GPT-3の衝撃 - ディープラーニングブログ
この1週間はGPT-3のユースケースの広さに驚かされる毎日でした． シリコンバレーでは話題騒然ですが日本ではほとんど話題になっていないので，勢いで書くことにしました． GPT-3はOpenAIが開発した言語生成モデルです．名前の由来であるGenerative Pretrained Transformerの通り，自然言語処理で広く使われるTransformerモデルを言語生成タスクで事前学習しています． 先月申請すれば誰でもGPT-3を利用できるOpenAI APIが発表され，様々な業種の開発者によって驚くべきデモンストレーションがいくつも公開されています． 特に話し言葉からJSXやReactのコードを生成するデモは著名なベンチャーキャピタルから注目を集め，誇大広告気味だと警鐘を鳴らす事態に発展しています． This is mind blowing. With GPT-3, I built
数値解析ソフトウェアのMATLABは、プログラミング言語のPythonよりも、リサーチにおいて役立ちますか？
回答: 杉山様がMATLABの欠点を丁寧に説明してくださいましたので、私はあえて利点を書きたいと思います（というか利点がなかったら売り物になりません）。先に私なりの結論を申し上げますと、「数値線形代数をやるならMATLAB、そうでないならPython」となります。 そもそもMATLAB (MATrix LABoratory)は（数値線形代数の分野で有名な）Cleve Moler 先生率いるMathworks社が開発した言語です。書きやすさを重視した言語であり、（名前が示す通り）行列（及びベクトル）が扱いやすい言語です。この特性を生かしたのが数値線形代数＆区間演算ライブラリINTLABで...
【未経験者歓迎】機械学習を自身のビジネスで活用することを目指すための勉強会 #6 (2019/06/27 20:00〜)
お知らせ ソーシャル認証に頼らず安全にログインしていただくため、すべてのユーザーに対してパスワードの設定を必須といたしました。まだパスワードを設定されていない方は、パスワード設定画面よりご設定をお願い申し上げます。 機能改善 領収データ発行機能にてインボイス制度の書式での出力に対応しました。 詳しくはこちらをご覧ください。 新機能 参加者によるオンライン出席機能をリリースしました。今までは主催者による出席管理機能はありましたが、大規模イベント等での受付処理が大変とのフィードバックをいただいてました。今後はイベント作成時に発行される「出席コード」を会場現地や配信で共有してもらうことで、参加者自身でイベント出席登録を行うことができるようになります。これにより受付処理が容易になりますので、イベント主催者の皆様はぜひご活用ください。詳しくはこちらのニュース や 特集ページ をご確認ください。 6月
Mackerelにおける機械学習プロジェクトのマネージメント - Mackerel お知らせ #mackerelio
ソフトウェア開発プロジェクトのマネージメントと機械学習 こんにちは、Mackerelチームディレクターのid:daiksy です。本稿は技術書典6にて頒布した"Hatena Tech Book"の原稿に加筆・修正を加えたものです。 「世はまさに空前の人工知能時代！」と言わんばかりに、昨今のIT関連のニューストピックには、AIや人工知能といったワードが溢れています。このような風潮ですから、開発チームを率いるマネージャの皆さんも、自分のチームで機械学習の開発にチャレンジする、といった事例が増えてくるのではないでしょうか。 私は現在、Mackerelチームのディレクターをやっています。Mackerelでは2019年3月に「ロール内異常検知」という機能をベータリリースしました。「ロール内異常検知」は、機械学習の技術を用いたサーバー監視の機能です。 mackerel.io ソフトウェア開発プロジェク
ディープラーニング初心者向けの日本語学習サイト、PFNが無償公開
Chainer チュートリアルでは、ブラウザ上でPythonのコードを実行できるGoogleのオープンソースのWebアプリケーション「Google Colaboratory」を用いる。Jupyter Notebook上で教材に登場するコードをそのまま実行し、結果を確認できるため、新たに環境を構築する必要がない。 今後は画像認識、自然言語処理、深層強化学習、デプロイといった機械学習を応用する方法も網羅する予定だ。 関連記事 「AIプロジェクトを担当してくれ」突然の上司のむちゃぶり あなたが最初にやるべきことは？ 「ウチの会社でもAIを使おう」――急に上司からこんなむちゃぶりが飛んできたら、どうすればいい？ AI初心者のビジネスパーソン向けに企業のAI導入について分かりやすく解説する新連載がスタート。 元フィギュアスケート選手とディープラーニングの華麗な出会い 「選手の役に立ちたい」社会人大学
新しい認定資格「AWS Certified Machine Learning – Specialty」で認定機械学習開発者になる | Amazon Web Services
Amazon Web Services ブログ 新しい認定資格「AWS Certified Machine Learning – Specialty」で認定機械学習開発者になる 2018 年 11 月に、このブログで、Amazon のエンジニアを訓練するために使用されるものと同じ機械学習 (ML) コースが、AWS を通してすべての開発者にご利用いただけるようになったことをお知らせしいたしました。本日は、AWS を使用して機械学習モデルを構築、トレーニング、調整、デプロイする能力を強化および検証する方法があることをお知らせいたします。 AWS トレーニングと認定は、新しい AWS Certified Machine Learning – Specialty 認定の提供を発表いたします。この新しい試験は、特定のビジネス上の問題に対して ML ソリューションを設計、実装、デプロイ、保守する能力
水田孝信 on Twitter: "コンビニでたまたま見かけて買った今月号のニュートンだけど、「今のAIではできないこと」みたいな、この図が意外に良いできだった。 https://t.co/mf1M5J7xtO https://t.co/BQstabrGAE"
コンビニでたまたま見かけて買った今月号のニュートンだけど、「今のAIではできないこと」みたいな、この図が意外に良いできだった。 https://t.co/mf1M5J7xtO https://t.co/BQstabrGAE
Amazon SageMaker を使用して、整形外科的病理を予測するためのモデルを作成する | Amazon Web Services
Amazon Web Services ブログ Amazon SageMaker を使用して、整形外科的病理を予測するためのモデルを作成する 人工知能 (AI) および機械学習 (ML) の分野は、ヘルスケア産業、特に医用画像化において、勢いを増しつつあります。ML に対する Amazon SageMaker のアプローチは、ヘルスケア分野において将来有望であると言えます。ML は、産業間全体のどの分野においても、適用可能であると考えられています。ヘルスケア分野の範囲で言えば、ML は最終診断を下すための重要な要素として、放射線検査または検査報告のような役割を果たすことが可能なのです。 このブログ投稿では、UCI ML Dataset を使用して、整形外科における ML の使用について説明し、脊椎の病状予測を自動化することを目指します。この技術は、診断時間を短縮し、ML を用いた拒絶選択肢
Machine Learning 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 Machine Learning について学べる新しいデジタルトレーニング こんにちわ。 アマゾン ウェブ サービス ジャパン、プロダクトマーケティング エバンジェリストの亀田です。 今年の1月に、AWSがご提供している機械学習案連サービスの、無料のトレーニングコースについてご案内しました。このコースはクラウドのスキルを磨いたり Machine Learning (ML)を学びやすくするために提供しており、「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。 こちらの日本語版がリリースされましたので、みなさんにご案内いたします。 オンデマンドウェビナー
ディープラーニングに入門するためのリソース集と学習法（2018年版） - Qiita
最近Bitcoinの方が流行っている印象を受けますが，ディープラーニングの勢いは依然強く，Google Trendを見ても未だに検索数は上昇傾向にあるように見えます． 実際体験してみるとわかりますが，ディープラーニングはとんでもなく強力な機械学習の手法で，うまく使いこなせれば強力な武器になります．しかし，「ディープラーニングにはPhDが必要だ」「ディープラーニングは素人には学べない」といった幻想もちらほらあり，興味はあってもなかなかこの世界に飛び込めない人も多いのではないでしょうか？ この記事の目的 この記事では筆者がディープラーニングを学ぶ上で筆者が特に有効だと感じたリソースと，有効な学習法について紹介します．参考までに，筆者はディープラーニングを学び始めてまだ9ヶ月程度ですが，今となっては職場でディープラーニングを教える立場になっています．まだ筆者はディープラーニングに関しては初心者で
機械学習のライブラリ！scikit-learnとは【初心者向け】 | TechAcademyマガジン
初心者向けに機械学習のオープンソースライブラリscikit-learnとは何かについて詳しく解説しています。実際のデータを使ってscikit-learnを使った機械学習を行っているので、参考にしてみてください。手軽に試すことができます。 テックアカデミーマガジンは受講者数No.1のプログラミングスクール「テックアカデミー」が運営。初心者向けにプロが解説した記事を公開中。現役エンジニアの方はこちらをご覧ください。 ※ アンケートモニター提供元：GMOリサーチ株式会社 調査期間：2021年8月12日～8月16日 調査対象：2020年8月以降にプログラミングスクールを受講した18～80歳の男女1,000名 調査手法：インターネット調査 今回は、Pythonの代表的な機械学習のライブラリであるscikit-learnについて解説します。 機械学習というと、複雑な数式を使ったり、なんだか難しそう
dfltweb1.onamae.com – このドメインはお名前.comで取得されています。
このドメインは お名前.com から取得されました。 お名前.com は GMOインターネットグループ(株) が運営する国内シェアNo.1のドメイン登録サービスです。 ※表示価格は、全て税込です。 ※サービス品質維持のため、一時的に対象となる料金へ一定割合の「サービス維持調整費」を加算させていただきます。 ※1 「国内シェア」は、ICANN(インターネットのドメイン名などの資源を管理する非営利団体)の公表数値をもとに集計。gTLDが集計の対象。 日本のドメイン登録業者(レジストラ)（「ICANNがレジストラとして認定した企業」一覧（InterNIC提供）内に「Japan」の記載があるもの）を対象。 レジストラ「GMO Internet Group, Inc. d/b/a Onamae.com」のシェア値を集計。 2023年5月時点の調査。
データ分析や機械学習にバリバリ使える上にブラウザで使用できて環境構築不要のPython実行環境「Google Colaboratory」
「Jupyter notebook」というツールは、Pythonのコードを部分ごとに実行できてその場で結果を確認できるため、試行錯誤を積み重ねる必要があるデータ分析や機械学習によく用いられてきました。「Colaboratory」はそのJupyter notebookを元に「ブラウザで実行」「ファイルはGoogleドライブに保存」「共同編集」などの機能を加えて作成されたツールです。 Google Colab https://colab.research.google.com/ Google Colaboratoryのサイトにアクセスすると「最近のノートブック」という画面に。ひとまず右下から「ノートブックを新規作成」してみます。 実行するPythonのバージョンを選択できます。今回は「PYTHON 3」を選択。 ノートブックには「セル」が存在し、左側の実行ボタンを押すとセル内のコードを実行して
東大松尾研、データサイエンティスト育成講座の演習を無料公開
東京大学大学院工学研究科の松尾研究室は3月19日、データ解析からモデルのアウトプットまで学べる講座「GCIデータサイエンティスト育成講座」（正式名：グローバル消費インテリジェンス寄附口座）で利用している演習コンテンツをWebで無償公開した。個人で学習する目的に限り、誰でも無料で利用できる。「無償公開によって、実社会で価値を生むことができるデータサイエンティストの育成拡大を目指す」としている。 Jupyter Notebook形式で作成された全15章の演習コンテンツ。データのセットアップから解析、可視化やモデルのアウトプットまでを一気通貫で学べるという。データサイエンスの主要言語Pythonの基礎から学べるほか、統計的数値計算や機械学習に関する技術、SQLやMongoDB、分散処理フレームワークのSparkなど、ビッグデータ解析に関する技術も学習できる。 個人で学習する目的のみで無償で利用で
認可保育施設：ＡＩで瞬時に希望割り振り 手作業５０時間 | 毎日新聞
人工知能（ＡＩ）を活用し、さいたま市の認可保育施設の入所希望者を市内約３００施設に割り振る実験をしたところ、職員の手作業だと約５０時間かかっていた作業がわずか数秒で終わった。大幅な業務の効率化が期待できることから他の自治体にも導入に向けた動きが広がり始めた。一方で住民からは、行政サービスの向上につなげてほしいとの声が上がっている。【宮本翔平】 さいたま市は、保護者の勤務時間や世帯構成などを点数化し、高い順に希望する認可施設に割り振っている。保護者は自分で順位を付けて施設を何カ所でも希望できるうえ、兄弟姉妹がいる場合は「同じ施設を望む」「別々の施設でも近くなら良い」などと細かく要望を伝える。条件が多い分、市側の作業も複雑になる。
sklearn.feature_selection による特徴量選択 - Qiita
単変量統計 各説明変数と目的変数との間の関係を計算し、最も高い確信度で関連している特徴量を選択する。 SelectKBest 説明変数のうち上位k個を選択する。通常、引数 score_func は分類では f_classif(デフォルト値)、回帰では f_regression を指定する。引数 k に選択する特徴量の数を指定する。 from sklearn.datasets import load_boston from sklearn.feature_selection import SelectKBest, f_regression boston = load_boston() X = boston.data y = boston.target # 5つの特徴量を選択 selector = SelectKBest(score_func=f_regression, k=5) select
AWS Batch および Amazon SageMaker を使用してオンラインの化合物溶解度予測ワークフローを構築する | Amazon Web Services
Amazon Web Services ブログ AWS Batch および Amazon SageMaker を使用してオンラインの化合物溶解度予測ワークフローを構築する 計算化学の分野の Machine Learning (ML) メソッドは、急速に成長しています。アクセスが容易なオープンソルバー (TensorFlow と Apache MXNet など)、ツールキット (RDKit 化学情報ソフトウェアなど)、オープン科学イニシアチブ (DeepChem など) は、毎日の研究でこれらのフレームワークを容易に使用できるようにします。科学情報分野では、多くのアンサンブル計算化学ワークフローが多数の化合物を消費し、さまざまな記述子特性をプロファイリングする能力を必要とします。 このブログ投稿では、2 段階ワークフローについて説明します。最初のステージでは、約 1100 の候補の分子を採取
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
Deep Learning基礎講座演習コンテンツ 公開ページ
「AI」すごいぜ！ メールから自動で請求書作成にノンプログラミングでチャレンジした話【イニシャルB】
Scikit learnで学ぶ機械学習入門
