はてなブックマーク

この記事について この記事ではエクサウィザーズの介護記録AIアプリ「CareWiz ハナスト」(以下ハナスト)の開発スピードを維持するために、どのようにテストを書いているかをご紹介します。 内容としては基本的なことかと思うので、ハナスト開発ではどのような基本に則ってテストしているかという感じで読んでいただければ良いかと思います。 書いているのは誰？ この記事はハナスト開発チームのテックリードをしている原(@haracane)が書いています。 ハナストチームでは主にNode.js&TypeScriptでバックエンドAPIを開発していてテストにはJestを使っています。 ちなみにこれまではKotlin&JUnitやRuby on Rails&Rspecなどで開発＆テストをしたりしてました。 ハナストについて ハナストは簡単に言うと「音声入力で介護の記録をするアプリ」です。 以下の動画を見ていた

こんにちは。数理最適化ギルドでエンジニアをしている加藤です。 ある自社プロダクトの開発を通じて因果推論について勉強する機会がありました。因果推論は統計の分野ですが、その中で数理最適化の技術が使えることを知り、とても面白かったのでその内容をシェアしようと思います。具体的には組合せ最適化問題のひとつである最小カット問題が、因果推論のタスクの一部である識別可能性に利用できるという話をします。 前半は因果推論についての概説で特に予備知識は仮定していないです。後半は計算時間やネットワークフローなどのアルゴリズムを知っていると読みやすいと思います。 因果推論とは 因果推論の目的 統計的因果推論とは事象の間の因果効果を実験データや観測データから推定することを目的とした統計学の一分野です。単に因果推論といった場合は統計的因果推論を含むより広い概念を指すことがありますが、簡単のため以下では因果推論といえば統

Platform Engineer (旧 DevOps Engineer) の 根本 征 です。 前回は GitHub Actions + GitLab Flow を使った API / Frontend のデプロイフローの改善について紹介しました。 techblog.exawizards.com iOS の継続的デリバリーも GitHub Actions を活用して改善することができたので、今回はその内容を紹介したいと思います。 iOS のみならず、Android 開発 や Flutter などのマルチプラットフォーム開発での継続的デリバリーにも応用できると考えています。 Git Flow の採用・Git Flow の簡単な説明 継続的デリバリーの解説 リリースブランチ・Pull Request の作成 2つのリリース Pull Request を同時に merge する Tag & Gi

DevOps エンジニアの 根本 征 です。 前回のエントリーでは GitHub Actions の self-hosted runners について紹介しました。 今回はそれらを活用したデプロイフロー(主に API / Frontend)の改善について紹介したいと思います。 これまでのデプロイフローと課題 GitHub Flow はどうか GitLab Flow とは git-pr-release + GitHub Actions を使った、リリース Pull Request の自動生成 GitHub Actions を使ってデプロイを行う 効果と課題 おわりに これまでのデプロイフローと課題 部署やサービスによって異なりますが、これまでのデプロイにまつわる環境は大まかに下記のような状況でした。 3つの環境 develop 環境(主に開発者が使う環境) staging 環境(本番リリース

DevOps エンジニアの 根本 征 です。 7月からエクサウィザーズ にジョインし、CI / CD パイプラインの改善や自動テストの布教などを行っています。 今回は GitHub Actions の self-hosted runners を AWS ECS 上に構築し運用してみたので、その試行錯誤について紹介したいと思います。 GitHub Actions と self-hosted runners self-hosted runners を Docker で動かす self-hosted runners を AWS ECS で動かす アプリケーションを AWS ECS へデプロイする Workflow を作る おわりに GitHub Actions と self-hosted runners GitHub Actions は GitHub ユーザーであれば現在多くの方がご存知・ご活用

はじめに データセット モデル 学習 インターフェイスと使い方 1.ページを開く 2.絵を描く 3.判定させる 4.結果を見る 実行例 まとめ はじめに こんにちは。エクサウィザーズAIエンジニアの須藤です。 昨年の弊社忘年会の出し物として、落書き判定モデルを作りました。 お題に合わせて絵を書いて、AIにそれと判定させたら勝ちになるゲームです。 思いのほかちゃんと判定してくれて、ほっとしました。 取り立てて目新しさはありませんが、皆さんにも遊んでいただきたいと思い、ここで紹介します。 exaBaseのモデル詳細ページで実際に遊べます。 ブラウザだけで動作しますので、お気軽にお試しください。 データセット Googleが提供しているQuick, Draw!というゲームのデータを使用します。 これは、お題に合う絵を描いて、AIに判定してもらうというゲームです。 制限時間は20秒で、AIが候補に

こんにちは。ロボットチーム、ソフトウェアエンジニアの鳥居です。 新しいプロダクトのアイデアを得るために、ロボットチーム３名でコンシューマー・エレクトロニクス・ショー(CES) というイベントに参加しています。アメリカのラスベガスで毎年開催されているイベントで、今年の一般公開は1/8〜1/11の日程となっています。 この記事では、エンジニア視点で面白かったものをピックアップして紹介していきたいと思います。 AIセキュリティカメラ、VPU CES 2019 Innovation Awardを受賞した SimCam 家庭用の監視カメラですが、顔識別やネットワークの機能が備わっているものです。画像の識別の機能はクラウドベースで提供されているものが多いですが、このプロダクトは小さなカメラの中にVisual Processing Unit (VPU)を搭載しているため、クラウドへのデータアップロードが

こんにちは。エクサウィザーズAIエンジニアの須藤です。 類語辞典って便利ですよね。 書いた文章がしっくりこないときに、ニュアンスの違う単語に置き換えたり、和語と漢語と外来語を入れ替えたりできます。 しかし、適当な表現が出てこなくて、もっと漠然と言葉を探したい時はどうしましょう。 辞書を繰り返し引いて、類語の類語の類語を見て回るのはちょっと面倒ですね。 かと言って項目あたりの類語数が増えたとしても、その中で探す手間が増えて、やはり使いづらそうです。 そこで、こういうものを作ってみました。 https://base.exawizards.com/view/modelDetail?id=44 詳細を以下で解説します。 概要 学習 可視化 使い方 使用例 ソースの違い 興味深い例 最後に 概要 類語を平面に分散して表示するプログラムです。 JavaScriptで書かれていますので、最近のブラウザが

こんにちは．エクサウィザーズでインターンをしている川畑です． 視覚によるコミュニケーションというのは人々が相手に何らかのアイデアを伝える際に鍵となります．私たちは小さい頃から物体を描く力を養ってきており，時には感情までもたった複数の線で表現することも可能です．こうした単純な絵というのは，身の回りのものを写真のように捉え忠実に再現したものではなく，どのようにして人間が物体の特徴を認識しそれらを再現するか，ということを教えてくれます． そこで今回はSketch-RNNと呼ばれるRecurrent Neural Networkモデルでのスケッチの自動生成に取り組んでみました． このモデルは人間がするのと同じように抽象的な概念を一般化し，スケッチを生成することを目的としたものです．このモデルに関しては今の所具体的なアプリケーションが存在するというわけではなく，機械学習がどのようにクリエイティブな分

こんにちは。エクサウィザーズAIエンジニアの須藤です。 この度exaBaseの「物体名判別」モデルの紹介ページに、その場で試せるデモ機能を追加しました。 前回の「写真に写っていないところを復元する」とともに、実装にあたってはTensorflow.jsというフレームワークを使っています。 この記事では、Tensorflow.js導入までの簡単な解説と注意点、および新しいデモの操作方法を紹介したいと思います。 Tensorflow.jsとは 公式サイト 特徴 開発環境 モデルの書き出し モデルの読み込み 実行 モデルを読み込めない場合 物体名判別デモ 操作方法 結果 まとめ Tensorflow.jsとは TensorflowもしくはKerasで書かれた機械学習モデルを、JavaScriptで扱えるようにするフレームワークです。 学習済みモデルによる推論が主な応用と考えられますが、モデルの構築

こんにちは。エクサウィザーズAIエンジニアの須藤です。 みなさんはハイキングの写真でしずちゃんばかり写して、まともに撮られなかったジャイアンに殴られかけたことは無いでしょうか。 そんなとき「万能プリンター」があったら便利ですね。もう撮ってしまった写真の、向きやズームを後から修正して、写ってなかったところを復元して再プリントできるというものです。 しかし持ち主であるドラえもんは、うちにもまだ来ていません。仕方がないのでAIの力でなんとかしましょう。 目的 写真の外側に写っているものを推測し、自然な形で合成します。 物体の部分画像からその種類ないし位置を推測し、既存画像を本に全体を復元することが、原理的には可能なはずです。 その過程を直接にプログラムすることは現実的ではありません。 代わりに畳み込みニューラルネットワーク(CNN)に、かいつまんで学習させます。 学習モデル 敵対的生成ネットワー

こんにちは。エクサウィザーズの介護記録AIアプリ「CareWiz ハナスト」(以下ハナスト)でiOSアプリ開発を担当している伊賀(@iganin_dev)です。 ハナストのテックリードの原のブログ記事にもありましたように、ハナストではAPI通信にGraphQLを利用しています。 本稿ではiOSアプリの通信ライブラリとしてApolloを用いた場合のGraphQLリクエストのパフォーマンスをFirebase Performance Monitoring(以下FPM)を使用して測定する方法に関して記載します。 環境 本稿記載の内容は以下環境を前提に記載しています。 Xcode 14.0 apollo-ios 0.51.0 (※ 1.0.0へのバージョンアップ検証中) firebase-ios-sdk 9.6.0 ハナストについて 本題に入る前に「CareWiz ハナスト」に関して簡単にご紹介しま

こんにちは、エクサウィザーズAIエンジニアの柳元です。 今回はGTC Japan 2018の参加報告として、いくつかの展示や講演の簡単な紹介をしていきます。 スポンサー展示 株式会社コンピュータマインド様 物体検出・分類の事前学習モデルを提供するライブラリの展示です。 一般的なライブラリと異なり、学習ではなく推論に特化することで、高速に推論結果を得られます。 主にC/C++で実装されており、依存するライブラリ数が少なく、導入も容易です。 追加学習機能も今後実装予定とのことです。 コマツ様 大迫力のショベルカーの展示です。 単眼カメラから人を検出し、その距離を検出します。 また、地形を変えるのは本来高い技術を必要とされる作業ですが、 GNSSアンテナから得られる位置情報に基づき、バケットが設計面に沿って自動で動きます。 そのため、アームレバー操作のみで作業ができます。 3つのディスプレイのう

こんにちは、エクサウィザーズAIエンジニアの柳元です。 エクサウィザーズはGTC Japan 2018に参加します！ GTC Japanには昨年もマルチモーダルAIロボットを出展しました（後述）。 今年はエンタープライズや研究における用途を意識した「秤量」と「パレタイジング」のデモを行います。 秤量デモ youtu.be ※ ナレーションは、GTC Japan 2018に登壇予定の浅谷です。音声にご注意ください。 調剤現場では秤量（はかりで重さを量る）作業が大量にあり、労働力がかかる上、危険な薬品を扱う際のリスクがあるため、ロボットによる秤量の自動化が望まれています。自動秤量は、調剤だけでなく、料理にも活用可能と考えられます。 今回の秤量デモでは、都度与えられる量と等しくなるように、ロボットが塩をスプーンですくい、所定の位置に盛ります。 両サイドのUSBカメラの情報から塩の盛られた場所を認

こんにちは、エクサウィザーズの遠藤太一郎です。 私が参加した研究プロジェクトの成果が米科学誌「Cell」に掲載されましたので、ご報告です。 画像解析の深層学習のところで貢献しました。 論文のポイントは以下になります。 世界初のIntelligent Image-Activated Cell Sorterを開発 〜細胞画像の深層学習により高速細胞選抜を実現〜 本技術「Intelligent Image-Activated Cell Sorter」は細胞の高速イメージングと深層学習を用いた画像解析で細胞を一つ一つ網羅的に高速識別し、その解析結果に応じて所望の細胞を分取する世界初の基盤技術です。 免疫学、病理学、微生物学、分子生物学、遺伝学、再生医学、移植など多岐に渡る分野で基盤技術として不可欠である高速細胞分取技術「Fluorescence-Activated Cell Sorter」（開発者

こんにちは。エクサウィザーズAIエンジニアの玉城です。 本やインターネットで調べ物をする際、情報量が多すぎてどこを見たら良いのか分からなくなってしまった、という経験はないでしょうか。このように情報量の豊かさが返って人の判断を鈍らせてしまう問題を情報オーバーロードと言います。 インターネットの普及に伴う情報オーバーロードに対して、自動文書要約の技術が注目されています。今回、exaBaseではディープラーニング技術を活用した自動文書要約モデルを公開致しました。こちらにてソースコードと学習済みモデルをダウンロードし、以下のように英文ニュース記事から簡潔な要約文が生成可能なのでぜひ試してみてください。 原文（学習時に使用していないデータ） ： モデルが出力した要約文： spotify believes it has identified the average age of midlife cri