PyTorch¹ SSAIL Lab, University of Illinois Urbana-Champaign, ² Anyscale, ³ Snowflake TL;DR: AutoSP automatically converts standard transformer training code into sequence-parallel code for long-context LLM training across multiple GPUs. Integrated…
Kubeflow 1.0: Cloud Native ML for Everyone
Coauthors: Jeremy Lewi (Google), Josh Bottum (Arrikto), Elvira Dzhuraeva (Cisco), David Aronchick (Microsoft), Amy Unruh (Google), Animesh Singh (IBM), and Ellis Bigelow (Google). On behalf of the entire community, we are proud to announce Kubeflow 1.0, our first major release. Kubeflow was open sourced at Kubecon USA in December 2017, and during the last two years the Kubeflow Project has grown b
C# or Java? TypeScript or JavaScript? Machine learning based classification of programming languages
AI & MLLearn about artificial intelligence and machine learning across the GitHub ecosystem and the wider industry. Generative AILearn how to build with generative AI. GitHub CopilotChange how you work with GitHub Copilot. LLMsEverything developers need to know about LLMs. Machine learningMachine learning tips, tricks, and best practices. How AI code generation worksExplore the capabilities and be
なぜ書きやすい？人気の開発環境は？Pythonを巡る疑問に答える
Pythonはなぜ書きやすく読みやすいと言われるのか？Python用のAI（人工知能）関連ライブラリーが豊富なのは、そもそもなぜなのか？Pythonプログラマーはどんな開発環境を使っているのか。Pythonを使う上で気になる3つの疑問に答える。 Q1 なぜ書きやすい？ A 面倒な「型宣言」が不要 Pythonはプログラムのソースコードが書きやすく、他人の書いたソースコードでも読みやすいと言われる。その理由は大きく3つある。 第1はライブラリーの充実だ。機械学習など第三者が作った外部ライブラリーだけでなく、Python本体が同梱する標準ライブラリーの機能も豊富だ。これによりCSVファイルを操作したりWebサイトにアクセスしたりする処理が数行で書ける。 第2はPythonが変数の型が実行時に決まる動的型付けを採用するため、プログラムを書くときに型を意識しなくていいことだ。Javaなど他の言語な
Towards Reproducible Research with PyTorch Hub – PyTorch
Reproducibility is an essential requirement for many fields of research including those based on machine learning techniques. However, many machine learning publications are either not reproducible or are difficult to reproduce. With the continued growth in the number of research publications, including tens of thousands of papers now hosted on arXiv and submissions to conferences at an all time h
Michal Ptaszynski / Research
Page Navigation → System Description → Released Files → Development History → Main References Other Research → ML-Ask: Affect Analysis → CAO: Emoticon Analysis → Automatic Evaluation of Conversational Agents → Contextual Appropriateness of Emotions → Cyberbullying Detection → SPEC: Sentence Pattern Extraction Architecture → POST-AL: POS Tagger for Ainu Language → YACIS: Yet Another Corpus of Inter
What’s New with the AI and Machine Learning Tools for Python: February 2019 Update - Microsoft for Python Developers Blog
What’s New with the AI and Machine Learning Tools for Python: February 2019 Update Across Visual Studio Code and Azure Notebooks, January brought numerous exciting updates to the AI and Machine Learning tooling for Python! This roll-up blog post recaps the latest products updates as well as the upcoming events for AI and Machine Learning: Python Interactive in VS Code now comes with IPython Consol
マイクロソフト、次世代の機械学習ツールと AI 開発ツールを発表
[2017 年 9 月 25 日] 米国フロリダ州のオーランドで 9/25～9/29 で開催されている Microsoft Ignite 2017 において、マイクロソフトの様々な最新 AI テクノロジーのロードマップが公開されました。新しい次世代の機械学習ツールの発表、Visual Studio に統合された AI 開発環境の提供、そしてプレビューで提供されている様々なツールや API の一般提供開始、などです。この記事では主なアップデートをまとめました。 次世代 Azure Machine Learning ツールの提供～ AML Workbench 等 Azure Machine Learning Studio を補完する次世代の機械学習ツールとして、以下の 3 種類のツールがプレビューとして利用できるようになりました。開発者の世界で ML や AI が取り入れられつつあるトレンドや
線画着色webサービスPaintsChainerを公開した - Qiita
http://paintschainer.preferred.tech こちらに先月記事にした線画の着色のデモを公開しました！！ 反響の大きかった皆さんに試していただけます！！（ちょっと期待値が上がり過ぎてないといいですがｗ） http://qiita.com/taizan/items/cf77fd37ec3a0bef5d9d 以前の記事『初心者がchainerで線画着色してみた。わりとできた。』はこちら。 ⇓そしてこちらがもじゃくっきーさんの使用例になっております。 GPUを使っている関係上アクセスが集中したりすると遅くなったりサーバーが落ちたりする可能性もありますが、生暖かく見守っていただければと思います。←たくさんの方に広まったこともあって、めっちゃ重くなっています。ぐぬぬぬ 画面はこんな感じっす。 線画ファイルを選択するととりあえず自動で塗ってくれます。 ※ただし、現状ではgifや
機械学習のためのPython入門 クラスとメソッド編 - Beginning AI
機械学習にどのようなPythonの知識が必要かは、Python機械学習プログラミングの監訳者福島 真太朗（ふくしま しんたろう）さんが以下のように述べられています。 Pythonの文法については、リスト、タプル、ディクショナリなどの基本的なデータ構造、forループ、print関数、zip関数、enumerate関数、関数やクラスの作成方法などが理解できていれば十分です。 thinkit.co.jp そこで今回はPythonで書かれた機械学習のコードを読めるように、リスト、タプル、ディクショナリなどの基本的なデータ構造、forループ、print関数、zip関数、enumerate関数、関数やクラスの作成方法について学んでいきます。 従ってこの記事は、Pythonを一度もやったことがなく、機械学習のためにPythonを学びたいという人向けです。 今回読み解くPythonコードについて 今回は題
機械学習のためのPythonの基礎「NumPy」を学ぶ - learning.ikeay.net
機械学習といえば「Python」です。なぜPythonなのかというと、数値演算や機械学習に関するライブラリがたくさん揃っているからだそう。行列がとても扱いやすいNumPy、グラフ描画が簡単にできるmatplotlib、機械学習のscikit-learnなどなど… 機械学習ではこの３つのライブラリを大いに活用します。 まずは今回はscikit-learnを使った機械学習ではかなり重要になってくる「NumPy」を学びます。 私はPythonもはじめてなのでまずはPythonの概要を把握しつつ、「100 numpy exercises」というNumPyを基礎から学べる問題集を写経して学習したいと思います。 環境構築 まずは環境構築です。詳しくは下記のリンクに飛んで確認いただきたいのですが、Macの場合は、Pythonのバージョン管理システムである「pyenv」と、分析環境を構築するのに便利な「A
Keras Documentation
KERAS 3.0 RELEASED A superpower for ML developers Keras is a deep learning API designed for human beings, not machines. Keras focuses on debugging speed, code elegance & conciseness, maintainability, and deployability. When you choose Keras, your codebase is smaller, more readable, easier to iterate on. inputs = keras.Input(shape=(32, 32, 3)) x = layers.Conv2D(32, 3, activation="relu")(inputs) x =
機械学習初心者が、素早く学べるコンテンツとライブラリ19選（Python編） -
Photo by Horia Pernea こんにちは。谷口です。 最近「機械学習に興味がある」「いつかやろうと思ってるんだよね……」と言うエンジニアの方をよく目にします。また、その倍ぐらい「機械学習難しすぎて挫折した」という方も見ます。 弊社のITエンジニアにも機械学習を勉強中という人がいますが、特に最初は難しすぎて何から手を付けたらいいのかよく分からず、とても悩んだと言っていました。そこで同じような悩みを抱えている方の参考になればと思い、初心者の頃に参考になった機械学習入門者の方に役立ちそうな記事やスライドを聞いてきました。 また、Pythonには機械学習のためにデータを処理するライブラリ（数値演算をするためのライブラリや図を作成するためのライブラリなど……）がそろっていて、呼び出したり組み合わせて処理したり……といったことがしやすいため、多くの人が機械学習で使っています。コードも短く
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
Mojo 🔥: Powerful CPU+GPU Programming
GitHub - ivy-llc/ivy: Convert Machine Learning Code Between Frameworks
PyMC3 Documentation — PyMC3 3.11.5 documentation
Pythonで、処理をより効率化するためのTips集
scikit-learnを用いた機械学習チュートリアル
Scikit learnで学ぶ機械学習入門
機械学習の Python との出会い — 機械学習の Python との出会い