PyTorch vs. TensorFlow、ディープラーニングフレームワークはどっちを使うべきか問題【2021年】
連載目次 昨年10月、同タイトルの記事を公開して好評だった。今回は、2021年に向けた、そのアップデート記事となる。 ディープラーニング（深層学習）を実装する場合、専用のライブラリ／フレームワークを用いるのが一般的だ。ディープラーニングが流行してから直近5年ほどの間に、次々と新しいフレームワークが登場した。現在、主要なものを挙げると、 TensorFlow： 2015年登場、Google製。一番有名で、特に産業界で人気 Keras： 2015年登場、作者がGoogle社員。使いやすくて簡単。TensorFlow 2に同梱され標準API化 PyTorch： 2016年登場、Facebook製。この中では新興だが、特に研究分野で人気急上昇中 Chainer： 2015年登場、日本のPreferred Networks製。2019年12月に開発を終了し、PyTorchへの移行が推奨されている な
データサイエンティストの仕事は奪われない 「Kaggle Grandmaster」が語るデータ分析の本質
データサイエンティストの仕事は奪われない 「Kaggle Grandmaster」が語るデータ分析の本質（1/2 ページ） データサイエンティスト協会のシンポジウムに、日本に10人ほどしかいないというKaggle「Grandmaster」が登壇。Kaggleで培った経験や、ビジネスでの機械学習の応用などについて語った。 「AutoML（などの自動化ツール）はデータサイエンスのプロセスの一部を効率化できますが、データサイエンティストの業務全体を置き換えることはあり得ないと思います」 「よくAutoMLでデータサイエンティストの仕事がなくなるといわれますが、本当にそれで仕事がなくなら、もうなくなってるんじゃないでしょうか」 10月17日に開催されたデータサイエンティスト協会のシンポジウムで、こんなやりとりがあった。登壇したのは、パナソニックの阪田隆司（ビジネスイノベーション本部 AIソリューシ
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
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
