いきなりディープラーニング！？ 本格的なのに初心者にもやさしいAIプログラミングとは
「AIプログラミング」という言葉を聞くと、どうしても難しいイメージがつきまといますが、Processingとモデルを使うと、簡単に実現できます。ここではその方法とそれによって広がる世界について紹介します。 「AIを使うプログラミング＝難しい」は過去のもの ロボット、ゲーム、アプリなど、プログラミングを学ぶ目的は人それぞれですが、学びたいけれどちょっとハードルが高そうと感じてしまう方も少なくないでしょう。本連載では、そのような方へのひとつのきっかけとして、「プログラムで絵を描く」という話題を取り上げてきました。絵、すなわち視覚的な表現は単純に見えて、数式や手続きなど他のプログラミングでも有用なプログラミング的思考を必要とする要素がたくさん含まれているからです。 プログラミングで絵を描く？ 飽きずに長続きする秘訣は「遊び」にあり！【やらずに死ねないプログラミング】 – バレッドプレス（VALE
0から始めるkaggle超初心者向け入門
はじめに 「kaggleって何？」という人が、 kaggleがなにかわかる（話が合わせられる） kaggleコンペに参加してみる（ノリ気になる） ためのお手軽説明です(｀・ω・´) Agenda kaggleとは？ データ分析のトレンドの変化 kaggleの仕組み なぜkaggleをやるの？ やってみた(｀・ω・´) 1. kaggleとは？ 世界最大の機械学習・データ分析のコンペを主催するプラットフォーム つまり データサイエンティストの世界最強を決める大会 kaggleの規模 ユーザ数: 50万以上 国: 190カ国以上 らしい(｀・ω・´) 2. データ分析トレンドの変化 理論（theory） ↓ 実践（practice） 昔 理解するのが大事（theory） 今 実践・役立つのが大事（practice） 実践を重視している具体例 kaggle コンペ ノウハウの共有（コード・ディス
過剰な深層学習信奉は禁物、もっと人間に頼りましょう
人間が手がけていた業務全てをAIに担わせようとするのは失敗の元。AIと人間の役割分担を明確にした設計で成果を出したのが塩野義製薬だ。 「できない場合は『できません』と返すようにした。自信がある部分だけ結果を出力し、自信がない部分は出力せず人間に任せる」。医薬開発本部解析センターの北西由武Data Scienceグループ長はAI設計時の工夫をこう話す。「5割程度をAIに任せられるようになれば十分」と割り切り、2018年中に実用化するメドをつけた。 同社が構築したのは、臨床試験の解析に必要な専用プログラム（スクリプト）を自動的に生成するAIだ。 新薬の開発時に効果や副作用を検証する臨床試験では、事前に解析内容を明らかにしたうえで、患者の体温や症状などの試験結果を入力すれば自動的に表やグラフなどの解析結果を出力できるプログラムを用意する必要がある。臨床試験の結果と解析結果の間に人の操作を介在させ
グーグルのTensorFlow、モバイル強化でJavaScriptやラズパイに対応
2018年はモバイル環境におけるディープラーニング（深層学習）が大きなトレンドになりそうだ。「スマートフォンや安価なIoTデバイスでも深層学習が利用可能になった」。米グーグル（Google）で機械学習ライブラリ「TensorFlow」の開発担当ディレクターを務めるラジャ・モンガ（Rajat Monga）氏はこう力説する。 TensorFlowは、ディープラーニングの実現を支援するソフトウエア群。グーグルは2018年3月30日（米国時間）、米シリコンバレーで開発者会議「TensorFlow Dev Summit 2018」を開催し、TensorFlowの新機能を発表した。目玉となるのがモバイル対応の強化だ。 まず、TensorFlowのJavaScript版「TensorFlow.js」を発表。さらにスマートフォン向けの軽量版「TensorFlow Lite」が従来の「Android」と「i
AIのビジネス活用を日本の“お家芸”に――AI分野11社が結集した企業連合の野望とは
AIのビジネス活用を日本の“お家芸”に――AI分野11社が結集した企業連合の野望とは：Weekly Memo（1/2 ページ） AI技術のビジネス活用を推進する企業連合が発足した。「AIビジネス推進コンソーシアム」は自らの活動を日本の“お家芸”にしようという狙いもある。果たして奏効するか。 「AI（人工知能）技術を実際にビジネスで使っていけるようにしたい」――。12月13日に発足したAI関連の企業連合の設立発表会見で、この動きの仕掛け人であるグリッドの曽我部完 代表取締役はこう強調した。 新設された企業連合は「AIビジネス推進コンソーシアム」。「AI を社会に役立て、ビジネスや研究活動を活性化・推進すること」が目的だ。曽我部氏は「国内のAIサービスの開発力強化と産業界へのAI適用の加速を目指す」とも強調。設立の趣旨について次のように述べた。 「昨今、IoT/AI技術の発達により、データを資
Webブラウザでディープニューラルネットワーク高速実行 東大、「WebDNN」開発
「あなたのスマホへ最新の人工知能をお届けします」――東京大学は10月17日、スマートフォンやPCのWebブラウザ上で、ディープニューラルネットワーク（DNN）を高速で実行できるソフトウェアフレームワーク「WebDNN」を開発したと発表した。画像認識処理なら従来の約50倍の速度で実行でき、「世界最速」をうたう。Webサイトでサンプルを試せる。 DNNは画像や音声の認識・生成に有効な手法だが、計算負荷が高いため、Webサービスに組み込むためには、サーバ側で大量の計算機を用意するか、ユーザーの端末に専用アプリをインストールする必要があった。WebページにDNNの処理を行うソフトを組み込み、Webブラウザで開いて端末上で計算処理を行わせるというアイデアもあったが、既存のシステムは処理速度が遅く、実用的なサービスを提供することが難しかった。 今回、実行結果が変わらない範囲で計算量を削減したほか、We
ディープラーニングの判断根拠を理解する手法 - Qiita
ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということです。 ディープラーニングは、学習の過程でデータ内の特徴それ自体を学習するのが得意という特性があります。これにより「人が特徴を抽出する必要がない」と言われたりもしますが、逆に言えばどんな特徴を抽出するかはネットワーク任せということです。抽出された特徴はその名の通りディープなネットワークの中の重みに潜在しており、そこから学習された「何か」を人間が理解可能な形で取り出すというのは至難の業です。 例題：このネットワークが何を根拠に猫を猫として判断しているか、ネットワークの重みを可視化した上図から答えよ(制限時間:3分) image from CS231n Visua
Google研究者著「Deep Learning」日本語版公開 東大松尾研が翻訳
ディープラーニング（深層学習）の技術研究会であるDeep Learning JPは9月6日、米MIT Pressが出版したディープラーニングの教科書『Deep Learning』の日本語翻訳版を専用サイトに一般公開した。製本版を発売する前にフィードバックを得ることが目的で、発売後は公開を終了するという。 『Deep Learning』は、Googleの人工知能研究プロジェクト「Google Brain」の研究者イアン・グッドフェローさんなどが書いたディープラーニングの入門書。deeplearningbook.orgで段階的に執筆・公開を始め、完成した原著を2016年12月に発売した。製本版の価格は約1万円で、引き続きサイトで無料公開も続けている。 日本語への翻訳は、東京大学の松尾豊研究室が主体として取り組んだという。松尾豊特任准教授は人工知能関連の研究者で、人工知能学会の倫理委員長を務める
コーディング不要のディープラーニング開発ツール、ソニーが無償提供
コーディング不要で、ディープラーニングのプログラムを生成できるソフトウェア「Neural Network Console」を、ソニーが無償提供。 ソニーは8月17日、コーディングの知識がなくても、ディープラーニング（深層学習）のプログラムを生成できるソフトウェア「Neural Network Console」の無償提供を始めた。自社の製品・サービス開発にも利用しているツールを多くの開発者や研究者に使ってもらうことで「ディープラーニング技術の発展につなげる」という。 同社は今年6月、ディープラーニングのプログラムを生成する際に使うコアライブラリー（基盤ソフトウェア）「Neural Network Libraries」（以下、Libraries）をオープンソース化した。人間の脳を模倣した「ニューラルネットワーク」の設計、製品・サービスへの搭載を効率化する演算モジュール群だが、利用には高度なプロ
東大のディープラーニング公開講座がヤバくていろいろ考えさせられた件｜加藤貞顕
１カ月ほど前から、東京大学の松尾研のディープラーニング公開講座に行っている。 ネットで募集していたのであわてて申し込んだら、とんでもない数の人が集まっていて熱気がすごい。学部生、院生、社会人、あわせて300人以上が同時に授業を受けている。 初回こそ、人工知能概論のような話だったけれど、2回目以降はものすごい速度で授業が進む。そして宿題の量と質もすごい。2回と3回目の授業だけで、普通の学校の半年分くらいの内容になっている気がする。東大、ほんとにやべーよ。 毎回、授業の冒頭は「ふんふん、そうか」とはじまるのだけれど、終わり間近に大量のサンプルコードを見せられて、それをすごい勢いで説明され、最後にゴツイ宿題が出る。授業終了後は、ポカーンってなる（授業中にぜんぶ理解しているひと、どれくらいいるんだろう）。 友人の物書堂の社長の広瀬くん（iPhone辞書アプリ開発の大御所！）も、たまたまいっしょに講
ディープラーニングの仕組みと応用
脳の神経回路の構造を模倣 ディープラーニングは、大量のデータを学習するために、人間の脳の神経回路の構造を模倣（モデル化）した情報処理の仕組みであるニューラルネットワークを用いる。図3のニューラルネットワークは、「入力層」「隠れ層」「出力層」という3層で構成している。また、学習データは入力データとなる手書き文字の画素データと、正解データがセットになっている。 このニューラルネットワークのモデルを学習させるには、まず手書き文字画素データをピクセル単位に分割した上で、各ピクセル値を入力層に入力する。図3のモデルでは縦横28ドットで分割していることから、784個が入力層に並ぶ。 入力データを受け取った入力層は、受け取った値に「重み付け」をした上で、後段にある隠れ層のニューロン（神経細胞。CPUのような役割を担う）に伝達する。 同様に隠れ層の各ニューロンは、入力層から受け取った値をすべて加算し、その
【人工知能初心者向け】機械学習・Deep Learningプログラミング学習の道筋と参考書籍 - Qiita
【更新】 ※少々表（本のリスト）が見づらかったので変更をしました。 ※著者、出版社については、リンク先のAmazonでご確認ください。 はじめに 今回は私が人工知能プログラミングを学習する際に参考にした書籍と、 そのスキル習得の道筋を上記フローと共に振り返りメモとして残します。 現在私は競馬予想・AIがゲームをプレイするプログラムを作成しています。 これから人工知能の領域に一歩踏み出そうという方に少しでも本Qiitaが役立てば幸いです。 今回具体的にプログラムの説明はしないので、 人工知能プログラム自体に興味のある方は本Qiitaの最後にリンクを載せているので参照してください。 前提 今回選択した書籍は私が読んだものの中でも比較的易しめで、 可能な限りプログラムが添付されているものを選択しました。 なぜなら、プログラムを実装して、動かして、理解して、を繰り返すのが、 スキル習得（実装を含む
「Deep Learningをサービスに導入したい！」人が泣かないために知っておきたいこと
本連載「機械学習活用プロジェクト大解剖」では、リクルートテクノロジーズにおける「サイト内検索改善」プロジェクトの事例を紹介します。このプロジェクトは、機械学習を導入するために、分析担当者にとって仕事がしやすい環境を構築したものです。 本連載では、このプロジェクトを通じて得た気付きである「機械学習活用に求められるスキル・環境とは何なのか」をテーマに、「検索のランキングアルゴリズムを継続的に改善するためのTips」「統計学や機械学習の知見をどのように活用したのか」「検索の改善に重要な機械学習以外の方法」などについてお伝えします。 一方で、統計学や機械学習の理論、ミドルウェアやツールの使い方、検索エンジン全体のアーキテクチャや開発体制・監視の仕組みは、本連載ではお伝えしません。検索エンジン全体のアーキテクチャや開発体制・監視の仕組みについては、連載「Elasticsearch＋Hadoopベース
記者が試したディープラーニング、当然だが甘くはない
筆者は学生時代からプログラミングをそれなりにやってきた。これまで必要に応じてC/C++やObject Pascalなどのプログラミング言語や、Ruby、PowerShellといったスクリプト言語を使ってきた。しかしPythonは、Rubyがあれば十分だと感じていたので、なんとなく手を出しかねていた。 しかし日経NETWORKでスクリプトを使って通信ソフトの仕組みを紹介する企画を考えたとき、ディープラーニングや機械学習、データサイエンスなどでもてはやされていることもあり、Pythonを使ってみようと企んだ。実際問題として、日経NETWORKで筆者が何度となく取り上げて「推して」いたPowerShellだと、通信ソフトに不可欠なマルチスレッドの記述がやりにくい、という事情もあったのだが。 実際に使ってみて、「Pythonやるなあ」と思ったことがいくつかある。記述のしやすさがその一つ。インデント
ディープラーニングで資産運用、三菱UFJ信託が新たな金融商品
三菱UFJ信託銀行は2017年2月1日、資産運用にディープラーニング（深層学習）を活用した投資ファンドの個人向け提供を始めた。子会社の三菱UFJ国際投信を通じて運用 する。TOPIX（東証株価指数）の株価の上昇局面を、過去の為替や金利などの変動データを基に判定。人間の担当者だけで判断する場合に比べて、利回りが高い結果が得られたという。受託残高が合計500億円規模のファンドを目指す。 深層学習を使うと、株価変動を予測するモデルの変数決定を自動化できる。これまでも、回帰分析などの統計的手法を使って予測する取り組みは進められてきた。三菱UFJ信託銀行の染谷知 受託財産企画部次長は「従来手法ではあくまで、予測モデルの構造の決定は人間の担当者に委ねられていた」と説明する。 深層学習が分析する対象のデータは約300種類にも上る。「当社が持つデータ全てを、ニューラルネットの入力データとして使用している」
Re：ゼロから始めるディープラーニング - EeePCの軌跡
EeePCの軌跡 要するに、モバイル端末機器活用、AI/機械学習応用が趣味のブログです。 物欲、自作小説も少々？ ※ 管理人 ディープタイピング どこかのアニメのタイトルを丸パクリしたことは認めますが、まさにそんな感じなので。”死に戻り”ならぬ、”学び戻り”です。 実は職場で「人工知能に使われてるTensorFlowを職場でも使えるようにしようと思ってる」と何人かに話したところ、「人工知能」だけが独り歩きしていることが先日の飲み会で判明。「あいつ人工知能やるらしいぞ」ってことになってるそうで。 そんなに大げさなものをやるわけじゃないですけど、最近キャッチーな言葉ですからね、人工知能。こうなったら、ちょっと本気出してみようかなと。 ならばこの先決心が緩まないように、このブログでも宣言しちゃおうかと思った次第で。 さて、私自身「人工知能」というものを去年の夏ごろからいじりつつありますが。 人工
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
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
博多大陥没も招いた地質変化、ディープラーニングで察知
TechCrunch | Startup and Technology News
NTTコムウェア、AIを用いて専門家の“目”を代替する「Deep Learning画像認識プラットフォーム」
