《日経Robotics》グーグル出身者が創業のドローンベンチャー、ディープラーニングで3次元地図、GPSなくても自在に飛ぶ
米グーグルの研究組織「X」でドローンのプロジェクト「Project Wing」注1）を主導していた技術者らが、今はグーグルを離れ、新たなドローンベンチャーを創業していることをご存じだろうか。 その名も米Skydio社。日本ではまだそれほど知名度はないが、2014年創業のシリコンバレーの企業で、これまでに約180億円（1億7000万米ドル）もの資金を調達している巨大ベンチャーだ（図1）。 「ドローンの分野は中国DJI社の一強であり、もはや勝負はついた」「いまさらDJI社には勝てない」─。そう思う向きも多いかもしれない。
ITの話題を変え始めた要因、ディープラーニングを振り返る
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます IT活用といった場合に、最近では自動運転車や囲碁で人間に勝つソフトウェアなど、少し前までは考えられなかったような活用例が話題の中心になってきている。 要因として、言うまでもなく人工知能（AI）が急速に発展していることが挙げられる。具体的には、深層学習（ディープラーニング）領域の発展と密接にかかわっている。 深層学習は、人間が経験から自然に身につけるやり方で、コンピューターに学習させる機械学習の手法の1つだ。事前に定義モデルを使うのではなく、計算処理を通じて情報からそのまま学習するのが特徴と言える。 グーグルのAIが動画を見て猫の概念を学習したといった話がメディアでも紹介されている。自動運転車でも、信号や歩行者の動き、障害物の出現の認識、
ゼロから学ぶディープラーニング推論
本サイトの活用方法 現在、たくさんのディープラーニング技術情報が溢れていますが、数学や専門用語、プログラミング、フレームワーク、環境構築、用途、種類、フェーズなど、理解しなければならい項目が多く、何から学習すれば良いか分からず、ハードルが高いのが現状です。 ディープラーニングは、主に「学習」と「推論」に分かれます。まずは理解し易く応用に繋がる「推論」を学ぶことが、ディープラーニングを使いこなすことへの近道となります。「OpenVINO™ ツールキット」は、非常にシンプルなコード記述が可能で、豊富なサンプルを持っている無償ツールです。さらに「Neural Compute Stick」と「RaspberryPi」を使うことにより、小さくて安価な人工知能を作り出すことが可能です。本サイトでは、初心者の方から理解できるように、「ディープラーニングとは何か」「そもそも何が必要でどこで買えば良いのか」
東京大学とNTTドコモが、ディープラーニングを活用し、カメラ映像から複数人のモーションキャプチャーを行う技術を開発。スポーツやエンターテインメント領域、介護・リハビリ現場などでの活用を目指す。 東京大学とNTTドコモは1月17日、ディープラーニングを活用し、カメラ映像から複数人のモーションキャプチャーを行う技術を開発したと発表した。専用のスーツなどを用意する必要がなく、これまでモーションキャプチャーが困難だった、スポーツの試合やライブ会場でもデータを取得できるため、運動の解析や3Dアニメーションの作成に役立つとしている。 東大の中村研究室が開発した技術「VMocap」（ブイモーキャプ）を活用。解析に適した映像を、複数のカメラから自動的に選んで切り替え、映った人の身体部位を推定する。人の骨格構造や運動の連続性を考慮しつつ、画像認識技術も用いることで、高精度のモーションデータを取得できるとして
ディープラーニングによる時系列データ予測モデルの問題点を解消する
本稿では、NTTテクノクロスでAIエンジニアとして活躍する筆者が、実際にどのようなことを行っていて、どのような苦労があるのかを、実際に動かして試せる「時系列データの予測モデル作成」の題材を通して、4回にわたってお伝えします。最終回となる今回は、これまでに作成した予測モデルを振り返り、時系列データを用いた予測モデルを作成する際に起きやすい問題とその対応方法をお伝えいたします。（編集部） AIを用いた時系列データ予測－予測モデルの評価 本連載では、時系列データを用いた予測モデルの作成を題材に、その作成方法を前回まで紹介してきました。 AIを用いた新規サービス開発におけるPoC（概念実証）において、このように予測モデルをプロトタイプとして作成した際、AIエンジニアには作成した予測モデルが「どのくらい目標としているサービスに適用できそうか」「どのような特徴・問題があるか」「今後どのくらい拡張・改善
近年、新たな技術革新として話題に上がるAI（人工知能）を支えている技術がニューラルネットワークです。 本稿では、AIで「魅力」の予測や向上を図る「魅力工学」を研究し、さまざまな企業と共同研究を行っている、東京大学大学院情報理工学系研究科の山崎俊彦准教授監修のもと、ニューラルネットワークについて詳しく解説します。 山崎俊彦氏 東京大学工学系研究科電子工学専攻修了。工学博士。 現在、東京大学大学院情報理工学系研究科電子情報学専攻准教授。 2011～2013年まで米国・コーネル大学 Visiting Scientist。 ビッグ・マルチメディア・データを用いた魅力工学の研究に従事。 ニューラルネットワークとは？ Photo by Ahmed Gad on Pexels ニューラルネットワーク（Neural Network）とは、脳の神経回路の一部を模した数理モデル、または、パーセプトロンを複数組
【株式自動売買×ディープラーニング】LSTMで上場企業、約4000社の株価予測をしてみた話。 - sun_ek2の雑記。
目次。 目次。 先にこちらを読んでください。 はじめに。 LSTMで日経平均株価予測を行うプログラムを書いてみた話。 上場企業、約4000社の株価予測。 値上がり・値下がり正答率。 1営業日後予測。 5営業日後予測。 元本増加率。 1営業日後予測。 5営業日後予測。 SN比。 1営業日後予測。 5営業日後予測。 時系列データを実際に可視化してみる。 元本増加率が1000番目に高い銘柄。 1営業日後予測。 5営業日後予測。 元本増加率が2000番目に高い銘柄。 1営業日後予測。 5営業日後予測。 元本増加率が3000番目に高い銘柄。 1営業日後予測。 5営業日後予測。 元本増加率が3948番目（最下位）に高い銘柄。 1営業日後予測。 5営業日後予測。 元本増加率が1番目に高い銘柄。 1営業日後予測。 5営業日後予測。 考察とか。 ソースコード（プログラムコード）。 入力する株価データの用意（
ディープラーニングは完璧ではない
Convergence Lab. CEOの木村優志です。 ディープラーニングは大きな可能性をひめた技術です。しかし、その限界や特性を理解していないとうまく使いこなすことができません。今回は、ディープラーニングを使って、業務システムを構築するためにはコツについて書きます。 ディープラーニングは100%の精度が出ない 現実的な問題に関して、ディープラーニングで100%の精度を出すことはほぼ不可能です。ディープラーニングは様々な課題で人間を超える精度を示すことがあります。しかし、100%ではありません。そもそも、人間も100%ではないのです。AIシステムを構築する際には、精度が100%ではないということに気をつける必要があります。 精度が100%ではないので、ディープラーニングは使えない、というわけではありません。ディープラーニングを使って、業務システムを構築するためにはコツがあるのです。 Hu
東大発企業 AI総合研究所のNABLAS株式会社 (本社 : 東京都文京区本郷6-17-9 本郷綱ビル、代表取締役 所長 : 中山 浩太郎、以下「当社」)は、ディープフェイクと生成ディープラーニングに関する資料をホワイトペーパーとして無償公開しました。 ■ 「ディープフェイクと生成ディープラーニング」概要 本資料では、近年AI犯罪の中でも最も深刻な脅威の一つとなりつつある「ディープフェイク」の技術を中心に、その基盤となっている技術として、「生成ディープラーニング」について解説しています。ディープフェイクの技術は年々高度化しており、もはや人間が眼で見て判別することは困難なレベルの高い画質の画像が生成できるようになりつつあります。また、画像や動画だけでなく、音声をクローンする技術も進化しています。 本文より 一方、基盤となっている生成ディープラーニングの技術は、利用方法次第では大きな可能性を
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
修了課題レポート1 現場で潰しが効くディープラーニング講座の修了レポートです。 応用数学 線形代数学 要点 行列とはスカラー・ベクトルの集まりである。 行列を用いて連立方程式を機械的に解くことができる。 行列同士の積はl行m列の行列$\mathbb{A}$とm行n列の行列$\mathbb{B}$とでしか演算できない。 $\mathbb{A} \times \mathbb{B}$でできあがる行列$\mathbb{C}$はl行n列の行列になる。 行列$\mathbb{A}$に対する逆数のような存在として 逆行列 $\mathbb{A}^{-1}$がある。 対角のすべての要素が1でその他の要素が0な行列を 単位行列 $\mathbb{I}$と呼び、下記のような性質を持つ。 $$ \mathbb{A}^{-1}\mathbb{A} = \mathbb{A}\mathbb{A}^{-1} = \ma
目次。 目次。 はじめに。 An ensemble of LSTM neural networks for high-frequency stock market classification 著者・雑誌名。 内容。 Genetic Algorithm-Optimized Long Short-Term Memory Network for Stock Market Prediction 著者・雑誌名。 内容。 Financial series prediction using Attention LSTM 著者・雑誌名。 内容。 Stock Market Prediction Using Optimized Deep-ConvLSTM Model 著者・雑誌名。 内容。 NSE Stock Market Prediction Using Deep-Learning Models 著者・雑
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
ディープラーニングを応用したGANで、「実在しない」全身モデルをAIが自動生成 データグリッド - ロボスタ ロボスタ - ロボット情報WEBマガジン
ディープラーニングを応用したGAN（敵対的生成ネットワーク）が注目されている。GANは生成モデルの一種で、2つのAIが競争することで合成画像などを自動で生成することなどに応用できる。例えば、実在しない家具付きの部屋の画像をAIが作成したり、実在しないアイドルの写真を生成するような研究が行われている。 株式会社データグリッドはGANを使って、従来は困難だった高解像度（1024×1024）の「実在しない」人物の全身画像生成に成功したと発表した。プレスリリースは下記の通り。 株式会社データグリッド（本社：京都府京都市左京区吉田本町36-1 京都大学国際科学イノベーション棟西館1階、代表取締役社長 岡田侑貴、以下「データグリッド」）は実在しない人物の全身画像を自動生成するAIである「全身モデル自動生成AI」を開発いたしました。 1. 開発の背景・目的 データグリッドは2018年6月にアイドル自動生
松尾豊氏が理事長を務める一般社団法人日本ディープラーニング協会（以下JDLA）は3月13日、ディープラーニングを実装するエンジニア人材の資格試験である「E資格」の取得にあたり受講が必要なJDLA認定プログラムを、期間限定で無料提供することを発表した。 当該オンライン学習コンテンツはJDLAのホームページ上で公開されている。 ＞＞学習コンテンツ一覧 G検定対策に必要な講座も含む、幅広いコンテンツが無料公開期間限定で無料公開される学習コンテンツは以下の通り。 G検定模擬テストと公式例題解説（Study-AI株式会社）G検定対策講座（AIドルと学ぶ期間限定イベント）（Study-AI株式会社）ビジネスへのAI活用を見据えたAIビジネスコースの一部（60分無料公開）（株式会社AVILEN（アヴィレン））実務レベルのデータサイエンティストを育成する開発コースの一部（150分無料公開) （株式会社AV
キユーピーがディープラーニングを使った食品検査装置を開発した。「かつて（自分がいた）電機業界で衰退を目の当たりに。食品業界は大丈夫か」。そんな開発者の思いから国内競合にも売るという。「ディープラーニングビジネス活用アワード」大賞を得たプロジェクトの全貌を紹介する。 マヨネーズやドレッシングから、離乳食や介護食まで多様な商品を提供し、日本の食を代表するブランドの1つであるキユーピー。同社は食品の原料に不良品がないかを検査する装置にディープラーニング技術を取り入れ、低コストで確実な検品ができる「AI食品原料検査」の装置を開発した。 協調領域の技術は共通化して日本ブランドを守る キユーピーの生産本部・生産技術部・未来技術推進担当・担当部長の荻野武氏は、AI食品原料検査装置の開発が最終的に目指すところをこう力説する。 「電機など、日本の多くの産業はこの20年余りで競争力を失ってきた。食品業界につい
人工低能のディープラーニングのお時間です
昨日は休んでしまい申し訳ありませんでした。人工低能のディープラーニングでライフハックのお時間です。 ケンタッキーで安めのセットをテイクアウトして、そのあとコンビニでファミチキなどのホットスナックを買って箱にいれると、 全部がケンタッキーになる。 いかがでしたか？ よろしければチャンネル登録、トラバ、ブクマ、Facebookシェアお願いします。
ヒホ（ヒロシバ）🗑️ on Twitter: "ディープラーニングめっちゃ頑張って、とうとう色んな人の声になれる声変換ができた🎉🎉🎉 売りポイントは３つ。 ・クオリティが良い ・誰でも色んな人（１００人）の声になれる ・歌声もいける 下のデモは、自分の声を、他の１０人の声に… https://t.co/pjikNGjyTY"
ディープラーニングめっちゃ頑張って、とうとう色んな人の声になれる声変換ができた🎉🎉🎉 売りポイントは３つ。 ・クオリティが良い ・誰でも色んな人（１００人）の声になれる ・歌声もいける 下のデモは、自分の声を、他の１０人の声に… https://t.co/pjikNGjyTY
最終更新日： 2020年6月6日 みなさんこんにちは、AINOWライターのゆーどーです。 AIについて勉強をしていると、よく「機械学習」や「ディープラーニング」という言葉に出会います。 「ディープラーニングって聞いたことはあるけど、その仕組みまでは分からない…」 「知識を身に付けても、キャリアでどう活かせばいいのだろう…」 と気になる方も多くいるのではないでしょうか？ そこで今回は、データの高速処理が可能な「ディープラーニングの仕組み」とキャリアで活かすための資格試験について解説していきます。 高い処理能力で注目されるディープラーニングとは？ ディープラーニングとは、大量のデータを学習することで、そのデータの中から特徴を自動的に発見し、画像認識や音声認識などを可能する技術です。 例えば、今までの機械で画像認識を行う場合、その画像の中でどの点に注目すればいいのかなどを、人間が指定しなくてはい
楔形文字とディープラーニング(1)
「自然言語処理を用いたアッカド語楔形文字の読解」という論文を見つけました。著者はイスラエルはアリエル大学のシャイ・ゴルディンさんを筆頭に7名。この人数の多さに工学部みを感じるわけですが（偏見）、実際にはコンピュータサイエンスのひとが一人いるだけで残りは人文系なんでしょうか？ 掲載誌はオープンアクセスジャーナルです。ありがたーい。 Gordin S, Gutherz G, Elazary A, Romach A, Jiménez E, Berant J, et al. (2020) Reading Akkadian cuneiform using natural language processing. PLoS ONE 15(10): e0240511. https://doi.org/10.1371/journal.pone.0240511 (opens new window) ゴルディ
ディープラーニングG検定対策１ 人工知能とは？
【ディープラーニングG検定対策1 人工知能とは？】 日本ディープラーニング協会「G検定」対策講座を8回に分けて進めていきます。よろしくお願いいたします。 ディープラーニング協会は、今、AIという言葉が広まっている分、誤った使われ方をしているシーンが多いので、正しいAIの技術の理解を普及させようとして発足した協会です。ディープラーニング協会が毎年3回「G検定」「E資格」という認定試験をおこなっていて、そのなかの「G検定」ジェネラリストの対策講座となります。「G検定」の中身は、こちらに書いてあるとおりです。ディープラーニングの基礎知識を有し適切な活用方針を決定して事業応用する能力を持つ人材を育成するものです。 さっそく内容に入っていきます。人工知能とはというセクションになります。いきなり質問ですが、そもそも人工知能という言葉を使ってきましたが、人工知能とはなんでしょうかというのを考えてみてくだ
NTTは、データを暗号化したまま標準的なディープラーニングの学習処理を行える技術を開発したと発表した。同技術の実現は世界初という。 NTTは9月2日、データを暗号化したままディープラーニングの学習を行える新技術を開発したと発表した。暗号化したまま計算を行う技術は「秘密計算」と呼ばれる。今回、従来の秘密計算が苦手だった計算処理を高速かつ精度良く計算できるようにしたという。 通常、暗号化したデータを計算するには元データに復号する必要がある。しかし、復号すると情報漏えいのリスクが高まるため、プライバシーの問題などからデータを集めにくく活用しにくいという課題があった。新技術ではデータを暗号化したまま計算できるので、プライバシーを保護したままの状態でディープラーニングの学習や予測処理などを行える。データ提供者の抵抗感を軽減できるため、従来よりも多くの訓練データを集められる可能性があるとしている。 デ
ディープフェイクと生成ディープラーニング
上の画像は本物の人間の写真のように見えるが、実は、写真に写っているのはすべて実在しない人物だ。全てGANと言われるディープラーニング技術を用いて生成された人物写真である。GANは2014年に当時モントリオール大学で研究をしていたIan Goodfellow氏やYoshua Bengio氏らの研究グループによって、最初のモデルが発表された[2]。その後、ディープラーニング向けのGPUの計算能力が大幅に向上する中で、世界中の研究者がモデルの改良を進め、GANの技術は指数関数的な勢いで進化した。現在では、人間が識別できないほど高精細でリアルな画像を生成できるだけでなく、リアルタイムで動画を変換したり、テキストから画像を生成することも可能だ。ディープラーニングの権威の一人であるYann LeCun氏は、「GANはこの10年間で最も興味深いアイデアである」と語っている。その一方で、急激な技術の進化は
ディープラーニングと機械学習の学習の違い では、ディープラーニングと普通の機械学習の学習の違いは何なのでしょうか。 そもそも、ディープラーニング（深層学習）と機械学習は対比するものではなく、両者は包含関係にあり、上記でもあるように機械学習の１つの技術としてディープラーニングがあることを前提におきます。 最も分かりやすい両者の違いは、学習するデータを自動で選択することができるか、そうではないかです。ディープラーニングは先ほど紹介したように、コンピュータが自動でデータを集めて学習します。一方、機械学習では、人間がデータを選択してコンピュータに学習させる必要があります。 なぜディープラーニングを使うのか では次に、なぜ機械学習ではなくディープラーニングを使うことが増えてきているのかを紹介します。 理由は主に2つあります。 音声・動画のような非構造化データにも対応できる 1つ目の理由は、音声や動画
オーム社、「APIではじめるディープラーニング・アプリケーション開発 Google Cloud API活用入門」発刊｜fabcross
オーム社は、商用クラウドAPIを利用したディープラーニングアプリケーション開発のための入門書「APIではじめるディープラーニング・アプリケーション開発 Google Cloud API活用入門」を発売する。 同書では、商用クラウドのAPIの活用法を解説する入門書だ。最初にAPIやディープラーニングの原理、ディープラーニングの仕組みなどを解説した後に、APIを呼び出す環境の構築や利用可能なクラウドサービスのAPIなど、API呼び出しに関するポイントを解説する。最後に、「テスト採点の自動化」や「会話による健康管理サポート」をテーマに、具体的にGoogle Cloudを活用する場合の APIの利用方法などを解説する。 渡辺政彦氏、坂本伸氏、森嶋晃介氏、柳澤伸紘氏、李乃駒氏による共著で、編集は、キャッツ株式会社。B5変型判、192ページ。価格は3520円（税込）で2020年1月17日発売予定だ。
第3次ともいわれる現在の人工知能ブームでは、以前には現実的ではなかった新たなキーワードが多数、登場しています。 シンギュラリティ、ビッグデータ、自動運転……。 なかでも、その実体がイメージしづらく、「難しそう！」という印象があるのが、「ディープラーニング」ではないでしょうか？ ところが、ディープラーニングの本質は、高校までに学ぶ範囲の数学で十分に理解できるというのです！ ディープラーニングはいったい、どのようにして誕生したのでしょうか？ それを実現させた、先駆者たちの信念とは？ 最新刊『高校数学からはじめるディープラーニング 初歩からわかる人工知能が働くしくみ』が好評の金丸隆志さんに解説していただきました。 はじまりは1940年代 現在、スマートフォンによる音声認識や自動車の自動運転技術などの話題で人工知能（Artificial Intelligence, AI）について耳にする機会が増え
【ディープテックを追え】ＡＩ同士が”競争”、合成データでディープラーニングの弱点を補完 ニュースイッチ by 日刊工業新聞社
無数の人の全身写真。これは「敵対的生成ネットワーク（ＧＡＮ）」と呼ばれる技術で、人工知能（ＡＩ）が作り出した実在しない人の写真だ。手がけたのは、京都大学発スタートアップのデータグリッド（京都市左京区）。同社はこの技術で深層学習（ディープラーニング）の学習プロセスの効率化を目指す。 ＡＩ同士を競わせる 社会実装が進むディープラーニングには弱点がある。学習に大量のデータが必要な点だ。また、データが少ない場面はＡＩが認識できるようにするためのデータ量の確保が難しかった。データグリッドはＧＡＮを使い、合成データを生成。このデータでディープラーニングの弱点を補う。 ＧＡＮは二つのＡＩを競わせることで、データの質を高める技術。片方のＡＩが「本物に近い」合成データを作り出す。一方のＡＩがこのデータを偽物か見極める。偽物であると見極められた場合は、その原因を分析して再度、生成データを作り出す。このように合
scikit-learn 入門¶ scikit-learn は Python のオープンソース機械学習ライブラリです。 様々な機械学習の手法が統一的なインターフェースで利用できるようになっています。 scikit-learn では NumPy の ndarray でデータやパラメータを取り扱うため、他のライブラリとの連携もしやすくなっています。 本章では、この scikit-learn というライブラリを用いて、データを使ってモデルを訓練し、評価するという一連の流れを解説し、Chainer を使ったディープラーニングの解説に入る前に、共通する重要な項目について説明します。 機械学習の様々な手法を用いる際には、データを使ってモデルを訓練するまでに、以下の 5 つのステップがよく共通して現れます。 Step 1：データセットの準備 Step 2：モデルを決める Step 3：目的関数を決める
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。
ソフトウェアエンジニアのトビアス・クペック氏は2021年11月15日（米国時間）、開発者向けQ＆Aサイト「Stack Overflow」のブログに記事を寄稿し、ディープラーニングパイプラインのQA（品質保証）プロセス構築について解説した。 ディープラーニングモデルには、一般的なテスト手法の多くは適用できないが、適切な手法でテストを行うことで、ディープラーニングパイプラインが良い結果を出せるようになるとしている。 ディープラーニングではなぜ品質保証が異なるのか 通常のソフトウェア開発では、クラッシュしたときに障害を発見できる。最初の障害点はほとんどの場合、明確だ。 だが、ディープラーニングモデルでは、障害点の候補がたくさんあり、特定が難しいこともある。このため、開発者が慣れ親しんだステップバイステップのデバッグ手法を使って障害点から徐々にバグを追い詰めることは困難だ。 ディープラーニングモデ
Spring BootによるAPIバックエンド構築実践ガイド 第2版 何千人もの開発者が、InfoQのミニブック「Practical Guide to Building an API Back End with Spring Boot」から、Spring Bootを使ったREST API構築の基礎を学んだ。この本では、出版時に新しくリリースされたバージョンである Spring Boot 2 を使用している。しかし、Spring Boot3が最近リリースされ、重要な変...
SERVICE AI活用コンサルティング・AI開発サービス お客様の課題解決にとどまらないDX戦略のコンサルテーションと、画像・センサー・点群など多様なデータに適用可能な最先端技術の研究開発により、オープンイノベーションの実現を推進します。 Deep Space 人工衛星データAI解析サービス 人工衛星データとAIを活用し、自然災害・社会活動などの環境リスクを可視化し、新しい私たちの暮らしの実現を目指します。人工衛星データの収集からAI解析、AIエンジンの提供までワンストップで支援します。
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！ また、おすすめの論文30選をまとめている下記の記事も合わせてご覧ください。 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
巨大なプラントをトラブルから守る点検業務。熟練の技術者に頼っていたこの領域に、ディープラーニングで道を切り開き、精度向上とコスト削減、時間短縮に成功したのが日立造船だ。同社は「第2回 ディープラーニングビジネス活用アワード」の大賞を受賞。2度にわたる挫折を乗り越えたその道のりを紹介していく。 プラント設備の約30％を占める熱交換器。この検査・診断にディープラーニングを活用して、業務効率改善とビジネスの拡大を実現したのが日立造船である。日立造船は、名称から想起される造船事業は現在では手掛けておらず、ごみ焼却発電施設、海水淡水化プラント、上下水・汚泥再生処理プラントなどのプラント設備や船舶エンジンなどの設計・製作を中心に事業を展開している。同社では、主力事業であるプラント設備の検査・診断に用いる「超音波探傷検査」にディープラーニングを適用して、不可能と思われた実務対応を可能にした。 そもそもの
なぜディープラーニングの研究者は遅いPythonの代わりにCやC++を使わないのでしょうか？GPU依存を避けられるのではないかと思うのですが？
回答 (14件中の1件目) Pythonを通じてディープラーニングを扱ったとしても、最終的に最も処理速度の要求される箇所はC++か、NVIDIAのGPUの場合CUDA、あるいはより低レベルな言語（PTXのようなアセンブラ）で実装されています。これによって、CPUを用いるにせよ、GPUを用いるにせよ、チップの持つパフォーマンスを最大限発揮できるように工夫されています。 GPUがCPUに対して高速なのは、決してPythonを用いているからCPUが遅いのではなく、単に（少なくとも現状は）GPUの方がディープラーニングで求められる演算に適しているからです。 ディープラーニングで最も処理量の大...
Yahoo! JAPAN Advent Calendar 2019の15日目の記事です。一覧はこちら（外部リンク） こんにちは。サイエンス統括本部で音声認識の技術開発を担当している木田です。 この年末年始、帰省や旅行でお出かけの際にカーナビを利用される方が多いのではないでしょうか？ ヤフーではYahoo!カーナビというサービスを提供していますが、2018年12月に音声によるハンズフリー操作機能が導入されました（2019年12月現在はAndroid版のみ対応）。 今回はその技術の裏側をご紹介します！ 写真：アフロ 使い方とシステム構成 それでは、この機能の使い方を説明します。 まずはYahoo!カーナビを起動し、こちらのページに記載している設定を行うことで、ハンズフリー操作が有効になります。 設定ができたら、「ねぇヤフー」と呼びかけてみてください。 ピコッという音と共に音声入力画面が表示され
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
はじめに 現在主流となっている点群処理モデル「PointNet」について解説する。 （なお、PointNetは2017年に提案されたモデルであり、その後さらに精度の高いモデルが多数提案されている。気になる方はこちらを参照。） また、特に断りのない限り，本記事で使用する画像は、こちらの論文1からの引用。 従来手法: ３次元畳み込みニューラルネットワーク Volumetric CNN：点群をボクセル化し、一層一層を画像として扱うことで、畳み込みニューラルネットワークの入力とする。 各ボクセルは 2 値で表現し，メッシュからボクセルに変換する際にボクセル内にデータがあるかどうかで 0 か 1 の値を決めて表現する。 Volumetric CNNの欠点として、ボクセル化する際に、点群データの空間特性が必然的に変化し、物体の凹凸表現が欠損してしまうことが挙げられる。 参照：VoxNet: A 3D
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
映像から複数人の激しい動きを解析、東大とドコモが技術開発 ディープラーニング活用
ニューラルネットワークとは｜仕組み・学習手法・活用事例・ディープラーニングとの違い | Ledge.ai
Amazon.co.jp: ディープラーニングを支える技術 ——「正解」を導くメカニズム[技術基礎] (Tech × Books plus): 岡野原大輔: 本
![Amazon.co.jp: ディープラーニングを支える技術 ——「正解」を導くメカニズム[技術基礎] (Tech × Books plus): 岡野原大輔: 本](https://cdn-ak-scissors.b.st-hatena.com/image/square/a8066d218b9a6766b6c31681974a619fc82ad5bc/height=288;version=1;width=512/https%3A%2F%2Fm.media-amazon.com%2Fimages%2FI%2F51X6SjeXgVL._SL500_.jpg)
無料AI資料「ディープフェイクと生成ディープラーニング」 - 東大発企業 NABLAS
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
現場で潰しが効くディープラーニング講座 修了レポート1 - Qiita
論文版はてなブックマーク（その10：ディープラーニング×株価予測）の話。 - sun_ek2の雑記。
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
日本ディープラーニング協会、JDLA認定プログラムの学習コンテンツを無料公開 | Ledge.ai
キユーピー 食品検査にディープラーニング 競合にも売る太っ腹
【図解】ディープラーニングの仕組みを徹底解説 ー機械学習との違いや学習方法も | AI専門ニュースメディア AINOW
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
データを暗号化したままディープラーニング NTTが「秘密計算」で新技術
画像認識で機械が眼を持つ！？ ディープラーニングの可能性と画像認識の事例8選 | AI専門ニュースメディア AINOW
誕生秘話！「ディープラーニング」を成功に導いた「信じつづける」力（金丸 隆志）
scikit-learn 入門 — ディープラーニング入門：Chainer チュートリアル
ディープラーニングには品質保証が必要、どうやって実現するか
ディープラーニングのパイオニアGeoffrey Hinton氏、新しいアルゴリズムを発表
株式会社Ridge-i (リッジアイ) ディープラーニングのコンサルティング・開発
【強化学習編】機械学習/ディープラーニングのおすすめ論文30選 | スキルアップAI Journal
ディープラーニングで執念の突破劇 2度の挫折を越えた日立造船
声でカーナビを操作！ ディープラーニングによる音声認識技術の応用事例 #ディープラーニング
点群×ディープラーニング【入門】 - Qiita