「『内積』を知っている人に，深層学習の中身がだいたいわかってもらう」ことを目指しています．これぐらいをスタートに，理解を深めていけばいいのではないかと思いました．ちなみに学習（例えばback propagationあたりの）の部分については，特に触れていません．それ以前の基本の部分です． (2017.1.28, 少々補足スライドをいれて，初学者向けにさらにわかりやすくしたつもりです．) なお，ここで出てくる数式は，せいぜい足し算と掛け算ぐらいです．Read less
深層学習の非常に簡単な説明
「『内積』を知っている人に，深層学習の中身がだいたいわかってもらう」ことを目指しています．これぐらいをスタートに，理解を深めていけばいいのではないかと思いました．ちなみに学習（例えばback propagationあたりの）の部分については，特に触れていません．それ以前の基本の部分です． (2017.1.28, 少々補足スライドをいれて，初学者向けにさらにわかりやすくしたつもりです．) なお，ここで出てくる数式は，せいぜい足し算と掛け算ぐらいです．Read less
日本IBMはなぜスルガ銀行に負けたのか
2008年3月、スルガ銀行は日本IBMを訴えた。システム開発頓挫の責任をベンダーとユーザーが押しつけ合った。ベンダーのマネジメント義務違反か、ユーザーの協力義務違反か。最高裁がスルガ銀行に軍配を挙げたことで7年に及ぶ裁判がついに終焉を迎えた。 本連載では、主にIT企業に関連する裁判例や近時のトピックを取り上げ、IT企業が法務面で留意すべき事項を指摘していく。第1回は、著名事件である「スルガ銀行 vs 日本IBM」事件の高等裁判所判決を見ていこう。本連載では紙幅の都合上、事案や判旨をかなり省略することが出てくるが、ご容赦願いたい。 2008年から続いた、スルガ銀と日本IBM（以下、IBM）の訴訟。一言で言えば両社が契約を結んだシステム開発プロジェクトが頓挫した原因がどちらにあるのかということを争い続けた。 スルガ銀はベンダーであるIBMが果たすべき義務、つまり高度な専門的知識と経験に基づいて
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
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
人工知能・機械学習という流行に振り回されないために参考になるブログの紹介 - 数学、ときどき統計、ところによりＩＴ
2017 - 01 - 05 人工知能・機械学習という流行に振り回されないために参考になるブログの紹介 他サイトの紹介 機械学習 人工知能 ・ 機械学習 について、昨今の状況を一歩引いた視点で見るのに役に立つサイトを紹介します。 人工知能 ・ 機械学習 については、書籍やブログ、時にはテレビによって大量の情報が流され、情報過多 *1 の状態が続いています。こうした状況においては、情報を整理して対象全体を可視化し、俯瞰的に眺めることが現状を確認したり取るべき方針を決める上で有効な場合があります。 上記の記事では、 人工知能 ・ 機械学習 で出てくる概念やワードを「データを扱う際のアプローチの違い」と「問題解決に対する指向の違い」の２次元平面上に マッピング しています *2 。 また、 の中で語られている ディープラーニング バブルに対する憂慮、特に 莫大な量のデータをスーパーコンピュータ
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
