AIが競馬予想で回収率180％突破の快挙！ 『電脳賞』優勝のITエンジニアが語る戦略が鮮やかすぎて目からウロコ
どうも、「電ファミ」では競馬担当になりつつある、長谷川リョーです。 前回は北海道まで出張取材をした「リアルダビスタ」の記事をお届けしました。「将来の夢は馬主になることだ」と競馬への愛についても触れさせていただきましたが、馬券の方も嗜みます。週末は重賞を中心に、平場のレースまで手広く買うことが多いです。 （Photo by Getty Images） 1度だけ万万万馬券を当てたことがあり、生涯収支は間違いなくプラスなのですが、あの大当たりがなければ間違いなく回収率は100%を下回っていたことと思います。（僕だけではなく、おそらく多くの人が同じ現状だと思います……） 普段はAI（人工知能）、IoT、VRのようなテクノロジー周りの取材記事を書くことも多く、「ディープラーニングのような技術を元に、競馬予想をするプログラムを作ることができるのでは？」と夢想したことも一度や二度ではありません。IT企業
自然言語処理における畳み込みニューラルネットワークを理解する · けんごのお屋敷
最近、畳み込みニューラルネットワークを使ったテキスト分類の実験をしていて、知見が溜まってきたのでそれについて何か記事を書こうと思っていた時に、こんな記事をみつけました。 http://www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp 畳み込みニューラルネットワークを自然言語処理に適用する話なのですが、この記事、個人的にわかりやすいなと思ったので、著者に許可をもらって日本語に翻訳しました。なお、この記事を読むにあたっては、ニューラルネットワークに関する基礎知識程度は必要かと思われます。 ※日本語としてよりわかりやすく自然になるように、原文を直訳していない箇所もいくつかありますのでご了承ください。翻訳の致命的なミスなどありましたら、Twitterなどで指摘いただければすみやかに修正します。 以下
そういうことだったのか！と思わずうなずく「機械学習」超入門
最近、Web業界やテクノロジー分野で人工知能(AI)やデータマイニング、ディープラーニングなどのキーワードとともによく耳にするようになった言葉の一つに「機械学習(マシーン・ラーニング)」という言葉があります。 機械学習はGoogleの自動運転車をはじめ、AmazonやZOZOTOWNなどのオンラインショップやNetflixやAWAなどの音楽ストリーミング配信サービスで使われるレコメンデーション機能、twitterやインスタグラムで顧客が投稿している内容を分析するマーケティングオートメーションなど、今日の社会でも頻繁に活用されています。 「機械学習」は、今後Web業界で取り残されないためにフォローするべき重要なキーワードの一つであることは間違いありません。 それでは、機械学習とは何であり、なぜこれほど注目されるのでしょうか。 今回は、「機械学習」の概要から、Web業界の関連者が知っておくべき
深層学習の非常に簡単な説明
This document introduces artificial intelligence (AI) and discusses examples of AI being used in everyday life. It defines AI as machines that mimic human intelligence, and notes most current AI is specialized or "weak AI" that can only perform specific tasks rather than general human-level intelligence. Examples discussed include voice recognition, chatbots, facial recognition, image recognition
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
Amazon Alexaの基礎知識 | DevelopersIO
はじめに 1月ももうすぐ終わりそうですが、僕にとってこれが2017年一発目のブログ記事となります。 2017年はAmazon Alexaが激アツだと確信したのですが、概要は把握していたものの、きちんと情報をキャッチアップ出来ていなかったため、改めてAmazon Alexaについて学びました。 基礎知識 Amazon Alexa Amazon Alexaとは、Amazonが提供する、クラウドベースの音声認識サービスです。Alexaに対応したデバイスが認識した音声はクラウドサービスに送信されます。クラウドサービスは音声をテキスト変換し、そのテキストを処理し、処理結果をデバイスに返して音声として再生されます。 Alexaが登場したのは2014年11月、Amazon Echoとして発表されました。発表時にはAmazon Echoの機能のように報道されていましたが、その後Amazon EchoはAl
Chainerで始めるニューラルネットワーク - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Chainerは、Preferred Networksが開発したニューラルネットワークを実装するためのライブラリです。その特徴としては、以下のような点があります(ホームページより)。 高速: CUDAをサポートし、GPUを利用した高速な計算が可能 柔軟: 柔軟な記法により、畳み込み、リカレントなど、様々なタイプのニューラルネットを実装可能 直観的: ネットワーク構成を直観的に記述できる 個人的には、さらに一つ「インストールが簡単」というのも挙げたいと思います。 ディープラーニング系のフレームワークはどれもインストールが面倒なものが多いの
金食い虫の「機械学習」と実用に堪えない「ディープラーニング」
「AI詐欺」が横行する日本のIT業界。AIブームのウソとホントに斬り込む連載の第3回では、主にコスト面から「機械学習」や「ディープラーニング」のビジネス導入の非現実さをあぶり出す。AIのシステム構築コストだけに意識が向いてしまい、従来の業務システムと同様の感覚で運用コストを見積もっていると、後に重大事態を招くと警鐘を鳴らす。 現在の人工知能（AI）の代表格は機械学習とディープラーニング。どちらも今後、世界を変える大きな可能性を秘めていることは言うまでもない。だが、世界を変えるにはまだまだ遠い。例えば（筆者はいまだ聞いたことはないが）、統計アプローチではない新たな手法の発見など、機械学習やディープラーニングの根幹技術の飛躍的な発展でもない限り、ビジネスでの活用を通じて世界を変えるには、多くの課題を抱えている。 機械学習やディープラーニングのビジネス上の課題は、大きくコスト視点と効果視点に分け
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.meti.go.jp/policy/mono_info_service/contents/ai_guidebook_set.pdf
[ケータイ用語の基礎知識]第773回：自然対話プラットフォーム とは
ディープラーニングを使った自動色塗り機能、お絵かきアプリ「アイビスペイント」に搭載 
機械学習活用プロジェクト大解剖
How should engineers survive during AI era
http://www.w3ii.com/ja/aiml/default.html
TFUG#3 RettyにおけるDeep Learningの自然言語処理への応用事例 - Speaker Deck
「線画に自動で着色してくれるサービス」が爆誕、あまりの精度の高さに「もう自分で塗る必要ないじゃん…」
NTT HOME > NTT持株会社ニュースリリース > NTTグループのAI技術「corevo™」を実装した共通基盤にてデバイス連携サービスの合同実証実験を開始
Deep Learningで始める文書解析入門
