Mojo 🔥: Programming language for all of AIMojo combines the usability of Python with the performance of C, unlocking unparalleled programmability of AI hardware and extensibility of AI models.
長文要約生成API：朝日新聞社メディア研究開発センター 人工知能研究の取り組み
概要 本APIは、入力された記事本文（最大2,000文字まで入力可能＝製品版）を機械学習を用いて要約するものです。過去30年分の記事データを、ディープラーニングの機構を用いて学習させています。長文を要約するときにお役立てください。 本APIの機能は、 指定した長さごとに生成型要約 すべての文の長さを揃える すべての文を圧縮する 重要な文を抽出する 重要な文を抽出後圧縮して、指定した長さにする の5つです。より詳細はこちらに解説記事を載せています。 九州電力玄海原発３、４号機（佐賀県玄海町）の運転差し止めを住民らが求めた仮処分申し立ての即時抗告審で、福岡高裁（山之内紀行裁判長）は１０日、住民側の抗告を棄却した。主な争点は、耐震設計の基になる基準地震動（想定される最大の揺れ）の合理性、原発周辺の火山の噴火リスク、配管の安全性の３点。 住民側は「基準地震動が過小評価されている」と主張。原子力規制
C# or Java? TypeScript or JavaScript? Machine learning based classification of programming languages
EngineeringProductC# or Java? TypeScript or JavaScript? Machine learning based classification of programming languagesTo make language detection more robust and maintainable in the long run, we developed a machine learning classifier named OctoLingua based on an Artificial Neural Network (ANN) architecture which can handle language predictions in tricky scenarios. GitHub hosts over 300 programming
The Building Blocks of Interpretability
Interpretability techniques are normally studied in isolation. We explore the powerful interfaces that arise when you combine them — and the rich structure of this combinatorial space. With the growing success of neural networks, there is a corresponding need to be able to explain their decisions — including building confidence about how they will behave in the real-world, detecting model bias, an
Machine Learning Crash Course
Share Facebook Twitter LinkedIn Mail Posted by Barry Rosenberg, Google Engineering Education Team Today, we're happy to share our Machine Learning Crash Course (MLCC) with the world. MLCC is one of the most popular courses created for Google engineers. Our engineering education team has delivered this course to more than 18,000 Googlers, and now you can take it too! The course develops intuition a
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
AI Experiments | Experiments with Google
JAN 24: NEW LAB SESSION: TEACHER ✕ LLMS//Experiment with the future of AI//JAN 24: NEW LAB SESSION: TEACHER ✕ LLMS//Experiment with the future of AI//JAN 24: NEW LAB SESSION: TEACHER ✕ LLMS//Experiment with the future of AI//JAN 24: NEW LAB SESSION: TEACHER ✕ LLMS//Experiment with the future of AI//JAN 24: NEW LAB SESSION: TEACHER ✕ LLMS//Experiment with the future of AI//JAN 24: NEW LAB SESSION:
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
機械学習に使える、オープンデータ一覧 ※随時更新 - Beginning AI
機械学習をやりたいんだけど、データがない！他のデータ使ってみたい！ そんな方のために、機械学習に使えるオープンデータを集めました。 他にも、このデータセットオススメ！というものがあれば、是非ご紹介して頂けると嬉しいです。m(__)m UC Irvine Machine Learning Repository カリフォルニア大学アーバイン校が公開した、データセット。351件のデータセットがあり後述する DATA GO に比べれば少ないが、ほとんどがMachine Learning用のデータ・セットなので、かなりオススメ。 UCI Machine Learning Repository かの有名なあやめの花（iris）のデータセットもここから見ることができます。 国立情報学研究所 情報学研究データリポジトリ データセット一覧 yahoo,楽天,ニコニコなどのデータがあります。 DATA.GO.
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
機械学習の基礎知識としての数学 - learning.ikeay.net
私がAI（人工知能）や機械学習って難しいナーと感じるところは、数学の前提知識がある程度必要なところです。 GoogleからTensorflowが出たときに、私もいっちょやってみるかなんて思ったのですが、参考にした記事もなかなか難しくてあんまり理解できなかったのを覚えてます。途中まで理解出来てたのに、急に数式が出てきて「なるほどわからん！」ってなることが多かったですね。 「というかエンジニアなのに数学苦手なのｗ」とビックリされる方もいらっしゃると思いますが、エンジニアっつったって、今の御時世理系出身エンジニアばかりじゃないんです。でもエンジニア女子やってると自動でリケジョ扱いされるから面白いですね。 当面の目標としては、AIの中でも機械学習を学んでいきたいので（DeepLearningできるようになりたい！）、あると嬉しい数学の知識としては以下です。 線形代数 確率・統計 微分・積分 AIの
Hello World - Machine Learning Recipes #1
Six lines of Python is all it takes to write your first machine learning program! In this episode, we'll briefly introduce what machine learning is and why it's important. Then, we'll follow a recipe for supervised learning (a technique to create a classifier from examples) and code it up. Follow https://twitter.com/random_forests for updates on new episodes! Subscribe to the Google Developers:
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
Mobile Real-time Video Segmentation
Google、データさえあれば素人でもAIを構築できるサービスを展開
TechCrunch
Enhance! RAISR Sharp Images with Machine Learning
Googleのニューラルネットワークが自ら暗号化通信を考案
GitHub - TomohikoMukai/mltk4maya: Machine Learning Toolkit for Maya
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
