デブサミ2017「DeNAの機械学習基盤と分析基盤」講演メモ #devsumi - 元RX-7乗りの適当な日々
sonots先生の話を聞きに行ってきたので、そのメモを残しておきます。 瀬尾 直利 氏 DeNA Co., Ltd. AIシステム部 リードエンジニア DeNAの機械学習基盤 ディープラーニングの基盤 => GPU基盤 という認識 GPUすごくて、CPU使って30日のところ、GPUを使うと4日くらいのオーダー GPUの特徴 並列処理が得意 CPUだと24coreとかのオーダー GPUでは3000〜4000core 分岐処理は苦手 行列演算に向いている GPU製品 NVIDIA Tesla HPC向けにGPUシリーズ NVIDIA GeForce GRID クラウドゲーミング向け AMD FirePro NVIDIA Tesla API CUDA OpenCL DirectCompute CUDAのアーキテクチャ CPU(ホスト)からGPU(デバイス)にデータを転送 GPUで処理 GPUから
AAAI報告記【1日目】 | リクルート
リクルートデータ組織のブログをはじめました。※最新情報はRecruit Data Blogをご覧ください。 Recruit Data Blogはこちら 産業で活用されるよりもランニングの有用さを人に説いていきたい、そう強く想う深層強化型人工知能・横柳です。 現在、私はサンフランシスコで開催中の Association for the Advancement of Artificial Intelligence (AAAI) に参加しています。 会議のスケジュールはコチラからPDFで提供されています。 私自身は人工知能なので、主に人間のアシストを担当しており、機械学習を専門にするエンジニアではないのですが、こういった仕事と直接関係ないカンファレンスにもホイホイ行かせてくれるのが RCO の良いところだと思います(コチラからのコピペ)。 この参加報告では、現地から毎日、リアルタイムに、私が参加
Private Presentation
Private content!This content has been marked as private by the uploader.
さくっとトレンド抽出: Pythonのstatsmodelsで時系列分析入門 - Gunosyデータ分析ブログ
久しぶりの投稿になってしまいましたが、ニュースパス(現在CM放映中!!)開発部の大曽根です。 作業中はGrover Washington Jr のWinelightを聴くと元気が出ます。参加ミュージシャンが素晴らしいですね。 なぜ時系列分析をするのか 季節調整 実演 おまけ: 時間別に見てみる まとめ 今後 なぜ時系列分析をするのか 数値を非常に重視している弊社では、数値を知るためのツールとしてRedashやChartioおよびSlackへの通知を活用しています。現在の数値を理解する上では、長期のトレンド(指標が下がっているのか、上がっているのか)を知ることが重要です。しかし、日々変化するデータ(特に売上やKPIと言われる指標)は、ばらつきも大きく、変化を適切に捉えることが難しいこともあります。 特にSlackなどへの通知を行っていると、日々の変化に囚われがちです。例えば、弊社ではニュース
Cookpad Tech Kitchen #5 〜クックパッドにおける最近の機械学習について〜 (2017/02/16 19:30〜)
クックパッド株式会社 東京都渋谷区恵比寿4-20-3 恵比寿ガーデンプレイスタワー12F （JR山手線 恵比寿駅より 徒歩約10分） 登壇者/発表タイトル 原島 純『クックパッドと自然言語処理 (Cookpad and NLP)』 2013年3月、京都大学大学院博士後期課程を修了。博士（情報学）。同年4月、クックパッド株式会社に入社。検索編成部を経て、現在は研究開発部に所属。専門は自然言語処理および情報検索。 Rybicki Leszek『Food image object detection and classification: Challenges and solutions (part1 - object detection)』 After graduating from Nicolaus Copernicus University in Torun, Poland, came t
Google Research、"英語の曖昧性"を解消する機械学習用文例データセット公開
Google Researchは18日(現地時間)、英語を対象にした機械学習用データセットを公開したことを、公式ブログで発表した。「MASC(The Manually Annotated Sub-Corpus)」「SemCor」を利用し、語意の注釈を加えるデータセットをGitHub上で公開している。 例えばNOAD(新オックスフォード米語辞典)は"ストック"を、「株式の発行および株式購読によって企業または法人によって調達された資本」と定義付けされているが、同時に「店内の品物」など他の単語が10以上も並んでいる。コンピューターが文章内に並ぶ特定の単語から、さまざまな意味を理解することが重要だとしながらも、多様な語意がAI(人工知能)を推進させるための課題として広く知られていた。この課題を解決するためGoogle Researchは語意のマッピングを行うことで、機械学習の精度を高めると同時に"
Machine Translation and Sequence to Sequence Models
CS 11-731 Language Technologies Institute, School of Computer Science Carnegie Mellon University Tuesday/Thursday 1:30-2:50PM, GHC4102 Instructors/TAs: Instructor: Graham Neubig (gneubig@cs.cmu.edu) Office hours: Monday 4:00-5:00PM (GHC5409) TAs: Qinlan Shen and Dongyeop Kang (cs11-731-sp2017-tas@cs.cmu.edu) Office hours: Tuesday 3:00-4:00PM (Dongyeop@GHC5713), Wednesday 11:00-12:00AM (Qinlan@GHC6
ペパボ研究所の機械学習基盤とワークフロー - ペパボ研究所ブログ
こんにちは、研究員の三宅です。インターネットでは @monochromegane として活動しています。ペパボ研究所では、機械学習を用いた新たなサービスの機能開発や運用手法についての研究開発を行っています。今日はペパ研の機械学習基盤の構想と、その運用を支援するために開発したツールについて紹介します。 はじめに 機械学習によってサービスの課題を解決していくためには、サービス資産との連携と、学習結果の利用が容易となる仕組みが必要となります。複数サービスを運用するペパボにこの仕組みを提供することを考えると、大規模にかつ即時適用可能な状態で運用するには基盤化が不可欠です。また、利用する学習結果は永続的なものではなくサービスの成長に合わせた継続的な改善が必要なため、機械学習基盤の運用においては改善結果の反映を継続、かつ安定して行うことができるかが課題となります。 このエントリではサービスと連携した機
Studio Ousiaの人工知能質問応答システム、クラウド会計ソフト提供社freeeのチャットサポートの自動応答でデビュー | Studio Ousia
Studio Ousiaの人工知能質問応答システム、クラウド会計ソフト提供社freeeのチャットサポートの自動応答でデビュー 株式会社Studio Ousia（本社：神奈川県藤沢市、代表取締役：渡邉安弘、山田育矢、以下Studio Ousia）はクラウド会計ソフト1提供社のfreee 株式会社（本社：東京都品川区、代表取締役：佐々木大輔、以下freee）のチャットサポートの自動応答の仕組みとして、ディープラーニングを用いた人工知能質問応答システム「QA ENGINE」の提供を開始いたしました。 Studio Ousiaは昨年6月に自然言語処理における著名な国際会議、NAACL (North American Chapter of the Association for Computational Linguistics)内で開催されたQ&A形式の人工知能間のクイズコンペティションで優勝いた
大トロ ・ Machine Learning
This post is not meant to be a comprehensive overview of recurrent neural networks. It is intended for readers without any machine learning background. The goal is to show artists and designers how to use a pre-trained neural network to produce interactive digital works using simple Javascript and p5.js library. Introduction Handwriting Generation with Javascript Machine learning has become a popu
初心者がchainerで線画着色してみた。わりとできた。
ﾃﾞｰﾌﾟﾗｰﾆﾝｸﾞはコモディティ化していてハンダ付けの方が付加価値高いといわれるﾋﾟ-FNで主に工作担当のtai2anです。 NHKで全国放送されたAmazon Picking Challengeでガムテべったべたのハンドやロボコン感満載の滑り台とかを工作してました。 とはいえ、やっぱりちょっとディープラーニングしてみたいので1,2か月前からchainerを勉強し始めました。 せっかくなので線画の着色をしたいなーと思って色々試してみました。 線画の着色は教師あり学習なので線画と着色済みの画像のデータセットが(できれば大量に)必要です。 今回はOpenCVでカラーの画像から線画を適当に抽出しています。 抽出例 → カラーの画像を集めて線画を作ればデータセットの完成です。（今回は６０万枚くらい使っています） ネットワークの形ですが、U-netという最初の方でコンボリューションする時の層の出
NIPS2016報告記【前編】 | リクルート
リクルートデータ組織のブログをはじめました。※最新情報はRecruit Data Blogをご覧ください。 Recruit Data Blogはこちら エンジニアの棚橋、そして、マッドサイエンティストの佐野です。 今年も残りわずかとなりましたが、みなさんごきげんいかがでしょうか。 2016年、リクルートコミュニケーションズ, アドテク部は量子コンピューティングに参入(ZDNet: Googleやリクルートが取り組む理由–量子アニーリング理論の可能性)するなど、マッドに始まりマッドに終わる１年となりました。 そんな１年を締めくくるべく、今回我々は機械学習のトップカンファレンスの一つであるNIPSに参加してきました。 昨年は氷点下の中、カナダのモントリオールで開催されたNIPSですが、今年は日本よりも比較的温暖なバルセロナで開催されました。 参加者数は過去最高の5680人、会場は人で溢れかえり
関係データ学習の実装 ツイッターデータのスペクトルクラスタリングとSBM - やったことの説明
概要 関係データ学習の学習のために，自分で実装して理解する． ツイッターのフォローフォロワー関係を使って，グラフラプラシアンを求めスペクトルクラスタリングを行った． その結果，なんとなくクラスタリングできた． また，確率的ブロックモデルによる非対称データクラスタリングをStanによって実装しようとした． これはうまくいっていない． はじめに 関係データ学習という本を買って読んでいる． www.kspub.co.jp 本の内容は前半と後半に分かれていて，前半は関係データをスペクトルクラスタリングしたり，確率的ブロックモデルでクラスタリングしたりする話．後半は行列分解やテンソル分解の話になっている． まだ前半の途中までしか読めていないが，予想していたよりも数式が簡単だったこともあり，実際のデータに適用してみたくなった． 数年前に書いたツイッターのフォローフォロワー関係をダウンロードするスクリプ
Private Presentation
Private content!This content has been marked as private by the uploader.
Retty流『2200万ユーザを支える機械学習基盤』の作り方 - Qiita
みなさん、こんにちは。Retty CTO の樽石です。 この記事は Retty Advent Calendar 25日目です。メリークリスマス。 昨日は @ttakeoka の『MFIにむけてRettyの取り組み』でした。 今年も残りわずかになりました。いかがお過ごしですか？ Retty はこの １ 年でエンジニアがほぼ倍増しました。それによって、情報発信者が増え、Advent Calendar に参加出来るようになりました。みんな楽しそうにしていて、うれしいです。 Retty Inc. Advent Calendar 2016 - Qiita さて、今年最後の Retty Advent Calendar 記事を書くということで、はじめは １年のまとめ的内容にしようかと思いましたが、それでは平凡で面白くありません。そこで、ネタになりそうなマニアックな技術的記事で締めくくりたいと思います。
Kaggle事始め - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに データ解析の情強な方なら、Kaggle はご存じだと思います。データ解析のSkillを競うCompetitionサイトで、与えられたテーマ(Dataset)に対して、世界中のデータ解析有識者が様々なデータ解析手法を駆使してより高い正答率(Score)を競い合う場所です。 が、Kaggleそのものは知っていても、どうやればKaggleに実際に参加できてランキングに加われるのかは知らない、と言う方は多いと思います。この記事では、とりあえずKaggleの何らかのCompetitionに参加して、解析結果をSubmitして、(その時点
NL20161222invited
3. 自己紹介・バックグラウンド (1) • 在英経験6.5年 子供の頃 ロンドン 5年 2000-2001 英ケンブリッジ大学 1.5年 （Karen Sparck Jones + Stephen Robertsonに師事） • 在中経験4.5年 2009-2013 Microsoft Research Asia (北京) • 2000年に論文ドクター取得 (早稲田大学 平澤茂一先生) • 企業経験約20年 • 2013年9月より大学教員 「帰国中年」 VSL = The Virtual Sakai Lab RSL = The Real Sakai Lab sakailab.com 4. 自己紹介・バックグラウンド (2) • 帰国中年なので、なんとなく機械翻訳の仕事をしたいと思い、 (株)東芝 研究開発センターの自然言語処理グループに予約配属。 • 入社してみたら、何故か情報検索のグル
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
https://www.driverless.id/news/boston-dynamics-latest-nightmare-robot-handle-is-humanoid-with-wheels-for-feet-0176108/
https://martin.zinkevich.org/rules_of_ml/rules_of_ml.pdf
GitHub - antirez/neural-redis: Neural networks module for Redis
