by ライブドアニュース編集部 ざっくり言うと Googleが元コメディライターを採用していると報じられた 音声アシスタント「Google Assistant」の開発にあたって採用しているという 他社の音声アシスタントに比べ、Google Nowだけは非常に非人間的だった 提供社の都合により、削除されました。 概要のみ掲載しております。 関連ニュース ランキング 総合 国内 政治 海外 経済 IT スポーツ 芸能 女子
Amazonは米国時間9月29日、「Alexa Prize」を発表した。Amazonの仮想アシスタント「Alexa」とより自然に会話をするための技術を開発する大学生を対象とした賞金250万ドルのコンテストだ。このコンテストの目標は、人気の話題やニュースについて人間と会話する「ソーシャルボット」をAlexa上に構築することだとAmazonは述べている。 最も優れたソーシャルボットを開発した大学チームには50万ドルの賞金が贈られる。さらに、優勝チームのソーシャルボットが「わかりやすくかつ愛想よく」人間と20分間会話できる場合は、優勝チームの大学に100万ドルが贈られる。最大10チームが選ばれ、10万ドルの奨励金、Alexa対応デバイス、「Amazon Web Services(AWS)」への無料アクセス、Alexaチームによるサポートを受けられる。 Alexaを利用する多数の顧客が、調査と審査
U-NEXTのグループ会社であるU-NEXTマーケティングとアドバンスト・メディアは9月14日、人工知能(AI)を活用した自動応答コンタクトセンターサービス「AIコンシェルジュ」の提供を開始したと発表した。コンタクトセンターにおける問い合わせや受注、販売などの業務の一部を人工知能で対応することにより、応対時間を削減し、効率的な運用を目指す。 「コンタクトセンターの市場規模は微増だが拡大傾向にある。しかし人口減少による人件費の高騰、オペレーターの品質向上の限界など大きな課題を抱えていることは事実。今までの通りのやり方では大きな変革は起きない」とU-NEXTマーケティングの代表取締役社長である溝辺和広氏は現状を話す。 AIコンシェルジュは、コンタクトセンター市場における新たな打開策として登場したサービス。ユーザーからの問い合わせを、アドバンスド・メディアの音声認識技術によってテキスト化し、AI
もし、あなたが「“ビッグデータプロジェクト”を任せる。何とかするように」と言われたら:「ビッグデータプロジェクト」の進め方(1)(3/3 ページ) ビッグデータ基盤の利点 ビッグデータ基盤を導入するメリットは、まず「システム統合が容易になること」が挙げられます。 古くなったDWH(データウェアハウス)や、分析/レポート用RDBMS(リレーショナルデータベース管理システム)を更改するのではなく、それらもビッグデータ基盤に統合してしまえば、比較的簡単に大幅なコスト削減を実現できるでしょう。 ビッグデータ基盤は、ほとんど活用しないけれど、業務上/コンプライアンス上の目的で捨てられないデータ(コールドデータ)を格納するのにも向いています。例えば、3年以上前のログファイルを全てDWH上に置いておくのは、リソースがもったいないと感じるでしょう。コストが掛かりすぎます。だからといってテープメディアなどに
「Gartner's 2016 Hype Cycle for Emerging Technologies Identifies Three Key Trends That Organizations Must Track to Gain Competitive Advantage」から、縮小のため一部改変。赤線はPublickeyによる ハイプサイクルは、技術の登場から安定までを以下のステージに分けて説明したもの。 黎明期(Innovation Trigger) 「過度な期待」のピーク期(Peak of Inflated Expectations) 幻滅期(Trough of Disillusionment) 啓蒙活動期(Slope of Enlightenment) 生産性の安定期(Plateau of Productivity) 2016年版のハイプサイクルの中から、注目されるキーワー
連載を終えて 本連載では、これまで21回に渡り、HadoopやSparkなどのソフトウェアを並列データ処理系と称して、前半においてはおもに当該処理系のアーキテクチャやデータ処理方法の原理を説明し、後半においては当該処理系の実装における技術的特徴を概観してきました。 前半では、いくつかの教科書や古い文献をベースに説明をしましたが、近年の発展が著しいと考えられている並列データ処理系においても、過去に深く研究された技術の組み合わせや応用である場合が多いことを感じていただけたかと思います。技術全般において言えることですが、最先端の技術を理解するには、基礎を丁寧に押さえることが最も重要だと思います。多くの参考文献を載せましたので、このような技術に興味がある方や今回を機に興味をもった方は、さらに理解を深めていっていただけると幸いです。 また、後半においては、近年の並列データ処理系が、過去の技術を基礎と
東京大学と横浜銀行らが、AI(人工知能)を使った融資サービスを実用化すべくコンソーシアムを立ち上げた(CNET Japan、ITPro、大学ジャーナル)。 このコンソーシアムは、銀行口座やクレジットカードの使用履歴、商品の仕入れ・販売状況、決済情報などをコンピュータで解析して与信審査を行う「トランザクションレンディング」の実現を目指すという。これにより、従来は融資が受けにくかった中小企業や個人事業主に対する融資を行いやすくすることが狙いのようだ。 コンソーシアムにはアカウンティング・サース・ジャパン、横浜銀行、浜銀総合研究所、経理代行サービスのココペリインキュベート、決済データ分析サービスのCaccoが参加する。
基本KPIや応用KPIが決まり、実際に、毎日の運用の中で定期的にデータを更新して、可視化するためには、一連の処理を自動化する必要があります。今回は、データパイプラインを扱うためのワークフロー管理ツールを紹介していきます。 データパイプラインとワークフロー管理 データパイプライン (以下、パイプライン)とは、データ処理を行なう小さなタスク(1回のファイルコピーや、SQLの実行など)を順次実行することにより、最終的に求める結果を得るための一連のプロセスを指します。狭義には、単体のシステム内で完結するパイプラインを指します(SparkやGoogle Cloud Dataflow、など)。 また、広義には、複数のシステムを組み合わせて大きなパイプラインを構成することもあります(MySQLから取り出したデータをRedshiftで集計する、など)。今回、取り上げるパイプラインとは、広義のパイ
2016年5月25、26日に開催された「IBM Watson Summit 2016」では、数多くの最新IoT活用事例が紹介された。注目を集めたのが、26日に行われた日本アイ・ビー・エム Watson IoT事業部 事業部長の林健一郎氏によるセッション「IoTとWatsonがつながる世界を劇的に変革 - IBMのIoT活用技術を最新事例で一挙公開」だ。このセッションでは、IoTの最新事例だけではなく、グローバルおよび国内におけるIoTの動向についても説明していた。まず、事例紹介に入る前に、IoTを取り巻く状況を見てみよう。 IoTという考え方は、2012年頃、ドイツが国家戦略として、インターネット接続によって製造業の競争力を高める「インダストリー4.0」を発表したことが、浸透のきっかけとなった。2014年には、米国でインターネットを利用したサービスによる生産性、効率性向上を目的にした「In
Azure Machine Learningによるレコメンデーションの設計&実装を公開!~朝日カルチャーセンターの事例から~貴志 上坂
Microsoftのクラウドサービス「Microsoft Azure」は様々な機能をサービスとして提供している。2015年8月現在、公開しているサービスは50を超える(プレビュー公開を含む)。 Microsoftが2015年2月に正式リリースしたのが、機械学習をクラウド上で実行可能にする「Azure Machine Learning」である。 クラウドに大量のデータを貯め込むことが可能になる、というのがシステムをクラウド環境で稼働させるメリットの一つだ。だが、この大量データを活用するのは簡単ではない。データ分析の素人にとって、データ活用につながる分析を実践するのはハードルが高いからだ。 Azure Machine Learningは、機械学習を生かしたデータ分析を容易にするサービスである。ITエンジニアが少し勉強すれば、誰でも扱えるようになる。クラウド上のビッグデータ活用を夢物語に終わらせ
人工知能ブームによって機械学習にも注目が集まっています。注目とともに、機械学習に関連したクラウドサービスや事例が様々な業界や分野で発表されています。クラウド形式の機械学習サービスとしても、APIを中心に提供されているものから、プラットフォームとして提供されているものなど様々です。本稿では、機械学習を始める際に検討すべきことについて紹介していきます。最後に、Oracle Cloudで機械学習環境を構築する際のステップについても触れます。 さあ、機械学習を始めましょう! 第3次人工知能ブームによって、人工知能が急激な盛り上がりを見せています。その技術の1つである「機械学習」にも大きな注目が集まっており、機械学習の名を冠したサービスや事例が多数発表されています。特定のテクノロジーが1つの業界で盛り上がることはありますが、機械学習への注目はあらゆる業界を巻き込んでおり、いわば社会現象ともいえるでし
当初、Webサイトの役割は申し込み窓口の1つという位置づけだった。親会社が新聞社なので、新しい期が始まるときにはその特集が新聞に載り、ほとんどの受講者は、その新聞記事を見て申し込みをする。そこで、いつでも申し込み可能な窓口として活躍していたのがWebサイトだ。つまり、集客するのは新聞で、Webは受付窓口の1つに過ぎないのだ。 とはいえ、Web検索で講座を見つけて申し込みをする人もこの2~3年で増えてきた。そこで、Webサイトも収益増に貢献できるようにするために、朝日新聞社でデジタル系を担当していた青木氏が、Web担当の企画室長として出向することになった。 自社サイトを見ないスタッフをデータで説得旧サイトは、基幹の講座管理システムから情報を読み込んでWebサイトに表示する設計で、「Movable Type」で構築されていた。しかし青木氏は、「スタッフによっては、自分たちのウェブサイトをあまり
Webブラウザで学習 Webブラウザーでできる機械学習Azure ML入門 Webブラウザーでできる機械学習Azure ML入門(1): Azure MLって何? からワークスペース作成まで Webブラウザーでできる機械学習Azure ML入門(2): Webブラウザーだけで学ぶ機械学習の「お作法」 Webブラウザーでできる機械学習Azure ML入門(3): 作った機械学習モデルをWebサービスにしてデプロイする 書籍的なもので学習 ・Microsoft Azure (旧: Windows Azure) 自習書シリーズ - 概要編 PDF をダウンロードして学習します。かなり広範囲です。 STEP 3. Microsoft Azure が提供するサービス 3.1 Azure が提供するサービス 3.2 コンピューティング サービス 3.3 データ サービス 3.3.1 SQL データベー
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