GitHub - deezer/spleeter: Deezer source separation library including pretrained models.
Spleeter is Deezer source separation library with pretrained models written in Python and uses Tensorflow. It makes it easy to train source separation model (assuming you have a dataset of isolated sources), and provides already trained state of the art model for performing various flavour of separation : Vocals (singing voice) / accompaniment separation (2 stems) Vocals / drums / bass / other sep
Semantic Kernelを使ってGPTと外部ツールを簡単に連携してみる - Taste of Tech Topics
こんにちは。最近湿度が上がってきてつらい@Ssk1029Takashiです。 最近当社ではAzure OpenAI Serviceを活用した検索ソリューションに取り組んでおり、私も開発として携わっています。 www.acroquest.co.jp そんな中でもOpenAIのGPT周りのアップデートが激しく、GPT-4のリリースなどニュースに事欠きません。 特にChatGPT PluginsというChatGPTと外部のデータソースやツールなどを連携する枠組み発表され、よりChatGPTにできることが広がっています。 その中で先月MicrosoftがSemantic KernelというSDKを発表しました。 Semantic KernelとはGPT-3などの大規模言語モデルをアプリ開発に統合するC#で開発されたOSSのSDKです。 これを使うことで、ChatGPT PluginsのようにGPT
Wikipediaを元にした日本語の名寄せデータセットを作成しました - Sansan Tech Blog
こんにちは、DSOC 研究開発部の奥田です。以前の私のブログ記事ではコーギーの動画を見ていると書きましたが、とうとうコーギーを家族として迎え入れ、現在生後6ヶ月の子犬と暮らしております。 さて私たちDSOCでは、SansanやEightの価値を高めるために様々な自然言語処理のタスクに取り組んでおります。例えばニュース記事からの固有表現抽出では、私たちのサービスに特化した固有表現を対象に研究開発しています。その他にも様々あるなかで、特に重要かつ困難とされているものの一つに「名寄せ」というタスクがあります。AIや人工知能と呼ばれるものが発達した現代においても、人間には当たり前にできるタスクが機械には難しいことがまだまだ存在します。 今回は、その「名寄せ」というタスクにおける日本語でのデータセットを作成してみました。これをきっかけに、日本語での名寄せというタスクの研究が進み分野が活性化することを
ウェブブラウザ「Firefox」を開発するMozillaが、ローカルで動作するFirefox用機械翻訳アドオン「Firefox Translations」を公開しました。Google翻訳やDeepL翻訳などの翻訳サービスとは異なり、翻訳はクライアントサイドで実行され、データが完全にプライベート化されるのが特徴です。 Firefox Translations – Firefox (ja) 向け拡張機能を入手 https://addons.mozilla.org/ja/firefox/addon/firefox-translations/ Mozilla releases local machine translation tools as part of Project Bergamot https://blog.mozilla.org/en/mozilla/local-translatio
最終更新日： 2023年1月6日 こんにちはAINOWインターンのsatoshiです。今回の記事ではAIやディープラーニングと混同されがちな機械学習について、それらの関係性・違いを理解できるようにわかりやすく説明します。 また機械学習を知る上で必要不可欠な用語（教師あり学習や教師なし学習、各アルゴリズムなど）に関しても、この記事を通して、きちんと整理して理解できるようになっています。 機械学習とはAIの1つの要素技術です。 多くの企業で取り組むことができる技術の１つでしょう。機械学習について理解するのに必要なことは3つあり、以下のようになります。 データからルールやパターンを発見する方法である 識別と予測が主な使用目的である 分析の精度は100%ではないが、従来の手法より精度をあげられる可能性は高い 機械学習にできる4つこと 機械学習は与えられた膨大なデータを元にして、複数のルールやパター
【書評】「仕事ではじめる機械学習」を読んで、機械学習プロジェクトの大変さを知った夏 | DevelopersIO
どうも。DI部@大阪オフィスの玉井です。 仕事ではじめる機械学習という本を読んだので、久しぶりに書籍エントリを投下します。この本はとってもとってもとってもとってもとってもとっても大スキよ ダーリン I like you. ダーリン素晴らしいので、ぜひこの気持ちをみなさんに伝えたいと思いました。 この本を読もうと思った理由 今後、機械学習を扱う製品やサービスが増えてくるのではないか、と思ったから 現在、私は製品サポートエンジニアとして、データ分析に関係する製品やサービス（Tableauとか）のサポートや導入を行っています。機械学習は触れたことは一切ありません。また（少なくとも現時点では）機械学習エンジニアに転向する予定もありません。 ところで、データ分析関係の製品やサービスっていうのは、それはもうすごい勢いで色々なものがリリースされています。弊社ではTableauやAlteryxといった製品
いま囲碁界で起きている”人間とAI”の関係──「中国企業2強時代」「AIに2000連敗して人類最強へと成長」将棋界とは異なるAIとの向き合いかた
１９９７年。IBM社が作ったチェスＡＩ『ディープ・ブルー』が人類最強のガルリ・カスパロフ（当時のチェスの世界チャンピオン）を倒した時、将棋のプロ棋士の多くはこう言いました。 「将棋はチェスより複雑だから俺が生きてるあいだは負けない」。 その１６年後の２０１３年。山本一成さんが作った将棋ＡＩ『ポナンザ（Ponanza）』が佐藤慎一四段（当時）を倒した時、囲碁のプロ棋士の多くはこう言いました。 「囲碁は将棋より遙かに複雑だからコンピューターに負けることは絶対にない」。 しかしそのわずか３年後の２０１６年。ディープマインドが作った囲碁ＡＩ『アルファ碁（AlphaGo）』が世界トップ棋士の李世ドル（イ・セドル ※ドルは「石」の下に「乙」）を倒した時、全世界は大慌てしました。 「人間の仕事が機械に奪われる！」 日本国内では、電王戦の影響もあって将棋ＡＩがプロ棋士を破った時のほうが大きく報道された印象
AIはエンジニアだけのものではなく、今や社会⼈の基本リテラシーと⾔えます。本 コースは、AIの基礎を学びたい⽅、今の組織をAIを使いこなせる組織へと変⾰させ たい⽅、そんなすべての⽅々に、理系⽂系問わず、肩書きや職種問わず、受講いた だけるコースです。 本コースでは、次のことを学習していただきます： - ニューラルネットワーク、機械学習、ディープラーニング、データサイエンス など、⼀般的なAIに関する専⾨⽤語とその意味 - 実際にAIができること、できないこと - 組織の課題解決のためにAIを適⽤できる可能性とその⽅法 - 機械学習およびデータサイエンスプロジェクトの進め⽅ - AIエンジニアチームと連携して社内でAI戦略を構築する⽅法 - AIを取り巻く倫理的および社会的議論の概要 本コースはDeepLearning.AIが提供している通常の「AI for Everyone」（オリジナル
NECは、従来の半分程度の学習データ量でも高い識別精度を維持できるディープラーニング技術を新たに開発しました。 識別精度の向上には、識別が難しい学習データをより多く学習することが有効ですが、学習に適した質の良いデータを十分に確保することが重要です。本技術は、ニューラルネットワーク(注1)の中間層で得られる特徴量を意図的に変化させることで、識別が難しい学習データを集中的に人工生成します。これにより、少ない学習データ量でも識別精度を大きく向上させ、ディープラーニングを適用したシステムの開発期間短縮に貢献します。 具体的には、ディープラーニング技術の適用に必要な学習データ量を半分程度に削減します。また本技術は、データの種類を問わず汎用的に適用可能であることから、専門家による調整が不要になります。これにより従来、学習データ収集時間やコストの高さが阻害要因となっていた製品の外観検査やインフラ保全など
人工知能学会でタスクフォースを編成してAIマップを制作した理由 深層学習の普及によりAI（人工知能）に注目が集まっているが、深層学習以外の各種AI研究の認知と利用の拡大に対する課題意識から、2018年に人工知能学会でタスクフォースを編成してAIマップの作成をスタートした。初期メンバーは人工知能学会の理事から電力中央研究所の堤氏、国立情報学研究所の市瀬氏、東芝の植野氏と筆者が検討メンバーになり、島根大学の津本氏が本活動の提案者として議論に参加した。日々急速に変化するAI技術のマップは、すぐに最新ではなくなるため、いつまでも未完成という意味も込めて「β」を付けている。 最初の検討事項はAIマップを誰に見てもらうかだった。AI研究者なら自分自身の研究分野と関連研究を熟知しており、AIマップは参考にならない。そこで、当時の全国大会で急速に参加人数が増えていたAI研究の初学者と異分野の研究者を対象に
はじめに 今回は強化学習編として、Transformer/BERTの発展モデルや新たな学習法・正則化方法の提案に関する内容などの最新論文を7本ご紹介します！著者実装が公開されているものは、その情報も併せてまとめました。論文は自動機械学習（AutoML）を専門としICMLなどのトップカンファレンスへの論文採択経験もある斉藤と、需要予測・異常検知など様々な分野で機械学習/ディープラーニングの産業応用に取り組んできた小縣が中心となってスキルアップAI講師陣にて厳選しました。ぜひ、今後の学びにご活用ください！ CoBERL: Contrastive BERT for Reinforcement Learning 実装のURL：https://github.com/deepmind/dm_control 強化学習における新たなエージェント「Contrastive BERT for Reinforce
2020年度、小学校でのプログラミング教育が必修化した。子を持つ親はもちろん、プログラミングの経験者や今もIT業界に身を置く人なら、その内容はかなり気になるところだろう。 筆者も小学生の娘を持つ親であり、学生時代には情報系の学科でプログラミングを学び、現在もプログラムを仕事で書くことが多い。わが子が受けるプログラミング教育とはいかなるものやと、期待半分不安半分で関心を持っている。 しかし、2020年は新型コロナウイルス感染症が猛威を振るい、授業参観など学校へ保護者が赴く行事は軒並み中止になってしまった。一方では、自宅のポストに近所の学習塾から「プログラミング教育必修化対応」をうたう案内が届くことも珍しくない。 そんな中、AIベンチャーのPreferred Networks（PFN）と、全国に学習塾を展開するやる気スイッチグループが、プログラミング教室「HALLO powered by Pl
連載目次 本「＠IT／Deep Insider」は、機械学習エンジニアを目指す人～初中級者のためのAI（人工知能）技術情報フォーラムです*1。主に「これから勉強したい人」～「AIサービスを作りたい人や実践活用したい人」に向けて、Python言語連載から、技術用語解説、技術解説記事、技術事例、ニュースやイベントレポートなど、AI・機械学習・ディープラーニングに関するさまざまな情報を幅広く発信しています。 *1 私は、本フォーラムの編集長を務めさせていただいている一色政彦です。本フォーラムは、2019年6月18日にオープンし、2020年6月25日現在で、早くも約1年が過ぎたことになります。この1年間のご愛読に感謝を申し上げます。編集スタッフともども、2年目も頑張っていきますので、相変わらぬご愛読のほどよろしくお願いいたします。会員限定コンテンツも多いですが、会員登録は無料ですので、ぜひ登録して
世界中の特許1億件以上を学習したAIが、数秒で類似特許を発見。AI特許調査プラットフォーム「Amplified」明細書作成も同時にできる新バージョン6月22日（月）公開：時事ドットコム
世界中の特許1億件以上を学習したAIが、数秒で類似特許を発見。AI特許調査プラットフォーム「Amplified」明細書作成も同時にできる新バージョン6月22日（月）公開 ［Amplified］ - インターフェースを大幅刷新。より速く、より直感的な調査ツールに進化 - 最先端のAI技術を開発したamplified ai, inc.（本社：米国サンフランシスコ、CEO：サムエル デイビス）は、AI特許調査プラットフォーム「Amplified」の新バージョンを6月22日（月）に正式リリースすることを発表いたします。最新版では、高精度AIによる検索式不要の調査に加え「発明の文章化と調査を同時に」というコンセプトのもとインターフェースを大幅刷新、明細書作成ツールとしての側面を強化しています。 特許調査プラットフォーム「Amplified」とは 世界中の特許1億件以上をディープラーニングで学習したA
「AIプログラミング」という言葉を聞くと、どうしても難しいイメージがつきまといますが、Processingとモデルを使うと、簡単に実現できます。ここではその方法とそれによって広がる世界について紹介します。 「AIを使うプログラミング＝難しい」は過去のもの ロボット、ゲーム、アプリなど、プログラミングを学ぶ目的は人それぞれですが、学びたいけれどちょっとハードルが高そうと感じてしまう方も少なくないでしょう。本連載では、そのような方へのひとつのきっかけとして、「プログラムで絵を描く」という話題を取り上げてきました。絵、すなわち視覚的な表現は単純に見えて、数式や手続きなど他のプログラミングでも有用なプログラミング的思考を必要とする要素がたくさん含まれているからです。 プログラミングで絵を描く？ 飽きずに長続きする秘訣は「遊び」にあり！【やらずに死ねないプログラミング】 – バレッドプレス（VALE
機械学習は次のステージへーーMIT研究者が発明、“No-Hardware AI”「Neural Magic」のインパクト - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
Image Credit : Neural Magic HP ピックアップ：Neural Magic gets $15M seed to run machine learning models on commodity CPUs ニュースサマリ：“No-Hardware AI” 企業を謳う「Neural Magic」は、11月6日、シードラウンドにて1,500万ドルの資金調達を実施したと発表した。出資者にはComcast Ventures NEA、Andreessen Horowitz、Pillar VC、Amdocsが名を連ねる。 同社は、MITでマルチコア処理と機械学習を長年研究してきた2人の研究者によって2018年に設立された。ディープラーニングモデルを処理する高コストなGPUやTPUなどの専用AIハードウェアを使うことなく、汎用CPUでより大きなモデルをより速く、より高い精度で処理
達人出版会
探検! Python Flask Robert Picard, 濱野 司(訳) BareMetalで遊ぶ Raspberry Pi 西永俊文 なるほどUnixプロセス ― Rubyで学ぶUnixの基礎 Jesse Storimer, 島田浩二(翻訳), 角谷信太郎(翻訳) 知る、読む、使う！ オープンソースライセンス 可知豊 きつねさんでもわかるLLVM 柏木餅子, 風薬 R／RStudioでやさしく学ぶプログラミングとデータ分析 掌田津耶乃 データサイエンティストのための特徴量エンジニアリング Soledad Galli(著), 松田晃一(訳) 実践力をアップする Pythonによるアルゴリズムの教科書 クジラ飛行机 スッキリわかるサーブレット＆JSP入門 第4版 国本 大悟(著), 株式会社フレアリンク(監修) 徹底攻略 基本情報技術者教科書 令和6年度 株式会社わくわくスタディワール
米Appleは11月18日（現地時間）、Macに最適化した「TensorFlow 2.4」のmacOS向けフォークのプレリリース版をGitHubで公開したと発表した。 TensorFlowは米Googleが2015年にオープンソース（Apache License 2.0）で公開した機械学習プラットフォーム。ツール、ライブラリ、コミュニティリソースを備え、Linux、Windows、macOS、Android、iOSをサポートする。 これまでのMac版TensorFlowは、MacでのトレーニングでCPUのみを使っていたが、新バージョンは「ML Compute」を活用することで、CPUだけでなく、GPUも最大限に活用する。これはIntel Macだけでなく、M1搭載の最新モデルでも可能だ。 例えば、M1搭載の13インチMacBook Proでのトレーニングは、ベンチマークで従来の最大7倍高速
Kaggle Expertになったので、イキってポエムを書こうと思いました。 AIに興味あるけどプログラミングすらできないんだよねという人向けの参考になれば幸いです。 1. 初期スペック (2019年2月) 機械工学系修士卒。よくいるメカニカルエンジニア 線形代数も統計も正直そんなに好きじゃない。力学の方が得意。 AI？あれでしょ。将棋超強いやつでしょ？ パイソン？スト２のボクサーみたいなやつ？ 2. 現在のスペック (2019年12月) Kaggle Expert (微妙?) 機械学習コンペでそれなりの成績 (Kaggle Kuzushiji Recognition 7th,Signate tellus 3rd 5th) 機械学習：なんとなくコーディングできる。 深層学習：なんとなくコーディングできる。 関連論文読める。簡単なものは実装できる。 業務適用も見えてきた 3. 機械学習を学ん
ビッグデータや機械学習を活用したビジネスの普及に伴い、大規模なデータを扱えるデータサイエンティストの需要が高まっています。データサイエンティストは、今後も需要が伸びていくと考えられている職種であり、スキルを修得すれば年収アップが期待できます。 ここではデータサイエンティストの仕事内容と求められるスキル、おすすめの資格について紹介します。 データサイエンティストの資格を知る前に：そもそもデータサイエンティストって何？ データサイエンティストとは、大量のデータを収集・分析する人のことで、比較的新しい職業です。データの収集、管理、仮設検証、結果報告などを行い、情報をビジネスなどで役立てる「データ」として整えることが主な業務です。 最近では企業の「ビッグデータ」への関心も高く、データを専門的に扱うデータサイエンティストの需要も拡大しています。 データサイエンティストは、データの処理を専門に行う職業
経産省、AIやデータサイエンスの無料講座まとめサイトを公開 経済産業省は2020年12月24日、公式サイト内に、AIやデータサイエンスなどのデジタルスキルを学べる、無料オンライン講座をウェブサイトで紹介する「巣ごもりDXステップ講座情報ナビ」を開設した。 これまでデジタルスキルを学ぶ機会がなかった人にも、新たな学習を始めるきっかけを得てもらえるように、誰でも無料でデジタルスキルを学べるオンライン講座を紹介するとしている。 KDDI、AIやロボティクス活用の新拠点を開設「10年後には想像がつかない世界になり、その裏には必ずAIがいる」 KDDI株式会社と株式会社KDDI総合研究所は2020年12月17日、AIやロボティクス、IoTなどテクノロジーの応用研究を推進し、2030年を見据えた新たなライフスタイルを提案するとうたう調査・応用研究拠点「KDDI research atelier（リサー
はじめに ディープラーニングの勉強を始めて1ヶ月。 基礎的なものは理解できた気がしてきたので、何かできないかと考えてみました。 そしてふと、この競艇の順位予想が思いつきました。 順位予想ができるという確信はありませんでしたが、ボートレースのデータのオープンソースが公開されていることがわかり、これはやってみるしかないと思いました。 参考にしたデータ元と特徴量 ↓データ元のサイトは下記リンクから飛ぶことができます。↓ BOTE RACE OFFICIAL タウンロード・他 選手のデータから勝率まで細かく載っているので学習させるにはちょうどいい情報量だと思います。 今回学習させるデータの種類は以下の通りです。 艇番 年齢 体重 級別 全国勝率 全国２率 当地勝率 当地２率 モーターナンバー モーター勝率 ボートナンバー ボート勝率 とりあえずこの情報量で学習させていきます。 選手番号を使うことも
平井デジタル相が資産訂正へ IT株の記載漏れ ｜ 共同通信
平井卓也デジタル改革担当相は9日の記者会見で、資産報告関係の書類を訂正すると明らかにした。保有していたIT企業株の記載漏れがあったのが理由で「隠すつもりはなく、私の不注意で適正に管理できていなかった。深く反省しなければいけない」と釈明した。 平井氏によると、株式は2006年6月に14株を購入した。その後の株式分割で8400株となり、20年3月に全て売却した。14年以降の書類を順次訂正する方針。また、株式売却によって利益があったことを「初めて認識した」とし、所得税を申告したと説明した。
生成AI以後
生成AI以後 2023.09.21 Updated by Ryo Shimizu on September 21, 2023, 10:05 am JST 生成AIが「民主化」されたと言えるのは、昨年8月24日のStableDiffusionの公開を起点として良いだろう。 StableDiffusionは破格の性能のAIを、誰でも買える程度のコンピューティングパワーのコンピュータで、自由に改造して使うことができると言う意味で、真の民主化を達成した。 それから一年が経過して、昨年末にはChatGPTが注目を集め、現在では単に「AI」と言えば生成AIを指すようになった。 生成AIであるかそうでないかの違いは、その構造というよりも扱う情報量の違いでしかない。 AIが扱うデータは全て行列の集合の集合(またはその集合)、これをテンソルと呼ぶが、あるテンソルを入力したときに別のテンソルに変換するというも
はじめに 国立研究開発法人 産業技術総合研究所の人工知能研究センターに所属している、片岡裕雄と申します。研究者としてコンピュータビジョン（CV）やパターン認識に関する研究を行う一方で、研究コミュニティcvpaper.challengeを主宰して「CV分野の今を映し、トレンドを創り出す」ことにも挑戦しています。cvpaper.challengeには最新動向の日本語サーベイ資料や研究メンバーによる研究成果も載せています。今回の記事に書ききれない、より詳細な情報はぜひそちらをご覧ください。 今回の記事については、出身大学の大先輩・皆川卓也氏から話を受けて実現しました。皆川氏は2010年にコンピュータビジョンの業界動向を寄稿されているのですが、今回恐れ多くもその企画を受け継ぐことになりました。 それから11年、深層学習の隆盛とともに発展してきたCV分野の動向を述べるにはあまりにも紙面が限られていま
無人コンビニ「AmazonGo」を実現している技術について、どの日本語記事よりも詳しく調べてみる - Qiita
記事の概要 巷で話題になっている無人店舗「Amazon Go」。「コンビニの店員いらなくなるんちゃう？」と話題になっているので、技術者の端くれとして、それを可能にしている技術について知るべく、日本語でいろいろ調べてみたのですが、参考になる記事が全く出てきませんでした。 なので、Re:MARSというAmazonのカンファレンスイベントの記事や、その他英語・日本語、さまざまな技術系記事を参考に、解説記事を書いてみました。(引用記事は一番下を参照) 技術系の話ですが、細かいことは端に置いて、大枠だけ理解できるように書いたので、ぜひ最後まで読んでみてください。 ※重要 記事内の情報は、Amazon Goの内外の方が発信してくださった情報をもとに僕が推測したものです。誤りがある可能性が十分にありますので、ご承知おきください。 また、著作権には最大限注意して執筆しましたが、もし万が一修正が必要な点があ
東急建設は７日、石坂産業（埼玉県三芳町）と建設副産物（廃棄物）を中間処理プラントで自動選別する「廃棄物選別ロボット」を開発したと発表した。同ロボットはカメラ画像と距離画像、さらにディープラーニング（深層学習）による画像解析技術を活用し、対象物だけ選別してロボットアームで回収する自動化システム。既存の中間処理プラントの手選別ラインに設置を可能にした。 すでに石坂産業のプラントで試験的導入を開始しており、実際のラインで得たデータを基にしロボットに改良を加えた上で、今春にはロボット２台体制による実用化を目指す。試験では選別精度の検証に加え、２０年度中にロボット２台で１時間当たりピッキング数２５００個の処理を目指す。 中間処理プラントでは、風力や比重差を利用し廃棄物の再資源化を進めている。ただ廃棄物の種類などにより自動化が難しく、ベルトコンベヤーに流れる廃棄物を人の手によって選別するのが一般的。特
深層学習の技術が著しく進歩した結果、コンピュータビジョンや自然言語処理、音声信号処理などの分野では深層学習モデルの性能が古典的な手法のを大きく上回っており、すでにスタンダードなアプローチになっています。 しかし、テーブルデータを扱うタスクにおいては、深層学習の有効性は明らかになっていません。本記事ではテーブルデータにおける従来手法と深層学習の比較論文のご紹介をしていきます。 背景近年、テーブルデータを扱う深層学習モデルも登場し、一部の論文では決定木ベースのモデルと同等かそれ以上の性能を示しています。しかし、私が実務で試す中では決定木ベースのモデルの方が性能が高く、学習と推論が速く運用コストでも優れているため、深層学習モデル採用には至っていません。 より一般的なテーブルデータのタスクにおける、決定木ベースモデルと深層学習モデルとの性能比較の文献を調べたところ、NeurIPS 2022で発表さ
UI テストの自動化に Magic Pod を導入した話 | MEDLEY Developer Portal
2021-01-15UI テストの自動化に Magic Pod を導入した話こんにちは。インキュベーション本部の QA エンジニアの米山です。主に CLINICS アプリの QA を担当しています。メドレーには 2020 年 8 月に入社しました。 今回は入社してまず行ったことの一つ、リグレッションテストの自動化と、そのために導入した Magic Pod というツールについて、経緯や導入してみた結果をご紹介したいと思います。 CLINICS とは私の所属するチームで開発しているCLINICSというプロダクトはアプリでオンライン診療や、クリニック・病院から処方箋を発行してもらうことができ、オンライン上で診察からお薬の受け取りまで完結できるサービスです。 プラットフォームは iOS と Android のネイティブアプリ、それから同様のサービスを Web ブラウザからも利用することが出来ます。
日々、目まぐるしく進化、発展を遂げるAI（人工知能）業界。さまざまな企業が新しいサービスを開始したり、実験に取り組んだりしている。 そこで本稿ではLedge.aiで取り上げた、これだけは知っておくべきAIに関する最新ニュースをお届けする。AIの活用事例はもちろん、新たな実証実験にまつわる話など、本稿を読んでおけばAIの動向が見えてくるはずだ。 おいしい鯖を養殖するためにAIやIoTが使われている KDDI株式会社は2月14日、「鯖、復活」養殖効率化プロジェクトに関して2019年の成果と新たに開始した取り組みについて発表した。このプロジェクトは2017年からKDDIと小浜市などが産学官連携して進めている。 センサーで取得したいけすの水温、酸素濃度、塩分などのデータをAIを使って分析し養殖におけるノウハウのマニュアル化に取り組んだ。さらに、魚が食べたいときに食べたいだけ自発給餌するシステムや、
AI／機械学習、ディープラーニングを学び始めると、どこかで数式を読むことになる。それも偏微分や線形代数など大学レベルの数学である。この壁にぶつかって、数式を理解できないままスルーしたり、学ぶこと自体を諦めてしまったりする人も少なくないのではないだろうか？ 本書は、主にAI／機械学習の教材などに書かれている数式でつまずいたことがある初学者に向けた、「AIに最低限必要な数学を基礎の基礎からしっかりと、しかも効率的に学ぶ」ための電子書籍の第1部である。具体的には連載『AI・機械学習の数学入門 ― 中学・高校数学のキホンから学べる』を構成する、 という全4部の中の「第1部 中学数学からのおさらい編」を電子書籍（PDF）化したものである。 数学を学んでから10年以上のブランクがある場合は、本人が考えている以上に数学を忘れているものだ。偏微分や線形代数などのAI（特にディープラーニングのニューラルネッ
先日、ふとしたきっかけでしましま先生*1がこちらの論文について触れられているのを見かけたのでした。 これは推薦システム分野におけるNN研究の再現性について検証した2019年の論文で、近年のトップ会議*2に採択されたNN手法18個に対して再現を試みたところ、「reasonableな」努力で再現できたのはわずかに7個に過ぎず、その中でも1個は論文中で主張されたベースラインを超えることは出来なかったと報告しています。 ただ、この報告はNN研究における再現性に関する議論のあくまでも一例であり、実際コロナ禍以前から「論文中ではSOTAを達成と書いているのに同じ実装をどう組んでもSOTAに達しない」みたいな業界噂話はそこかしこで耳にしたものでした。しかしながら、実際のソフトウェアやアプリケーションとしてそれらのNN手法が用いられて、尚且つその結果として何かしらの不具合でも起きない限りは、機械学習業界の
5分で分かる機械学習（ML）
1分 ―― 機械学習 （ML：Machine Learning）とは 人間が経験から学ぶように、機械がデータから学習することを機械学習（ML）と呼びます。例えば犬や猫の画像データから「あれが犬」「これが猫」と判断できるように学習することなどです。これは人間の子供に犬や猫を見せて「あれが犬」「これが猫」と覚えさせるのに似ていますね。 「5分で分かる人工知能（AI）」でも説明しましたが、機械学習には例えば、回帰分析や主成分分析、決定木、サポートベクタマシン、ディープラーニング（＝ニューラルネットワークという仕組みを発展させたもの）など多くの手法（後述）があります（図1）。 統計学と機械学習の違い 回帰分析や主成分分析と聞いて、統計学の多変量解析を思い浮かべたかもしれません。実際に、一部の統計学の手法は機械学習でも使用します。しかし、統計学はデータを分析してインサイト（＝内在する本質）を得ること
AIの技術を活用して、故人をよみがえらせる。 まるでSFのような話だが、いよいよ現実になりつつある。歌声合成ソフトウェア「VOCALOID」を作ったヤマハがAI技術を活用し、1989年にこの世を去った美空ひばりさんの歌声を再現。NHKの番組で新曲を披露したのだ。 ヤマハはNHK主導のプロジェクトに参加。機械学習の一種であるディープラーニング（深層学習）を駆使して美空ひばりさんの歌声を再現し、作詞家の秋元康さんがプロデュースした新曲「あれから」を、9月29日に放送されたNHKの番組内で披露した。生前の歌唱データや話声から美空ひばりさんの歌い方、話し方の癖を学習し、本人が歌ったことのない歌でも本人らしく歌うシステムを作り上げたのだ。 「ひばりさんが生前多くの人に届けていた感動をもう一回届けたい」──ヤマハの研究者である大道竜之介さんはそう思って開発に挑んだという。 番組が放送されたあと、Twi
「今、どの資格を取るべきか」。IT関連資格の取得動向は、ITエンジニアに求められるスキルやノウハウの変化を映す。デジタルトランスフォーメション（DX）の台頭で、クラウドやAI（人工知能）関連資格に注目が集まる。日経 xTECH会員へのアンケート調査から、「いる資格」「いらない資格」を探った。 「IT資格実態調査」として2019年8月、Webサイト「日経 xTECH」でアンケートを実施。編集部がピックアップした49種類のIT資格について、保有状況や役立ち度合い、取得意向を調べた。読者会員455人の回答を得た。調査結果から、IT資格取得のトレンドを読み解こう。 まず、回答者が現在持っているIT資格を見よう。 保有者の伸びトップはPMP 「保有している」というIT資格を全て答えてもらい、10人以上が保有するものについて多い順に並べた。 1位は「基本情報技術者」で281人が保有、全回答者455人に
こんにちは！逆瀬川 ( @gyakuse ) です。 今日は最近作ったもの、書いたもの、勉強したことを備忘録的にまとめていきたいと思います。 なぜ書くのか、なぜ学ぶのか DeepLearningの普及以降、Attention Is All You Need以降、Hugging Faceでの民主化以降、そしてStable DiffusionやChatGPTの登場以降、どんどんAGIへの距離が短くなってきています。未来は想定より大きく変わりそうです。どったんばったん大騒ぎのときはみんなが分かっておくべきことは効率的に共有すべきで、そのために書いています。書くためには論文等を読む必要があります。そしてそのためには基礎からしっかり学ぶことが大事です。次の一歩をみんなで歩んでいくために、学び、書いています。 間違ったことを言うかもしれませんが、それでも誰かのためになれば嬉しいです。あと、個人的にはこ
ガートナージャパンは10月31日、「日本におけるテクノロジーのハイプ・サイクル：2019年」を発表した。5Gやエッジ・コンピューティングが「過度な期待」のピーク期にある一方、モノのインターネット（IoT）、人工知能（AI）、ブロックチェーンは「幻滅期」に位置付けている。 ハイプ・サイクルは、実用化の可能性や市場の期待、企業の採用状況などを基に、新しいテクノロジーの評価や普及時期を図示したもの。メディアの報道などによって、「過度な期待」がふくらむ時期や、それが急速にしぼむ「幻滅期」など5つの段階がある。 同社の長嶋裕里香氏（マネージング バイスプレジデント）は、5Gについて「新たなテクノロジーの活用とその普及がもたらし得る、さらなる破壊的イノベーションに期待が集まっている」と分析する。 一方、幻滅期に入った3つのテクノロジーについては「概念実証（POC）などの取り組みを通し、単に期待を抱いて
ユーザーローカルは9月15日、Web会議の議事録を自動作成するサービスを無料公開した。複数の話者の音声を認識し、会議の内容をテキストとして自動で保存する。会話の内容や発言者の感情をテキストマイニングで分析し、ワードクラウドやグラフで可視化することもできる。 会議の可視化機能では、会議中の頻出単語を1枚のワードクラウドにまとめて表示できる。ディープラーニング技術でユーザーの発言を分析し、ネガティブ・ポジティブを判定して表示することも可能だ。
こんにちは。ZOZO研究所の山﨑です。 ZOZO研究所では、検索/推薦技術をメインテーマとした論文読み会を進めてきました。週に1回の頻度で発表担当者が読んできた論文の内容を共有し、その内容を参加者で議論します。 本記事では、その会で発表された論文のサマリーを紹介します。 目次 目次 検索/推薦技術に関する論文読み会 発表論文とその概要 SIGIR [SIGIR 2005] Relevance Weighting for Query Independent Evidence [SIGIR 2010] Temporal Diversity in Recommender System [SIGIR 2017] On Application of Learning to Rank for E-Commerce Search [SIGIR 2018] Should I Follow the Crow
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
Mozillaがオフラインでも使える翻訳ツール「Firefox Translations」を公開
機械学習とは？定義から学習手法・5つのアルゴリズム・活用事例までわかりやすく解説 | AI専門ニュースメディア AINOW
AI For Everyone （すべての人のためのAIリテラシー講座）
NEC、従来技術の半分の学習データ量でも高精度に識別可能なディープラーニング技術を開発
「AI使って解決したい」「これってAIでできないの？」の答えを「AIマップ」で見つけよう
【強化学習編】2022年に読むべき「機械学習/ディープラーニングの最新論文」30選 - Qiita
「子供がゲームより夢中になる」──PFNの教材を使ったプログラミング教室の魅力を探る
「AI・機械学習の勉強を始めたい」「AIサービスを作りたい」人のための技術情報フォーラムです！
いきなりディープラーニング！？ 本格的なのに初心者にもやさしいAIプログラミングとは
M1 Mac、「TensorFlow」の新Mac版でのトレーニングが従来の7倍速
プログラミング初心者がKaggle Expertになるまでの１０ヵ月間を振り返る - Qiita
データサイエンティストにおすすめの資格とは？将来、必要なスキルを知ろう｜Udemy メディア
12時間でAIの基礎を学べる無料講座：人工知能ニュースまとめ8選 | Ledge.ai
【ディープラーニング】機械学習初心者が競艇１位予想を作れるのか試してみた。 - Qiita
コンピュータビジョン（CV）の動向 2021 | gihyo.jp
東急建設・石坂産業が開発する「廃棄物選別ロボット」がとにかくスゴい！ ニュースイッチ by 日刊工業新聞社
深層学習VS決定木：テーブルデータ分析の未来｜PKSHA Delta
マウスだけでAIを作れるツール登場：人工知能ニュースまとめ8選 | Ledge.ai
AI・機械学習のための数学超入門 ～中学数学からのおさらい編～
NN研究における再現性にまつわるエトセトラ - 渋谷駅前で働くデータサイエンティストのブログ
機械学習によって「SEO」と「デジタル広告」はどう変わった？ 担当者が知っておきたい現実と未来 | 【レポート】Web担当者Forumミーティング 2019 Autumn
「AI美空ひばり」の舞台裏 「冗談でやっていいことではない」──故人をよみがえらせたヤマハの技術者の思い
「役立つIT資格」ランキングに異変、8位に初登場したあの資格
DeepLearningについて、最近作ったもの、書いたもの、勉強したこと
5Gは「過度な期待」のピーク、IoT・AIは「幻滅期」 2019年の日本版「ハイプ・サイクル」公開
Web会議の議事録を自動作成、頻出単語の分析も ユーザーローカルが無料公開
ZOZO研究所が実施する「検索/推薦技術に関する論文読み会」 - ZOZO TECH BLOG