Bardの衝撃。Bardはユーザから指示されたURLのページにアクセスできる。Webページの要約やスクレイピングも？ - Qiita
Bardの衝撃。Bardはユーザから指示されたURLのページにアクセスできる。Webページの要約やスクレイピングも？GoogleスクレイピングChatGPTBard Google Bardが、日本からも利用できる様になりましたが、ChatGPTとの大きな違いがありました。 それは、ユーザが渡したURLにBardがアクセスができることです。 ChatGPTでは基本的にそういったことはできず、やれている様に見えても違った情報を返してしまっていました。 例えば、以下ページのURLを渡して要約してもらうと、返ってくるのは以下の様な返答になってしまいます。 アクセス先のページ ChatGPTからの返答 なんだか、違うページを読み込んでいそうです・・・完全に間違っています。 -- それに対し、Google Bardは正しくリンク先の記事を読み取って要約をしてくれました。 本当にリクエスト先のURLにア
GoogleのWebAPI設計とWebAPI設計のベストプラクティスを比較してみる
RESTful な URL にしよう 元記事 GET /tickets - チケットのリストを取得する GET /tickets/12 - 指定したチケットの情報を取得する POST /tickets - 新しいチケットを作成する PUT /tickets/12 - チケット #12 を更新する PATCH /tickets/12 - チケット #12 を部分的に更新する DELETE /tickets/12 - チケット #12 を削除する Google GET /events - 予定のリストを取得する GET /events/12 - 指定した予定の情報を取得する POST /events - 新しい予定を作成する PUT /events/12 - 予定 #12 を更新する PATCH /events/12 - 予定 #12 を部分的に更新する DELETE /events/12 -
とりあえずFloydhubで遊んでみた - Qiita
Authentication token page will now open in your browser. Continue? [Y/n]: と聞かれるので、yを入力し進めるとWelcome pageが開きます。Welcome Pageの一番下にあるauthentication tokenをコピーしてターミナル上に貼り付けるとLogin Successfulと出るはずです。 Run First Project 次にTensorflowを動かしてみる。 Welcome Pageに書いてある通りに進めるだけです。 $ git clone https://github.com/floydhub/tensorflow-examples.git Cloning into 'tensorflow-examples'... remote: Counting objects: 74, done. r
怠け者のためのディープラーニング入門 - イントロ
目次 イントロ ← 今ココ Scikit-learn・Keras モデルの性能指標・評価方法 データの前処理・データ拡張 早期終了(early stopping) 転移学習 ハイパーパラメータのチューニング モデル圧縮 応用 はじめに 大学3年生のとき、小林雅一『AIの衝撃 人工知能は人類の敵か』という本をなんのきなし読んだことがあります。その本の中で「最先端のAIを実装できるのは世界でも50人くらいの研究者・大学院生くらいだ」といった文章を読み、なんだかすごそうという動機で機械学習に触れ始めました。そのころちょうど、TensorFlow 0.0.5が公開されて騒がれていたことを覚えていますが、当時ディープラーニングとは何かすらまったく分かりませんでした。それから約2年の月日が経ちますが、TensorFlowをはじめとしたフレームワークの普及もあってか「最先端のAI」というものを研究し実装
機械学習によるギター画像の分類 その1 - Qiita
サマリ CNN（ResNet）によるギター画像の分類で99%超の精度を達成した。 ImageNetの一般画像分類モデルを元にした転移学習による学習の高速化・高精度化・汎化性能の向上を確認した。 はじめに 本記事は、アラフォー・エンジニアによる、夏休みの自由研究の記録です。 CNNを使った、ギター画像の分類にチャレンジしました。 技術的に目新しい話はあまりないですが、ギターを題材にした事例は意外にもなさそうだったので、なんとなく結果を公開します。 環境 自宅のパソコンです。 Intel(R) Core(TM) i7-2600 CPU @ 3.40GHz Memory: 32GB Geforce GTX 1080 （Founders Edition） Ubuntu 16.04 Python 3.5.3 Keras（backend: Tensorflow） データセットの準備 データセットは、W
メガネな人を見つめてくれるWebカメラ - Qiita
メガネな人を見つめてくれるWebカメラを作った。 メガネが無い人は見つめてくれません。 メガネな人を見つめてくれるWebカメラ作った。 動画の人物は同僚のK島氏。許可をとってご登場頂いております。https://t.co/nf5TNJpcjI — foka (@foka22ok) 2017年8月3日 最近ぼんやりとやってみたいと思ってた中から、以下の4つをまとめたらこれができました。 機械学習の学習データを自分で集めて精度を検討 Kerasを試す 機械学習をリアルタイム処理で使う モーター制御したい ざっくりとはこんな感じの仕組みです。 機械学習の学習データを自分で集めて精度を検討 お仕事で画像分類系の機械学習をやらせてもらう機会が何度かありましたが、学習データを用意してもらってその中でどこまでできるかということをやってました。 元々は機械学習出身のエンジニアでは無いこともあり、自分で素材
GoogleのAR技術Tango+UnityでAR空間を塗るアプリ、「RAKUGAKI」の紹介 - Qiita
コンセプト 「ひみつ道具」のようなアプリを作りたい。そんな思いから４人でチームを組みこのアプリは開発されました。スプレー缶をイメージして、端末を振るとカラカラ音が鳴り、それに加えスプレーの噴射音も再現しました。 タイトルデザイン:とみぎさん Tangoについて軽く紹介 Googleの持つAR(拡張現実）技術でモーショントラッキング (Motion Tracking)、エリア学習 (Area Learning)、深度検出 (Depth Perception)などの機能をもちいて空間の情報をより詳細に取得することができるものです。詳しい記事は他にもあるので調べて見るといいかもしれません。 準備 Tango Unity SDKをダウンロードします。事前にUnityが入ってない場合はインストールする必要があります。あとはpackage形式なのでUnityを起動してimportすれば普通に実装すると
無から始めるKeras - Qiita
無から始めるKerasについて Python も Keras もわからないけれど、近年のありえんニューラルネットワークブームに追いつくために勉強しようと思って作りました。 初心者で何もわからない状態から始めていますので、あたたかく見守っていただき、疑問や不審な点があればどしどしご指摘いただければとおもいます。 環境は Debian 8.8 ＋ Python 3.4.2 ＋ Keras 2.0.5 ＋ TensorFlow 0.10.0 です。 もくじ はじめての Keras 活性化関数、目的関数、最適化手法とは Functional API で実装してみる 学習された重みから手計算で推定する MNIST と EarlyStopping、バッチサイズ、DropOut CNN で MNIST リカレントニューラルネットワーク Register as a new user and use Qii
KerasのLSTM model.predictを解読した話 - Qiita
概要 KerasやTensorflowを使用してニューラルネットワークの重みを計算したものの、それをどうやって実アプリケーション（iPhoneアプリとか、Androidアプリとか、Javascriptとか）に使えば良いのかって、意外と難しい。 単純なニューラルネットワークとなれば、単純で良いのだが、今回LSTMで学習した重みを使用する必要があったので、KerasのLSTMのPredictの内容を解読した。 学習済みの重みはmodel.get_weights()で取ってこれるが、こいつに関する情報がググっても全く出てこない。 結局、コードを書いて、ごちゃごちゃ手当たり次第に試していった結果、model.get_weights()で取ってくる重みは、 1つ目(インデックス0)：LSTMの入力層の入力に対する重み、入力ゲートの重み、出力ゲートの重み、忘却ゲートの重み 2つ目(インデックス1)：隠
ティープラーニングでザッカーバーグの顔を識別するAIを作る（学習データ準備編） - Qiita
⓪はじめに 前々から「流行りのAIとかディープラーニングやってみたい！」と思っていたので、ミーハー魂から2017年5月のGWの自由研究として、機械学習(ディープラーニング)の前提知識0からの勉強を決意。実際に作ったもののサンプル動画等はこちらより。最終的なコードはこちらに。 【つくったもの】 シリコンバレーの大御所起業家のマーク・ザッカーバーグ氏(Facebook)、ビル・ゲイツ氏(Microsoft)、イーロン・マスク氏(SpaceX,Tesla)の3人の顔を識別するAI。 (現状、まだこちらはネット上にアップしていません。時間がある時にアップしたいです *2017年5月時点) 【筆者(@AKIKIKIKIKIKIK)のプロフィール】 データ解析や機械学習の前提知識はなし。プログラミングの大体は独学。RailsでWEBアプリ作るのが好き。 【機械学習&ディープラーニングで参考にさせて頂い
週刊少年ジャンプの短命作品を，機械学習で予測する （前編：データ分析） - Qiita
1. はじめに 週刊少年ジャンプ（以下，ジャンプ）は，日本で最も売れている漫画雑誌1です．言うまでもなく，私は大ファンです． ジャンプ編集部の連載会議は非常にシビアです．ジャンプ作家の奮闘を描いたフィクション漫画「バクマン。」では，編集部が毎号の読者アンケートをもとに各漫画の人気を評価し，掲載順や打ち切り作品を決定する様子が描かれています2．連載開始から10週以内（単行本約1冊分）で連載が打ち切られてしまうことも珍しくありません．とても厳しい世界です． 本記事では，機械学習を使って，短命作品（10週以内に終了する作品）の予測を行います．究極の目標は，ジャンプ編集部より先に打ち切り作品を予測し，好みの作品が危ない場合はアンケートを出して打ち切りを回避することです3．我々は読者アンケートの結果を知ることができないので，掲載順の履歴を入力とし，短命作品か否かを出力する多層パーセプトロン4をTen
Google Cloud ML EngineをJupyterから簡単に使えるMagic - Qiita
Cloud ML Engineへ学習JobをJupyterから簡単に投げたいなぁと思い、そんなJupyter用 Magic Command Extensionを作りました。 Jupyterで書いたモデルを、Runすればクラウド上で実行することができます。 こんな感じ。 Cloud ML Engineとは 簡単に言えばTensorFlowの学習や予測JobをCloud上で実行できるマネージドな環境です。一般的にはDistributed TensorFlowで大規模に学習をさせるケースが多いかと思いますが、私のようにメインマシンがMacBookでGPUも使えない環境の場合は、GPUを気軽に使えるリモートの環境として重宝しています。 また、GCEとは違ってJobが終われば自動で立ち下がるため、インスタンス落とし忘れで課金が大変な事になる心配もありません。 準備 Google Cloud SDKの
Udacity自動運転エンジニアコースのTerm1を終えた感想 - Qiita
オンライン講座のUdacityが提供する自動運転エンジニアコースのTerm1を修了したので，その感想を書こうと思います． Udacityとは UdacityとはCourseraやedX等のオンライン講座MOOCの一つであり，自動運転エンジニアコース，AIコース，フルスタックエンジニアコースなど様々なコースがあります．他のMOOCとの違いは，Coursera等はどちらかといえば知識ベースであるのに対し，Udacityはプロジェクトベースであるという点です．また自動運転コースの講義はMercedes-Benz等からも提供されており，最先端の技術を学ぶことができます． 自動運転エンジニアコースとは Udacityが2016年11月ごろからスタートしたプログラムであり，9ヶ月で自動運転エンジニアになるために必要な技術を身に付けることができるコースとなっています．Term1からTerm3の3つのター
Google製JPEGエンコーダー「Guetzli」 - Qiita
Guetzli [guɛtsli] とはスイスドイツ語でクッキーの意味。1 Go Guetzli or go home #baking #christmas #cookies #heyprettyeats https://t.co/55nX22aNOA pic.twitter.com/v4Fj8qyZo9 — HeyPrettyBeautyBlog (@HeyPrettyBeauty) 2015年12月5日 Google が2016年10月22日に GitHub で Initial Release を公開 2 した JPEG エンコーダー。2017年1月13日に GIGAZINE で紹介される。3 2017年3月15日に 1.0 がリリース 4 され、Google Research Blog でアナウンスされた 5 ため、同17日頃より国内メディアで紹介され始めた。 Google、より高画
keras-1チュートリアル流し読み - Qiita
始めに chainerと似て抽象化がされている。 違いの一例としてはネットワークの定義でユニット数の書き方がchainerと逆になってる。Dense(1, input_dim=784,... 出力ユニット数,入力ユニット数の順になってる。 この記事では関数の紹介、使い方、どこで使われてるかを説明できる範囲で紹介します。 ※layer_testというサンプルが多用されてますが、ただのテストコードなことに後で気づきましたので、そのうち直します。 継承関係 Layer ↑ Container ↑ Model ↑ Sequential Keras v2では名前が変わったりしてます。 今はv1を元に書いています。 http://qiita.com/miyamotok0105/items/322b29339e1771184b9e from keras.models import Sequential
ディープじゃない機械学習で為替(FX)の予測をしてみる - Qiita
機械学習というと深層学習（ディープラーニング）を連想されがちですが、それ以外にも沢山あります。また、ディープじゃ無いからダメかというとそうでもありません。 というわけで、前回の記事のデータを別の機械学習でやってみます。 関連シリーズ - 第１回 TensorFlow (ディープラーニング)で為替(FX)の予測をしてみる - 第２回 ディープじゃない機械学習で為替(FX)の予測をしてみる - 第３回 TensorFlow (ディープラーニング)で為替(FX)の予測をしてみる CNN編 TL;DR 資産の増減をグラフにしました。半年ほどで12%の利益になってますが、学習の条件に対して結果がロバストでは無いので今後もうまくいくとは限りません。 GitHubにNotebookを置いてあります。 Forkして遊んでみてください。 https://github.com/hayatoy/ml-forex
MacOSXにPythonを用いた機械学習を行うための環境を構築する - Qiita
下記の書籍を読み進めるための開発環境の構築メモです。 書籍：Pythonによるスクレイピング＆機械学習 開発テクニック http://www.socym.co.jp/book/1079 Homebrewのインストール まず最初に、MacOSX用のパッケージマネージャー「Homebrew」をインストールします。 http://brew.sh/index_ja.html $ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)" 途中、sudoのパスワードを入力します。 pyenv 次に、Pythonのバージョンマネージャー「pyenv」をインストールします。 Pythonのバージョンごとに環境（インストールしているパッケージ）を変えることができます。
数学の苦手なバイオの学生がCourseraの機械学習コースを修了して気づいたこと - Qiita
機械学習を学ぶのに最も適した教材と言われる、Machine Learning | Coursera を受講し終わりました！ 「機械学習に興味はあるけど、何から始めたらいいかわからない」 「Courseraはいいって聞くけど、難くて挫折する気がする」 「機械学習やるなら、PRMLがいいって聞いたけど」 という人は多いと思います。私も同じように思っていました。Courseraの機械学習コースを始めたのはなんとなくですが、修了してみて、やって本当に良かったと思います。機械学習は面白いし夢があるので、ちょっとでも興味がある人の背中を押したいと思い、このコースの何がいいのか簡単にまとめたいと思います。 過去の記事 Coursera Machine Learning (1): 機械学習とは？単回帰分析、最急降下法、目的関数 Coursera Machine Learning (2): 重回帰分析、スケ
畳み込み層とプーリング層を画像表示してみるてすと - Qiita
画像認識に使われる畳み込みニューラルネットワーク（以下CNNと呼ぶ）というものがあります。Tensorflow のチュートリアル（Deep MNIST for Experts）にも出てきますが、ネットワークが複雑で理解するのに苦労します。そこで、畳み込み層とプーリング層の中身を画像化して、何が行われているのかなんとなく体感したいと思います。 ベースとなる Deep MNIST for Experts のコード 今回使用するコードは github(tf-cnn-image) に上げてあります。 まずはCNNのコードを用意します。Deep MNIST for Expertsのコードから不要な箇所を削除したものを用意しました。コメントは最小限にしてあるので、詳しい動作を知りたい場合はこちらなどを参考にしてください。 # -*- coding: utf-8 -*- import sys sys.p
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
Google製可視化OSSのFacetsがめっちゃ便利だから使ってみてくれ - Qiita
