AIが魚種を見分けるアプリ「フィッシュ」 約300万点の写真を人力でタグ付けて学習
AIが魚の種類を判別するスマートフォンアプリ「フィッシュ」が登場。魚の画像を読み込ませると、名称や科目などを表示してくれる。 釣り船予約サイトなどを運営するB.Creation（兵庫県芦屋市）は7月11日、AI（人工知能）を活用して写真に写った魚の種類を判別するスマートフォンアプリ「フィッシュ」（iOS／Android、無料）を公開した。11日時点で80種の魚を判別できるという。
AIが魚の種類を判別するスマートフォンアプリ「フィッシュ」が登場。魚の画像を読み込ませると、名称や科目などを表示してくれる。 釣り船予約サイトなどを運営するB.Creation（兵庫県芦屋市）は7月11日、AI（人工知能）を活用して写真に写った魚の種類を判別するスマートフォンアプリ「フィッシュ」（iOS／Android、無料）を公開した。11日時点で80種の魚を判別できるという。
松尾 豊 on Twitter: "それから、スタートアップはすごく真面目に一所懸命頑張っているので、文春さん邪魔しないで！ https://t.co/0XZxSdmbqV"
それから、スタートアップはすごく真面目に一所懸命頑張っているので、文春さん邪魔しないで！ https://t.co/0XZxSdmbqV
12月19日、キヤノンは、ディープラーニング（深層学習）を用いて、ネットワークカメラで撮影した映像から、数千人規模の群衆人数をリアルタイムにカウントする映像解析技術を開発したと発表。あわせて、この技術を搭載した映像解析ソフトウェア「People Counter Pro」を12月下旬から発売する。（外部サイト） キヤノンに価格を問い合わせたところ、システム構成によって大きく変わる可能性があるものの、XProtect版の場合はおおよそ100万円～（サーバー、カメラ、ライセンス含む）だそうだ。 キヤノンによれば、 「2018年に開催されたラグビーの国際試合での実証実験では、キヤノンの群衆人数カウントの技術によって約6千人を数秒でカウントできました。実証実験後の画像を人手で確認した人数と、ソフトウェアによるカウント人数の差は5％以内に収まり、ほぼリアルタイムで、群衆人数を正確に把握することに成功し
概要： 本研究では，畳み込みニューラルネットワークを用いて，シーンの大域的かつ局所的な整合性を考慮した画像補完を行う手法を提案する．提案する補完ネットワークは全層が畳み込み層で構成され，任意のサイズの画像における自由な形状の「穴」を補完できる．この補完ネットワークに，シーンの整合性を考慮した画像補完を学習させるため，本物の画像と補完された画像を識別するための大域識別ネットワークと局所識別ネットワークを構築する．大域識別ネットワークは画像全体が自然な画像になっているかを評価し，局所識別ネットワークは補完領域周辺のより詳細な整合性によって画像を評価する．この2つの識別ネットワーク両方を「だます」ように補完ネットワークを学習させることで，シーン全体で整合性が取れており，かつ局所的にも自然な補完画像を出力することができる．提案手法により，様々なシーンにおいて自然な画像補完が可能となり，さらに従来の
Photo by fdecomite こんにちは。谷口です。 最近、機械学習の勉強をしている人や、機械学習関連の求人が増えてきましたね。弊社のエンジニアにも、機械学習を勉強中の人達が何人かいます。 ただ、初心者だと「機械学習を勉強したいけど、難しいし何から手を付けたらいいのかよくわからない」という人も多いかと思います。 そこで今回は、機械学習の勉強を始めたばかりという初心者の方向けに、機械学習でよく使われるアルゴリズムがわかるスライドをいくつかご紹介します。 ■機械学習以前 そもそも「機械学習で何ができるのか・どんなものなのか知りたい」という段階の人が機械学習の概要をつかむには、このあたりのスライドが参考になるかと思います。 If文から機械学習への道 from nishio www.slideshare.net 機械学習入門以前 from mrtc0 www.slideshare.net
Winnyの金子勇さんが考案された機械学習アルゴリズムED法を再現して実装した人がいていま話題になっている。 『Winny』の金子勇さんの失われたED法を求めて…いたら見つかりました https://qiita.com/kanekanekaneko/items/901ee2837401750dfdad いまから書くことは私の記憶頼りなので間違ってたらコメント欄で教えて欲しい。 1998年ごろだと思うのだが、私はWinnyの金子勇さんのホームページの熱心な読者だった。(ページも全部保存してたので私のHDDを漁れば出てくると思うが、すぐには出せない。) Winnyのβ版が発表されたのが2002年なのでそれよりはずいぶん前である。 当時、金子さんはNekoFightという3D格闘ゲームを公開されていた。そのゲームには、自動的に対戦から学習するAIが搭載されていた。 当時の金子さんのホームページの
そろそろニューラルネットやディープラーニングを「人間の脳を模倣してる」というのをやめませんか？ - 病みつきエンジニアブログ
最近(？)ニューラルネット(Neural Network)やらディープラーニング(Deep Learning; 深層学習)やらが流行ってきて、人工知能やらシンギュラリティやら言われるようになって、その中でよく言われるのが「ディープラーニングは人間の脳を模倣してる」とか「特徴量を選ばずに学習できる」とか、そんなことが言われるわけです。 けど、そういったキーワードが一人歩きして、「人工知能は危険だ」論とか、人工知能に対する過剰な期待論がはびこってしまっている気がする。そこで言いたいのが「ディープラーニングは人間の脳を模倣している」と言ってしまうのをやめましょう、という話。 ニューラルネットワークが「人間の脳を模倣」してる話 まず最初に、「ニューラルネットワークが人間の脳を模倣してる」論が、あながち間違ってないよ、ということを話しておきたい。あながち間違ってないんだけど、それでもやめたほうが良い
人工知能や深層学習が、デザインにも使用できるものが増えてきましたね。 落書きのように簡単に描いたスケッチから、写真のようにリアルな画像を自動生成する「GauGAN」を紹介します。 GauGAN Turns Doodles into Stunning, Photorealistic Landscapes GauGANは、印象派の画家ポール・ゴーギャンにちなんで名付けられたNVIDIA AI Researchプロジェクトの一つです。 ブラシツールや塗りつぶしツールで描いたスケッチを元に、雲や山や木や水や草や岩などのラベルを付けると、写実的な画像を自動生成します。他の画像をつなぎ合わせたり、テクスチャをカットアンドペーストするだけではなく、アーティストが何かを描くのと同じように、新しい画像を生成します。 SPADEが使用されており、既存の方法よりもリアルな画像を生成します。
今話題のAIをweb上で誰でも気軽に作れる「AIメーカー」を開発しました！ ①AIに覚えさせたいタグを入力 ②タグから自動で画像データを収集 ③AIがデータから学習 の３ステップで誰でも簡単にAIを作れます！ 動画では手相占いのAIに挑戦！ みんなもAIを作って遊んでみてね！https://t.co/66DFU7GRZ2 pic.twitter.com/ie1LmioyA1 — 2z＠AIメーカー (@2zn01) 2018年7月19日 こんにちは、2z（Twitter： @2zn01 ）です。 はじめてのQiita記事です。 今話題のAIをweb上で誰でも気軽に作れる「AIメーカー」を開発しました！ ■AIメーカー https://aimaker.io/ 作ったもの 以下の３ステップで誰でも簡単にAIを作れます！ AIに覚えさせたいタグを入力 タグから自動で画像データを収集 AIがデータ
Kaggle参戦記 〜入門からExpert獲得までの半年間の記録 & お役立ち資料まとめ〜 - ML_BearのKaggleな日常
これはなに？ デジタルマーケター 兼 プロダクトマネージャー 兼 データアナリスト (肩書長い…) の私が Kaggle に挑戦した約半年間の記録です。現時点で2つのコンペに真面目に取り組んで2つの銀メダル(入賞)を獲得出来ています。 Kaggle挑戦期間を通して、有識者の素晴らしい資料に助けられたのでとても感謝しています。同じような志を持つ方に自分の記録が少しでも役に立てばと思い、有用な資料のリンク集に私のKaggle参戦記ポエムをつけてまとめてみました。 自分の得意領域で勝負しようと思ってテーブルデータのコンペばかり選んでいるのでDeepLearning系の話は全然ないです、すみません。 目次 プロローグ Kaggleへの興味の芽生え 初参戦 → 即撤退 ガチ参戦に向けた修行 初ガチコンペデビュー 初ガチコンペ…、のはずが。 初ガチコンペ参戦 ベースモデル作成 特徴量エンジニアリング
※めちゃくちゃ長いです。一連の流れで読むと理解が深まると思います。自身の復習のためにも書き下しました。個々の章で完結しているので、それぞれ別の記事としても掲載しています。 近年は人工知能ブームが到来し、人工知能というワードを当たり前のように使う時代がやってきました。情報技術を学んでいる人にとって人工知能は、情報処理を効率的に行う素晴らしい技術の一つとして認識できるかと思います。一方で、技術的話題にあまり興味がない人にとっては、人工知能というワードに対して各々の解釈をして、時には誤解のような意見も見受けられます（人工知能の全容がハッキリしないうちは誤解というのはあまりにも強すぎる言い方ですが）。 人工知能がどういうものであるのかを知るには、人工知能を技術的にいかにして達成しようとしたかの歴史を知ることが一番であると思います。 ここでの記事の目的は技術的な観点からの人工知能について説明すること
「神経回路網はどのような働きをしているのか？」ということを解明するため、Googleが新たに開発した人工知能が「DeepDream」です。画像から少しでも見覚えのある物体を見つけ出し、それを再構成して出力するというものなのですが、実際に作られた画像が「悪夢のようだ」と話題となっており、ムービーが公開されたところ、ホラー映画どころではないとんでもない仕上がりになっていました。 Deep Dreaming Fear & Loathing in Las Vegas: the Great San Francisco Acid Wave - YouTube クラブのような場所で踊る人々。何か様子がおかしいと思いつつも映像を見ていると…… ぐにゃりと人が変形して動物が現れたり、心霊写真のようにあり得ない場所に人の顔が現れたりします。 エイリアンのような姿が並び…… 「パシフィック・リム」のギレルモ・デ
Photo via Visual Hunt 少し前のことですが、AlphaGoという囲碁の人工知能プログラムがイ・セドル九段に勝利したことで話題になりました。*1 また、一部のゲームにおいて「DQN（Deep Q-network）」が人間よりも上手くプレイするようになったというニュースも話題になっていましたね。*2 今回はこれらの事例で使われている「深層強化学習」という仕組みを使って、FXのシステムトレードができないかと思い、調べてみました。 注意：強化学習もFXも勉強し始めたばかりなので、色々間違っている箇所があるかもしれません。ご指摘いただけると幸いです。 今回の内容 1.強化学習について 1-1.強化学習 1-2.Reinforcement Learning: An Introduction (2nd Edition) 1-3.UCL Course on RL 1-4.強化学習につい
移転しました。 https://chezo.uno/post/2016-05-29-sonomoderu-guo-xue-xi-siteruno-wei-xue-xi-nano-tokun-tutara/
[Python]機械学習などでテキストデータを特徴量にする際のソースコード集 – かものはしの分析ブログ
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト テキストデータの特徴量化について 仕事ではテキストデータを多用するので、機械学習などで扱うためにテキストデータを特徴量にするためのアプローチを色々と整理してソースコードを残しておきたいと思います。今回はあくまでも私の知っているものだけなので、網羅性はないかもしれませんが悪しからず。 （2019/08/18 追記）Stackingをカジュアルに行えるvecstackというモジュールを用いた予測も試してみました。下の方の追記をご覧ください。 アプローチ テキストデータを特
![[Python]機械学習などでテキストデータを特徴量にする際のソースコード集 – かものはしの分析ブログ](https://cdn-ak-scissors.b.st-hatena.com/image/square/a787dca9147676db06027eb58bb689b8fa4eb62b/height=288;version=1;width=512/http%3A%2F%2Fkamonohashiperry.com%2Fwordpress%2Fwp-content%2Fuploads%2F2018%2F08%2Fanimal_kamonohashi.png)
SasakiTakanori 佐々木貴教 on Twitter: "え！？ちょっと待って！！さっき ChatGPT に教えてもらった先行研究の論文、全部存在しない架空の論文だったんだけど！あと詳しく紹介してくれた AGORA なるオープンコードも存在しない！置いてある場所を聞いたら架空の GitH… https://t.co/ahFLS25t8X"
え！？ちょっと待って！！さっき ChatGPT に教えてもらった先行研究の論文、全部存在しない架空の論文だったんだけど！あと詳しく紹介してくれた AGORA なるオープンコードも存在しない！置いてある場所を聞いたら架空の GitH… https://t.co/ahFLS25t8X
早稲田大学の研究グループはこのほど、ディープラーニングを応用し、白黒写真を自然な色に自動彩色する手法を確立したと発表した。プログラムのソースコードをGitHubで公開している。 新技術は、大量の白黒・カラー画像の組から、色づけの手がかりとなる特徴をディープラーニングにより学習し、その特徴を使って白黒画像をカラーに変換する技術。従来、白黒写真の色づけには人手が必要だったが、新技術なら全自動で彩色できる。 画像全体から抽出する「大域特徴」と、小さな領域から算出する「局所特徴」を結びつけて利用することで、画像全体を考慮した自然な色づけができるという。 大域特徴からは、屋内か屋外か、昼か夜かなど画像全体の情報を得、局所特徴からは、水か砂か葉かなど物体の質感を判断し、その領域をどう色づけするかが最も適当か推測。この組み合わせにより、夕暮れの空や人の肌など、状況に合った自然な色づけが可能になったという
自宅で動くChatGPTと噂のFlexGenを試す shi3zさんが興奮して動かしていたFlexGen 関係する記事は以下 ツヨツヨGPUが無いと動かないと思っていたのですが、タイムラインでミクミンPさんが、RTX3060でFlexGenを動かしているツイートを発見。 「RTX3060なら自分も持っている！」ということで、試してみることにしました。 追記： 私がこの記事で動かしているのは小さいモデルです。とりあえずお試しで動かしただけで、shi3zさんが動かしているモデルとは異なります。 性能の参考にする記事ではないので、ご承知ください。より大きいサイズのモデルの使用に関しては、FlexGenの公式リポジトリを参照ください。私も今後試したら追記していきます（現状、私の環境では動かせてないです）。 FlexGenをDockerで動かす 結果的には、Dockerを使うことで簡単に動かせました。
Googleの公開した人工知能ライブラリTensorFlowを触ってみた - LIFULL Creators Blog
こんにちは。おうちハッカーの石田です。 いつもはおうちハックネタばかりですが、今日は人工知能関連の話題です。 今日2015/11/10、Googleが自社サービスで使っているDeepLearningを始めとする機械学習技術のライブラリを公開しました。 TensorFlowという名前で、おそらくテンソルフローと呼びます。 テンソルは、数学の線形の量を表す概念で、ベクトルの親戚みたいなものです。それにフローをつけるということは、そういった複雑な多次元ベクトル量を流れるように処理できる、という意味が込められているのだと思います。 こちらをさっそく触ってみたので、紹介したいと思います。 TensorFlowの特徴 公式紹介ページから特徴をいくつかピックアップします。 Deep Flexibility ~深い柔軟性~ 要望に応じて、柔軟にニューラルネットワークを構築できます。ニューラルネットワークの
ろじ on Twitter: "たまには収支報告書でもと思って覗いてみたら、平井卓也デジタル改革担当大臣、政治資金を活用してグルメレビューやってた。 https://t.co/qDyfxIrYgQ https://t.co/n3Q3lCa6ht… https://t.co/96eyuV9XkT"
たまには収支報告書でもと思って覗いてみたら、平井卓也デジタル改革担当大臣、政治資金を活用してグルメレビューやってた。 https://t.co/qDyfxIrYgQ https://t.co/n3Q3lCa6ht… https://t.co/96eyuV9XkT
Googleが開発した囲碁ソフトのAlphaGoが、世界で初めてプロ棋士に勝ったコンピュータとして大きなニュースになっています。Nature誌に論文が掲載されたのですが、仔細に読むといくつか不可解な点がありましたので、調査・考察してみました。 AlphaGoの論文はこちらから見えます。プロ棋士に勝ったこともありますが、何よりコンピュータ囲碁開発者（及び隣の分野のコンピュータ将棋開発者）を驚かせたのは、「既存の他の囲碁プログラムと対戦させた結果、495戦494勝だった」との報告でした。この報告は衝撃的で、これを読んだ他のコンピュータ囲碁開発者たちからは「俺の今までの努力が否定された」「目標を見失ってしまった」などの悲嘆の発言が相次ぐ始末でした。 論文から、AlphaGo、対戦相手のプロ棋士、及び他のソフトのレーティングを示したグラフを引用します。 CrazyStoneとZenはこれまでは最強
本稿は、2020年7月27日に公開した記事を、2022年7月5日の最新情報に合わせて改訂したものです。各項目の内容をアップデートし、無料ではなくなった『Deep Learning with PyTorch』をカットした代わりにベストセラーである『An Introduction to Statistical Learning』を追記しました。
まとめ 遺伝的アルゴリズムでエッチな絵を作る試み、ついにどこからどう見てもセクシーなお姉さんが出現 4000〜5000世代を中心にまとめました。 451896 pv 874 551 users 229
これはFujitsu Advent Calendar 2017の18日目の記事です。 掲載内容は富士通グループを代表するものではありません。ただし、これまでの取り組みが評価されて、富士通がQiitaに正式参加することになりました[リンク]。なお、内容の正確性には注意を払っていますが、無保証です。 はじめに この記事では今年発表されたディープラーニング論文（ArXivでの発表時期、発表された国際会議が2017年開催またはジャーナル掲載が2017年のもの）から私が個人的に重要だと思った論文を収集しています。また、2016年末ごろの論文も重要なものは採用しています。 以下の投稿も合わせてご覧ください。 2016年のディープラーニング論文100選[リンク] ディープラーニングにとっての2017年 2017年のディープラーニング技術は主に画像系技術で革新的な進歩がありました。それをけん引したのは敵対
Googleが研究の一環で提供しているColaboratoryを試してみました。 Jupyterと同じようなGUIでPythonのプログラムを実行可能で、GPUも使えます。 Jupyterと同様に、先頭に「!」を書くことで、Linuxのコマンドを実行可能であり、「!pip」「!conda」「!apt-get」などで機能を追加できます。 実行結果をファイルシステム上に保管でき、共有リンクを使って取り出せます。 ただし、12時間経過すると強制終了されて、ファイルは失われます。 しかし、Notebookが動いている仮想マシンにGoogleドライブをマウント可能であり、これにより、実行結果をGoogleドライブ上のファイルとして保管できます。 Deep Learningでは、途中の状態をファイルに保管して、そこからResumeできるようにプログラムを書くことが多いので、12時間で一度強制終了しても
最近バーチャルユーチュ－バーが人気ですよね。自分もこの流れに乗って何か作りたいと思い、開発をしました。 モーションキャプチャー等を使って見た目を変えるのは かなり普及しているっぽいので、自分は声を変えられるようにしようと開発しました。 やったこと キズナアイさんとねこますさんの、それぞれの声を入れ替えられるようにしました。これによって、ねこますさんのしゃべった内容を、キズナアイさんの声でしゃべらせることができます。(逆も) 機械学習手法の一つであるCycleGANを用いて、変換するためのネットワークを学習しました。 パラレルデータ(話者Aと話者Bが、同時に同じ内容を話した音声)が必要ありません 。YouTubeから拾った音声でも変換ができます。 当然ですが、一度学習すれば、利用時には何度でも繰り返し利用できます。 期待できる効果 見た目だけでなく、声まで美少女になれます。やったね。 他にも
東大最年少准教授が“ネトウヨ2.0”に覚醒した理由――学歴ロンダリング差別の犠牲者か？ | 2019年 忘れられない「名言・迷言・珍言」 | 文春オンライン
東大バイトテロ、[Apology] 、過学習……と、令和元年末の1ヶ月あまりで多数の流行語を生み出したのが、東京大学情報学環特任准教授（特定短時間勤務有期雇用教職員）、大澤昇平氏のTwitterでの暴走だ。今年9月に「東大最年少准教授」の肩書きを名乗って刊行した著書『AI救国論』（新潮社）がヒットし、非正規職員とはいえ日本で最高峰の大学でポストを得ていた若きAI研究者の奇行と没落を、複雑な気持ちで眺めていた人も多いことだろう。 ことの発端は比較的些細なことだった。11月11日、大澤氏は自身のTwitter上で、P2PソフトWinny開発者の金子勇氏（故人）を「犯罪者」と投稿。だが、このWinnyはユーザーによる著作権侵害が多発したツールだったものの、開発者の金子氏については2011年に最高裁で無罪が確定していた。現在、金子氏は日本のIT戦略の保守性ゆえに悲劇的な運命をたどった天才だったと評
WebエンジニアがTensorFlowで機械学習に入門しながら顔識別アプリを作ってみた / 2016-05-20 Machine Learning Kotohajime
https://78b88514d287ef16c8a41cdbf4.doorkeeper.jp/events/43887
ゼロから始める深層強化学習（NLP2018講演資料）/ Introduction of Deep Reinforcement Learning
Introduction of Deep Reinforcement Learning, which was presented at domestic NLP conference. 言語処理学会第24回年次大会(NLP2018) での講演資料です。 http://www.anlp.jp/nlp2018/#tutorialRead less
週刊誌に特定企業をデジタル庁の事業に参加させるように指示したとの疑惑を報じられた平井デジタル改革担当大臣が、事実関係を否定し、出版社に抗議したことを明らかにしました。 「意図的に誤解を与えようとするものと考えておりまして、昨日、出版社には訂正または記事の全体の削除の抗議をさせていただきました。異例中の異例ですけど、（オリジナル音声の）公開も検討をする」（平井卓也デジタル改革相） 週刊文春は、平井大臣の指示があったことを音声データ付きで報じましたが、平井大臣は「会議の中で自分は企業名を言っていない」と主張して事実関係を否定しました。 また、文春側が公開した音声データが「不鮮明な部分を意図的に文章で補っているように思える」として、大臣側で保有している元の音声データを公開することも検討するとしています。 このほか、いわゆるオリパラアプリの事業契約が当初７３億円で結ばれたことなどを受け、第三者によ
つい先週，機械翻訳で驚くべき進展がありました． 教師なし機械翻訳がヤバい進化を遂げててびっくりした．たった半年でBLEUスコアを15から25に改善したのブレイクスルーでは？https://t.co/SVQlYYu2Pt 教師なし学習でこのクオリティの機械翻訳できるのまじで感動するし，ちょっと語っていい？ pic.twitter.com/fBllGtTkgb— Ryobot | りょぼっと (@_Ryobot) 2018年4月23日 要約すると教師なし学習でもひと昔前の教師あり学習の機械翻訳に匹敵する性能を獲得できたというのです．この記事では機械翻訳を知らない初心者にもわかるように魔法のような教師なし機械翻訳の仕組みを説明したいと思います． 教師あり学習の限界 機械翻訳はディープラーニングを適用することで急激に進歩した分野の１つだと思います．Google 翻訳はニューラル機械翻訳を導入するこ
美少女声への変換と合成
Introduction今までは主に可愛い女の子の画像(or 動画)を生成することに取り組んできましたが、画面上に映せるようになったらやはり可愛い声で話して欲しいものです。そこで今回は、別の人の声が与えられた時に美少女声へと変換するための声質変換と、テキストが与えられた時に美少女声を生成するText-to-Speech(TTS)を行なった試行結果について述べようと思います。 Voice ConversionIntroduction声質変換のデータには2種類あります。それが、パラレルデータとノンパラレルデータです。以下にそれぞれの特徴を述べていきます。 パラレルデータを用いた声質変換 同じセリフを発する2種類の声を学習データとして用います。発話内容が同じのため、言語特徴を気にせず音響特徴量の変換を行うことが可能です。しかし、話速の違い等によって言葉を発するタイミングがずれてしまうのでDyna
いしたーです。アルバイトで機械学習やってます。こんにちは。 とある勉強会に出席したときに、「機械学習をやりたいけどわからないことが多い」という意見を聞いたので、いくつかアドバイスを載せておきます。 読む前の注意 研究についてのアドバイスは書いていません。趣味で機械学習をやろうと思っている方が対象です。 この記事は他の方の意見をまとめたものではありません。私個人の経験に基づいて書いたものです。よって、この記事の内容はほとんど「私の意見」です。 以上2つの注意点を踏まえた上でお読みください。 「機械学習で何をしたいのか」を決めてほしい 機械学習を学ぶ前に、機械学習を使って何をしたいのかを決めてください。 機械学習は数式がたくさん登場したり、難しい概念を理解しなければならなかったりすることがあります。 やりたいことを決めてから学ぶと、今自分はある目的を達成するために学んでいるんだと思うことができ
NVIDIAが規約変更によりGeForceのデータセンター利用を制限。大学などの研究活動にも大ブレーキ First Order rising 2017.12.19 Updated by Ryo Shimizu on December 19, 2017, 16:08 pm JST 深層学習分野で、NVIDIAの名を知らない者は潜りと言われても仕方がないでしょう。かつて日本の新聞社で、NVIDIAを「謎の半導体メーカー」と呼んで赤っ恥をかいた人がいますが、NVIDIAなくして深層学習の研究はままならないことは間違いありません。 というのも、深層学習に不可欠な積和演算機能に優れた半導体とAPIを提供しているのが、事実上世界にNVIDIA一社しかないからです。 Intelやその他のメーカーも頑張って入るのですが、NVIDIAが持つ多数の知的財産権の前に、後塵を拝しています。 それはそれで、NVID
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)
DeepL翻訳：高精度な翻訳ツール
毎日、何百万もの人々がDeepLで翻訳しています。人気の組み合わせ：日本語から英語（和英）、英語から日本語（英和）
ディープラーニングを小学生でも使えるようにしてみる
ディープラーニングを小学生でも使えるようにしてみる Trial to make easy to use deep learned neural network 2015.06.30 Updated by Ryo Shimizu on June 30, 2015, 06:59 am JST この一ヶ月で、ディープラーニングが急激に使いやすくなってきています。 Google傘下のディープラーニング研究グループDeep Mindでインターンをしているスタンフォード大学の学生はこんな台詞をツイートしています。 「ディープラーニングに関して、新しくクールな論文が発表される速度は、それを読める速度より速い」 それこそ毎日のようにディープラーニングに関する何らかの新しい話題が出てきます。 それくらい、ディープラーニングは盛り上がっているのです。 「人工知能は人間を超えるか」を記した東京大学の松尾豊先生に
Machine Learning Advent Calendar 2015 第14日です。去年のAdvent Calendarで味をしめたので今年も書きました。質問、指摘等歓迎です。 この記事の目的 ここ2～3年のDeep Learningブームに合わせて、リカレントニューラルネットワークの一種であるLong short-term memory(LSTM)の存在感が増してきています。LSTMは現在Google Voiceの基盤技術をはじめとした最先端の分野でも利用されていますが、その登場は1995年とそのイメージとは裏腹に歴史のあるモデルでもあります。ところがLSTMについて使ってみた記事はあれど、詳しく解説された日本語文献はあまり見当たらない。はて、どういうことでしょうか。 本記事ではLSTMの基礎をさらいつつ、一体全体LSTMとは何者なのか、LSTMはどこに向かうのか、その中身をまとめ
マルコフ連鎖による文章自動生成 ちょっと文章の自動生成に興味が湧いたので、試してみることにしました。まずは事前調査したところ、既にやっている例がたくさんみつかりました。記事末の参考リンクにまとめましたので興味ある方は参照ください。Deep Learningやマルコフ連鎖を使うのがトレンド（？）のようです。本当はDeep Learningでやってみたかったのですが、何度か環境変えてチャレンジしたのですが、悉くエラーが出て失敗したため(chainerのバージョンアップの影響？）、諦めてマルコフ連鎖で実現することにしました。マルコフ連鎖に関してはここでは詳細は説明しませんので、興味ある方は自分で調べてみて下さい。自分もちゃんと理解できませんでした。イメージ的には、元となる文章の文章の流れのようなものを解析して、その解析した流れを元に、ある単語から順番に連想ゲームのように単語を並べていって文章を生
![マルコフ連鎖を使ってブログの記事を自動生成してみた - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/1ad790dd78c936d38f8d2eb0256360a313006692/height=288;version=1;width=512/https%3A%2F%2Fcdn.user.blog.st-hatena.com%2Fdefault_entry_og_image%2F13239%2F1531150570465621)
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
AIで数千人を瞬時にカウントできる技術をキヤノンが開発、計測誤差は5％以内を実現 | Ledge.ai
飯塚里志 — ディープネットワークによる画像補完（SIGGRAPH 2017）
初心者でも機械学習の基本的なアルゴリズムを学べる11のスライド - paiza times
Winnyの金子さんのED法について | やねうら王 公式サイト
簡単に描いた落書きから写真のようにリアルな画像を自動生成するツール -GauGAN
今話題のAIをweb上で誰でも気軽に作れる「AIメーカー」を作ってみた - Qiita
人工知能の歴史 AIを如何にして達成しようとしたか - HELLO CYBERNETICS
まさに悪夢、Googleの人工知能「DeepDream」でムービーを作成したらとんでもないことに
深層強化学習でシステムトレードをやる時に役に立ちそうな資料まとめ - ニートの言葉
そのモデル、過学習してるの？未学習なの？と困ったら - once upon a time,
健康的な水着写真かそうでないかを判別できるフィルタリングシステムの開発に成功
人工知能で白黒写真をカラーに 早大が技術開発、GitHubでコード公開
自宅で動くChatGPTと噂のFlexGenをDockerで手軽に動かす
AlphaGoが誇大広告ぎみな件 - Ａ級リーグ指し手１号
無料で読める「機械学習／ディープラーニング」の有名書籍！ 厳選4冊
どうしちゃったの！？遺伝的アルゴリズムで作るエッチな画像から顔もおっぱいも消失「進化の崩壊まで再現された」
2017年のディープラーニング論文100選 - Qiita
Google Colaboratoryが便利・高速で凄過ぎる - Itsukaraの日記
キズナアイとねこますの声を入れ替える機械学習をした - Qiita
平井大臣、文春報道に抗議 音声データの公開も検討｜TBS NEWS
教師なし学習は機械翻訳に魔法をかけるか？ - ディープラーニングブログ
機械学習をこれから始める人に押さえておいてほしいこと - Qiita
NVIDIAが規約変更によりGeForceのデータセンター利用を制限。大学などの研究活動にも大ブレーキ
わかるLSTM ～ 最近の動向と共に - Qiita
マルコフ連鎖を使ってブログの記事を自動生成してみた - karaage. [からあげ]