「仕事ではじめる機械学習」を読んだので作者に媚を売る - Stimulator
- はじめに - 以下を読んで、筆者ら (@chezou, @tokoroten, @hagino3000) ともTwitterで相互フォローだし、いっちょ媚び売るために感想記事でも書いとくかみたいな記事。 www.oreilly.co.jp 私は「企業で機械学習プロジェクトをいくつか経験している」「書に載っているアルゴリズムや検定も大体わかる」くらいで本書のターゲットからは少し外れているっぽいのだけれど、知ったことではない。 - この本どんな人がターゲット？ - 「仕事ではじめる機械学習」というタイトルの通り、「俺は来年から新卒社会人！大学で学んだ知識を活かして機械学習エンジニアとして頑張っていくぞ！」みたいな人が読むとすごく為になる本。 あと、ターゲットとしては「バイトで機械学習経験したい学生」とか「突然上司に機械学習やってくれって言われた！」みたいな人とか。 あと、機械学習を使った時
世界レベルの｢AIの知財権｣議論が始まった。その先進国は日本 —— 統合国際人工知能学会 in メルボルン
このワークショップの目的は、AIが実用製品として普及していくときに議論しておくべき内容を明らかにしておくことです。たとえばAIが実用品に組み込まれる時、AIそのものの知的財産権については今のところどの国にも法律上の規定がありません。また、AIによって生成された生成物の著作権についても同様です。たとえば、AIが小説やマンガを書いたりした場合、その権利が誰に帰属するかは明らかにされていません。 日本は｢AIの知的財産権｣議論の先進国、法律も先駆的 この種の議論に関しては我が国は世界でも一番議論が進んでいる場所のひとつです。昨年も内閣の知的財産戦略本部ではAI生成物やAI創作物をどう扱うかといった議論（｢新たな情報財検討委員会｣として実施。報告書はこちら）や、学習済みAIになんらかの知的財産権を認めるかという議論が活発に行われていました。 改めて海外でこの議論を始めてみて思うのは、日本は人工知能
A Beginner’s Guide to AI/ML 🤖👶
This series is available as a full-length e-book! Download here. Free for download, contributions appreciated (paypal.me/ml4h)RoadmapPart 1: Why Machine Learning Matters. The big picture of artificial intelligence and machine learning — past, present, and future. Part 2.1: Supervised Learning. Learning with an answer key. Introducing linear regression, loss functions, overfitting, and gradient des
Google機械学習系API勉強会レポート | BLOG - DeNA Engineering
AIシステム部の奥村（@pacocat）です。AIシステム部では、AI研究開発グループに所属しており、主に強化学習を用いたゲームAIの研究開発を行っています。 DeNAでは、様々な事業ドメインのデータを実際に使いながら機械学習を使ったサービス開発を推進しており、中でもゲームは豊富なデータ・シミュレーターがあるため、最先端のアルゴリズムを動かすための環境を自前で持っているのが特徴です。 全社的にも機械学習サービスのニーズが高まっている背景の中、7/5にGoogle様による機械学習系API勉強会が当社セミナールームにて開催されました。今回は、勉強会の内容をブログでレポートしたいと思います。 Googleといえば、先日開催されたGoogle I/O 2017でも"AI first"というメッセージが改めて強調されていましたが、実際にGoogle LensやGoogle Homeなど機械学習を活用
scikit-learn 準拠の予測モデルのつくりかた - nykergoto’s blog
機械学習で色々やっていると、いろいろなモデルを複合したアンサンブルモデルなど、自分で新しい予測モデルを作りたい場合があります。 その場合自分でいちから作り上げても良いのですが、そうやって作ったモデルは、たとえば scikit-learn のパラメータ最適化モジュールである GridSearch や RandomSearch を利用することができなくて、少々不便です。 この際に scikit-learn の定義にしたがってモデルを定義すればうまく連携がとれて効率的です。以下では scikit-learn 準拠の予測モデルをどうやって作ればよいか、その際の注意点や推奨事項を取り上げます。 参考 Creating your own estimator in scikit-learn http://danielhnyk.cz/creating-your-own-estimator-scikit-l
藤井四段で学ぶ最尤推定、MAP推定、ベイズ推定 - Qiita
藤井四段の連勝が止まらないですね。 21日の対局に勝利して、連勝記録を１位タイの28連勝まで伸ばしてきました。26日の対局で勝利すれば単独トップになります。 そんな藤井四段の対戦成績は28勝0負。勝率でいうと1.000です。クラクラするような成績ですが、この「勝率」とは何かを少し数学的にみてみましょう。 単純に言葉だけをみると「藤井四段が勝利する確率」ではないかと考えられます。つまり $$P(\text{勝利}\ |\ \text{藤井四段}) = 1.0$$かのように感じます。 ではここで、26日の対局で藤井四段が勝利する確率はどれだけでしょう？ $P(\text{勝利}\ |\ \text{藤井四段}) = 1.0$として考えると、これはつまり藤井四段は必ず勝つので、100%になってしまいます。しかし、もちろんそんなことはありません。藤井四段ですらも負けることはあるはずです。 実はここ
まりな、チャットボットはじめました。〜最先端のAI技術を駆使して“楽しさ”と“実用性”を両立〜 | さくらのナレッジ
さくらのナレッジ > その他 > まりな、チャットボットはじめました。〜最先端のAI技術を駆使して“楽しさ”と“実用性”を両立〜 近年最大級のITビッグトレンドとして日々、世間を賑わせている「AI（人工知能）」。かつての“夢物語”が、いよいよ現実となり、さまざまな現場に実際に導入され始めています。さくらインターネットがこの6月に公開したイメージキャラクター・まりなによる「チャットサポート」もその活用例の1つ。実はその背面では最先端のAI技術が活用されているのです。 そこでここでは、その開発に携わった、株式会社アイク・ラボ 代表取締役 兼 エンジニアの佐藤一成さんに、AIの基本から、まりなのチャットサポート開発秘話までをお伺いして来ました。 残念ながら日本はAI後進国なんです ――まずは佐藤さんが何者なのかを教えてください。 佐藤さん：私の仕事は一言で言うと、“AIを利活用するエンジニア”。
データサイエンティストもしくは機械学習エンジニアになるためのスキル要件とは（2017年夏版） - 渋谷駅前で働くデータサイエンティストのブログ
この記事は2年前の以下の記事のアップデートです。 前回はとりあえずデータサイエンティストというかデータ分析職一般としてのスキル要件として、「みどりぼん程度の統計学の知識」「はじパタ程度の機械学習の知識」「RかPythonでコードが組める」「SQLが書ける」という4点を挙げたのでした。 で、2年経ったらいよいよ統計分析メインのデータサイエンティスト（本物：及びその他の統計分析職）vs. 機械学習システム実装メインの機械学習エンジニアというキャリアの分岐が如実になってきた上に、各方面で技術革新・普及が進んで来たので、上記の過去記事のスキル要件のままでは対応できない状況になってきたように見受けられます。 そこで、今回の記事では「データサイエンティスト」*1「機械学習エンジニア」のそれぞれについて、現段階で僕が個人的に考える「最低限のスキル要件」をさっくり書いてみようかと思います。最初にそれらを書
「Gmail」に機械学習による不正メール検出機能--99.9%超の精度
Googleは「Gmail」に、専用機械学習モデルに基づくフィッシング検出など、複数のセキュリティ機能を追加した。 Gmailで受信されるメッセージの50～70％がスパムメールだが、Googleは機械学習を採用することによって、スパムやフィッシングのメッセージを99.9％を超える精度で検出できるという。 同社の最新機械学習モデルは、一部のメッセージ（平均でメッセージ全体の0.05％未満）をさらなるフィッシング分析のために遅延させることによって、この処理を改善する。 Googleによると、同社の新しい検出モデルによってURLクリック時の新しい警告も生成され、疑わしいリンクをクリックした場合に警告メッセージがユーザーに表示されるという。新しいパターンが検出されるにつれてモデルが適応していき、時間の経過とともに改良されていくという。 またGoogleは、保護すべきデータを誤って社外の人物に送信し
グーグル女性幹部が「クラウドでアマゾンを抜く」宣言 | Forbes JAPAN 公式サイト（フォーブス ジャパン）
グーグルのクラウド事業部門トップ、ダイアン・グリーンは4月23日、カリフォルニア州ハーフムーンベイで開催されたフォーブスの「CIOサミット」に登壇した。彼女は業界首位のアマゾンとのクラウドでの対決について、「5年後に追い抜く可能性は大いにある」と自信を見せた。フォーブスのMiguel Helftとの対談で、グリーンは次のように語った。 「我々は、データセンターやインフラ、可用性、セキュリティ、自動化などの面で大きな強みを持っている。パッケージ化の改善を図れば、事業拡大の余地は大きい」 上級副社長を務めるグリーンは、現在数千人が在籍する部門を率いている。彼女はアルファベット会長でグーグルの前CEOのエリック・シュミットについて「あまり知られていませんが、エリックは伝統的な大企業型のリーダーです」と述べた。 グリーンはAI分野の取組みについて聞かれ、これまで買収したDeepMindやKaggl
インテルがAIにフォーカスしたイベント「インテルAI Day」でPreferred Networksとの協業を発表
インテルが人工知能への取り組みをイベントにて解説。しかし最も目立っていたのはPreferred Networksとの協業、そして深層学習フレームワークであるChainerであった。 AI時代のインテルの戦略が一同に マイクロプロセッサのリーダーであるインテルは2017年4月6日、都内にて人工知能にフォーカスしたイベント、「インテルAI Day」を開催した。近年の人工知能はこれまでのルールベースから、機械学習、深層学習などの様々なアルゴリズムと膨大なデータによって、実用化にむけて大きく進化したことはもう周知の事実だろう。しかしそのシステムに使われているのは、高速な行列計算を多数のコアで並列処理するGPUだ。GPUのリーダーであるNVIDIAが「（NVIDIAは）ビジュアルコンピューティングからAIコンピューティングに移行する」と宣言するほど、GPUは人工知能、それも深層学習に向いたプラットフ
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
Inventing the Future | Meta Questブログ
I picked the wrong week to quit sniffing Gluon: Amazon, Microsoft hope easy AI dev tool sticks
TechCrunch | Startup and Technology News