Perplexityが「Pages」を発表 - 最強のAI記事ジェネレーター | AI専門ニュースメディア AINOW
ソフトウェアエンジニア兼イラストレーターで、AI専門メディアGenerative AIとZeniteqを運営するジム・クライブ・モンジュ（Jim Clyde Monge）氏（詳細は同氏のLinkedInページを参照）がMediumに投稿した記事『Perplexityが「Pages」を発表 – 最強のAI記事ジェネレーター』では、検索AIのPerplexityの新機能であるPerplexity Pagesが紹介されています。 Perplexity Pagesの特徴を箇条書きにすると、以下のようになります。 Perplexity Pagesの特徴 Perplexity Pagesとは、特定のトピックについてPerplexityが検索して生成した文章をウェブ記事化するサービス。 Perplexity Pagesで生成された記事は、ウィキペディアのような簡潔なレイアウトをしている。 対象読者を「誰
機械学習業界で働き始めて3年目の初心者への（技術的）アドバイス | AI専門ニュースメディア AINOW
著者のChris氏はデータサイエンティストで、AINOW翻訳記事『機械学習エンジニアが職を失いつつある。しかし、とにかく機械学習を学ぼう』の著者でもあります。同氏が最近Mediumに投稿した記事『機械学習業界で働き始めて3年目の初心者への（技術的）アドバイス』では、自身の実務経験にもとづいた新米機械学習エンジニアに対する技術的アドバイスが解説されています。 Chris氏の機械学習アプリ開発における数々の成功と失敗から導き出された教訓は、以下のような6項目に集約されます。 データの特徴を抽出する教師なし学習に安易に手を出さない。多くの場合、人間の直観に劣る。 ニューラルネットワークにも安易に手を出さない。初心者には難易度の高い技法である。 問題を二値分類としてとらえる。3値以上に分類するマルチクラス分類より良いパフォーマンスを発揮することが多い。 ハイパーパラメータを調整する。デフォルトのそ
機械学習入門者が学ぶべきこと、学習方法を超具体的に解説します | AI専門ニュースメディア AINOW
最終更新日： 2020年12月7日 AIの注目が集まり、2010年代後半にかけて機械学習技術が大きく台頭しました。機械学習の知識は、これからの時代にキャリアを築いていくために必須とも言えるでしょう。合わせて多くの方が機械学習の知識やスキルを得たいと考えているはずです。 しかし、 「どのようにして機械学習を勉強すればいいか分からない」 「情報量が多すぎてどこから始めればいいか分からない」 という悩みを持っている方も多いのではないでしょうか？ 今回は、そんな方に向けて 「機械学習入門者が学ぶべきこと」を具体的な学習方法と合わせて解説していきます。 【入門編】機械学習とは 機械学習とは 機械学習は、AIのブームを再燃させた2000年代で最もインパクトのある技術の一つとも言えるでしょう。 従来の技術では、人間が細かなルールやパターンを機械に指示することで、機械はさまざまな動作を行うことが可能でした
機械学習エンジニアは10年後には存在しないだろう。 | AI専門ニュースメディア AINOW
著者のLuke Posey氏は、機械学習エンジニアのキャリアを積んだ後にAIスタートアップSpawner.aiを創業するかたわらMediumに記事を投稿しており、AINOW翻訳記事『無闇にデータサイエンティストを雇うのをやめよう。』の著者でもあります。同氏が最近Mediumに投稿した記事『機械学習エンジニアは10年後には存在しないだろう。』では、近い将来、「機械学習エンジニア」という職種が実効的な意味を持たなくなる、と予想が論じられています。 第三次AIブーム黎明期の頃、機械学習エンジニアは数学と統計学に関する専門知識を習得しているという希少さゆえに、高く評価され高額報酬を手にしていました。この職種には、最先端の技法を製品やサービスに落とし込む「研究者兼技術者」という立ち位置が依然として求められています。 しかし、近い将来、機械学習エンジニアには研究者としての側面が求められるなくなるだろう
機械学習とは？定義から学習手法・5つのアルゴリズム・活用事例までわかりやすく解説 | AI専門ニュースメディア AINOW
最終更新日： 2023年1月6日 こんにちはAINOWインターンのsatoshiです。今回の記事ではAIやディープラーニングと混同されがちな機械学習について、それらの関係性・違いを理解できるようにわかりやすく説明します。 また機械学習を知る上で必要不可欠な用語（教師あり学習や教師なし学習、各アルゴリズムなど）に関しても、この記事を通して、きちんと整理して理解できるようになっています。 機械学習とはAIの1つの要素技術です。 多くの企業で取り組むことができる技術の１つでしょう。機械学習について理解するのに必要なことは3つあり、以下のようになります。 データからルールやパターンを発見する方法である 識別と予測が主な使用目的である 分析の精度は100%ではないが、従来の手法より精度をあげられる可能性は高い 機械学習にできる4つこと 機械学習は与えられた膨大なデータを元にして、複数のルールやパター
世界のAI市場を牽引！Googleの取り組みを詳説 | AI専門ニュースメディア AINOW
最終更新日： 2019年12月27日 私たちの生活になくてはならない存在となったGoogle。 私たちが普段使っているGoogleの検索エンジンにAIを導入することでより検索機能が便利になったり、GmailにAIを導入してメールの返信文章を自動生成してくれるようになりました。 また、GoogleはAIのサービスへの活用だけではなく、研究開発においても世界を牽引しています。Googleは2014年にイギリスのAI開発企業「DeepMind」を買収するなど、AIの研究開発に膨大な資金を投入してきました。 今回はGoogleのAIに対する取り組みをご紹介したいと思います。 Googleの武器は利用者数 Googleの利用者は国内で6,600万人 Googleの強みはなんと言っても、検索エンジンの利用者数です。 国内では6,600万人もの人がGoogleを使用しており、国内人口の53％にもの匹敵す
なぜ機械学習モデルは製品化すると劣化するのか | AI専門ニュースメディア AINOW
著者のAlexandre Gonfalonieri氏は、フランス・パリに拠点を置く複数のAIスタートアップでデータサイエンティストとして活躍しています。同氏がMediumに投稿した記事「なぜ機械学習モデルは製品化すると劣化するのか？」では、機械学習モデルが製品化されてから劣化してしまう原因とその対策が自身の経験にもとづいて解説されています。 同氏によると機械学習モデル製品は製品化された直後がもっとも高精度であり、以降時間の経過とともに精度が劣化してしまいます。こうした劣化の原因として、コンセプトドリフトが指摘できます。この概念はモデルが開発された当初に使われていた学習データと製品化された後に入力されるデータのあいだで特徴上の差異が生じた結果、モデルの予測精度が劣化してしまう、ということを意味しています。 コンセプトドリフトによる性能劣化に対する対策として、同氏は以下のような3つの対策を提案
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
