スケーラブルな ML モデルのトレーニング、デプロイ、管理を容易にする TensorFlow 2.0 と Cloud AI | Google Cloud 公式ブログ
スケーラブルな ML モデルのトレーニング、デプロイ、管理を容易にする TensorFlow 2.0 と Cloud AI ※この投稿は米国時間 2019 年 3 月 22 日に Google Cloud blog に投稿されたものの抄訳です。 2015 年にオープンソース化されて以来、TensorFlow はエンドツーエンドの完全な ML（機械学習）エコシステムへと成長を遂げました。さまざまなツールやライブラリ、デプロイ オプションを含んでおり、ユーザーが調査段階から本番環境へと容易に移行できるよう支援します。そして、今年 3 月に開催された 2019 TensorFlow Dev Summit では、ML モデルをさらに使いやすくデプロイしやすいものにする TensorFlow 2.0 が登場しました。 ML フレームワークとしてスタートした TensorFlow は、その後包括的なプ
Watsonで作ったCore MLモデルをiOSアプリへデプロイする
2020–09–18 手順修正2018–08–23追記 本記事の開発手順ではiPadでビルド時にエラーとなってしまう部分について、IBMのDeveloperである浜口氏が手順をまとめてくれました。 ■Apple CoreMLでWatson Visual RecognitionのデモアプリををiPhoneだけではなくiPadでも使えるようにする https://qiita.com/satoruhamaguchi/items/a48de5898c39bc034898WatsonとCore MLモデルCore MLでは、開発者は学習させた機械学習モデルをアプリケーションに統合することができます。 ワトソンのVisual Recognitionは、このCore MLモデルをサポートしています。 今回は、Watson Visual Recognitionを使用してCore MLモデルを作成し、iOS
機械学習 - Apple Developer
機械学習 オンデバイスのパワフルな機械学習を活用してインテリジェントな機能を作成し、アプリで新たな体験が味わえるようにしましょう。iPhone、iPad、Mac、Apple Watch用アプリに機械学習モデルを組み込み、トレーニングし、デプロイする方法を確認しましょう。 Core ML Core MLなら、アプリに機械学習モデルを容易に組み込むことができる上、Appleデバイス上で目を見張るほど速いパフォーマンスを実現します。Core MLのAPIを使うと、構築済みの機械学習機能をアプリに追加することができます。またはCreate MLを使って、カスタムCore MLモデルをMac上で直接トレーニングすることも可能です。他のトレーニングライブラリからのモデルをCore ML Toolsを使って変換したり、すぐに使えるCore MLモデルをダウンロードしたりすることもできます。Xcodeで直
Webシステムにおけるデータベース接続アーキテクチャ概論 - ゆううきブログ
先月投稿した2015年Webサーバアーキテクチャ序論では、Webサーバアーキテクチャを学ぶ道のりと代表的な実装モデルの概要を紹介しました。 今回は、前回同様、主に新卒Webエンジニア向けに、Webアプリケーションサーバとデータベースサーバ間の接続管理モデルと運用事情について紹介します。 データベース接続の永続化やコネクションプーリングとは何なのか、なぜ必要なのかといったことが主な話題です。 背景 データベース接続の永続化とはなにか データベース接続のオーバヘッド データベース接続の永続化手法 コネクションプーリングとはなにか コネクションプーリング: ドライバ型 コネクションプーリング: プロキシ型 コネクションプーリング全体について PostgreSQLとMySQL 参考資料 まとめ 背景 2015年Webサーバアーキテクチャ序論では、Webサーバアーキテクチャの話とWebアプリケーショ
Google、画像をピクセル単位で把握し各オブジェクトに割り当てるセマンティックセグメンテーションCNNモデル「DeepLab-v3」オープンソース発表
Google、画像をピクセル単位で把握し各オブジェクトに割り当てるセマンティックセグメンテーションCNNモデル「DeepLab-v3」オープンソース発表 2018-03-13 Googleは、同社機械学習ライブラリTensorflow実装の画像セマンティックセグメンテーションdeep learningモデル「DeepLab-v3」をオープンソースにて発表しました。 GitHub:models/research/deeplab at master · tensorflow/models セマンティックセグメンテーションは、画像をピクセルレベルで把握し、各ピクセル１つひとつを画像内の各オブジェクト、例えば「道路」「空」「人」「犬」などのオブジェクトクラスに意味付けし割り当てることです。各オブジェクトの境界にあたる輪郭を正確に特定します。 今回発表されたDeepLab-v3は、前回のv2に比べ、
データサイエンティストを目指して勉強するなら、Kaggleからはじめよう - Qiita
さいしょに 「AI」、「ビッグデータ」、「データサイエンティスト」、これらのキーワードに関する仕事がしたいと思っている人はどの程度いるでしょうか？その中に、どのように勉強すれば良いかわからない、勉強はしたけど挫折した、実践できるまでには至らなかった人はどの程度いるでしょうか？ 本記事では、データサイエンスを勉強している中で、気付いたことをまとめています。あくまで、個人的に感じたことをまとめたものであり、勉強方法を決めつけるものではありません。 ※機械学習の実装方法等、技術的な内容ではございません。 Kaggleとは？ 公式より Kaggleとは、 「企業や研究者がデータを投稿し、世界中の統計家やデータ分析家がその最適モデルを競い合う、予測モデリング及び分析手法関連プラットフォーム及びその運営会社である。 」 以上、Wikipediaより 要するに、企業等が分析してほしい課題を投稿し、世界
書籍紹介：現場で役立つシステム設計の原則（…をお絵かきで理解する） | どしろうと製作所：WebLog
評判でした増田亨氏の「現場で役立つシステム設計の原則」を読書してみました。 こちらの書籍の感想は多数Web上にも上がっております。 本記事では読書にあたって「お絵かき」しながら理解した内容をまとめておきます。「理解」した内容のお絵かきですので、何か違うと思われる方は別途整理して頂ければとも思います。 ※簡単にまとめるつもりでしたが、合計すると少々長くなってしまいました… ■紹介範囲 今回の紹介範囲は、興味が強かった4章、5章、7章、8章、9章の5つになります。 ※DBはあまり詳しくありませんでしたので、6章は外しています。 以降は4章から順番にお絵かき紹介をしてみます。 なお、著者の増田さんいわく「現場で最初にやるのは序盤の内容の徹底だ」とのことでした。現場でできていない場合には、最初の1〜3章が非常に重要な内容となります。これらの必要とされる各技術、方法に対しても「なぜ必要か？」という記
1
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
脱jQueryのためにしたこと - Qiita
データ定義から読み取る仕様の目次 - Jの衝動書き日記