はじめに こんにちは、推薦基盤部の与謝です。ECサイトにおけるユーザの購買率向上を目指し、レコメンデーションエンジンを研究・開発しています。最近ではディープラーニングが様々な分野で飛躍的な成果を収め始めています。そのため、レコメンデーション分野でも研究が進み、精度向上に貢献し始めています。本記事では、ディープニューラルネットワーク時代のレコメンド技術について紹介します。 目次 はじめに 目次 パーソナライズレコメンドとは 深層学習より前の推薦手法 協調フィルタリング Matrix Factorization SVD（Singular Value Decomposition） Factorization Machine 深層学習を使った推薦手法 ニューラルネットワーク推薦手法に対する警鐘 Recboleプロジェクト Recboleプロジェクトを用いた各アルゴリズムの検証 General Re
Unityを使ってディープラーニング Unityに入門してみたので、GWもUnityを少し触っていました。 「UnityとAIを組み合わせて何かやってみたいなー」とは思ったものの、自分の場合は何か試行錯誤して作ってみないと身につかないので、単純な題材に取り組んでみることにしました。 というわけで、取り組む題材はサイコロの目の画像認識にしました。正直、ディープラーニングで学習させれば簡単に性能は出てしまうでしょう。そこで、実際の画像（写真）を1枚も使わずにチャレンジすることにしました。 「えっ！！画像を使わずにディープラーニング！？」 「出来らぁっ！」 というわけでやってみます。 Unityで教師データを生成 画像無しでどうやって教師データを用意するか。もちろん使うのはUnityです。Unityでサイコロのモデルを作って、Unity内で大量に画像を撮影するのです。 ちなみに、これは全く新しい
![画像を1枚も撮影しないUnityを使ったディープラーニング学習 - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/4e6a1bfda981c41cacd20951fd0497d7f6a58de7/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20210503%2F20210503163917.png)
人間の視覚神経を参考に作られた「ネオコグニトロン」 ニューラルネットワークの研究が進む中で、ディープラーニングよりも先に「ネオコグニトロン」と呼ばれる人間の視覚神経を参考にした多層ニューラルネットワークが日本の研究者である福島邦彦氏によって考案されました。 ネオコグニトロンは、ニューラルネットワークの階層ごとに、それぞれ「特徴を抽出する層」や「曖昧さや誤差を吸収する層」などの役割で分かれており、これにより手書き文字認識などに高い性能を発揮します。 この発想は手書き文字認識以外にも画像認識の分野に役立ちます。 たとえば、ディープラーニングにおける「畳み込みニューラルネットワーク」（CNN:Convolutional Neural Network）は、このネオコグニトロンのアイデアを参考にしており、「画像の特徴を抽出しつつ、無駄な情報を省いて情報を圧縮する」といったニューラルネットワーク内の情
『PyTorchとfastaiではじめるディープラーニング ―エンジニアのためのAIアプリケーション開発』 Jeremy Howard, Sylvain Gugger 著、中田 秀基 訳 2021年5月27日発売予定 576ページ（予定） ISBN978-4-87311-942-7 定価4,180円（税込） 本書は、ディープラーニングのトレーニングコースを提供するサイトfast.aiの創始者らが、PyTorchとその上に構築されたライブラリfastaiを用いてディープラーニングを行う方法を解説するものです。特別な訓練や数学の深い知識がなくても実践できるように、平易な言葉と数多くの図でていねいに説明しています。本書で扱うトピックは非常に幅広く、コンピュータビジョン、自然言語処理、協調フィルタリングによるモデルの訓練、精度、速度、信頼性の向上、実用アプリケーションの作成のほか、データ倫理、性能
日本メーカーが大苦戦!マシンビジョンの世界で何が起きているのか？(18) マシンビジョンにおけるディープラーニング活用法
マシンビジョン用途でディープラーニングを活用するためには、ネットワーク単体だけでなく、様々な合わせ技を駆使する必要がある。具体的には、「ルールベース画像処理との組み合わせ」「ネットワークカスケード」などの第3階層の充実化が挙げられる。そこで、本稿では第3階層に焦点を当て、具体的な活用方法を解説する。 まずは頻繁に遭遇する課題を例に挙げて説明したい。これまでディープラーニングにトライした方々から、「ディープラーニングは、我々が想定している場所に着目してくれない」という声を聞くことが多い。例えば下図である。 左上画像中の赤丸が欠陥である。我々人間は深い知識が無くてもこの欠陥を検出することが可能である。しかし、いざディープラーニングを実行すると、コントラストが高いバーコード領域に反応してしまうことがある。この際、ディープラーニング単体で解決を図ろうとすると、学習画像の追加や、パラメータ調整といっ
5分で分かるディープラーニング（DL）
1分 ―― ディープラーニング （DL：Deep Learning）とは AI研究においてディープラーニングという革新が2006年に起こりました（人工知能編で説明済み）。ディープラーニング（以下では短く「深層学習」と表記）とは、ニューラルネットワークというネットワーク構造を持つ仕組みを発展させたものです。 深層学習の特長は、大量のデータから特定の問題を解く方法を学習することです。これは例えば子供に犬や猫を覚えさせるのと同じようなものをイメージするとよいでしょう。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と呼びますが（機械学習編で説明済み）、深層学習はその機械学習の一種です。 AIにおける人工のニューラルネットワークは、人間の脳が持つ神経ネットワーク（＝生体ニューラルネットワーク）を簡易的に模倣、もしくはヒントにしたものです。深層学習に至るまでに、人工ニューラルネットワ
ニューラルネットワークの「事前学習」 ニューラルネットワークを構成する技術の１つ、「バックプロパゲーション（誤差逆伝播法）」が抱えていた課題は、ニューラルネットワークの層が多くなると「誤差に関する情報が十分に届かない」というものでした。この問題は層が増えれば増えるほど解決が難しくなります。層を増やさなければ性能を発揮しないニューラルネットワークにとっては致命的な問題でした（詳しくは前回の記事をチェック）。 しかし、「事前学習」という手法においては、層を増やす前段階の「まだ小さなニューラルネットワークの状態」で学習をさせます。層が少ない状態であればバックプロパゲーションの技術も使えますし、学習も容易です。 つまり、あらかじめ学習させておいた小さなネットワークを集めて大きなニューラルネットワークを作れば最初の時点で誤差が小さくなり、バックプロパゲーションによる修正が容易になると考えたのです。
歴史をたどってディープラーニングを学ぶ 第十六回 これまでのまとめと、なぜ私はディープラーニングをつくれなかったか - Sansan Tech Blog
こんにちは、ニューラルネット老人こと糟谷勇児です。 Sansanに入社して5年が過ぎました。そういえば前職にいたときに隣の部署のマネージャーとこんな会話をしたことがありました。 「なんで学生時代(2004年当時）にニューラルネットの研究をしていたのに、私はディープラーニングをつくれなかったんですかね」 マネージャーの方は「当時はコンピューターの性能も低くて今みたいな計算ができないのは仕方ないんじゃないかな」 と返してくれましたが、どうにも腑に落ちませんでした。 当時だってスーパーコンピューターは性能が良かったですし、最先端のデスクトップPCと今の私のノートPCは互角とまでは言わないものの、10分の1、100分の1という性能ではないはずです。 当時もスペック上はアイデアがあればできたはずなのです。 負け惜しみにすぎないのですが、これまでのブログをまとめつつ2004年当時を振り返ります。 ディ
AIは教師データの収集とアノテーションが大変 こんにちは、AIやってますか！？（唐突な問いかけ） AIの中でも、ディープラーニングの画像認識といえば、大変なのは教師データを集めることとアノテーションですね。 数千枚の画像に対して、例えばルールを変えてアノテーションのやり直しとか、セマンティックセグメンテーションのアノテーションとか地獄ですよね（想像です）。 なんとかこの教師データの収集とアノテーションを自動化するのが人類の夢なのではないかと思います。ただ、これは卵が先か鶏が先かの話なのでとても難しいです。今回は、Unityを使って、この教師データ生成をなんとか自動化できないかというトライアルになります。 既に先行事例に加えて、Unityさんが丁寧なチュートリアルを出していますので、今回はそれに沿って実践していく形になります。 ブログにも記事を書いていますので、よろしければこちらも合わせて参
ニューラルネットとディープラーニングの違い （司会者）：ではそろそろ質疑応答に移りたいと思います。よろしくお願いします。 井口圭一氏（以下、井口）：発表中に何件かもらっていたので、そこからいきますか？ 「ユーザーからすると、読み筋が出るのが将棋ソフトのありがたいところですが、dlshogiでもディープラーニングで読み筋は出せるのでしょうか？」 川島馨氏（以下、川島）：はい、出せます。さっき言ったモンテカルロ木探索で、数手先を読むという探索もしていて、読み筋を出すのはdlshogiでも対応しています。 井口：これもまた川島さんにかな。「従来の将棋AIとの違いというスライドで、従来でもニューラルネットを使うと書いてありましたけど、一番顕著な違いは何でしょうか？」 川島：特徴量がニューラルネットだと、今はNNUEっていう仕組みが使われていて、それは2駒の関係を入れているんですが、ディープラーニン
AI（人工知能）研究の第一人者として知られる松尾豊・東京大学大学院教授が2021年4月9日、東京ビッグサイト（東京都江東区）で行われたイベント「AI・人工知能EXPO春」で講演した。 日本のDXの特徴は 講演の背景にあるのは、最新技術でビジネスに変革をもたらす「DX（デジタルトランスフォーメーション）」の動きだ。松尾氏は現在、日本ディープラーニング協会（JDLA）の理事長を務めている。ディープラーニングとは「深層学習」とも呼ばれ、AIを活用して、より複雑な判断ができるようにする技術を指す。 ディープラーニング分野では、2012年に画像認識精度が高まり、18年には自然言語処理でも急激に発展した。松尾氏は活用事例として、施設入館者の体温測定や顔認識をあげる。これらはコロナ禍で需要が高まっている技術で、同じく医療系ではワクチン開発にも寄与していると紹介した。 日本のDXの特徴は、アナログのものを
あるふ on Twitter: "最近の研究を見ていると、mRNAワクチンは40年間の研究を必要として世界を救い、ディープラーニングは20年間の研究により機械学習を全て塗り替えたと思うと、何が当たるか全くわからないし、自由に研究をさせる余裕こそが世の中大事なんじゃ… https://t.co/o6bOV0E7yK"
最近の研究を見ていると、mRNAワクチンは40年間の研究を必要として世界を救い、ディープラーニングは20年間の研究により機械学習を全て塗り替えたと思うと、何が当たるか全くわからないし、自由に研究をさせる余裕こそが世の中大事なんじゃ… https://t.co/o6bOV0E7yK
第3次AI（人工知能）ブームをけん引してきたディープラーニング（深層学習）。その先駆者で“ディープラーニングの父”とも称されるのが40年以上も前にディープラーニングの原型といえる「ネオコグニトロン」を考案した福島邦彦氏である。ネオコグニトロンは学習機能を備えた多層の神経回路モデルであり、ディープラーニングの一種で広く利用されている「畳み込みニューラルネットワーク（CNN）」に大きな影響を与えた。 今もネオコグニトロンの改良を続ける福島氏に、ネオコグニトロンの仕組みや考案したきっかけ、改良点などを聞いた。インタビューには東京大学の松原仁 次世代知能科学研究センター教授が同席。AI研究者の立場から、ネオコグニトロンの意義や日本で同種の研究が広まらなかった理由を解説してもらった。 この前編では、福島氏による解説を主にお伝えする。 2021年4月に福島さんが、世界的な学術賞である「バウワー賞」（主
機械学習・深層学習によるAI関連手法を固有のコア技術としているHEROZのAIエンジニアが「将棋AI」「深層強化学習」など、最新の人工知能の技術動向について話しました。全3回。1回目は2名のエンジニアの経歴と将棋AIの特徴について。 HEROZ株式会社の紹介 井口圭一氏（以下、井口）：HEROZの井口です。よろしくお願いします。本日は将棋AIを開発しているトップエンジニアたちに出ていただいて、最新の開発について話をしてもらおうと思っています。 最初に会社の紹介をしたいと思っています。HEROZは2009年に設立して、ここに載っている4名の役員で経営しています。 2012年に将棋ウォーズをリリースして、オンライン上でみなさんに将棋をプレイしてもらっています。2018年には東証マザーズに上場して、2019年には東証一部に市場変更しています。まだまだいろいろなところにAIを展開していきたいなと思
無料で受講できる「ディープラーニング講座」を開講 日本ディープラーニング協会：「AIとは何か」「ディープラーニングによって何ができるか」を知る 日本ディープラーニング協会は、新講座「AI For Everyone」を開講する。DeepLearning.AIが提供する非エンジニア向けのオンライン講座を基に、デジタルトランスフォーメーションの推進に向けたAI活用の重要性や、日本での活用事例などを盛り込んだ。
ディープラーニング技術が世の中で爆発的な関心を集めてから数年が経過した。当時と比べると、予想通りになったこと、予想通りにならなかったこと、分野によっても業種によっても様々な見方がある。そんな中で、我々マシンビジョンの世界においても、霧がだいぶ晴れて、現実の世界が見えてきた、そんな風に感じている。今回は、2021年2月時点での、マシンビジョン業界におけるディープラーニングの現状を共有し、今後どんな成長を遂げていくのか考えていきたい。 まずは、ディープラーニングの未来像とは何だったのか、ここから整理していきたい。ディープラーニングの理想系は、「2、3枚の画像でトレーニング完了」、ということであった。しかしマシンビジョンの市場においては、その理想系はかなり未来の話であることがわかった。それでも、ディープラーニングの技術を何とか工夫して現場に適応しようと苦労を重ねてきた数年だったのではないだろうか
一般社団法人日本ディープラーニング協会【公式】
本協会（JDLA）は、ディープラーニングを中心とする技術による日本の産業競争力の向上を目指します。
サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。
Nintendo Switch向けに移植された『スーパーマリオサンシャイン』は、独自ディープラーニング技術によって高解像度化されていた - AUTOMATON
任天堂がNintendo Switch向けに昨年9月に発売した『スーパーマリオ ３Ｄコレクション』について、フランスに所在する子会社Nintendo European Research & Development（NERD）が、その開発に貢献していたことを明らかにしている。 『スーパーマリオ ３Ｄコレクション』は、NINTENDO 64向けに1996年に発売された『スーパーマリオ64』、ニンテンドー ゲームキューブにて2002年に発売された『スーパーマリオサンシャイン』、そしてWii向けに2007年に発売された『スーパーマリオギャラクシー』の3作品をセットにして、Nintendo Switchに移植した作品だ。オリジナル版からは、解像度の向上や16:9画面への対応、またJoy-Con操作への最適化などがおこなわれている。 NERDは、ビデオコーデックを手がけるMobiclipを前身とし、2
機械学習やディープラーニングに必要な数学項目をピックアップし、そういった項目を教科書的～実践的にカバーしているオススメの「数学」本を紹介する。また中学～大学までの数学全体を学び直したい人向けの本も紹介。 連載目次 機械学習やディープラーニングを学んでいると、その内部の仕組みは計算式なので、やはりどこかしらで数式が出てくる。そこで数学の必要性を感じて本格的に学び始めるという人も少なくないだろう。 では、どのレベルから、どんな本で学べばよいのだろうか。これはケースバイケースで、あなたが大学生であれば大学レベルの本からスタートすればよいだろうが、大学から遠ざかって5年以上たつような社会人であれば、数学をもう少し基礎的なところから復習した方がいいかもしれない。 また、数学に10年以上のブランクがある場合、中学レベルの数学から部分的に記憶が欠落しているかもしれない。数学は積み上げ型の学問なので、一部
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 京都大学の研究チームが開発した「Non-Local Musical Statistics as Guides for Audio-to-Score Piano Transcription」は、Web上のピアノ演奏動画の音声データから楽譜を作成する、深層学習（ディープラーニング）を用いた自動変換システムだ。 システムは、3段階で構成される。1段階目は、入力された動画の音の信号に対してMIDIシーケンスを深層学習ネットワークで推定（Multipitch detection）する。ピッチ解析用とベロシティ推定用のネットワークを別々で学習し、その出力を組み合わせてMIDIシーケンスを合成する。2段
こんにちは、デジビの堀内です。 いきなりですが、在庫の管理って大変じゃないですか？ 物流業界の方はもちろんですが、弊社でも在庫の管理を行っています。 それは社内備品の管理です。 こういった社内備品の管理はシンプルな業務ではありますが、常に一定の備品の量を維持するのは手間です。 そこで今回は、「在庫が減ってきた場合に、画像解析をして自動で補充する仕組み」を作ってみたいと思います。 このシリーズも例によってボリュームがあるため複数回に分けて紹介しますが、今回はセットアップを行っていきます。 今回のシリーズ構成は以下のとおりです。 ① ディープラーニング用の環境を作ってみた編 ② 深層学習のサンプルを動かしてみた編 ③ 学習用の画像データを集めた編 ④ 実データで深層学習をやってみた編 ⑤ 発注処理の自動化してみた編 ⑥ 自動発注を実運用をしてみた編 ラズパイ4でIMで動かしてみた！【SSD起動
[AI入門] ディープラーニングの仕組み ～その4：最適化アルゴリズムを比較してみた～ | SIOS Tech. Lab
SGDSGDはstochastic gradient descent（確率的勾配降下法）の略です。 SGDの考え方は、 「勾配を見ればどちらに動かせばlossが減るのか分かるなら、勾配の分だけパラメーターの値を減らせばよい」 です。 for i in range(steps): parameter = parameter - lr * grad デフォルトパラメータ lr = 0.01 パラメータを勾配×学習率だけ減らします。 学習率は一度のパラメータの更新でどのぐらい学習を進めるかを調整します。小さすぎると学習が全然進まず、大きすぎるとパラメータが最適値（lossが最小になるときの値）を通り過ぎてしまいうまく学習できません。 もっとも簡単で基本的なアルゴリズムです。これ以降に紹介する最適化アルゴリズムは基本的にこれを改良していったものです。 確率的勾配降下法だけでなく、最急降下法やミニバ
![[AI入門] ディープラーニングの仕組み ～その4：最適化アルゴリズムを比較してみた～ | SIOS Tech. Lab](https://cdn-ak-scissors.b.st-hatena.com/image/square/620a434198ba32dd88e0464aef4cd02fef3c9e22/height=288;version=1;width=512/https%3A%2F%2Ftech-lab.sios.jp%2Fwp-content%2Fuploads%2F2020%2F09%2Fai_study_kikaigakusyu.png)
イスラエルの家系図サービス企業MyHeritageは2月25日（現地時間）、先祖などの古い写真の顔をディープラーニング技術でリアルに動かせる新サービス「Deep Nostalgia」をリリースした。無料アカウントを作成してログインし、アニメ化したい写真をアップロードすれば誰でも利用できる。5枚以上の写真をアニメ化したい場合は、サブスクリプションが必要だ。 MyHeritageはこれまで、古いモノクロ写真やカラー写真をシャープなカラー写真に変換するサービスを提供している。このサービスで変換済みの写真の顔をDeep Nostalgiaで動かすと、よりリアルだ。 複数の人が写っている写真では1人しか動かせない。動かしたい顔を選択し、あらかじめ用意されている複数の動きの「ドライバー」動画から1つを選ぶと、そのドライバーと同じ動きをする。動画は数秒で、いずれも記念撮影の直前のように少し顔を動かし、最
●機械学習・ディープラーニングの実装スキル ●その他、ITスキル を、 自己学習して身につける方法について、 私自身の経験と、現在の最新の情報から紹介します。 2021年2月25日 理系ナビ DLエンジニアトレーニングプログラムRead less
作って試そう！ ディープラーニング工作室
最近では「人工知能（AI）」や「ディープラーニング」といった技術を使ったプロダクトはもう当たり前のものとなりつつあります。読者の皆さんも、ニュースで「これこれを実現するためにAIを活用！」のようなフレーズをよく聞いているのではないでしょうか。 日々の生活に広く受け入れられつつあるこの技術は実際にはどのような仕組みによるものなのでしょう。Deep Insiderで連載している「作って試そう！ ディープラーニング工作室」は、自分でコードを書いたり、そのコードを動かしたりしながら、その基礎となる知識を身に付けることを目的としています。 本書は大きく2つのパートに別れています。 1つはディープラーニングとはどんなものかを理解するために、全結合型のニューラルネットワークと呼ばれるものを、PyTorchという機械学習フレームワークを利用して自分で作ってみるパートです。その過程でニューラルネットワークの
Elixirでディープラーニング③：WSL2無でもWindowsでNxできた（Elixirで任意のGithub forkブランチを取り込む解説付き） - Qiita
Elixirでディープラーニング③：WSL2無でもWindowsでNxできた（Elixirで任意のGithub forkブランチを取り込む解説付き）PythonElixirMachineLearningDeepLearningnx Elixir Digitalization Implementors／fukuoka.ex／kokura.exのpiacereです ご覧いただいて、ありがとうございます 引き続き、Elixirの2021年を占うポジションであるニューラルネットワーク／ディープラーニング用ライブラリ「Nx」についてです 前回は、defn＋XLAでGPUを動かそうと奮闘して、動かせなかったので、今回、その続きをしようと思ったのですが、Elixir創始者José Valimから下記ツイートをもらったので、それを試します Once this PR is merged, you shoul
M1 Macでディープラーニングしてみる M1 MacBook Airに一通り開発環境をセットアップしました。 ただ、ディープラーニング関係はセットアップできていなかったので、とりあえずTensorFlowを入れて、色々AI関係のソフト動かして遊んでみました。一通り動いてそれなりに遊べたのですが、色々ハマったことで知見も得られたので簡単にまとめておきます。 まず、分かったことは以下です。 M1 MacでもTensorFlowは普通に使える PyenvとかHomebrewで入れたPythonは使わない（消した）方が良い MiniForgeがtensorflow-macosを入れられる上に関連パッケージも比較的インストールできてよい（公式の方法だとpipがまだOpenCVとかに対応していない） M1 MacBook AirでiMac(3.6GHz クアッドコア Intel Core i7）相当
画像／動画データのディープラーニングの本質が視覚的に分かる「スカラ」「ベクトル」「行列」「テンソル」の基礎知識
画像／動画データのディープラーニングの本質が視覚的に分かる「スカラ」「ベクトル」「行列」「テンソル」の基礎知識：「AI」エンジニアになるための「基礎数学」再入門（11） AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す連載。今回は「スカラ」「ベクトル」「行列」「テンソル」について、数式を使わずに図版とPythonコードで解説します。 AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す本連載『「AI」エンジニアになるための「基礎数学」再入門』。前回は「ベイズの定理」を学びました。今回のテーマ「スカラ」「ベクトル」「行列」「テンソル」は、数学でよく出てくる用語であり、AI（人工知能）が行う計算でもたびたび使われます。「ベクトルやテンソルとは何か」を数式を使わずに説明します。 スカラ、ベクトル、行列 まずは、スカラ
「天ぷらのイカを食べたかったのに魚だった」という悲劇を生む沖縄の「天ぷらイカ・魚問題」。今ならディープラーニングで解決できるのではないだろうか。 2021年は2月12日が旧暦のお正月、旧正月にあたります。また旧暦の1月16日はあの世のお正月と言われている十六日。このご時世だけに親戚一同が集まるようなことはなさそうですが、旧正月まわりの沖縄はわりと行事ごとが多い印象です。 そして、親戚一同が集まるような行事といえば「天ぷら」。沖縄の天ぷらは行事に供される行事食でもあるのです。 さて、天ぷらと言えば沖縄県民の悩みである「天ぷらイカ・魚問題」というものがあります。 天ぷらイカ・魚問題 沖縄の天ぷらは衣が厚く、似たような形状であるため「魚天ぷらを食べたかったのに、イカ天ぷらを取ってしまう」「イカ天ぷらが食べたかったのに、魚天ぷらを取ってしまう」という悲劇が起こること 我々DEEokinawaでも長
AppleがMac向けに独自開発する「Apple Silicon」の記念すべき最初のチップとなる「M1」は、海外メディアから「コンピューティング革命」や「信じられない偉業」など絶賛レビューの数々を受け取っています。そんなにM1チップは「ディープラーニングに適しているのか？」ということを、データサイエンス関連メディアのBetter Data Scienceが検証しています。 Are The New M1 Macbooks Any Good for Deep Learning? Let's Find Out | Better Data Science https://www.betterdatascience.com/m1-deep-learning/ M1チップは8コアCPUと8コアGPU、16コアニューラルエンジンなどがひとつになったチップセットで、CPU性能やGPU性能だけでみても、前世
やってみたら簡単！ディープラーニング・オセロを作って自分を負かすまで強くした話(その2・iOS編) - Qiita
前回の記事「やってみたら簡単！ディープラーニング・オセロを作って自分を負かすまで強くした話(その1)」の続編です。 前回は、ディープラーニング・オセロのモデルを作って推論させるところまでを説明しました。 今回は、今回はこのモデルをiOSで動作させ、ミニマックス法やモンテカルロ木探索に組み込む方法について説明します。 前回、UIの説明をすると書きましたが、UIそのものはもともと参加していたコンテストであるリバーシチャレンジから提供されていたものを利用していたので、説明としては省略します。 前回はPython中心の記事でしたが、今回はSwift + Core ML中心の記事になります。 コードはこちらにあります。 TokyoYoshida/reversi-charenge ミニマックス法とモンテカルロ木探索ではどうだったか？ 結論から言うと、ミニマックス法は強くならず、モンテカルロ木探索は、私
TOP > Article Theme > AI（人工知能）ニュース > 東大松尾研究室、無料でディープラーニングや自然言語処理を学べる講座開講 松尾豊氏が講師を務める講座も 東京大学 松尾研究室は1月29日から、無料でディープラーニング（深層学習）や自然言語処理について学べる、短期間のオンライン講座の受講者を募集している。対象は学生（大学院、大学、高専、専門学校生、高校、中学など）。募集は2月8日（月）の10時00分まで。選考結果は2月15日（月）までに受講決定者にメールで連絡する。 今回、募集しているオンライン講座は「スプリングセミナー2021：深層強化学習」「プリングセミナー2021：深層生成モデル」「プリングセミナー2021：Deep Learning for NLP講座」の3つ。なお、人工知能（AI）研究の第一人者で、東京大学 松尾研究室を率いる松尾豊氏は企画・監修だけではなく、
ビジネスやアートなど様々な分野で関心を集め、実際の活用が進む人工知能。人間の脳が持つ機能の一部を模倣している人工知能は、具体的に脳のどんな機能や構造を参考にしているのでしょうか。今回は人工知能を支える人工ニューロンやディープラーニングに焦点を当て、AI関連の教育と研究開発に携わっている我妻幸長さんによる『あたらしい脳科学と人工知能の教科書』（翔泳社）から脳と人工知能を比較して解説した「Chapter4」を紹介します。 本記事は『あたらしい脳科学と人工知能の教科書』の「Chapter4 脳と人工知能」から一部を抜粋したものです。掲載にあたり編集しています。 4.1 概要：脳と人工知能 最初に、このChapterの概要を解説します。機械学習は人工知能の一分野ですが、図4.1に脳と機械学習の関係を示します。 図4.1 脳と人工知能 機械学習は、教師あり学習、教師なし学習、強化学習に大きくグループ
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
ディープラーニングを活用したレコメンドエンジン改善への取り組み - ZOZO TECH BLOG
画像を1枚も撮影しないUnityを使ったディープラーニング学習 - karaage. [からあげ]
ディープラーニングは「画像認識」が得意なワケ、その秘密は「ネオコグニトロン」？
5月新刊情報『PyTorchとfastaiではじめるディープラーニング』
オートエンコーダ（自己符号化器）とは？ ディープラーニングとの関係を図解で解説
Unityでディープラーニング学習用の教師データを大量に生成する方法
プロ棋士がもっとディープラーニング由来ソフトを使えばいい AIの普及が将棋界を変える
「デジタルリテラシー協議会」設立、全ビジネスパーソンが持つべき共通リテラシー「Di-Lite」を定義 データサイエンティスト協会、ディープラーニング協会、IPAが参加
DXを加速させる「ディープラーニング」 AI研究の第一人者・松尾豊氏が講演
PFNと鹿島開発の自律型清掃ロボット、建築現場へ。ディープラーニングで周辺環境を認識
ディープラーニングの先駆者、福島邦彦氏が語る「ネオコグニトロン」誕生秘話
ディープラーニングは今までの将棋AIとどう違う？ HEROZエンジニアが開発した将棋AIが電竜戦で初優勝した理由
無料で受講できる「ディープラーニング講座」を開講 日本ディープラーニング協会
日本メーカーが大苦戦!マシンビジョンの世界で何が起きているのか？(17) ディープラーニングの限界を“今”超えるには
東大松尾研究室、無料でディープラーニングを学べる講座 松尾豊氏が最新動向や今後の展望語る回も | Ledge.ai
機械学習／ディープラーニングの「数学」が学べるオススメ本
ピアノの演奏動画から楽譜を自動作成 ディープラーニングで 京大が技術開発
いったい誰得？ ディープラーニングで誰でもガングロギャルになれるサービスが登場【やじうまWatch】
ディープラーニング用の環境を作ってみた編【深層学習】 | intra-mart Developer Site
【やじうまPC Watch】 ディープラーニング技術で古い写真の顔を動かすサービス
古い写真の顔をディープラーニングでリアルに動かせる「Deep Nostalgia」 無料で利用可能
機械学習・ディープラーニング、ITの実装スキル学ぶ方法（と私の場合）
Amazon.co.jp: GANディープラーニング実装ハンドブック: 毛利拓也, 大郷友海, 嶋田宏樹, 大政孝充, むぎたろう, 寅蔵, もちまる: 本
Apple Silicon(M1) Mac+tensorflow-macosでディープラーニングする
ディープラーニングで天ぷら問題を解決したい - 沖縄B級ポータル - DEEokinawa（でぃーおきなわ）
M1搭載Macはディープラーニングに適しているのか検証した結果
パソコン工房、Ubuntu搭載のディープラーニング向けデスクトップパソコン
東大松尾研究室、無料でディープラーニングや自然言語処理を学べる講座開講 松尾豊氏が講師を務める講座も | Ledge.ai
ディープラーニングと脳の関係とは？ 人工ニューロンや再帰型ニューラルネットワークを解説