Observability Meetup #2 に参加して New Relic の活用事例をがっつり聴いてきた #observability | DevelopersIO
Observability Meetup #2 に参加して New Relic の活用事例をがっつり聴いてきた #observability はじめに みなさん、観測してますか！（挨拶 New Relic 社の主催する Observability Meetup、9 月に行われた第 1 回に続き第 2 回目が行われたので参加してきました。今回は真新しい Slack Japan さまのオフィスが会場です。 Observability Meetup は New Relic ユーザを主な対象に「オブザーバビリティ（可観測性）」というテーマをもとに話し合ったり、知識経験を共有したり、同じロールの人々とつながりを作ったりする会です。 第 2 回は Slack Japan 様の最高立地オフィスをお借りして、名刺管理サービスで著名な Sansan 様でのパフォーマンス改善ストーリーや、Slack 様とのユ
株式会社ディー・エヌ・エー（以下、「DeNA」） 品質管理部において、ウェブアプリケーションのE2Eテストを自動化するためのプラットフォーム「Autify」が導入されたことをお知らせします。 株式会社ディー・エヌ・エー（以下、「DeNA」） 品質管理部において、ウェブアプリケーションのE2Eテストを自動化するためのプラットフォーム「Autify」が導入されたことをお知らせします。 これまでに人手に頼っていたテストを自動化することで業務効率化を実現。 またテレワークが要求される中、業務を変わらず継続していくことはもちろん、これまで人力では対応が不可能だった領域に対しての品質保証に取り組めるようになりました。 今後、より人が注力すべき本質的な品質向上の業務に注力し、高品質、高速かつ、よりユーザーメリットの大きいサービスの提供を進めていきます。 これら複数プロジェクト、事業での活用ニーズを受け、
2022年度人工知能学会全国大会 (JSAI2022) で発表してきた話 〜因果探索編〜 - NTT Communications Engineers' Blog
はじめに こんにちは！初めまして、イノベーションセンターテクノロジー部門、Smart World 向けAI開発PJの藤原です。 我々は日々Smart World の実現に向け、主に製造業向けのデータ分析、AIの研究開発を行なっております。 弊チームでは学会/論文投稿など積極的な学術活動も行なっており、IJCAI、KDD、CVPRなどのワークショップ採択されたり、最近ではAISTATSの本会議にも採択されニュースリリースを出しました。 そうした学術活動の一環として、先日弊チームは技術調査 & 研究成果発表 & 企業紹介展示を目的に2022年度人工知能学会全国大会 (JSAI2022) へ参加しました(毎年弊チームではJSAIに数名が登壇しています！)。今年は藤原、木村、市川の３名(+インダストリアルセッションにて企業紹介1名)がそれぞれ発表を行ないました。今回はそれぞれの発表について、因果探
今回の目的 前回までに全結合型のオートエンコーダー、CNNを利用した畳み込みオートエンコーダー、それから学習を高速に行えるようにGPUを使用する方法などを見てきました。 ところで、オートエンコーダーが持つエンコーダーで元画像を縮小（次元削減）して、それをデコーダーで復元することはどんなことで役に立つのでしょうか。一般には異常検知やノイズ削減などがオートエンコーダーの用途として挙げられています。そこで、今回は、MNISTの手書き文字を例に異常検知とはどんなものなのか、その本当に表面的な部分だけを見てみることにします。 「異常検知」とは、数多くのデータの中から、他のデータとは異なる特徴を持つデータを見つけ出すことです。例えば、工場で生産されたネジを考えてみましょう。製造されたネジの多くは何の問題もなく、製品として出荷できるものです。しかし、その中のごく一部には、傷があったり、先端が曲がっていた
概要 皆様，いかがお過ごしでしょうか． コロナウイルス感染症の拡大に伴い，自宅でお仕事や研究をされている方も多いのではないでしょうか． かくいう私も，ここ数か月はずっと自宅でPCとにらめっこの毎日です．さすがに疲れましたね笑 さて，今回は，生成モデルを活用した再構成タスクに着目してみたいと思います． 特に，「動画」の再構成にトライします． （当記事でご理解いただけるのは，動画の異常検知に拡張可能な，encoder-decoderベースの時系列モデルをかませた再構成手法の実験結果と考察であり，数式などの理論的背景までは追いません．） 巷でよく，「異常検知」分野などに応用されているのは，「画像」の再構成ですね． 画像をencoder-decoderモデルに入力して再構成し，入出力間の差分をとることで異常度を計算する手法です． 画像の再構成に活用できる生成モデルとして，VAEは特に有名ですし，最
本記事は『現場で使える！Python深層強化学習入門 強化学習と深層学習による探索と制御』から抜粋したものです。掲載にあたり、一部を編集しています。 この記事では強化学習のアルゴリズムを理解するための前段として、機械学習の概要について説明します。さらに、機械学習において強化学習が他の学習法と本質的に異なる点を明らかにしつつ、その有用性について解説します。最後の節では、深層学習が強化学習において果たす役割について考察します。 1.1 機械学習の分類 昨今の人工知能の目覚ましい発展を支えている基礎技術は、深層学習や強化学習に代表される機械学習であると言えます。本節では、機械学習を構成する3つの手法、すなわち、教師あり学習、教師なし学習、強化学習の概要について説明します。 近年、人工知能あるいはAI（Artificial Intelligence）という言葉をよく耳にします。人工知能と聞くとSF
ヤングKagglerは、いかにしてグランドマスターになったのか：Kaggle グランドマスター インタビュー（前）（1/3 ページ） 24歳＆26歳。世界でわずか230人前後しかいない「Kaggle グランドマスター」の称号を持つ2人の青年は、子どものころからプログラミングに親しんできた……わけではなかった。 Google社が所有するKaggle社が運営する「Kaggle」（カグル）という機械学習プラットフォーム上で開催されるコンペティションで、最高の称号「グランドマスター」を持つ人は日本国内で20人前後、世界でも230人前後。その希少な人材のうちの2人が、2021年に社会人デビューした。2人のグランドマスターは、どのようないきさつでKaggleに参加し、どのようにして最高位の称号を獲得し、どのような就職活動をしたのだろうか。 Kaggleのグランドマスターとは ラッパーがMCバトルで技を
教師データが足りないと「異常予測」は難しい、ならば「異常検知」から始めよう：もう失敗しない！製造業向け機械学習Tips（3）（1/2 ページ） 製造業が機械学習で間違いやすいポイントと、その回避の仕方、データ解釈の方法のコツなどについて、広く知見を共有することを目指す本連載。第3回は、「異常予測」と「異常検知」について取り上げる。教師データ量の不足が課題になる「異常予測」に対して、「異常検知」は教師データなしでも始められることが特徴だ。 ⇒連載「もう失敗しない！製造業向け機械学習Tips」バックナンバー 製造業では、生産設備の故障や製品の不良など、さまざまな異常の発生を予測する目的で機械学習が活用されています。しかし、異常発生の予測に機械学習を使う場合、多くの企業は故障の教師データ不足という課題に直面します。そこで今回は、機械学習プロジェクトにおいて教師データが不足している場合の対処法につ
いつもMackerelをご利用いただきありがとうございます。 先日、Mackerelではロール内異常検知ベータ版をリリースしました。 mackerel.io これまでいただいたご意見を踏まえ、継続的な改善の結果、機能のクオリティが一定のものを満たしたと判断しましたため、これを2019年8月より正式提供させていただきます。 正式化にあたりまして、ベータ提供期間中の無料キャンペーンを終了させていただきます。 正式化に際して、ユーザーによる特別な操作は必要ありません。ロール内異常検知を継続していただければ、自動で正式版に切り替わり、料金が発生します。 ロール内異常検知の料金設定と決済タイミング ロール内異常検知は、監視対象となるロールに登録されているスタンダードホスト5台ごとに、スタンダードホスト1台分の1,800円が請求されます。このときにカウントされるスタンダードホスト台数は、オートスケール
AWS 認定 データアナリティクス – 専門知識(AWS Certified Data Analytics – Specialty)の学習方法 - NRIネットコムBlog
小西秀和です。 この記事は「AWS認定全冠を維持し続ける理由と全取得までの学習方法・資格の難易度まとめ」で説明した学習方法を「AWS 認定 データアナリティクス – 専門知識(AWS Certified Data Analytics – Specialty)」に特化した形で紹介するものです。 重複する内容については省略していますので、併せて元記事も御覧ください。 また、現在投稿済の各AWS認定に特化した記事へのリンクを以下に掲載しましたので興味のあるAWS認定があれば読んでみてください。 ALL Networking Security Database Analytics ML SAP on AWS Alexa DevOps Developer SysOps SA Pro SA Associate Cloud Practitioner 「AWS 認定 データアナリティクス – 専門知識」と
PyTorchでBERTをはじめとした、各種ディープラーニングモデルを、実際に実装しながら学ぶ書籍を執筆しました。 つくりながら学ぶ! PyTorchによる発展ディープラーニング（小川雄太郎、マイナビ出版） https://www.amazon.co.jp/dp/4839970254/ Amazonでは7月29日が発売予定となっています。 ディープラーニングの基礎的な内容（畳み込みニューラルネットワークを用いた画像分類など）を実装してみて、さらに発展的な内容を学びたい方や、PyTorchを使いたい方に向けて執筆いたしました。 本書がお役に立てそうであれば、ご活用いただければ幸いです。 本記事では、 ・書籍の概要 ・各章の詳細 を紹介いたします。 本書の概要 本書はディープラーニングの応用手法を、実装しながら学習していただく書籍です。 ディープラーニングの基礎的な内容（畳み込みニューラルネッ
良さそう ITインフラの“体調”を一元監視で早期に異常検知 https://t.co/TumixShIsb @PRTIMES_JPより — adachinSRE (@adachin0817) February 26, 2024 皆さんお久しぶりです！1ヶ月ぶりのブログとなってしまいましたが、本日はなかなか面白いモニタリングツールを発見しました。 きっかけはXでの呟きからなのですが、メタップスホールディングスさんがSaaS向けイベントログの一元監視サービス「srest(スレスト)」をリリースされました。非常に気になっていたので使ってみようかなと思っていたところ！開発メンバーが「お初ですが、飲みいきましょう！」と誘われたので、いざ新大久保へ！ 今日は「srest」というイベントログの一元化ツールを開発しているメンバーと新大久保でポッサム会！みんな超面白い方でした！来週辺りに個人でsrest触っ
ディープラーニングを使った異常検知で役に立つ「Ano-Unet」を開発しました。 Ano-Unetは、異常部分を可視化できます（教師無し学習）。 コード全体はGithubに置きました。 ※こちらは、Pythonデータ分析勉強会#10の発表資料です。 はじめに このAno-Unetは以前の記事の続きで開発したものです。 以前の記事では、オートエンコーダで可視化する手法を提案しました。 ところが、オートエンコーダだとうまくいかないとのご意見をいただいております。 そこで、実験してみました。まずは、以前に示した成功例です。 上の図は「スニーカー」を正常として学習させています。 そして、「ブーツ」を異常画像としてテストしてみた結果です。 ブーツのヒールなどが異常部分として可視化できています。 今回やってみた失敗例です。 上の図は「馬」を正常として学習させています。 そして、「馬」を入力画像としてテ
最終更新日： 2021年10月6日 AI分野におけるセールスの重要性について、考察するために国内のAIベンチャーとして著名な株式会社シナモンのセールス4名と人事1名にインタビューを行いました。 株式会社シナモンはAIソリューションを提供するAIベンチャーです。AI-OCR、音声認識、自然言語処理(NLP)と言った、さまざまなAIソリューションを提供して、企業の収益性や生産性を改善しています。 AIの市場を広げていくために重要な「セールス」のノウハウをそれぞれの視点で語っていただいています。 AI分野におけるセールスの重要性 AIベンチャーの乱立 AIへの注目が高まった2010年代後半。多くの企業はAIの導入を一度は検討したことがあるでしょう。 特に画像認識系のソリューションが先発で多く誕生し、自動運転だけではなく、製造分野における異常検知、農業などの一次産業での活用など、多くの場面でAIが
システムエンジニアとしてITベンチャー企業と金融系企業に勤めた後、2019年にデータサイエンティストとしてブレインパッドに入社。 需要予測に関するプロジェクトに多く従事し、モデル構築から運用保守まで一貫して経験。LLMを活用したプロジェクトにも携わる。 Kaggle Competition Master。 ①プロジェクトの目的を明確にする まず初めに、プロジェクトの目的を明確にすることが重要になります。 これはデータ分析プロジェクト以外にも共通する部分ですが、プロジェクトとは「特定の目的を達成するために行われる期限のある活動」です。まずデータ分析プロジェクトの目的（=ゴール）を明確にし、発注側と受注側で共通認識を持つことが、プロジェクト成功に向けた第一歩となります。「目的を明確にするなんて当たり前。意識しなくてもできる」と思われるかもしれません。しかし、私の経験上、目的が曖昧で関係者の認識
新型Apple Watch Series6にはパルスオキシメーターや睡眠トラッキングなど新機能を搭載か、新たなリーク情報 - こぼねみ
Appleが今年後半に発表する予定の「Apple Watch Series 6」に搭載される新機能について、新しいリーク情報によれば、睡眠トラッキング、パルスオキシメーター、メンタルヘルスの異常検知などを搭載し、S6チップを内蔵、バッテリー駆動時間がより長くなるようです。 Nikias Molina氏のツイートをiPhoneHacksが紹介しています。 Molina氏の情報については、iPhone SE第2世代の発売日など正確なリーク情報で知られるJon Prosser氏がお墨付きを与えており、正確である可能性があります。 Apple Watch パルスオキシメーターは、動脈血の酸素飽和度（SpO2）を簡単に計測することができる装置です。血液を採取せずに数値を知ることができるのが可能です。 パルスオキシメーターといえば、新型コロナウイルスの感染判断ができるという情報が最近出回っていました。
衛星画像の「影除去」から解析まで オンリーワンのAI・ディープラーニング技術（秋山文野） - エキスパート - Yahoo!ニュース
'''衛星画像の「影除去」から解析まで オンリーワンのAI・ディープラーニング技術 株式会社Ridge-i 柳原 尚史''' 災害発生時に「緊急で発生箇所を知る」ことができれば、その後の対応に大きな力になります。2019年にJAXAからの委託により、光学衛星画像からディープラーニングを活用した解析により、土砂崩れ箇所を自動で検出する技術を開発し、第4回宇宙開発利用大賞で経済産業大臣賞を受賞した株式会社Ridge-i（リッジアイ）。広域を1分前後で高速解析し、約80パーセントの高精度検出が実現しました。熟練の検査員が目視で行っていた作業を自動化、高速化するとその先にどんな世界が開けるのか。代表取締役社長の柳原尚史さんに伺いました。 －－災害箇所の検出を広域で1分前後、そして80パーセントの高精度で検出することができたとのことですが、広域というのはどのぐらいの広さですか？ 柳原：被災地域を含む
Amazon EventBridge パートナーとしての日本の SaaS ベンダーのご紹介 | Amazon Web Services
Amazon Web Services ブログ Amazon EventBridge パートナーとしての日本の SaaS ベンダーのご紹介 Amazon EventBridge をご存知でしょうか? EventBridge は、独自のアプリケーション、SaaS および AWSのサービスから発行されるイベントをタイムリーにトリガーできるようにするサーバーレスなイベントバス機能として 2019年に発表されました。CloudWatch Events の拡張として作られており、AWSサービスからのシステムイベントも受信できますが、一番の特徴は、サードパーティの SaaS からイベント発行していただけるような仕様になっていることです（こちらもご覧ください）。 上図の左下あたりにある [SaaS Apps] として対応いただいたアプリケーションをご利用いただくと、SaaS 側で発生したイベントを Sa
子どもの能力は平均に回帰しない｜山本一郎（やまもといちろう）
気持ちは分かるのですが、子どもの能力という観点では、概ねにおいて行動遺伝学的にある程度は親から受け継がれるものがある前提で決まっていると言え、いわゆるサイコロのような完全ランダムの確率論で平均に回帰していくのだという考え方は根本から間違っています。そう見えるのは、その勝ち組が一人か二人しか子どもを生まず、その子が引いた遺伝子がたまたま「ハズレ」だっただけで、基本的には年収1,200万は上位3.4％の勝ち組とした場合は多く子どもが生まれる限り確率的には引き続き社会に勝ち組として君臨し続けます。 で、割と興味深いのは、レガシーな教育学や教育実践学な人たちの、ある種教条的な「すべての子どもたちには可能性がある」ので「（主に公教育においては）学習の機会を平等化するべき」という議論が教育データ論争とガッツリ組み合って、なぜか児童福祉で虐待や貧困から子どもを守るという子ども見守り事業へと横展開していて
爆誕予定のテレメトリー集約/可視化基盤を晒してみる - NTT Communications Engineers' Blog
この記事は、NTT Communications Advent Calendar 2023 8 日目の記事です。 はじめに こんにちは、イノベーションセンターでノーコード分析ツール「Node-AI」開発チームの林です。 業務としては Node-AI のフロントエンドやバックエンド開発、最近では監視/可視化のプラットフォーム開発に携わっています。 本記事ではこの監視/可視化のプラットフォームについて、検討段階ではあるのですがアーキテクチャを中心にまとめていきたいと思います。 Node-AI について Node-AI はノーコード分析ツールとなっていて「予測/異常検知モデルをすぐに・簡単に・わかりやすく作成可能」といったところを推しているツールとなっています。 インフラとしては、Google Cloud を利用しており Google Kubernetes Engine (以下、GKE)の上でア
進化したオルターロック AlterLockがさらに進化しました。 移動検知アラームや追跡機能のコンセプトはそのままに、通信と追跡性能、耐久性、稼働時間が向上。 ライダーやサイクリストのことを考えて機能を改良しました。 進化したAlterLockが安心感を高め、ライドの楽しみを広げます。 安心の異常検知アラーム 異常な動きを検知すると 最大95dBの大音量のアラーム音 が鳴ることで盗難を抑止します。 検知感度やアラームの鳴動時間を調整できるので、様々なシチュエーションに対応し、サイクルラックでも安心してご利用いただけます。 過信は禁物ですが、実際にアラームが鳴って犯人が逃げていったというケースも数多くご報告いただいています。 まずは、盗難を未然に防ぐことが重要 です。
AWS 導入事例：KYB 株式会社 | AWS
IoT と機械学習で設備予知保全システムを構築 AWS 活用により、従来の手法と比較して 97% のコスト削減を実現し、耐障害性も向上 四輪車や二輪車のショックアブソーバー、建設機械用油圧シリンダー、コンクリートミキサー車などの技術や製品を提供する KYB 株式会社。同社は 2017 年頃から、IoT や機械学習を活用した設備の予知保全の実証実験を開始し、翌年にはクラウドネイティブの予知保全システムが稼動。アマゾン ウェブ サービス（AWS）の活用により、オンプレミス環境と比べて 97% ものコストを抑えた予知保全システムを構築し、製品領域への IoT／AI 活用を推進しています。 膨大な AWS のサービスから当社の目的に合ったものを選択できるよう、CTC や AWS の担当者に相談しました。マネージドサービスも含めていろいろな選択肢を吟味し、オンプレミスと比べてスピーディかつ、大幅に小
米Amazon Web Services（アマゾン・ウェブ・サービス、AWS）は2020年12月1日（米国時間）、製造現場や食品加工場、物流センターなどに向けた5種の機械学習サービスを発表した。同日から一部サービスの一般提供（General Availability）を始める。これまで特定業種向けのAI（人工知能）サービスを提供していたIT企業にとって強力なライバルが現れた格好だ。 AWSは近年、Amazon SageMakerなどの汎用的な機械学習サービスに加え、医療や金融など特定業界向けの機械学習サービスの開発を強化している。今回、新たに製造業を中心にラインアップを拡充した。日経クロステックの取材に応じたAWS 機械学習担当VPのSwami Sivasubramanian (スワミ・シヴァスブラマニアン)氏は、その狙いについて「我々は顧客の声に基づきサービス開発の方向性を決めている。我
拡散モデルについて思ったこと、統計モデリング等との関係 - xiangze's sparse blog
久しぶりの投稿になります その間世の中では様々なことが起こりましたがStable diffusion,novelAI, DALL-e, midjourneyなど画像生成AIの流行もその一つです。 画像生成AIの性能の中核とも言える拡散モデルに関して他の機械学習手法との関連、そして多くのアイデアの源泉となった非平衡統計物理学，統計モデリング、進化生物学などとの関係に関して思ったことを書きます。 ためになる論文、本のリンクも貼ります。 目次 目次 score matchingとの関係 他の生成モデルとの関係 非平衡統計物理学との関係 統計モデリングの手法との共通点、相違点 情報幾何との関係 進化生物学との関係 専用ハードウェアへのヒント？ なぜ拡散モデルはうまくいくのか コンテンツ生成以外の応用 その他 Next Step(ToDo) ためになるリンク 英語 ためになる本 Fitness la
Ｈ３ロケット打ち上げ中止、電気的不具合が原因か ＪＡＸＡ分析
日本の次世代大型ロケット「Ｈ３」初号機が、予定の数秒前の異常検知で打ち上げを中止した原因について、宇宙航空研究開発機構（ＪＡＸＡ）は２２日、第１段ロケットの制御システムが異常を検知したのは、機体や地上設備の電気的な挙動が影響を与えた可能性が高いことが分かったと明らかにした。文部科学省の有識者委員会で報告した。 今後、さらに詳細な原因調査を行い必要な対策を実施。３月１０日までの打ち上げを目指すとしている。 ＪＡＸＡによると、初号機は鹿児島県南種子町の種子島宇宙センターで打ち上げ準備作業を進め、今月１７日午前、打ち上げの６・３秒前に第１段ロケットの主エンジンＬＥ９に点火したが、その直後、第１段ロケット全体の制御システムが第１段主エンジン用の電源供給系統に異常を検知。 システムは、次の段階である推力補助のための固体ロケットブースターに点火する信号の発信を自動停止し、打ち上げを中止した。主エンジン
YYPHP#97「掲示板を作るときに気をつけたほうがいいセキュリティ 」「PHPセキュリティのベストプラクティス」「掲示板のいいね機能の作り方」「MVCのServiceについて聞きたい 」「大規模インフラで向いているPHPの立ち位置とは」「Laravel向けに、AWSのセキュリティガチガチの構築スクリプトを作った話」 - Qiita
YYPHP#97「掲示板を作るときに気をつけたほうがいいセキュリティ 」「PHPセキュリティのベストプラクティス」「掲示板のいいね機能の作り方」「MVCのServiceについて聞きたい 」「大規模インフラで向いているPHPの立ち位置とは」「Laravel向けに、AWSのセキュリティガチガチの構築スクリプトを作った話」PHPAWSLaravelYYPHP これは2019年8月23日に開催したPHPerイベントYYPHP#97のイベントレポートです。 YYPHPは一言で「PHPerの部室」です。PHPについて、雑に、ゆるく、ワイワイ話し合う集いです。毎回お題を決めずに雑談を出発点にいろいろなことを突発的にやります。集まった人でコードリーディングをすることもあれば、一緒に開発ツールを触ってみたり、フレームワークについての情報交換をすることもあります。開催はほぼ毎週、高田馬場にて。 今回の配信動画
エニグモ、BUYMA の中のひとを知ってもらおうと、エンジニアへのインタビューをしてみました。 第3回は、2018年9月入社、データサイエンティストの庄子さんです。 インタビュアー 小澤：2011年4月入社。部長。 伊藤：2018年5月入社。新卒2年目。 これまでの経歴について 伊藤: エニグモ入社まではどんなお仕事をされていたのですか？ 庄子: 前職はデータ分析の受託ベンチャーで、その前は精密機器メーカーに10年近くいました。 伊藤: 大学ではなにをされていたのですか？ 庄子: 大学は理工学部で、材料や物質工学の研究をしていました。研究室では物性物理です。金属の酸化物の粉をまぜて焼いて解析するような内容です。 それから大学院には進まずに就職しました。 研究所に配属されて、部品の異常検知アルゴリズムの開発などをして、その後、カメラの事業部に異動して、オートフォーカスのアルゴリズム開発をしま
プロダクトマネージャーの切通氏が、開発ではなく「プロダクトマネジメント」の切り口で「Node-AI」開発の舞台裏を伝える「ノーコードAI開発ツールのプロダクトマネジメントの面白さと難しさ - Open TechLunch」。ここで切通氏と及川氏が登壇。まずは「Node-AI」についてと、販売の難しさについて話します。 切通氏の自己紹介 切通恵介氏（以下、切通）：では、「ノーコードAI開発ツールのプロダクトマネジメントの面白さと難しさ」というタイトルで、切通から発表できればと思っています。 まず自己紹介というところで、私はイノベーションセンターテクノロジー部門の切通と申します。一応プロダクトマネージャーという役職に就いています。やっている業務としては大きく3つあって、今日はおおむね1個目、そしてちょっと2個目も入っていますが、そのあたりのお話をします。 我々は「Node-AI」というノーコー
テクノロジーの発達によって、生活は便利になっている一方で、誰もがサイバー犯罪とは無縁でいられなくなった現代。株式会社網屋主催の「Security BLAZE 2022」では、セキュリティの最前線で活躍するエキスパートが集結し、さまざまなサイバー犯罪の手口や対策方法について講演を行いました。本記事では、企業がサイバーセキュリティ犯罪を100パーセント防ぐことの難しさと、その上で求められる「攻撃者目線でのセキュリティ対策」についてご紹介します。 サイバーセキュリティの技術力で、世界トップクラスの実績 岡本友輔氏：こんにちは、GMOサイバーセキュリティ byイエラエ 営業部の岡本と申します。本日は「攻撃者のお得意様になってはいけない！ 攻撃者目線から見た事故対応計画の必要性」というテーマで、30分お時間をいただいております。どうぞよろしくお願いいたします。 まずは弊社の企業概要からご紹介させてい
背景 全国フェミニスト議連による戸定梨香さんの交通安全PR動画の削除・謝罪要求をきっかけに、SNS上で、大別して「表現の自由派」と「フェミニスト派」に分かれ、いくつかの議論が散見された。主な議論としては、「女性の主体性」や「女性の性的客体化」に関してだったと思う。 その中で、「性的な絵と、公共に出していい絵は、顔を見れば区別できる」というフェミニストの興味深い意見があった（あくまで一人の意見）。 表現の自由もあれば、当然表現の受け取り方にも自由があるため、いわゆる「萌え絵」に性的・ジェンダー不平等性という文脈を見出してしまうのは個人の自由だと私は考えているが、女性の絵に「主体性があるか」「性的客体化がなされているか」といった「コンテクスト」を顔のみから判断できるとは、にわかには信じがたい。しかし、戸定さんとプリキュアの違いについても「一目瞭然」「この違いがわからないなんて...」といったフ
図２：異常検知を用いた手法のイメージ図。入力画像を再構成する手法を学習する深層学習モデルを、一般的な銀河を用いて訓練します (左側上段)。このモデルに希少天体 (例としてクエーサー) の画像を入力すると、珍しい特徴 (明るい中心核) を再現することができず残差が大きくなるため、希少天体として検出されます。右端の画像は、上から順に、g、r、iバンドでの残差を示しています。(クレジット：田中匠/東京大学) SWIMMY プロジェクトの第一段階として、本研究では HSC で撮影された大量の銀河画像の中から異常検知手法を用いた希少天体の探査を行いました。用意した約５万枚の銀河画像をコンピューターに学習させ、中心部分に珍しい色特徴や明るさを持つ銀河 (全サンプルの約 12 パーセント) を検出しました。 既存の銀河カタログと照合した結果、検出した候補天体の中には、クェーサー (注１) や、爆発的に星
Kaggle Wheatコンペからの学び 〜 物体検出コンペで当たり前に行われている（っぽい）こと - オットセイの経営日誌
先頃、KaggleのGlobal Wheat Detectionコンペに参加しました。 大学の研究・仕事を通じてこれまで画像データに触れることがあまりなかったのと、エールビールが大好きな自分としては小麦を眺めているだけで幸せな気分になれたことから、参加することにしました。 結果は、コンペ終了直後時点で、2270の参加チーム中、138位でした。 （注：本コンペは、ライセンス問題に伴いコンペ終了直後の順位がどの程度確定的なものか不明瞭なので、「コンペ終了直後時点で」と書きます。別記事でライセンス問題については触れるかもしれません。） ただその実態は、人様のNotebookをコピー＆ペースト＆継ぎ接ぎ、Discussionのアイデアを目を皿のようにして読み込んでパクる、の連発だったので、良い意味で自分の実力と言えるかは甚だ疑問です。 しかし、初めて物体検出コンペに参加し、私見ですが何が当たり前に
Introduction to Data Validation: MLOps における重要性とその分類、実用上の注意点について - Qiita
Introduction to Data Validation: MLOps における重要性とその分類、実用上の注意点についてMachineLearningMLOps この記事では MLOps における Data Validation (データバリデーション: データの検証) について概要を述べます。 Data Validation はこれ単体では新しい概念ではありません。たとえば入力フォームで入力値に制約を設け、その制約を満たすデータのみを入力値として受け入れるようにするのは、サービス開発では一般的なことでしょう。入力欄において空欄を許さない、値は特定のリストからのみ選択できるといった制約を設けている例は、開発者でなくても一般的に目にしたことがあるかと思います。 このように Data Validation は一般的な概念ですが、MLOps においては非常に重要な概念となります。また、そこ
Shall We GANs? 2019.6.12 高橋 智洋（オムロン） * この資料は動画未対応です．．． 自己紹介 •高橋 智洋 •所属: オムロン (2018 年 6 月入社) •興味 •理論物理: 学生時代は一般相対論の研究をしてました． •数理計画法: 離散最適について調査・実装． •機械学習: 今の仕事．最近はロボティクス関連も． GAN の研究例 理論面 応用例 Lossを工夫 計算の安定性向上 収束性向上 画像生成 domain変換 異常検知 Sequence to figure Progressive GAN CycleGAN DiscoGAN Stack GAN Video anomaly detection (V)AEとの合わせ技 AAE VAEGAN 3D 3DRecGAN Coulomb GAN WGAN WGAN-GP SNGAN TTUR LSGAN Imag
バクラクのお客様状況把握への取り組み - LayerX カスタマーサクセスチーム｜Takayuki Suzuki
こんにちは。LayerXの鈴木（@suuu）と申します。 この記事は、6月から始まっている #LXベッテク月間29日目の記事です。 前日の記事はy_matsuwitterさんの「Be Animalな縦とBet Technologyな横の組織づくり、これからのLayerX開発チームの目指すところ」でした。 https://tech.layerx.co.jp/entry/2022/07/08/080000 私は現在バクラク事業部 カスタマーサクセスという、バクラクサービスをご契約いただいたお客様が実際に業務がバクラクになっていただくための各種支援を行うミッションのチームに所属しています。 その中でCS Opsと呼ばれるカスタマーサクセスチーム全体の生産性向上にむけたシステム設計、オペレーション構築、データ分析などの活動を主務としております。 カスタマーサクセスはお客様の状況を的確に捉え、状況に
SaaS Annual Report 2022 ‐ The Key to Industry Transformation ‐ 本記事は、UB Venturesが発行する、日本およびアジアにおける2022年のSaaS市場の概況やトレンドをまとめた「SaaS Annual Report 2022 ‐ The Key to Industry Transformation ‐」のサマリー版になります。 フルレポート（32ページ）は、最下部のフォームよりダウンロードいただけます。 SaaS Annual Reportの刊行にあたり UB Ventures 代表取締役 マネージング・パートナー 岩澤 脩 2022年、上場SaaS企業の株価は大幅に下落。IPOも苦戦を強いられ、トレンドを牽引した海外のクロスオーバー投資家の意欲も減衰しました。 本当にSaaSは終わったのか? ファンダメンタルに目を向ける
【2022】注目のAIスタートアップ・ベンチャー企業まとめ114選【国内・海外別】。IT大手のディープラーニングの最新動向。 | 【テックジム】自習型・定額制の格安プログラミングスクール
HOMEコラム注目企業・注目ベンチャー【2022】注目のAIスタートアップ・ベンチャー企業まとめ114選【国内・海外別】。IT大手のディープラーニングの最新動向。 【東京本校】テックジムAIエンジニア養成コース・体験会「自習で学ぶ高速プログラミング」（平日19:00-22:00） ディープラーニングに関わる海外大手企業の動向Google：DeepMind買収劇から本格化2013年、カナダのAI（人工知能）研究所「DNNresearch」を買収。 2014年、人間を破った囲碁AIを開発した英国のスタートアップ「DeepMind」を4億ドルで買収しました。 さらに2015年に、人工知能・機械学習ソフトウェア TensorFlow をオープンソース化。TensorFlowはGitHubでもっともダウンロードされたフレームワークとなりました。 2018年には、AIの学習サイト「Learn with
未知の脅威を監視する！Microsoft Azureに対応した振舞い監視サービス「Colorkrew Log Filter for Azure Sentinel」をリリース
未知の脅威を監視する！Microsoft Azureに対応した振舞い監視サービス「Colorkrew Log Filter for Azure Sentinel」をリリース 株式会社Colorkrewが提供するクラウドマネジメントサービス「くらまね」は、Azure Sentinel によるMicrosoft Azure対応の振舞い監視サービス「Colorkrew Log Filter for Azure Sentinel」をリリースいたしました。Microsoft Azure内で発生した「サイバー攻撃」・「不審な振舞い」・「重大な影響を及ぼす作業」・「VMの脆弱性」などを検知します。 (https://www.colorkrew.com/mspazure01/clf/) 未知の脅威からシステムを守りたい 日々生み出される新種のウイルス。その数は、1日に数万・数十万と発生するとも言われ、セキ
外観検査がこんなに簡単に！？Amazon Lookout for Visionで欠陥検出をやってみた - Taste of Tech Topics
皆さんこんにちは @tereka114です。 さて、今回は2020年の「AWS re:Invent」で紹介された「Amazon Lookout for Vision」を評価していきます。 ※記事公開の2021年1月25日時点ではプレビューサービスであるため、GAとなった時には結果が変わる、適用できないTipsもありますが、ぜひお試しください。 Amazon Lookout for Vision Amazon Lookout for Visionの検証方法 検証データセット 検証内容 検証 学習データセットの数量の追加 学習データセットの異常データ追加 その他便利な機能 トライアル検出を用いた再学習機能 最後に Amazon Lookout for Vision Amazon Lookout for Visionは画像が正常か異常を判定する、異常検知のサービスです。 2020年の「AWS r
はじめに 異常検知AIソフトウェア・クラウドサービスを提供しているアダコテックでエンジニアをしているshin-ueです！ 今回は、弊社内で保有する電子部品を撮像した画像データに対して、異常検知を実施してみます。 そもそも異常検知って？ 異常検知における異常とは、みなさん何を思い浮かべますか？ 例えば、毎日休まず周期的な信号を出力してくれるシステムが一家に一台あったとします。 機械とよくケンカする僕みたいな人間は「ほんとうに周期的な信号だしてるのか！？」と疑いをかけてモニタリングしてしまいます。 t=9~11の出力値がいつもと違う変化をしているぞ・・・不良品だコイツこのやろう！（過激派） という感じで、「いつもの正常状態とは異なる状態」を異常と表現しています。 定期的に状態を監視し異常傾向を予兆してあげたり、異常状態を検出するような仕組みを作成し、異常発生したら関連システムにアラート信号を送
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
株式会社ディー・エヌ・エー、ソフトウェアテスト自動化プラットフォーム「Autify」導入でQAの工数を15%削減
MNISTを使ってオートエンコーダーによる異常検知を試してみよう
GRUとAutoencoderを用いた，動画の再構成手法の検証と実装 - Qiita
深層学習が強化学習において果たす役割とは？『現場で使える！Python深層強化学習入門』から紹介
ヤングKagglerは、いかにしてグランドマスターになったのか
教師データが足りないと「異常予測」は難しい、ならば「異常検知」から始めよう
2019年8月からロール内異常検知が有料になります - Mackerel お知らせ #mackerelio
PyTorchでBERTなど各種DLモデルを作りながら学ぶ書籍を執筆しました - Qiita
[SRE][Monitoring]イベントログの一元監視サービス「srest」を使ってみた！
【可視化】Ano-Unetで異常部分の可視化 - Qiita
トップセールスが語るAIを売るために必要な3つのスキル ーAIの発展に必要なのはエンジニアだけではない！ | AI専門ニュースメディア AINOW
データ分析プロジェクトを外注する際に失敗しないための5つのポイント | DOORS DX
AlterLock | 盗難防止アラーム&GPS追跡デバイス
AWSが製造業向けAIに参入、「破壊的テクノロジー」で機械学習を容易に
エンジニアインタビュー 第3回 庄子さん編 - エニグモ開発者ブログ
潜在的な課題を明確化して「最終的に解くべく課題」に導く “ノーコードAIツール”販売でPdMが感じた難しさ、おもしろさ
ハッカーよりも優秀な「ホワイトハッカー」の所属企業が説く、攻撃者目線のセキュリティ対策の重要性
人工知能はエッチな絵を識別できるか｜機械学習をするおによめ
すばる望遠鏡×異常検知 AI が捉えたへんてこな銀河たち | 観測成果 | すばる望遠鏡
Shall We GANs? 〜GANの基礎から最近の研究まで〜
SaaS Annual Report 2022 ‐ The Key to Industry Transformation ‐ | UB Ventures
異常検知技術を比較してみた（ルールベース, HLAC, PatchCore）