画像の機械学習が劣化する理由 - Qiita
前書き 注意：ここに書いていることは2020年代としては、古すぎる見解になっている。 近年の自己教師あり学習の大幅な進展で、ここで述べているようなアプローチは大幅に古めかしいものになっている。 ・自己教師あり学習の進展は、画像認識タスクに対する共通のbackbone を作り出しており、後段で個々の画像認識タスクに対するfine-tuningをするアプローチに変わってきている。 ・そのため、ラベル付きの限られたデータで特徴量の抽出をしていたのが、自己教師あり学習に基づく特徴量の抽出になっている。 ・各人、自己教師あり学習について調べることをお勧めする。 主旨 単純に学習データを追加するだけでは学習が改善しないことがある。そのような場合へのヒントを著者の限られた経験の中から記述する。 はじめに 画像認識の機械学習を改善するためにはデータを追加すればよい。 そう思っている人が大半だろう。 ただ、
Kaggle Expertになるまで勉強したことを全て書く - Qiita
はじめに こんにちは。Yuki | Kagglerです！ 先日、Shopeeコンペの順位が確定して銀メダルをいただき、晴れてCompetition Expertになることができました。区切りがいいのでここまで取り組んできたことをまとめてみました。 ※ 6/28追記：Amazonのリンクが切れていたので貼り直しました！ プログラミング&機械学習を始めて一年、ようやく Kaggle Expertになることができました！！ 行列も正規分布も知らず、ターミナルなんて触ったこともない状態からのスタートでしたが、ようやくここまで来ました。 ここまで来れたのは偏にこれまで関わってきた皆様のお陰です。これからも頑張ります！！ pic.twitter.com/kMkaFhqhU9 — ユウキ | Kaggler (@Yuki_Kaggler) May 12, 2021 この記事の対象者 Kaggleをやって
機械学習を「社会実装」するということ / Social Implementation of Machine Learning
機械学習を「社会実装」する際に待ち受けている罠と、その解決方法の考察です。 ※この資料は、東京大学グローバル消費インテリジェンス寄附講座（GCI）2020 Summerの講義で使用したものです。 https://gci.t.u-tokyo.ac.jp/gci-2020-summer/ ※2023年版を公開しました。 https://speakerdeck.com/moepy_stats/social-implementation-of-machine-learning-2023 ※2022年版を公開しました。 https://speakerdeck.com/moepy_stats/social-implementation-of-machine-learning-2022
データサイエンティスト・機械学習エンジニア・データアーキテクトの定義とスキル要件（2021年版） - 渋谷駅前で働くデータサイエンティストのブログ
(Image by Dirk Wouters from Pixabay) この記事は毎年恒例のスキル要件記事の2021年版です。昨年版は以下のリンクからご覧ください。 今回は、試験的に「データアーキテクト」についても触れています（詳細は後述）。残り2つの職種については基本的な内容はそれほど大きくは変わっていませんが、先般公開した推薦書籍リスト記事の時と同じ変更点が一つだけあります。それは「機械学習エンジニアのスキル要件」は今回は想定していない（というか例示できない）という点です。これまた詳細は後述しますが、端的に言えば「分野ごとの細分化が過剰に進んでいる」という印象があるためです。 ということで、前回までとは違って「職種ごと」に定義とスキル要件（書けるようであれば）を挙げていくスタイルになっています。なお、言わずもがなですが以下に挙げる3職種の説明は僕個人のこれまでの経験や見聞や伝聞をもと
ヤフー、“ヤフコメ”の表示順位付け技術を無償公開 ネット上のコメント健全化目指す
APIの連携によって事業者は、AIの開発に必要な学習データや計算コストなどの初期投資をかけずに、自社サービスへのコメントの健全化に役立てることができるという。 今後もヤフーは誹謗中傷など悪質コメントに対する取り組みを進め、インターネット空間の健全化を目指すとしている。 関連記事 ヤフー、“ヤフコメ”のパトロールAIを外部提供へ 1日に2万件の誹謗中傷を削除可能 ヤフーが、「Yahoo!ニュース」コメント欄の健全化のため使用しているAIを、外部の事業者にも提供すると発表した。1日に平均約2万件の悪質な投稿を削除できる自然言語処理モデルを横展開し、投稿型サービスの健全化を図る。6月中をめどに、悪質なコメントへの対策強化に向けた検討会も開催する。 “繋がりすぎる”ネット時代の誹謗中傷問題、解決策はあるのか リアリティーショー番組でのSNS中傷を発端として、インターネット上の悪質な投稿に関する議論
誰の声でも100人の声に変えられる声変換システム - Dwango Media Village(ドワンゴメディアヴィレッジ,dmv)
著者の声を録画・録音して声を変換し元の映像と組み合わせてみた映像です。 このときの変換元の音声は撮影用のスマートフォンで録音しており、部屋の残響が含まれるなど声が少し不鮮明になる収録環境ですが、それでもしっかり声変換できていることがわかると思います。 概要 Dwango Media Villageの廣芝です。 誰の声でも狙った複数の人の声に変えることができる声変換システムを開発し、実際に声を変えることができるデモページを公開しました。 (2022年5月 SeirenVoiceシリーズの製品化に伴いデモページは終了しました。) この記事では、声変換技術を研究開発する際に取り組んだ課題について紹介します。 声の変換技術には、リアルタイム性と品質のトレードオフがあります。 既存の声変換システムはリアルタイム性を重視する傾向がある一方、品質を重視したものはあまり見かけません。 品質を優先した声変換
AIに読解力があると思う人に知ってほしい現実
コンテンツブロックが有効であることを検知しました。 このサイトを利用するには、コンテンツブロック機能（広告ブロック機能を持つ拡張機能等）を無効にしてページを再読み込みしてください。 ✕
【期間限定】#今こそ学ぼう オンライン学習コンテンツ「無料公開」のご案内
新型コロナウィルス感染拡大に伴い不要の外出を控える社会人や学生のみなさまに向け、 JDLA認定プログラムを実施する事業者の協力を得て、一部のオンライン学習コンテンツを期間限定で無料公開いたします ＊2020年1月20日に「INTLOOP株式会社」の講座を追加しました ＊12月1日に「エッジテクノロジー株式会社」の講座提供期間を延長しました ＊5月19日に「スキルアップ株式会社」の講座期間定めなし、申込み方法追加しました ＊5月13日に「スキルアップ株式会社」の1講座を追加しました ＊5月1日に「Study-AI株式会社」の3講座を追加しました ＊4月27日に「NTTラーニングシステムズ株式会社」の1講座を追加しました ＊4月24日に「株式会社日経BP」の1講座を追加しました ＊4月17日に「エッジテクノロジー株式会社」の3講座を追加しました ＊4月9日に「株式会社キカガク」の1講座を追加し
Google、「Edge TPU」搭載のコインサイズの「Coral Accelerator Module」や「Dev Board Mini」をCESで公開
Google、「Edge TPU」搭載のコインサイズの「Coral Accelerator Module」や「Dev Board Mini」をCESで公開：CES 2020 米Googleは1月2日（現地時間）、ローカルAIプラットフォーム「Coral」ブランドの「Accelerator Module」などの新製品を発表した。7日からラスベガスで開催の「CES 2020」で展示する。 Coralは、Googleが昨年3月に発表した、ローカルAIを使うエッジコンピューティングデバイスを構築するためのハードウェアコンポーネント、ソフトウェアツール、プリコンパイルモデルのプラットフォーム。エッジで同社の「TensorFlow」モデルを効率的に実行するためのツールを提供している。 「Coral Accelerator Module」は、1セント硬貨より小さい10×15×1.5ミリのボードに「Edg
海中写真から青緑色を除去し、本当の色を再現するアルゴリズムを海洋学者が開発 : カラパイア
海の中で自然光で水中写真を撮影すると、まるでフィルターを通したかのように青緑色を帯びてしまうことが多い。 海の浅いところであっても、そこに差し込む光は吸収・散乱してしまい、赤や黄色といったサンゴならではの色合いはほとんど消えてしまう。 青みを帯びた水中写真は、フォトショップなどの画像処理ツールで修正することは可能だが、それだと人工的な色合いになってしまい、実際の色とは違ったものとなってしまう。 そこで海洋学者は、、海底を彩る本当の色を再現できるアルゴリズムを開発した。
汎用言語表現モデルBERTを日本語で動かす(PyTorch) - Qiita
今DL for NLP界で、BERTというモデルが話題です。PyTorchによる実装が公開されていたので、日本語Wikipediaコーパスに適用してみました。 コードはこちらに公開しております。 2018/11/27 作成したBERTのモデルを使って内部動作の観察とその考察を行いました。単語の潜在表現獲得の部分で感動的な結果を見せてくれました。ご興味あればご覧ください↓ https://qiita.com/Kosuke-Szk/items/d49e2127bf95a1a8e19f この記事ではBERTのポイントの解説と、ポイントごとの実装を紹介します。 尚、記事の執筆にあたってこちらのリポジトリを参考にさせていただきました。 https://github.com/codertimo/BERT-pytorch 本記事は以下の4つで構成されています。 ・BERTとは ・BERTのキモ ・BER
TVM Conference レポート
こんにちは。NTT 研究所の森田です。先日、シアトルのワシントン大学で開催された TVM and Deep Learning Compiler Conference に招待されたので参加してきました。TVM って何？という方にもわかるように、TVM の概要から始めて、会議の内容までご紹介したいと思います。 ワシントン大学深層学習コンパイラとはTVM は深層学習コンパイラというジャンルに属するソフトウェアです（推論コンパイラ、深層学習オプティマイザなどと呼ばれることもあります）。「コンパイラ」と聞くと、ソースコードから実行プログラムへの変換、をイメージされるかもしれませんが、深層学習コンパイラの入力は、ソースコードではなく、深層学習の学習済みモデルになります。 深層学習によって AI を作るためには、大量のデータによって学習を行った学習済みモデルと、AI 処理を行うハードウェアが必要になりま
連休中に「ディープラーニングの数学」と「身近な数学」と「Google Colaboratory（Python）」でじっくり数学を復習しました - karaage. [からあげ]
「最短コースでわかる ディープラーニングの数学」「身近な数学」を読む GW（ゴールデンウィーク）中は日経BPさんから献本いただいた「最短コースでわかる ディープラーニングの数学」（以降ディープラーニングの数学）と、ほけきよ（id:imslotter）さんから献本いただいた「身近な数学」と数学と名のつく本2冊をじっくり読みました。 全然違う繋がりで献本いただいた両本ですが、奇しくも同じ「数学」というキーワードがタイトルにあるということで、大胆にもまとめて書評を書いてみたいと思います（笑） また、両者とも付録として、内容の理解を深めるためのPythonコードがGitHubで公開されているのですが「Google Colaboratory」（以降Google Colab）を使うことで、Python環境を構築することなく、手軽にコードを実行できることが分かったので、その活用方法も合わせて紹介しようと
![連休中に「ディープラーニングの数学」と「身近な数学」と「Google Colaboratory（Python）」でじっくり数学を復習しました - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/1eb74cedf2a908dd2b9ebff4e9cfec4ee41fc670/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20190416%2F20190416010937.jpg)
東工大、0.5秒後の相手の動きをリアルタイムに予測するdeep learningを用いた格闘訓練システム「FuturePose」発表
東工大、0.5秒後の相手の動きをリアルタイムに予測するdeep learningを用いた格闘訓練システム「FuturePose」発表 2019-04-23 東京工業大学による研究チームは、0.5秒後の相手の動きをリアルタイムに予測し格闘の訓練ができるdeep learningを用いたシステム「FuturePose」を発表しました。 論文：FuturePose – Mixed Reality Martial Arts Training Using Real-Time 3D Human Pose Forecasting With a RGB Camera 著者：Erwin Wu ; Hideki Koike 所属：Tokyo Institute of Technology 本論文は、1台のRGBカメラによる画像から0.5秒後の相手の動きをリアルタイムに予測するdeep learningを用いた
docomo×Perfumeの5Gライブに潜入、その瞬間を共有した
読者のみなさんは、平成最後の大みそかとなった2018年12月31日をどのように過ごしただろうか。自宅やふるさとで家族や親類とのんびり過ごした人、海外旅行に出かけた人など、さまざまだろう。 そんな中、筆者は大みそかの午後に横浜にいた。人気歌手グループ「Perfume（パフューム）」のカウントダウンライブに立ち会うためだ。 この日の深夜、2018年から2019年に年が変わる瞬間を、一人でも多くのファンとPerfumeの3人が共有するという前代未聞のプロジェクト「docomo×Perfume／その瞬間を共有せよ。」が予定されていた。これはNTTグループが2020年以降を見据えた新しいエンターテインメント体験を模索する「FUTURE-EXPERIMENT」の一環。今回はその第4弾（VOL.04）に当たる。 2018年の大みそかにNTTドコモとPerfumeが実施したプロジェクト「FUTURE-EX
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
年末年始に振り返る 2021年の人工知能10大トレンドと必読論文
（修正）機械学習デザインパターン（ML Design Patterns）の解説
言語と視覚に基づく質問応答の最新動向 / Recent Trends in Vision-and-Language Studies for QA
マルチモーダル深層学習の研究動向
[Perfume×docomo] FUTURE-EXPERIMENT VOL.04 その瞬間を共有せよ。 - YouTube![[Perfume×docomo] FUTURE-EXPERIMENT VOL.04 その瞬間を共有せよ。 - YouTube](https://cdn-ak-scissors.b.st-hatena.com/image/square/9a54b79045f3999687329169a690788a777a57f3/height=288;version=1;width=512/https%3A%2F%2Fi.ytimg.com%2Fvi%2FrH8nE-llnEk%2Fhqdefault.jpg)
