ついに、プログラマの悲願でもあった「プログミングもAIがいい感じにやってくれる」機能であるGitHub Copilotが公開されたようです 人の言葉で関数名や処理の内容を書くとその内容を忖度して自動で記述してくれるようで,プログラ… https://t.co/UN3bUQWor8
機械学習の技術が進むことで、特徴を記述するだけでコンピューターがぴったりの画像を生成してくれる画像生成モデルが開発されています。従来のように巨大なマシンパワーを使うことなく、効率的に顔の特徴を自由に変更できる画像生成モデル「TL-GAN」をニューラルネットワーク研究者のシャオボ・グアン氏が開発しています。 Generating custom photo-realistic faces using AI – Insight Data https://blog.insightdatascience.com/generating-custom-photo-realistic-faces-using-ai-d170b1b59255 ◆生成モデルと識別モデル 「画像を記述(説明)する」ことは人間には容易で、幼い子どもでさえ自然に行うことができます。人間には簡単な「画像を記述する」行為は、コンピュータ
はじめに 本記事では、データサイエンティストを目指して勉強した半年間で学んだこと、気付いたことをまとめます。これからデータサイエンティストを目指して勉強する人の参考になればと思います。 最初の一手 個人的にではありますが、最初はアプローチの理解から始めると思いますが、数式とプログラミングの両方を勉強する方が良いと思います。数式→プログラミング or プログラミング→数式の順序はどちらでも良いと思いますが、プログラミング(フレームワーク)のみはやめた方が良いと思います。出力結果の解釈で苦労することになるので、理論、数式はしっかり理解した方が良いです。 プログラミング、フレームワークの力で、機械学習ができるのは事実ですが、作ったモデルや予測結果の説明ができなければ価値がありません。 そして、モデルは作るだけでなく、評価・改善していく必要があります。その際に、グリッドサーチのようにモデルのパラメ
前書き - 人工知能と脳科学 - 最近のAI (Artificial Intelligence) の進歩はすさまじいですね。特に、深層学習 (Deep Learning) はTensorFlow, Chainerなどのライブラリの普及もあり、一般的に広く使用され、知られる概念になりました。 ところで、Deep Learningの歴史を簡単に紐解いてみると、はじめは脳の計算原理を実装しようとする試み、つまりニューラルネットワーク (Neural Network) の研究からスタートしました。人の脳は100億ともいわれる数の神経細胞からできています。それらは解剖学的に分かれた領域に位置し、それぞれの脳領域は特定の計算を行っています。各脳領域は互いにコミュニケーションを取り合い、行動選択に関わる情報を処理しています。 こうした脳科学の知見は、ニューラルネットワークの研究をインスパイアしてきました
ディープラーニング専用GPUサーバファーム「紅莉栖(くりす)」を構築、人工知能研究用に無償提供を開始2015.09.17 株式会社ドワンゴ 株式会社ドワンゴ(本社:東京都中央区、代表取締役社長:荒木隆司)は、ディープラーニング専用GPUサーバファーム「紅莉栖(くりす)」を構築し、一部の研究機関を対象に人工知能研究用として無償貸出をすることとなりました。 Maxwell世代のCUDAコア搭載したGPUサーバを採用このたびドワンゴで開設したGPUサーバファーム「紅莉栖(くりす)」は、現時点で世界最高性能となるMaxwell世代のCUDAコアを搭載したGPUサーバー100台程度で構成される予定です。 サーバーファームの名称の「紅莉栖(くりす)」は、グループ企業の株式会社MAGES.が手がけるゲーム作品「STEINS;GATE」のヒロインである牧瀬紅莉栖(まきせくりす)と、ニコニコ生放送の大型企画
こんにちは、得居です。最近は毎晩イカになって戦場を駆けまわっています。 本日、Deep Learning の新しいフレームワークである Chainer を公開しました。 Chainer 公式サイト GitHub – pfnet/chainer Chainer Documentation Chainer は、ニューラルネットを誤差逆伝播法で学習するためのフレームワークです。以下のような特徴を持っています。 Python のライブラリとして提供(要 Python 2.7+) あらゆるニューラルネットの構造に柔軟に対応 動的な計算グラフ構築による直感的なコード GPU をサポートし、複数 GPU をつかった学習も直感的に記述可能 ニューラルネットをどのように書けるか 次のコードは多層パーセプトロンの勾配を計算する例です。 from chainer import FunctionSet, Vari
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