発者として経験してきました。今のチームでは2ヶ月前にスクラムマスターとしてスクラムの導入から携わっております。 スクラムマスターとしてはまだ駆け出しの私ですが、自分なりに導入にあたってケアしてきたことや、スクラムのTips、よく聞かれること等々をご紹介したいと思います! 目次 私のチームのスクラムについてご紹介します! スクラム導入効果 スクラム導入前の課題 スクラム導入において意識していること 1. チーム文化の形成 2. タイムボックスの意識と遵守 3. 社内リリースプロセスとの整合性 スクラムのよくある誤解や質問 4. プロダクトオーナーという上位者の下で開発者がIT ソルジャーするの? 5. スクラム
はじめに NTPとは? 今回作るもの・レシピ 構築手順 (HW) 構築手順 (SW) シリアルポート・カーネル関連設定 gpsdのインストールと設定 ntpのインストールと設定 動作確認 PPS信号の取り込み 家庭内PCと同期テスト 性能評価(結果) 後日談 採用メッセージ はじめに こんにちは。ABEJA大田黒です。これはABEJAアドベントカレンダー2022の6日目の記事です!凄く唐突ですが....タイムマネジメントは社会人の基本!そしてタイムマネジメントを支えるPCの時計は精度をよくしたいですよね?!という事で、今回はGPS衛星 + RaspberryPiを使ったNTPサーバー (Stratum1)を構築方法について紹介します。 NTPとは? ネットワークを使って時刻合わせをする有名な仕組みとしてNTP(Network Time Protocol)があります。電波時計のネットワーク版
こちらは ABEJA アドベントカレンダー2022 の 5 日目の記事です。 はじめに こんにちは。CS 統括部システム開発グループ 1 の石川 (@ishikawa) です。 9 月に ABEJA は、本社オフィスを「Bizflex 麻布十番」に移転しました2。本社移転を受けて、Bizflex オフィスを利用する社員も増えています。そして、Bizflex のサービス(「QR コードによるゲストの招待」「顔認証やスマホによる解錠」など)は ABEJA が開発・運用しています。当然、利用ユーザーが増えるごとに改善事項が見えてくるわけで、日々アップデートに励む毎日です。3 Bizflex を支えるサービスの裏側については、昨年の Advent Calendar で詳しく書いていますので、ぜひご一読ください(フロントエンド編/バックエンド編)。 昨年に引きつづき、今年も主にフロントエンドのコード
こんにちは。システム開発グループでエンジニアをやっている鈴木です。 本記事はABEJAアドベントカレンダー2022の4日目の記事です! タイトルだけ見ると、なんのこっちゃって感じですが、本記事は真面目な書き方をするとデータサイエンティストとの協業がテーマになります。 社外向けイベントでも紹介させていただいたのですが、今回は技術に突っ込んだ部分も含めてお話しします。 目次 目次 転生したらデータサイエンスの国でクッキーの型職人になっていた エンジニアリングの国で働く データサイエンスの国でも働く 課題 モデル開発 インテグレーション クッキーの型を創る仕事 モデル開発テンプレート Cookiecutter テンプレート導入の利点 開発工数の削減 全社的な取り組みの展開のしやすさ 提供機能 環境構築周り データ関連のユーティリティ パッチ機能 サンプルコードの配布 DS Codebookとのコ
はじめに 皆さんこんにちは。 毎年の Advent Calendarで Notion やら Google AppSheet やら業務効率系の記事を書いている齋藤です。 本記事は ABEJA Advent Calendar 2022 の3日目の記事になります。 今回は、私が今年の元日(2022/01/01)公開した「プロセカNote」*1を例に、「業務や個人で活用するときにも活きるノウハウであるかどうか」を考慮して工夫した点を3点ピックアップして共有しようと思います。 前提 そもそも、今回私が本気で整備している Notion のページ(プロセカNote)に関して、超簡単にご紹介します。 プロセカNote -楽曲一覧- www.notion.so プロセカNote とは、私が「趣味: 9, 勉強: 1」の割合で Notion に関して色々触ってみようと思い Notion で作成した web ペ
目次 目次 はじめに アイデア 検証方法 データ準備 分析アプローチ データ取得 前処理・特徴量エンジニアリング 学習 結果 考察 まとめ ABEJAについて はじめに はじめまして!今年2月にABEJAにデータサイエンティストとして入社しました真鍋と申します。 こちらは、ABEJAアドベントカレンダー2022の2日目の記事になります。 2日目にしていきなり限界野球オタク丸出しの記事ですが 野球は2番最強打者論もあるくらいなので縁起の良い数字ですね、はい。 アイデア ある程度野球を見ている方なら想像ができるのではないかと思いますが、野球の試合では、「あ、そりゃ打たれるわ」という球があったりしますよね。 ど真ん中に棒球が行ったりとか、同じ球が何球も続いたりとか… ただ、それが「打たれるべくして打たれた」球なのか、「打者が上手くて打たれた」球なのかは、結構感覚によるものだと思います。 そういう
はじめに 本記事はABEJA Advent Calendar 2022 1本目の記事です。 こんにちは、メカやロボットが大好きな栗林です。本日ご紹介するのは清掃ロボットの制御システムをRaspberry Piから操作する方法についてです! URYYYYYYYY!! 過去の記事など tech-blog.abeja.asia tech-blog.abeja.asia ※ 例によって、本記事でおこなっている清掃ロボットの分解・改造はくれぐれも自己責任でお願いします。本記事内容を参考に生じた不具合・損害について、当方は責任を負いかねます。 ※ 間違っても私のように買ったばっかり&愛用している機体で試さない方がよさそうです。 清掃ロボットとは そもそも清掃ロボットとは、人間の代わりに清掃作業をおこなってくれるロボットです。近年さまざまなロボットが登場しており、一般消費者向けだけでなく、オフィスやホテ
ABEJAでデータサイエンティストをしている服部です。 2022年10月28, 29日にバルセロナにてKaggle Days World Championship Finalというデータサイエンスに関するイベント兼コンペティションが開催され、そこに参加しました。そして幸いなことに私の所属するチームが優勝することができました!! 本記事では今回のイベントそのものと、優勝に至るまでのコンペ上での過程や工夫点などについてご紹介しようと思います。 Kaggle Days World Championship Finalとは 1日目(ワークショップやプレゼンテーション等) Opening remarks by LogicAI and Kaggle HP introduction - Key note Kaggle Team - Ask Me Anything Winners team present
はじめに こんにちは!ABEJAでプロダクトマネージャーをしている栗林です! ABEJAでは小売店舗での顧客行動を分析するInsight for Retailというプロダクトや、オフィスDX事業をはじめとして、物理世界の現象を機械学習などが適用可能なデジタルに変換する部分にも強みがあります! 本日のTech Blogでは、安価かつ小型な加速度・角速度センサーを用いて製造業や物流業における作業者の行動や状態を推定する手法についてまとめました。 背景 みなさんは製造業や物流などにおける、正味作業時間という言葉をご存知でしょうか? 正味作業時間とは実際の作業に充てられた時間を差します。 例えば、組み立て作業の際に必要となる道具や在庫が近くに無く、作業者がものを探したり歩行して取りに行ったとします。このときの準備や段取りにかかる時間は準備時間や付帯作業時間と言われ、作業工程において生産をおこなえて
はじめに 記事を書いた経緯 社内向けツール開発時の課題 ABEJAでの取り組みについて 作成した社内向けツールの例 社員の工数を管理するためのツール NotionとSalesforceを連携するためのツール Googleスライドのフォントを変換するためのツール 開発・運用時の工夫 コードの管理方法 仕様・運用マニュアルの作成 Linter と Formatter テストコード CI/CD 外部サービスのアクセスキーの管理 まとめ おわりに はじめに こんにちは、システム開発グループの金谷です。 この記事では、システム開発グループの仕事の1つである社内向けのツール開発と、運用方法、ソースコードの管理について紹介します。 ABEJA では、社内で利用している Google 関連のサービス(スプレッドシート・スライドなど)や、Notion/Slack/Salesforce などの業務で使用してい
1. はじめに 2. 先行研究からの学び 3. 前提 4. アーキテクチャ変更候補 活性化関数の変更 (SwishGLU) Transformer layerの並列化 biasパラメータ除去 Input-Output Embeddingの共有 (Weight tying) 5. 小規模モデルでの実験 実験設定 Transformer layerの並列化 SwishGLUの適用 Bias parameterの除去 bias削除の実験 最初もしくは最後のbiasだけを残す Input-Output Embeddingの共有 (Weight tying) 6. 中規模モデルでの実験 実験設定 モデルサイズでの比較 Shared Input output embeddings (weight tying) Transformer layerの並列化 SwishGLUの適用 7. 13Bパラメーター
1. はじめに 2. 並列学習環境を調べる 並列学習方法を調べる ネットワーク、コンピューティング周りを調べる 3. インフラ環境を構築する コンパクトプレースメントポリシーの作成 Compute Engine を起動する (Fast Socket と gVNIC を利用する) 4. まずはシングルノードで動かす 5. 次はマルチ環境で動かす w/ Docker リポジトリをクローン ssh/config を作成 authorized_keys を作成 hostfile を作成 Docker を build 6. つまずいたポイント 学習途中に出力したファイルを再利用するのでNFSが必要に NFSのリージョンを間違えて速度が出なかった 大量のGPUの調達はリソースを確保できないかもしれないので要サポート確認 コンパクトプレースメントポリシーは邪魔になりそうだった 7. 結果 8. まとめ
1. はじめに 2. そもそもGPTとは?? 3. ABEJAで作ったGPTモデルについて 3.1 モデルサイズ 3.2 データセット Wikipedia CC100 OSCAR mC4 3.3 参考にしたコード 3.4 モデルの学習 せっかくここまで育てたモデルが・・・ 4. 技術的な工夫点 4.1 データセットの前処理 4.2 GPT-neoxの活用 4.3 並列VMでの学習 4.4 モデルアーキテクチャの工夫 5 学習したGPTのアウトプット例 5.1 失敗モデルたちの作品集 5.2 完成モデルの出力例 5.3 少しFine-tuningした結果 6. 最後に 6.1 採用メッセージ 6.2 ABEJAで学習したGPTモデルの今後について 1. はじめに こんにちは、ABEJAの服部です。昨日、ABEJAが主催しているABEJA SIX2022でも発表がありましたが、NVIDIA社の
はじめに こんにちは、ABEJAの栗林です! 私はもともと機械工学・制御工学の出身であり、車からロボットまで幅広く機械が大好きです。今回はそんな私がドローンを作るために取り組んでいた飛行制御システムの一部をご紹介できればと思い記事を書いています。 機械学習等は使わず、制御工学のアプローチにはなりますがIoTなどに興味がある方に読んでいただければ幸いです! Raspberry Pi zeroを用いた、ドローン用の簡易な姿勢角推定装置を実装する方法をまとめています 実際にドローンに搭載するものは500Hz程度での計算が必要になるのでCで実装する必要がありますが、理論の確認ではRaspberry Piでも十分かと思われます。10000円程度で姿勢角推定装置を自作できます! 概要 ドローンなどの小型無人航空機(SUAV:Small Unmanned Aerial Vehicle)において、飛行制御
はじめに こんにちは。ABEJAのシステム開発グループでソフトウェアエンジニアをしている吉田です。 現在(2022年5月)仮想通貨が暴落中で、Blockchain技術自体も幻滅期にあると思われますが、 ABEJAでは最近、BlockchainやWeb3.0に関するSlackチャンネルができたり、社内ではこのあたりの技術がブームになってきているので、自分も波に乗り遅れないように、Blockchainを勉強しようと思い初めました。 そこでサービス自体は知っているけど得体の知れない、Amazon Managed BlockChainに入門してみたので、そのお話を記事にします。 Managedと書いてあるので、すぐに構築できそうかなと思っていたのですが全然そんなことなく、めちゃめちゃ手順が長いかつ、情報がとても少なくこのテーマにしたことを途中で後悔しました。。笑 はじめに Amazon Manag
はじめに ある日、このようなIssueが起票されました。 背景を話すと、Insight for Retail の顧客管理システムは5年ほど前にFirebaseで作成されております。 事業を切り開いていった先人たちには足を向けて寝られないのですが、サービスの成長に伴いマイクロサービス化していった結果、この顧客管理システムのRealtime Databaseが足を引っ張っていて、その利用料金が月額40万円、年間になおすと480万円ほどになってしまいいました、、、 初期フェーズは問題なかったものの、事業成長とともに無視できない金額になっていました。 Insight for Retailのエンジニアの高木です。 Firebase Realtime DatabaseからFirestoreに一部移行して、最終的にはコストを1/10まで圧縮して年間利用料を400万円削減した事例のご紹介になります。 利用
はじめに はじめに ホモグラフィ推定とは 特徴量ベースの手法 特徴点の抽出・特徴量の計算 LIFT: Learned Invariant Feature Transform [1] SuperPoint: Self-Supervised Interest Point Detection and Description [2] LoFTR: Detector-Free Local Feature Matching with Transformers [3] 対応関係の計算 Learning to Find Good Correspondences [4] Neural-Guided RANSAC: Learning Where to Sample Model Hypotheses [5] 画像マッチングベースの方法 Deep Image Homography Estimation [7] C
こんにちは、ABEJAの真壁孝嘉(@Takayoshi_ma)です。変数Aと変数Bにどれくらいの関連性があるの?このデータから何が言える?みたいなニーズって至る所にあるかと思います。その時に活用される様々な数学的指標たち、(自分含め)名前を知ってるだけだと危険だよなあって場面が近頃多い気がしたので、改めてメモ的な意味でブログを書いてみました。前半に(ピアソンの積率)相関係数に関する注意点を列挙したのち、後半にそれ以外の数学的指標の概要を列挙していこうと思います。 尚、このブログで度々登場する相関係数とはピアソンの積率相関係数を表すこととします。 相関係数の注意点 相関係数の概要 相関関係と因果関係は異なる概念 無相関であることと、独立であることは異なる概念 相関係数は外れ値に影響されやすい 選抜効果 相関係数の標準誤差 標本相関係数は母相関係数の不偏推定量ではない 2つの指標の関連度を測る
長期インターン生の木村です。 今回、以前から興味を持っていた画像認識モデルにおける説明可能なAIのクラス活性化マッピング手法を調査してみました。 説明可能なAIとは 近年、深層学習ベースの画像認識モデルは製造業、医療、自動運転など至る場面で社会実装が進められていますが、ディープなラーニングを行っているだけに推論の判断根拠を人間が解釈できない問題があります。医療、自動運転のような命に関わる領域では安全性や公平性を担保できないために安心して導入できません。 このような問題を解決するのが「説明可能なAI(XAI)」です。 「説明可能なAI(XAI)」は、AIの推論結果を人間が解釈可能な形で出力する技術を指します。例えば、犬と猫が映っている画像を画像分類するAIが犬と推論した場合、モデルがどこを判断根拠としているかをヒートマップで可視化します。このヒートマップは、「顕著性マップ」と呼ばれます。 画
こんにちは、長期インターンの木村(@takuk_ultimater)です。ABEJAで働くのも気が付けば1年間が経ち、入社当初はフルスタックエンジニアを目指し専門領域を決めていなかったものの、今ではML大好きマンになりました。 私は2021年の3月から1年間機械学習やエンジニアリングを専門としお客様のDXを推進するData Science(DS)チームに所属し、ベータ版の動画解析プラットフォームであるMotionIOの開発に携わっています。また、社内ミーティングにも出席したり、週2回技術共有するBrain Stormingで月1で発表したりしています。他には、物体検出やXAIに関する業務のお手伝いもしました。業務外ではKaggleでチームを組ませていただき、 銀メダルを獲得する貴重な経験をしました。 メンターには、DSチームのチームリーダーであるAndyさんが付いてくれました。Andyさん
ABEJA Advent Calendar 2021 23日目の記事です。21日目のオフィスDXを支える技術(フロントエンド編)のバックエンド編の記事となります。 はじめに こんにちは、エンジニアの @toshitanian です。 ABEJAは2021年11月にヒューリック株式会社と資本業務提携を行い、その一環として「Bizflex By HULIC」という賃貸オフィスを支えるBizflexシステムの開発・運営しています。 Bizflexシステムでは、クラウドサービスと連携した共用会議室予約システム、取次対応を効率化するゲスト受付システム、社員の所在地・状況可視化システムなどの機能を提供しています。Bizflex システムは、オフィスDXを推進するためのプロダクトなので、インターネットサービスだけでは無く、オフィスに設置されているWiFiや、ビルのセキュリティシステム等とも連携を行ってい
はじめに ABEJA におけるシステム開発グループの仕事 どんな仕事? どんな人たち? 業務の進め方 アセスメントフェーズ インテグレーションフェーズ システム開発グループの特徴 フルスタック 日々の取り組みや制度 朝会 エンジニアレビュー プリセールス 社内ツール開発 モデル開発テンプレート おわりに 参考: 取り扱っている技術スタック はじめに こんにちは、CS(カスタマーサクセス) 統括部の近藤&小笠原です。本日は、CS 統括部のシステム開発グループの仕事について紹介しようと思います。CS 統括部では、お客様の描く将来像をどのようにすれば実現できるかを検討するところから始め、最終的に DS チームの開発したモデルを組み込んでシステムインテグレーション、さらには運用までを行っています。 システム開発グループはその中の主にシステムインテグレーションを担当しますが、お客様の求める状態に繋げ
はじめに ABEJAにおけるDSのお仕事 どんな仕事? どんな人達? 業務の進め方 アセスメントフェーズ PoCフェーズ インテグレーションフェーズ ABEJA DSの特徴 ①運用を意識したモデル開発 ②要件定義フェーズの早い段階からの連携 ③技術・情報共有の仕組み 日々の取り組みや制度 ①DS Review(提案内容議論・レビュー会) ②中間レビュー(実装方針議論・レビュー会) ③プロジェクト振り返り会 ④Brainstorming (学習・スキルアップ機会) ⑤DS codebook (技術蓄積&再利用性向上の仕組み) おわりに 参考:取り扱っている技術スタック はじめに こんにちは、Labsチームの藤本です。本日は他己紹介ということで、ABEJA Data Scienceチームの紹介をしていきます。今回はテックブログと言うより会社紹介になってしまいましたが、続編ではもう少し掘り下げる
初めに 会社・事業紹介 ABEJA Insight for Retailについて 技術スタック 全体アーキテクチャ図 ① 映像録画・解析システム ②データ基盤部分 ③ Webダッシュボード その他 (全体共通部分) 一緒に働く仲間を募集中! 最後に 初めに こんにちわ。大田黒(おおたぐろ)です。暑い日が落ち着いてきて、秋(冬?)が来たなぁと感じるこの頃です。皆様いかがおすごしでしょうか。前回の「ABEJAの技術スタックを公開します (2019年11月版)」が公開されてからしばらく経ちました。 引き続きエンジニアの方とお話させていただく中で、 「ABEJAってよく聞くけど...実際どんなことやってるのかよくわからない」 「AIのお硬いSIerって感じなんでしょ?」 「社内は機械学習エンジニアばっかりなんでしょ...??」 といったご質問をいただくことが多いです。 今回の記事では、最新の会社や
はじめに ご無沙汰しております。ABEJAの大田黒(おおたぐろ)です。前回は弊社TechBlogにて、数千人規模のイベント向けに顔認証技術を利活用したお遊びプロダクトの設計・開発・デリバリーについての裏側を執筆させて頂きました。 tech-blog.abeja.asia 今回のテーマは少しニッチな内容にはなりますが、自社で提供しているIoTソリューションにおけるセキュリティまわりの取り組みについて、ご紹介させていただければと思っております。 はじめに IoTデバイスを取り巻く環境 ABEJAにおけるIoTの利活用 例:製造業での適用例 (機械部品の自動検品) システムの構成例 ABEJAの立ち位置 IoTにおけるセキュリティの考え方 IoTデバイスに関わるインシデントの例 大事なこと IoTにおけるセキュリティ対策のご紹介 (一例) アクション3本柱 + α 1.「仕組み」で徹底的に守る
ABEJA で Research Engineer をやっている中川です.普段は論文読んだり,機械学習モデルを実装したり,インフラを構築したりしています.今回のブログでは3,4ヶ月の間遊び9割仕事1割で取り組んできた Python で実装された機械学習マイクロサービスたちの monorepo 化について紹介します. モチベーション 小売業向けに店舗解析ソリューションを提供している ABEJA Insight for Retail では以下のような理由から機械学習システムをマイクロサービスの polyrepo (multi-repo) で運用してきました. 様々なフレームワークで書かれた最新の研究成果を取り入れやすい. 負荷特性の全く異なる機械学習モデルをスケールさせやすい. モデルごとに容易にデプロイできる. 障害耐性や保守性を高め日々の運用負荷を下げる. 手前味噌ですが,マイクロサービス
ABEJAでAdminの業務(一般的には管理部?)をしている森田潤也です。コロナの影響による働き方の対策に関して、緊急事態宣言が終わったこともありこれまでにやったことを振り返りとして整理しました。いろんな仕組みをスピード持って意志決定して作れたなぁ。とそれなりに満足してます。個別で参考になるものや、ABEJAイイねってものが少しでもあると嬉しいです。 1月:なんか海外は危なそう、くらいの対応 2月19-20日:全社リモートデイの実施 2月25日:会社としてリモートワークの方針発表 朝会にみんなオンラインで参加 2月27日:代表電話番号の表示を削除 3月25日:オフィス原則出社禁止のアナウンス 3月26日:Google Meetの導入 3月26日:契約書の対応方針決定(DocuSign) 3月30日:荷物の受け取りを無人化 4月1日:初の完全オンラインでの全社Kickoff 4月3日:代表電
次のページ
このページを最初にブックマークしてみませんか?
『ABEJA Tech Blog』の新着エントリーを見る
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