マサチューセッツ工科大学(MIT)は2022年8月3日(米国時間)、大学レベルの数学の問題を数秒で解くだけでなく、解法を解説し、同じような問題を作り出すことが可能な手法を開発したと発表した。機械学習モデルにはOpenAIの「OpenAI Codex」を用いた。 開発したのはMITの電気工学/コンピュータサイエンス学部(EECS)のイド・ドロリ講師を中心とする学際的研究チームだ。 生成した問題を大学生に見せたところ、学生はアルゴリズムが生成した問題なのか、人間が生成した問題なのかを見分けることができなかったという。 今回の研究成果を応用すれば、数学の講座に使うコンテンツを効率的に生成でき、数千人の受講生がいる大規模な講座や大規模なオープンオンライン講座(MOOC)で有効だと考えられるという。さらに、学部の数学の問題を解く際の手順を学生に示す自動チューターとしても利用できるだろう。 ドロリ氏は
はじめに 初投稿です。 筆者スペック 19歳 高卒 某大手自動車メーカー関連会社勤務 エンジニア志望 (Web開発勉強中) 業務の効率化(データ整理・画像処理など)でPythonを書くことがあります。Python歴は半年程度です。 英語学習について、 どのように学習してきたのか記録を残すため 「TOEICのスコアを伸ばしたい」と考える方にとって少しでも参考になれば と思い、記事を書くことにしました。 英語学習の動機 「エンジニアには英語が必要」 論 エンジニア/エンジニアになりたい方なら、1度は「エンジニアに英語は必要か」という議論を目にしたことがあるのではないでしょうか。 自分は現在エンジニアになることを志しています。 そのための情報収集をしていると、「エンジニアに英語は必要なのか?」という主旨の記事、議論を時折見かけます。 そして、その結論は殆どの場合「強いエンジニアになりたい場合、あ
チェスの世界にはchess.comという素晴らしいサイトがあって、チェスの入門・日々の学習・対局・仲間作りまで全てが揃っています。私も毎日chess.comで次の一手問題を解いて勉強しています。 将棋にもchess.comのような総合サイトが欲しいなと前々から思っていたのですが、lishogiの存在を最近知りました。いつの間に。lishogi.orgの最初のブログ記事が2020/09/29ですので1年ちょっと前に出来たようです。 チェスサイトlichessのシステムをベースに作られているようで、β版にしてはシステムの完成度は高いです(棋譜が英語表記になるなどの細かい問題はあるけど棋譜の表示方法は設定で変更できました。コメントありがとうございました)。 lishogi.org • 無料オンライン将棋First blog post – test run | Blog • lishogi.org
後編 プログラミングを学ぼうと思い立つ行列はVBAなんかじゃ無理っぽいし、なんかプログラミング言語を覚えようと決める。 なんでも、統計やるならRという言語がいいらしい。 最近じゃPythonというのも人気らしい。 とりあえず両方試そうということで、RのためにRとRstudioをインストール。 Pythonはanaconda プログラミングはなんかを製作する目標がないと挫折すると聞いていたので。 深層学習というものが流行ってると聞いて、ちょっと触りを勉強したくなる。 「Excelでわかるディープラーニング超入門」 https://www.amazon.co.jp/Excel%E3%81%A7%E3%82%8F%E3%81%8B%E3%82%8B%E3%83%87%E3%82%A3%E3%83%BC%E3%83%97%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3
私が人生でずっと悩んで追い求めていたものがついに解決した。それは、なんでも良いから何かが「出来るようになる」ことだ。 昔からいくらその対象に時間をかけても、努力しても、人並みにすらならない。人にやってもらうとか自分がやらないことに関してはうまくいくのだが、自分が何かが出来るようになるということに関しては人生50年目だが、絶望的で、それが自分の自己肯定感や、人並みに生きることへの罪悪感を生んでいた。人生で解決したかった問題 No.1 だ。だからそれをずっと解決しようと頑張ってきた。 ギター演奏での解決方法私はクソ不器用で、なにやってもできないので、人生で出来たらいいことを2つだけ定めた。ギター演奏と、プログラミング。ギター演奏に関しては少し前に解決した。根本的な問題を一つ上げるとすると、「ゆっくりから、メトロノームで練習する」これだけだ。 ギターはもう何十年も演奏しているのに弾ける感がなかっ
はじめに プログラミング自体は文系、理系、年齢関わらず勉強すればある程度ものになります。プログラミングがある程度できるようになるとTensorflow,PyTorchやscikit-learn等のライブラリで簡単にできる機械学習やデータサイエンスに興味を持つの必然! これからさらになぜ上手くいくのか・いかないのかの議論をしたい、社内・外に発表したい、理論的な所を理解したい、先端研究を取り入れたい、応用したい等々と次々に実現したい事が増えるのもまた必然でしょう。このときに初めて数学的なバックグラウンドの有無という大きな壁が立ちはだかります。しかし、数学は手段であって目的ではないので自習に使える時間をあまり割きたくないですよね。また、そもそも何から手を付けたら良いかわからないって人もいるかと思います。そんな人に向けた記事です。本記事の目標は式の意図する事はわからんが、仕組みはわかるという状態に
コース概要 ブラウザとインターネットで実行可能(Google Colab利用) Jupyter Notebookを利用したプログラミング演習 線形回帰の基本的なコンセプト 線形回帰の数学的理解 最小二乗法を使って線形モデルを構築(単回帰分析) 最急降下法を使って線形モデルを構築(単回帰分析) テキスト量はA4で約40ページ相当 Python実習コード約100行 学べる内容 機械学習には数多くの手法がありますが、線形回帰はその中でも基本的な手法です。本チュートリアルでは、線形回帰のコンセプトや基本的な数学理解、さらに単回帰分析の問題を機械学習ライブラリーを使わず、スクラッチでモデルを構築していきます。 チュートリアル序盤では、具体的な実例を見ながら線形回帰のコンセプトと用語を紐解いていきます。また2つのプログラミング実習では、全く一緒のデータセットを使い「最小二乗法」と「最急降下法」を比較を
【2024】中小企業にDXが必要とされる理由は?取り組むメリットやコツをくわしく解説 2024年4月27日 2024年4月27日 IT化が進むこの時代、以前にも増して「DX(デジタル・トランスフォーメーション)」が注目を集めています。 本格的・積極的に取り組む企業が増えているとはいえ、その傍らで「主に大手企業がやるもの」、「大企業だからこそ実現できるのだろう」というイメージから […] Pythonのリスト(list)の使い方! 2024年4月27日 Pythonのリスト(list)は非常に強力で柔軟なデータ構造であり、Pythonプログラミングにおいて基本的かつ重要な役割となります。この記事では、Pythonのリストの基本的な特性と、他の配列型データ構造との違いについて解説します。 Python […]
Twitterでたびたび告知させていただいていますが、『施策デザインのための機械学習入門』という本を技術評論社さんから出させていただきます。紙版は8月4日発売(本記事公開の翌日)、電子版は7月30日にすでに発売されています。 gihyo.jp www.amazon.co.jp 本書の概要は次の通りです。 予測に基づいた広告配信や商品推薦など,ビジネス施策の個別化や高性能化のために機械学習を利用することが一般的になってきています。その一方で,多くの機械学習エンジニアやデータサイエンティストが,手元のデータに対して良い精度を発揮する予測モデルを得たにもかかわらず,実際のビジネス現場では望ましい結果を得られないという厄介で不可解な現象に直面しています。実はこの問題は,機械学習の実践において本来必要なはずのステップを無視してしまうことに起因すると考えられます。機械学習を用いてビジネス施策をデザイン
ソフトウェアエンジニアとしての働き方を探求してきた経験と、駐在員として文化の狭間でうろちょろしてきた経験、OSSエンジニアとして多数の多様な人材と交流してきた経験をもとに、果敢にも内製化に挑戦する知人へのアドバイスを気持ちまとめます。 前提 主な利用技術にはJava(Spring Framework)やTypeScriptを想定 FaaSを始めとしたManaged Serviceは(いまのところ)積極採用しない構え Digital Transformationを推し進める一環としての内製化に、エンジニアリングの観点から挑む方を読み手として想定 内製化のターゲットは決まっているか心当たりがある状態 既存の開発チームはほぼ無い想定 1. チームビルディング 1.1. スーツとギークの対立を避ける 我々が若かった頃は"スーツ"と"ギーク"の対立を煽る風潮にありました。Rockstar Engin
AIエンジニアになる方法 How to change job to AI engineer. 2017.02.26 Updated by Ryo Shimizu on February 26, 2017, 15:03 pm JST AIに関することで、多くの研究者にとって不都合な真実が、まだ世間には理解されていません。 それは、AI研究者の大半は深層学習を専門にして「いない」ということです。 深層学習はAI研究の中では、機械学習という分野の、ニューラルネットワークという分野の、さらに一分野に過ぎません。 比率で言えば、95:5くらいの確率で、これまで「AIの専門家」と言われてきた人は深層学習の専門家「ではない」確率が高いわけです。 この些細な事実がなぜ「不都合」なのかというと、こうしてなにもかも一緒くたにされた結果、これまでほとんど成果の上げることができてなかった旧来のAI研究者に大量の予
AIを含めた新技術を理解し、活用できる人間になるために必要となる視点 2021.05.11 Updated by Ryo Shimizu on May 11, 2021, 06:59 am JST 社会のAI化は静かに、しかし着実に進行している。 しかし残念なのは、まだまだAIを活用するために絶対必要な視点を、うまく世間一般の人々と共有できていないことだ。 それは何かと言えば、「AIは面白い」と感じることであり、別の言い方をすれば「AIを面白がる能力」を獲得することだ。 普通に生きていると「面白がる能力」の獲得なんて馬鹿げた話だと感じるかもしれない。 ところが世の中のエンターテインメントのほとんどは、それまで誰も面白いと思っていなかったものを、誰か変わった人が「面白がる」ことからスタートしている。 たとえば、吉本浩二による漫画「ルーザーズ」青年漫画というものが存在しなかった時代、アメリカの
輸送問題と呼ばれる問題があります. この問題は,普通は線形計画法やフローのアルゴリズムを使って解かれます. この記事では,この輸送問題を近似的に行列計算で解くアルゴリズム(エントロピー正則化 + Sinkhorn-Knopp アルゴリズム)を紹介します. 輸送問題とは アルゴリズム 得られる解の例 なぜこれで解けるのか? 競プロの問題を解いてみる 機械学習界隈における流行 まとめ 輸送問題とは 輸送問題とは以下のような問題です. 件の工場と 件の店舗からなる,ある商品の流通圏があるとする. 各工場には 個の在庫がある.. 各店舗では 個の需要がある. 在庫の総和と需要の総和は等しいとする (すなわち ). 工場 から店舗 に商品を一つ運ぶためには の輸送コストがかかる. 各工場 から各店舗 への輸送量 を適切に決めて,各店舗の需要を満たしつつ輸送コストの総和を最小化せよ. 輸送問題は最適化
※取りに行く話なのでまだ取ってません。 界隈ではコンピュータサイエンス(以下CS)を学ぶことが流行っていますが、これはとあるパパのとある一例です。どなたかの参考になれば。 こちらの通り申請致しました。 https://t.co/IDkVJAWjc2— Y (@wbspry) 2021年2月13日 誰? 事の経緯 なぜ大学でCS・数学を学びたいのか CS系学位を課す外資大企業たち CSできるマンへの憧れ 立ちはだかる数学の壁 dynamicなものよりstaticなもの ところで、CSって何? 選択肢と選択 なぜUoPeopleではなかったか 週次の人巻き込み課題が大変そう 単位移行が可能なのか(※当時は)よくわからなかった とはいえ なぜ帝京理工通信ではなかったか なぜJAISTではなかったか 学位授与機構との出会い 新しい学士への途(単位累積加算制度)とは 学位取得までの流れ そして単位集
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
処理を実行中です
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