Facets: An Open Source Visualization Tool for Machine Learning Training Data
The latest news from Google on open source releases, major projects, events, and student outreach programs. Cross-posted on the Google Research Blog Getting the best results out of a machine learning (ML) model requires that you truly understand your data. However, ML datasets can contain hundreds of millions of data points, each consisting of hundreds (or even thousands) of features, making it ne
マイクロソフト、Windows 10に機械学習の実行環境とAPIを備えた「Windows ML」搭載へ。Windowsを学習済みモデルの実行プラットフォームに
マイクロソフトは、Windows 10に機械学習専用のAPI「Windows ML」を搭載すると、3月7日に米国で開催したイベント「Windows Developer Day 2018 March」において明らかにしました。 Windows MLには大きく分けて2つの側面があります。1つは、あらかじめ学習済みのモデルをONNX形式として読み込んでWindows 10上で実行するという、Windowsマシン上での機械学習実行環境の提供です。クラウドに依存することなく、学習済みモデルをローカルで実行できます。 「ONNX形式」とは、マイクロソフト、Facebook、Amazon Web Servicesが協力して策定している学習済みモデルの共通フォーマット。またWindows MLが提供するツールを用いてCaffeやCNTKの学習済みモデルの読み込みもサポートするとのこと。 そして2つ目は、そ
今すぐ利用可能: AWS で使用する Machine Learning や人工知能について学べる新しいデジタルトレーニング | Amazon Web Services
Amazon Web Services ブログ 今すぐ利用可能: AWS で使用する Machine Learning や人工知能について学べる新しいデジタルトレーニング ※本リンク先には英語トレーニングも含まれています。日本語版ができた時点で改めてご案内をさせていただきます。 先日、AWS トレーニングと認定で無料のトレーニングコースをリリースしました。このコースはクラウドのスキルを磨いたり Machine Learning (ML) や人工知能 (AI) を学びやすくするために提供しています。これには「ディープラーニングの概要 (Introduction to Deep Learning)」や「Amazon SageMaker の概要 (Introduction to Amazon SageMaker)」といった新しいコースが含まれています。 AWS エキスパートが構築した aws.t
【Day-11】機械学習のチートシートを眺めたり、比べてみたり - プロクラシスト
データ分析ガチ勉強アドベントカレンダー 11日目。 モデルを選び、試行錯誤しながら作っていく、そんな過程まで勉強してきました。 実装寄りの内容になったので、ここで一度機械学習界隈を俯瞰してみようと思いまして、調べると出てくる有名なチートシート Machine Learning Cheat Sheet (for scikit-learn) Microsoft Azure Machine Learning Cheat Sheet について、ここでまとめておきます。 用途ベースのMicrosoft Azure Machine Learning Cheat Sheet データベースのMachine Learning Cheat Sheet (for scikit-learn) 両者の違い 見て判断できるようにしておく 分類 blobs 三日月形 クラスタリング blobs 三日月形 まとめ 用途ベ
Magenta
An open source research project exploring the role of machine learning as a tool in the creative process. Magenta Studio has been upgraded to more seamlessly integrate with Ableton Live. It is a collection of music creativity tools built on Magenta’s open source models, using cutting-edge machine learning techniques for music generation. Read the blog post.
A3RT
Named Entity API Named Entity APIは、固有表現抽出を行うプロダクトです。 Conditional Random Fields(CRF)とRecurrent Neural Network(Bidirectional LSTM)の技術を組み合せて応用することで、辞書ベースではなく固有名詞・数値などの品詞を識別する機能を提供します。 Text Summarization API Text Summarization APIは、文章要約を行うAPIです。 このモデルでは、入力された文章の意味を読み取り、意味が遠い文章を自動で判断・抽出し、要約結果として出力することができます。 Image Generate API Image Generate APIは、Deep Convolutional Generative Adversarial Networks(DCGAN)
AWS再入門 Amazon Machine Learning編 | DevelopersIO
はじめに 当エントリはDevelopers.IOで弊社AWSチームによる『AWS サービス別 再入門アドベントカレンダー 2015』の20日目のエントリです。 昨日19日目のエントリはあべいかの『CloudWatch』でした。 このアドベントカレンダーの企画は、普段AWSサービスについて最新のネタ・深い/細かいテーマを主に書き連ねてきたメンバーの手によって、今一度初心に返って、基本的な部分を見つめ直してみよう、解説してみようというコンセプトが含まれています。 本日20日目のテーマは『Amazon Machine Learning』です。 目次 Amazon Machine Learningとは 予測の種類 Amazon MLの使い方 データソースの作成 モデル構築 モデルの評価 予測結果の作成 あわせて読みたい 公式情報 Developers.IO関連エントリ その他関連エントリ さいごに
機械学習について調べてみたら、3行のソースコードを入れるだけで機械学習できるサービスがあった（前編） | 株式会社LIG(リグ)｜DX支援・システム開発・Web制作
人物紹介：うらら LIGブログDevRelチャンネル担当のエディター。テクニカルエディターを目指し、プログラミングやIoTについて鋭意勉強中。最近ハマっているのはUnity。 森の中から失礼します。ちょっと調べものをしていまして……。 先週からLIGブログの編集部一同で「調べてみた」連載を始めました。私は毎週日曜に記事を出すことに。せっかくの日曜なので、IoTやテクノロジーで “日曜大工” をしてみたいと思います。 今週のテーマとして取り上げたのは機械学習。これは機械が自分で学習する技術のことです。機械に仕事を任せてサボりたい技術的にとても面白そうだったので、調べてみました。 そもそも機械学習って何？ 機械学習（machine learning）とは、簡単に言うと「機械（コンピューター）にたくさんのデータを読み込ませ、解析することでアルゴリズムを作ること」です。最大の長所は、人の手でデータ
機械学習プラットフォーム Azure Machine Learning を使ってみた – プログラミング生放送
Microsoft Azure ML (Machine Learning) にふれてみた話です。機械学習の知識はないですが、簡単に使えて、すぐに Web サービスなどに使えそうだったので、トライしてみました。 そもそも、どんなことができるかは、提供されている サンプル一覧 を見るとなんとなくわかります。 Microsoft Azure Machine Learning Gallery 映画のリコメンド、Wiki の説明文から似ている会社を探す、手書き文字の認識（予測）、自動車の価格予測など、いろいろあります。 私が今、Azure ML とあわせて使ってみたいデータはツイートデータですが、ここでは、Azure ML のサンプルを元に紹介します。 Azure ML ワークスペースの作成と ML Studio はじめに、manage.windowsazure.com でワークスペースを作成します
PFN発のディープラーニングフレームワークchainerで画像分類をするよ(chainerでニューラルネット1) - 人工言語処理入門
1日ちょっと前に、PFNから新しいディープラーニングフレームワーク"chainer"が公開されました[1]。触ってみた感じの特徴は、pythonのコードで完結するので、システムに組込みしやすそうで、処理の内容も読みやすい。同時に、処理の内容に興味を持たずに使うには難しいという思いでした。ベースにしてあたらしいツールを作るには最適に感じるので、これから、chainerをベースにした様々な用途のツールができるのが期待されます。 CPU用インストール ~ MNISTのトレーニング ここでは、chainerのチュートリアル[1]に書いてあるとおりにインストールと初期タスクをおこなうだけです。 インストールは、githubからソースを落としてきてpython setup.py installでも、pipで入れてもいいと思います。とりあえずここではpip pip install chainer これで
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
