機械学習パーティショニングのまとめ Part 1 l DataRobot
プラットフォームの概要 AI Platform 生成 AIおよび予測 AIのプラットフォーム もっと詳しく ドキュメント 新機能 ログイン 無料で始める 運用 自信を持ってAIを拡張し、比類のないエンタープライズ・モニタリングとコントロールでビジネス価値を促進 デプロイと実行 再学習と最適化 監視と介入 ガバナンス AIの環境、チーム、およびワークフローを統合し、大規模な範囲での完全な可視性と監視を実現 レジストリと管理 監査と承認 コンプライアンスドキュメント生成 構築 ニーズの進化に合わせて自由に適応できるオープンなAIエコシステムで、迅速なイノベーションを実現 分析と変換 学習とチューニング 組立てと比較 プラットフォーム統合 インフラストラクチャーへのデプロイ ソリューション 業界ごと ヘルスケア 製造 小売業 金融サービス 成果ごと ユースケースのライブラリー お客様事例 Dat
DeepなFactorization Machinesの最新動向 (2018) - Gunosyデータ分析ブログ
はじめに こんにちは。研究開発チームの関です。 最近毎週日曜日の恋するワンピースの更新を楽しみに生きています。好きなツッコミは「この船の航海士は誰？」です。 あと虹のコンキスタドールのベストアルバム「THE BEST OF RAINBOW」は皆さん買いましたか？ 健康にいいので毎日聞きましょう。 この記事はGunosy Advent Calendar 2018の22日目の記事です。 昨日はcou_zさんの「【年末年始に読みたい】Gunosyエンジニアが2018年に購入した書籍まとめ」でした。 皆さんFactorization Machinesは好きですよね。 予測モデル構築においてはXGBoostと並んでとりあえずやっておくべき手法として知られています。 今回のエントリではKDD2018で発表されたxDeepFMを読み解きながら、 DeepなFactorization Machineの現状
【環境構築不要・スマホ/タブレットOK】東大松尾研のDeep Learningエンジニア育成講座『DL4US』を自習する - Qiita
PR: 以前の記事 のデータサイエンティスト向け講座のColab実行方法などをまとめ、 図解速習DEEP LEARNINGという本ができました。[2019年5月版] 機械学習・深層学習を学び、トレンドを追うためのリンク150選 - Qiitaでも、一部内容をご覧いただけます 参考: Colaboratoryユーザによる非公式の情報交換Slackを試験的に立ち上げました。リンクより、登録・ご参加ください。 TL;DR いつも満員抽選となる東大松尾研Deep Learningエンジニア育成講座『DL4US』の演習資料が公開された Google Colaboratoryを使えば、Python等セットアップ不要ですぐに始められる 全ノートブックを実行し、つまずき所も乗り越え方をまとめました セットアップ後は、スマホやタブレットのブラウザでもok GPUだって無料で使える! Colab概要はこちら:
【Python】 機械学習の可視化が捗るライブラリ「Yellowbrick」 - フリーランチ食べたい
機械学習Podcast「TWiML＆AI」で先週取り上げられた可視化ライブラリ「Yellowbrick」が非常に便利だったので紹介します！ちなみにPodcastには作者の1人であるRebecca Bilbroさんが出演しているので興味持った方は是非聞いてみてください。 twimlai.com www.scikit-yb.org Yellowbrickとは 一言で言うと、機械学習に特化した可視化ライブラリです。実装的な面で言うと(こちらの方がわかりやすいかもしれません)、scikit-learnとmatplotlibをラップして、scikit-learnライクなAPIで使うことができるものです。 例えば相関行列のヒートマップをプロットしたい場合は次のように書くだけでグラフを作ることができます。 visualizer = Rank2D(features=features, algorithm=
東大松尾研究室監修のエンジニア向け教育プログラム「DL4US」の演習コンテンツが無償公開 | Ledge.ai
2018年にかけて実施されていた、東京大学松尾研究室が監修するエンジニア向け無償教育プログラム「DL4US」の、演習パートのコンテンツが無償公開された。 関連記事：松尾研監修のディープラーニング無償オンラインプログラム「DL4US」が募集を開始 「DL4US」とは？Deep Learningエンジニア育成講座「DL4US」の演習コンテンツを無償公開しました。実装に重きを置いてエンジニア向けに松尾研で作成したもので、画像認識や翻訳モデルから始まり、生成モデルや強化学習まで扱う実践的な内容になっています。ご興味ある方はぜひ。https://t.co/jLWlrk9UdK — 松尾 豊 (@ymatsuo) 2019年5月15日 DL4USは高度なディープラーニング技術者を育成することを目的とした、アプリケーション指向の無償オンライン教育プログラムだ。 東京大学ディープラーニング基礎講座、応用講
不確実性と上手く付き合う意思決定の手法
予測モデルの不確実性を減らすActive Learning, モデルの不確実性を予測結果に反映するThompson Sampling, オンライン最適化など
300店のベーカリーに導入された画像認識AIレジの秘密に迫る | Ledge.ai
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
平成の次の元号を、AIだけで決めさせる物語 - Qiita
背景 平成の次の元号は何になるの？ エンジニアに限らず、多くの人が気になる話題である。 エライ学者先生ががんばって調べたり選んだりして決めるんでしょ。 しかし、時はAIが囲碁や将棋で名人を負かす時代。 そうだ！AIに新元号を決めてもらえばいいじゃん！！ まさに悪魔的発想・・・！ 「OK、Google、新しい元号は何になるの？」 ⇒ 教えてくれるワケがない。（元号関連記事くらいは教えてくれる） じゃあ自分で作ってみよう！ 人の判断を一切入れずに、AIだけで新元号作ることが出来るのか？が今回のテーマ 余談： ちなみに大喜利人工知能の、大喜利βさんに聞いたところ 「アメリカ」との答えが返ってきた。 このタイミングで、アメリカ合衆国51番目の州は「本州」です、とせよとの啓示なのか！？ 新元号のルールは？ 以下のように決められているらしい。 1. 国民の理想としてふさわしいようなよい意味を持つもので
HELLO CYBERNETICS
はじめに 誰向けか 顧客や自身の部下などにデータサイエンスを説明をしなければならない立場の人 機械学習のアルゴリズムには詳しいけどビジネス貢献ってどうやってやるの？という人 データサイエンスのプロジェクトを管理する人 機械学習やデータサイエンスをこれから始める人 感想 はじめに 下記の書籍を以前（結構時間が経ってしまいました）高柳さんから頂いていましたので感想を書きたいと思います。 評価指標入門〜データサイエンスとビジネスをつなぐ架け橋 作者:高柳 慎一,長田 怜士技術評論社Amazon 遅くなった言い訳としては、「個人としては多くの内容が既知であったこと」が挙げられるのですが、この書籍に書かれている内容が未知であるかあやふやな人にとっては当然非常に有用になっています。そして、何よりもその伝え方（書かれ方）が今になって素晴らしいと実感できたためこのタイミングで書くこととしました。 誰向けか
エッジコンピューティングの流れ変える--グーグル、エッジ向け機械学習チップ発表
Googleがエッジコンピューティング分野に乗り出す。クラウドと人工知能（AI）を組み合わせるもので、機械学習向け専用チップに代表されるハードウェアの取り組みを拡大する動きととらえることもできる。「エッジコンピューティングの流れを変えるゲームチェンジャー」と同社幹部は述べている。 サンフランシスコで開催中の年次イベント「Google Cloud Next 2018」で発表された。エッジコンピューティングの取り組みは、2018年に発表したIoTサービス「Cloud IoT Core」を補完するものとなる。Cloud IoT Coreは、Google Cloud上で数百万にのぼるデバイスの接続と管理を支援するフルマネージドサービス。既にノルウェーの石油企業であるAkerBPが、油田の安全性強化と予測メンテナンスに利用しているほか、駐車場や農業でも採用が進んでいるという。 イベント2日目の基調講
機械学習をやる上で線形代数のどのような知識が必要になるのか
TL;DR 「機械学習をやるなら線形代数はやっとけ」的な話が出るけど具体的な話があまり見当たらない 研究でなく実務レベルで機械学習を扱う場合にどのような線形代数の知識が必要になるのか考えてみた 高校でやるベクトル・行列＋αくらいあれば概念的には十分で、計算が苦じゃない基礎体力が重要では？ 機械学習が流行ることで、機械学習に必要な数学的基礎にも話が及ぶことが多くなってきている。 特に、線形代数や微積に関しては基礎を押さえとけみたいなことを言う人が結構いる気がする。 中身のない話をしたい場合はまあそれだけでもいいのだけれど、具体的に何が必要になるのかを説明してくれてる人はあまりいない。少なくとも自分の観測範囲では。 レベル感が様々なので万人に通用する議論はできないのはしょうがないが、「自分としてはこれは必要だと思っている」みたいな意見は聞いてみたい。 自分の考えはどうだろう、ということで線形代
京大、機械学習により「動物の行動戦略」を解読することに成功
京都大学(京大)は、動物の行動データから報酬に基づく行動戦略を明らかにする機械学習法を考案し、これを線虫の行動へと応用することでその有効性を示したと発表した。 同成果は、京大生命科学研究科の本田直樹 准教授、情報学研究科の山口正一朗 氏、石井信 教授と、名古屋大学の森郁恵 教授らとの共同研究グループによるもの。詳細は米国の学術誌「PLoS Computational Biology」に掲載された。 動物は多くの報酬を得るため、状況に応じた 「行動戦略」を持って生きていることが知られている。報酬には食べ物や金などの実態を伴ったものだけでなく、間接的にそれらに結びつくものも含まれているため、自由に行動している動物を観察しているだけでは「動物が何を報酬として意思決定を行い、行動しているのか?」を知ることは困難だった。 研究グループは今回、動物の行動データから報酬に基づく行動戦略を明らかにする機械
毎日がEveryday、日々 Day by Day
スクラムフェス神奈川、ありえんほど楽しかった… コンテンツも運営方法も参加者のメンタリティーも自分にとってnewなものばかりでこの感動を処理しきれない… — 𠮷田勇太 / ysdyt (@yutatatatata) 2024年3月16日 3月16日に1day参加で 「Scrum Fest Kanagawa -春の陣- 」（通称スクフェス）に参加してきました。 この1年ほどはスタートアップのデータ領域の開発者をしていますが、前職時代は長い間データサイエンティスト職をしていました。そのためデータサイエンス系の勉強会イベントにはたくさん参加したり主催したりしていましたが、スクフェスは職種も違うしTLで眺める限りではノリもかなり違いそうだと思い参加を躊躇していました。が、結果参加してとても良かったです。（そして次回もきっと参加する！） さすがスクラムを嗜好する人たちはイベント内の「コミュニケーシ
Tensorflow XLAによる高速化、メモリ効率化、サイズの最適化によるポータビリティ向上について - Qiita
Tensorflow XLAによる高速化、メモリ効率化、サイズの最適化によるポータビリティ向上についてTensorFlow この記事を読む方へ 英語ができる方は下記の資料の方がオススメです。 TensorFlow w/XLA:TensorFlow, Compiled! Tensorflowをもっと高速化やメモリの効率化、サイズの最適化をしてみたい方向けです。 XLAの利点は大きく5個あります。 実行スピードの高速化 メモリの効率化 カスタムされた操作の依存性の除去 モバイルのフットプリントを除去 ポータビリティの向上 ただしXLA自体が実験的な状態な点と状況によってはスピードが下がると言われているのでこの点を考慮して実際に性能を測りながら使用する方が良いと思います。 XLAがどのように動作するか HLO（High Level Optimizet）によってターゲット環境とは独立して最適化 操
機械学習をやると、AIより人間の方が詳しくなる現象 - bohemia日記
こんにちは。ぼへみあです。 機械学習がすっかりブームになって、仕事や趣味でディープラーニングを使ったことがある人が増えていると思います。 特に画像分野でディープラーニングは成果を上げているので、特定のものを判別・識別するといった事例が多いかと思います。 そうした画像系のディープラーニング経験者なら経験する現象があります。 それは、 「その分野について、作ったAIよりも自分が詳しくなる」 という現象です。 おそ松さん見分けの第一人者になってしまった 以前取り組んだおそ松さんの6つ子をディープラーニングで見分けるネタでは、学習用データセットの作成のために、自力で5000枚以上のおそ松さんたちを見分ける作業を行いました。その結果、アニメを見ても、これは何松だ、と判断できるようになってしまいました。当時はおそ松さんを見分ける能力は誰にも負けない自信がありました。 なぜか学会でおそ松さんの話をする機
例の機械学習コースが良いらしいと知りながらも2年間スルーし続けたがやはり良かったという話 - Qiita
先日、オンライン学習サイトCourseraの"Machine Learning"コースを修了しました。これが最高に勉強になったわけですが、機械学習に興味があって情報収集を始めてる人にとって、「Courseraの機械学習コースがおすすめですよ」という話は 「はい、知ってます」 という感じではないでしょうか。 （たとえば、Qiitaで検索してみると、以下のような同コースに関連する超人気記事が出てきます） 数学を避けてきた社会人プログラマが機械学習の勉強を始める際の最短経路 - Qiita 機械学習をゼロから1ヵ月間勉強し続けた結果 - Qiita 僕もそんな感じで、幾度となく人や記事に同コースを薦められたりしつつ、たぶん2年ぐらいスルーし続けてきたと思います。 しかし約2ヶ月前、ひょんなきっかけから本講座を始めてみて、やはり評判通り最高だったと思うと同時に、僕と同じような感じでこのコースが良い
NTT、ネットワーク障害の原因を推定するAI技術を開発。従来のネットワークエンジニアによる分析と切り分けを不要に
NTT、ネットワーク障害の原因を推定するAI技術を開発。従来のネットワークエンジニアによる分析と切り分けを不要に NTTは、ネットワーク障害時にネットワーク機器などから発生するさまざまな警告などを分析し、障害の原因を分析、推定するAI技術を開発したと発表しました。 NTTによるとこのAI技術は、ネットワーク障害の対応履歴などを基にネットワーク機器などからのアラームと真の障害原因を教えていくことで、障害の原因を推定するルールそのものを自動的に作り出せるというもの。そしてこのAI技術によって、これまでネットワーク障害時に技術者が行っていた障害の切り分けや分析作業をAIが実行できるようになるとのこと。 本技術を用いた障害原因推定がシステム化されると、これまで数時間から数日かかることもあった分析作業を数秒程度に短縮することができ、スキルフリーで迅速なネットワーク障害対応が可能となります。 （プレス
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
【深層学習入門】画像処理の基礎(画素操作)からCNN設計まで｜はやぶさの技術ノート
「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…」
【入門:教養としての人工知能】日々進行中の人工知能の社会実装とビジネス上の課題、理解の格差、そして歴史（森山 和道） - PC Watch
