タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
ポルノや斬首画像をタグ付けし続け、月給2万円…「AI」機械学習の闇 | アマゾンやマイクロソフトから受注するインド企業に潜入取材
プラダンは大腸内部のポリープや、ガン化するかもしれない小さな新生物を探す。ぬらりとして赤く腫れたニキビにも似た突起物を発見すると、マウスを動かし、キーボードを叩いて、デジタルの輪を描画してマークした。 プラダンは医学を学んでいるわけではなく、「AI（人工知能）」の学習システムに関わっている。ゆくゆくは医師の仕事も、彼女が開発に“貢献”したAIに取って代わられるかもしれない。 AI「学習」の内幕 プラダンは、この小さなオフィスビルの4階で働く数十人の若いインド人男女のひとりだ。彼らはデスクの前にずらりと並び、ありとあらゆるデジタル画像のアノテーション（AIの学習向けにデータを紐付けること）をおこなう。 街頭写真に写りこんだ停止標識に歩行者、衛星写真の工場、石油タンカーに至るまでを正確に特定する。 大半のテック業界関係者が「世界の未来の姿」だと話すAIは「機械学習」と呼ばれる開発手法のおかげで
Raspberry Pi(ラズパイ)で何ができるのか、その可能性を模索している方は多いでしょう。これまではセンサーを取り付けてデータを収集するものが多かったですが、最近ではAI/機械学習と合わせて画像やデータを分析する事例も増えています。 今回はそんなAI/機械学習 × Raspberry Piの事例をまとめて紹介します。 認識・予測する ディープラーニングの活用例として有名な文字や物の認識、音から機械の稼働状況の認識の例を紹介します。いずれもRaspberry Piで動いてます。 数字の認識 ラズベリーパイと機械学習（python）を使って数字認識してみた カラー図解 Raspberry Piではじめる機械学習 基礎からディープラーニングまでに掲載されている数字認識を試したレポートです。実際の認識率は50%程度とのことです。 きゅうりの仕分け 「ディープラーニング×きゅうり」の可能性に、
キカガクはAIを含めた最先端技術を最短距離で学ぶことができる学習プラットフォームです。今なら新規ユーザー登録（無料）で、Udemy でベストセラーの「脱ブラックボックスコース」完全版をプレゼント！「実務で使える」スキルを身に着け、次の時代に活躍する人材を目指しましょう。
機械学習／統計学／データサイエンスの無償gacco動画、全まとめ【2021年秋版】：AI・機械学習の独学リソース（1/3 ページ） - ＠IT
機械学習／統計学／データサイエンスの無償gacco動画、全まとめ【2022年秋版】：AI・機械学習の独学リソース（1/3 ページ） 2022年3月末の最新状況に合わせて改訂。はじめてのAIから、機械学習、深層学習、自然言語処理、統計学、社会人のためのデータサイエンス（実用知識）、大学生のためのデータサイエンス（理論知識）まで、全28個の講義内容を紹介。本稿独自に考察した、学習者対象やお勧めの学習方法についても示す。
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。
Python＆AI・機械学習を無償の記事で学ぼう！ ＠IT連載まとめ：＠IT／Deep Insiderの歩き方 Pythonや機械学習（ディープラーニング）を学ぶための学習リソースとして、＠IT／Deep Insider上にある連載（技術解説記事）を、「Python」「開発環境」「数学／統計／データサイエンス」「ディープラーニング／機械学習」という4つの分野で紹介する（全18連載）。
連載目次 微分は関数が最小値を取るときのxの値を求めるために使えます。前回はその具体的な利用例として、最小二乗法による回帰分析を行う方法を紹介しました。しかし、取り扱った回帰式はy＝axという単純なものだけでした。そこで「偏微分」を利用し、複数の説明変数があるときにも最小二乗法が使えるようにします。つまり、重回帰分析の方法を見ていこうというわけです。 そのために今回は、偏微分の考え方と計算の方法について簡単な例で見ておくことから始めます。続けて次回、偏微分を利用して重回帰分析を行う方法を紹介します。 目標： 偏微分の意味と計算方法を理解する 複数の変数があるような関数（多変数関数）を微分するときに、1つの変数にだけ注目し、それ以外は定数として扱うというのが偏微分です。簡単な例を示しておきます。
世の中の企業がどのように機械学習を活用しているのか事例を知り、業界全体や自社の目の前の業務で抱えている課題解決に活かせるかを考えるきっかけとなるよう、52種類の事例を紹介します。 近年、AIにおける要素技術のひとつである「機械学習」を活用したニュースを耳にすることが多く、漠然と自社でも活用したほうが良いのではないかと考えている方は多いのではないでしょうか。 世の中の企業がどのように機械学習を活用しているのか事例を知り、業界全体や自社の目の前の業務で抱えている課題解決に活かせるかを考えるきっかけとなるよう、57種類の事例を紹介します。 宇宙ビジネスメディアである本サイト「宙畑（そらばたけ）」では、そんな「機械学習」にインプットするデータの一つとして、俯瞰的・継続的にデータを取得可能な「衛星データ」を提案しています。事例と合わせて、「衛星データ」の可能性にも注目いただけると幸いです。 ※202
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
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
転職・就活情報から未経験向け求人や動画学習まで、IT／WEBエンジニアに特化した総合求職・学習サイト「paiza（パイザ）」。 プログラミングスキルチェックを提供し、学歴や職歴ではなく「技術がある人」が評価され、活躍できる社会の実現を目指したサービスを提供しています。
日本語でのTransformerの活用拡大と、Transformerを超える技術発展が進む 高度なマルチモーダルAIの研究が進展し、何らかのサービス登場する ローコード／ノーコードのAIサービスを採用するケースが増える AutoMLを利用するケースは着実にさらに増えていく MLOpsは引き続き広まり、採用する企業が増えていく エッジデバイスでの機械学習／TinyMLの利用は引き続き拡大する 量子AI／量子機械学習の実用化に向けた研究がさらに進展する 責任あるAIのための原則や規制が各所で制定され続ける なお、AutoML、MLOps、TinyML（エッジデバイス上の小さな機械学習技術）、責任あるAIを支える説明可能性／解釈可能性やデータとプライバシーの規制強化などのトレンドは、数年を掛けて拡大中のため、2019年や2020年で予測した項目と重複しているが、2022年も継続するトレンドとして
エムスリーエンジニアリンググループ AI・機械学習チームでソフトウェアエンジニアをしている中村(@po3rin) です。 好きな言語はGo。仕事では主に検索周りを担当しています。 エムスリー のAI・機械学習チームでは情報検索論文輪読会を隔週で行っています。MLエンジニアだけでなく、ソフトウェアエンジニアも参加しているのが弊社の論文読み会の特徴で、専門関係なくチーム全体で情報検索/推薦に関する知識を高めていく場になっています。 最近、情報検索論文輪読会の特別企画としてSIGIR'21ワイワイ祭を開催しました。各々が1つのセッションを選び、そのセッション内の全ての論文をまとめて発表する祭です。今回はAI・機械学習チームメンバーが担当したセッションごとに、推し論文の紹介をしていきます。 Optimizing Dense Retrieval Model Training with Hard Ne
今更聞けないAR/VR,分散処理,AI/機械学習/ディープラーニング,データサイエンス,IoTにお役所、総務省の資料が使えた件 - Qiita
ありがとう総務省！ http://www.soumu.go.jp/ict_skill/ http://www.soumu.go.jp/ict_skill/pdf/ict_skill_c1_set.pdf で一括PDFダウンロード（463ページ）するのも手。 今日まで知らなかったが日本のお役所のIT事業で民間がまともに使えるシステム、資料を初めて見た気がする。 今更恥ずかしくて聞けないNoSQL、分散処理（hadoop, spark, ...）、マシンラーニングやディープラーニングの手法の根幹、 Rのお話まで登場。これは使える！ 最近時のテクノロジーの基本的事項の網羅性が高い！
【Python】Webアプリ開発、AI・機械学習、データ分析が学べるコンテンツ＆書籍23選 - paiza times
こんにちは。倉内です。 Pythonは文法がシンプルで初めてプログラミングを学ぶ方も取り組みやすく、また、近年はビッグデータ分析やAI・機械学習の分野で利用され人気の高いプログラミング言語です。 2020年1月に公開された『AI崩壊』という映画の中でもAIのプログラムはPythonで書かれていました。（画面にコードがよく映るので学習したことがある方はすぐ分かると思います。見る機会があれば注目してみてください） 人気があるので学習コンテンツや書籍も充実していますが、たくさんありすぎて逆に「どれで勉強するといいだろうか…？」と悩むこともあるかもしれませんね。 そこで今回は目的別にPythonを学べるオンラインコンテンツと書籍をご紹介したいと思います。 Pythonの基本を学ぶ オンライン実行環境がある学習サービス 【 Progate 】 【 paizaラーニング 】 【 PyQ 】 ローカル環
AI／機械学習やデータサイエンスに対する、エグゼクティブ／意思決定層の理解が深まる AI／機械学習やデータサイエンスの役割分担が進む MLOpsが浸透し、企業は大きな推進力を獲得する AI／機械学習の倫理の問題は、さらに大きくなってしまう AI／機械学習モデルは、説明可能になっていく AutoMLは大躍進する 自然言語処理（NLP）がさらに躍進し、活用事例が増えていく ファイナンス機械学習が一部でブームとなっていく 強化学習の主要な適用範囲が、ゲームから現実世界の産業分野へ移行する 5Gのサービス開始により、“AIoT”の事例が徐々に増えていく それではさっそく、1つ目から順に紹介していこう。なお、番号順は優先度／可能性順というわけではなく、単に説明しやすい分類／粒度順となっている。 1. AI／機械学習やデータサイエンスに対する、エグゼクティブ／意思決定層の理解が深まる AlphaGo（
連載目次 前回の番外編4では、図形的な意味や一次独立、一次従属といった線形代数の基本を踏まえて行列式について見てきました。今回も同様に、固有値と固有ベクトルの考え方について、ポイントを押さえながら説明します。また、行列の対角化を行うことにより、行列のべき乗を簡単に求める方法を紹介し、その応用としてマルコフ過程の事例を紹介します。 ポイント1 固有ベクトルは一次変換を行っても向きが変わらないベクトル ひと言でいうと、固有値や固有ベクトルは一次変換を特徴付ける値やベクトルです。しかし、以下のような式がいきなり登場して面食らってしまった人もいるのではないでしょうか。 「一次変換を表す行列をAとしたとき、 を満たす0でないベクトルxをAの固有ベクトル、λを固有値と呼ぶ」 というものです。確かに、式を見た瞬間に気を失いそうになりますね。しかし、Aが行列で、λが定数であることに注目すれば、ベクトルを一
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2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2部 偏微分」を電子書籍（PDF）化したものである。ちなみに偏微分は本連載でも一番人気のパートとなっている。 微分や偏微分は、AI（人工知能）やデータサイエンスにおける機械学習の理論を理解する上では避けて通れない必修の数学項目だ。機械
Googleは2023年3月8日（米国時間）、AI（人工知能）／ML（機械学習）業界の多くの主要企業が共同開発を進めているオープンソースMLコンパイラエコシステム「OpenXLA」（XLA：Accelerated Linear Algebra）の利用と貢献を可能にしたと発表した。 OpenXLAの開発にはAlibaba、Amazon Web Services（AWS）、AMD、Apple、Arm、Cerebras、Google、Graphcore、Hugging Face、Intel、Meta、NVIDIAなどが参加している。 利用するフレームワーク増加に伴うサイロ化が課題に 現在のML開発、導入では「TensorFlow」「PyTorch」「JAX」といったMLフレームワークや、多種多様なハードウェアの利用により、インフラが断片化、サイロ化していることが問題となっている。問題の背景には、
AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ！：AI・機械学習の数学入門（1/4 ページ） 機械学習の数学は難しい!? そう思っている人はここから学んでみよう。本連載では、小学校で習う「四則演算（足し算／引き算／掛け算／割り算）」を使って、機械学習の数学をできるだけ分かりやすく簡単に説明していく。だからサブタイトルは「― 中学／高校数学のキホンから学べる」。今回は距離を求める中学数学をおさらいする。 連載目次 機械学習は、人間の日常とそう変わらない この連載を読もうとする方々は機械学習について興味をお持ちなので、回帰とか分類といった用語は既にどこかで見聞きしていることと思います。また、機械学習がどういうものかというイメージもそれぞれお持ちだと思います。しかし、多くの人が、機械学習を必要以上に難しく捉えすぎなのではないか、と最近つくづく感じています（私自身、そうでした）。そこ
似てる兄弟をAI（機械学習）で分類する
似てると30年ずっと言われ続けている兄と僕を機械学習で分類させたらどうなるのかやってみた。 ※ AIという言葉は様々な意味を含みますがここでは「機械学習＝AIの一つの手法」という意味で扱います 大学中退→ニート→ママチャリ日本一周→webプログラマという経歴で、趣味でブログをやっていたら「おもしろ記事大賞」で賞をいただき、デイリーポータルZで記事を書かせてもらえるようになりました。嫌いな食べ物はプラスチック。（動画インタビュー） 前の記事：そろそろWeb記事もYoutubeっぽくするべきじゃないだろうか？ ＞ 個人サイト ジャーニーとモアイとめがね 左が兄で、右が僕、手前が兄の息子 兄弟で似てると言われ続けて30年経った。中学生の頃に「大人になったら顔も変わってくるだろな」と想像していたのだけれど、歳を重ねるにつれてますます似るようになった。 髪型もほぼ同じだし、兄が見た目を寄せてきている
機械学習／人工知能（AI）の活用領域は広まるばかりだ。期待が高まる一方で、「人の生命に影響を及ぼしかねない事故や不適切な判断につながるのではないか」と議論を呼ぶこともある。 2019年11月19日に開催された「＠IT ソフトウェア品質向上セミナー 2019 冬～不確実性が高まるDX時代のソフトウェアテスト／品質保証はどうあるべきか」の基調講演において、AIプロダクト品質保証コンソーシアム 副運営委員長であり、国立情報学研究所 准教授を務める石川冬樹氏は、「不確実性」をはじめとするAIの特質を踏まえながら、どのように品質を保証していくかについてのヒントを紹介した。 「帰納法」で作られる機械学習システムにまつわる品質保証上の課題 石川氏はソフトウェア工学に関する研究に携わりつつ、機械学習システム開発、運用に関わる工学的手法の確立、体系化に取り組む「日本ソフトウェア科学会 機械学習工学研究会」（
機械学習の数学は難しい!? そう思っている人はこの連載から学んでみよう。サブタイトルは「― 中学／高校数学のキホンから学べる」。本連載では、小学校で習う「四則演算（足し算／引き算／掛け算／割り算）」を使って、機械学習の数学をできるだけ分かりやすく簡単に説明していく。 第1回 AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ！（2020/03/02） 機械学習は、人間の日常とそう変わらない 機械学習で使われる数学は結局のところ四則演算だけ！ 四則演算のルールをざっとおさらい ・目標 ・解説 - ルール1 同じ数を何回か足す計算は、掛け算で表せる - ルール2 同じ数を何回か掛ける計算は、べき乗で表せる - ルール3 計算には優先順位があり、かっこで囲んだ計算が優先される ・コラム 計算の順序を工夫すると暗算が簡単になる ・練習問題 距離を求める ～ 機械学習で使われる数学（1）
こんにちは、LeapMindでマーケティングを担当している坂口です。 今、AIや機械学習を活用した世の中での取り組みや事例を知ることで、自分の身の回りのどのようなことに活用できそうかを考えるきっかけや土台となるよう、昨年からはじめた AI/機械学習 NEWSのまとめ記事を今年もお届けします！ ただ、「AI」という言葉を使用しているだけ、サービスをリリースしただけといったNEWSではなく、実際に現場に組み込まれた事例や実証実験を開始したものなど具体的なNEWSを厳選してピックアップしています。（※そして特に「画像認識」がメインです。） 興味のある業界だけチェックしてもよし、全部目を通して今年を振り返るもよしです！ わかるものは各企業の関係なども入れてます。 業界ごとの活用マップもつけているのでぜひ見てみてください〜！ ■ ダイジェスト 昨年から大きく変化した部分はないですが、自動車や交通では
［AI・機械学習の数学］正規分布とベータ分布、確率分布とベイズ統計の関係を理解する：AI・機械学習の数学入門 統計学や機械学習で使われるさまざまな確率分布のうち、連続分布の例として正規分布とベータ分布について見ていく。また、最近主流になりつつあるベイズ統計の関係についても簡単に紹介する。
こんにちは、10月後半の2週間、エムスリーのAI・機械学習チームでインターンをしていた後藤です。 今回は私の行ったタスクと、インターン生からみてエムスリーはどのような会社なのかについて書いていこうと思います。 他の学生の方々のインターン選びやBigQueryのテスト手法に悩んでいるエンジニアの方々の参考になれば幸いです。 BigQueryのローカルテスト基盤を作った話 背景 BigQuery Emulatorの登場 bqemulatormanagerの作成 スキーマの自動取得 並列処理への対応 テストコードの導入 BigQuery Emulatorを使用する際に気をつけるべきポイント インターンの話 進め方について AI・機械学習チームについて 終わりに BigQueryのローカルテスト基盤を作った話 背景 AI・機械学習チームでは、BigQueryに日々蓄積されている大規模データから所望
連載目次 前回までは、特定の事象（できごと）が起こる確率の取り扱いやベイズの定理などについて見てきました。ここからは「確率分布」について見ていきます。 確率分布とは、全ての事象に対する確率を洗い出して、それらの事象がどのような確率で起こるかを表したもの……いわば全体像を表したものと考えていいでしょう。といっても、抽象的すぎて何のことか分からないかもしれませんね。しかし、具体例を見れば「なんだそんなことか」と簡単に分かる話です。 ここでは「分布」とはそもそもどういうものか、ということから始め、今回は離散分布の例としてベルヌーイ分布と二項分布を、次回は連続分布の例として正規分布とベータ分布を紹介します。併せて次回、ごく簡単にではありますが、事前分布や事後分布など、ベイズ統計に関する話題についても触れます。具体的には、今回と次回で以下のようなトピックを扱います。
連載目次 AI・機械学習を行うにはデータが必要だ。そのデータは、患者さんの診療情報だったり、店頭にカメラを設置して無断で録画した情報だったり、インターネット上にあるコンテンツをスクレイピングによって抽出した情報だったりする。よくよく考えてみると、診察情報は患者にとって公開したくない「個人情報」であるし、勝手に録画された映像には「肖像権」、コンテンツには「著作権」という「個人の権利」を含んでいる。つまり「個人情報／個人の権利」は、「AI」に常につきまとう課題なのである。 日本の個人情報保護法の下では、AIのデータはどういった扱いになるのだろうか？ この疑問に対する、非常に分かりやすい発表があった。具体的には、日本マイクロソフトが2019年10月7日に開催した「DLLAB Engineer Days Day2: Conference」という勉強会の「AIと個人情報」というセッションである（図1
連載目次 前々回は「説明変数が1つだけの回帰分析」を、前回は偏微分の考え方と計算の方法について学びました。それらの内容を踏まえて、今回は偏微分の応用編として「説明変数が複数ある重回帰分析」を行う方法を見ていきます。 目標： 偏微分を利用して重回帰分析を行う 重回帰分析の回帰式の例は以下のようなものでした。いくつかの値を基に、このような回帰式の定数項と係数を求めようというのがここでの目標です。 回帰式の求め方は前々回の例と同様で、観測値（実際に得られたデータ）と理論値（回帰式で求めた値）との差の二乗和が最小になるように定数項や係数を決めるという方法です。 解説：偏微分を利用して重回帰分析を行う まずは、具体的な例で考えてみましょう。図1のような不動産データがあったとします。このデータを基に回帰式の定数項と係数を求めてみたいと思います。実はこの例であればExcelでもできるので、ついでにExc
近年さまざまな分野でAI（人工知能）の導入が急速に進められています。ディープラーニングによってAIは大きな飛躍を遂げ、このブームの火付け役となりました。本稿では、ディープラーニングの基本知識、AI、機械学習との違い、仕組み、学習方法から応用例まで、分かりやすく解説します。 ディープラーニングとは？ディープラーニング（Deep Learning）とは、脳の神経回路のしくみを模したニューラルネットワークを多層に重ねることで、学習能力を高めた機械学習の手法の一つです。ディープラーニングによって、データの特徴をより深く学習し、複雑な処理ができるようになりました。 日本語では深層学習と訳され、これはディープラーニングを構成する「ニューラルネットワーク」の層が多いことを「層が深い」と表現することから由来します。 ディープラーニングの誕生 出典：松尾 豊『人工知能は人間を超えるか』P61より ディープラ
自然言語処理（NLP）に革命を起こした手法「Transformer」の利用領域がさらに拡大する ディープラーニング以外の機械学習関連技術に対する認知と利用が広がる AI／機械学習の倫理問題はさらに大きくなり、データとプライバシーの規制が強化される MLOpsはさらに成長し、採用する企業が増えていく エッジAIが普及し、エッジデバイスでの機械学習関連処理が当たり前になる それでは早速、1つ目から順に紹介していこう。なお、番号順は優先度／可能性順というわけではなく、単に書いた順である。 1. 自然言語処理（NLP）に革命を起こした「Transformer」の利用領域がさらに拡大する 昨年2019年は「自然言語処理（NLP）がさらに躍進し、活用事例が増えていく」と予測したが、まさに2020年はNLPの年だったと誰もが実感しているのではないだろうか。その躍進の根源となる技術がTransformer
AI・機械学習の無料電子書籍
AI・機械学習の無料電子書籍 「AI・機械学習の無料電子書籍」は、機械学習／ディープラーニング、統計学／データサイエンスといった、人工知能（AI）関連技術を習得するのに役立つ電子書籍（特に無料のもの）を厳選して紹介するコーナーです。 Excelで学ぶ、やさしいデータ分析（2024/04/24） ＠IT eBookシリーズ第117弾は、連載『やさしいデータ分析』の全編を電子書籍化しました。表計算ソフトで試しながら、基本的なデータ分析を学べます。前提知識は不要で、全ての社会人にお薦め。ここからデータ分析の第一歩を踏み出しましょう！
連載目次 前回は高校で学んだ確率の基礎と条件付き確率をおさらいしました。今回は、その内容を踏まえて、機械学習の基礎として幅広く利用されているベイズの定理についての理解を深めていきたいと思います。前回と今回で取り扱っているトピックは以下の通りです。 前回「確率の基本から条件付き確率までをおさらいしよう」： 【その1】確率の表し方： 目標と解説 【その2】和事象・積事象、排反事象： 目標と解説 【その3】独立と従属、条件付き確率： 目標と解説 今回「機械学習でよく使われる『ベイズの定理』を理解する」： 【その4】ベイズの定理： 目標と解説 【その5】ベイズの定理の展開： 目標と解説 【その6】ベイズ更新： 目標と解説 ベイズの定理は、難しい印象のあるベイズ統計学の基礎の基礎ですが、条件付き確率の乗法公式さえ分かれば、簡単に理解できます。一歩ずつ丁寧に説明していくので、急がずにゆっくりと読み進め
AI・機械学習のデータセット辞典
データセット「GLUE」について説明。英語で自然言語処理モデルの性能を評価するための標準ベンチマーク。英語文法の正しさ判定などの9つのタスク（CoLA／SST-2／MRPC／STS-B／QQP／MNLI／QNLI／RTE／WNLI）に対応するデータセットのコレクション。
事前登録された写真から、タブレットで顔認識と入場登録可能会場に到着後、まず目を引いたのが入場登録の顔認証システムだ。事前にLINE経由で写真を登録したうえで、受付にあるiPadを覗き込むと、写真データをもとに顔を認識し15秒程度で入場登録を完了できる。 「AIカンパニー」としての位置づけを強調今回のKeynoteスピーチで特徴的だったのは、2018年に引き続きAI技術そのものにフォーカスした発表がトップを飾ったことだ。スピーチ冒頭でもパク・イビンCTOは、同社のビジョン「LIFE with LINE」に触れ という、同社がよりAI技術へ注力していく方針を示した。 LINE DevDay 2019 Keynote p.5より LINEのAI技術とノウハウが詰まった 「LINE BRAIN」スピーチではパクCTOのほか、AI、データ、セキュリティのパートごとに3名が登壇した。「Natural
概要 特にコンピュータービジョンの分野についてのリンク集です. 春から卒業研究をする人や, この分野を学んでみたいけど応用対象が見つからない人などの参考になれば幸いです. ライブラリ lbpcascade_animeface.xml (lbpcascade_animeface · GitHub) アニメ顔検出の学習済みモデル. 多くの文献にて使われており, 精度も高いです. 寺島ら1 によると, 様々な人によって描かれた一人, もしくは複数人のキャラクターが描かれているイラスト画像2635 枚に対して行ったキャラクター顔検出の性能は, 精度:約95%, 再現率:約52% となっています. プログラム自体も数行で終わり, 導入も簡単であるため, ちょっとしたお遊びでも有用です. 実際に使用する際に, バウンディングボックスを1.5倍の割合でズームアウトさせることもあります. illustra
連載目次 年末なので、2020年／2021年／2022年に続き今年も、来年2023年向けの「AI／機械学習の予測」をしてみようと思う。とはいっても、未来を予言できるほどの情報力も自信も筆者にはないので、幾つかのサイトからの情報源（本稿の最後に掲載）を大いに参考にして、筆者なりの考えをまとめてみる。本稿では、下記の6項目を予想した。 最先端AIで「オープンソース」が流行して技術発展が加速する 一般社会で「生成系AI」への注目が拡大していく 「データ＆AI活用の民主化」が浸透していく 生成系AIの発展に伴い「問題」がより顕在化していく 「RLHF（人間のフィードバックを用いた強化学習）」の応用が広がる 「基盤モデル（Foundation Model）」が続々と登場する 上記の幾つかの技術は、説明の切り口が違うだけで内容がオーバーラップしていることを、あらかじめご容赦いただきたい。知っておくべき
連載目次 機械学習では、値を少しずつ変えていき適切な値に近づけていくという計算をよく行います。最初は適切な値とは大きく離れていますが、徐々に近づいていくでしょうから、変化率を見れば適切な値に近づいているかどうかが分かります。変化率が無視できるほど小さくなれば、そのときの値が最適な値と見なせるはずです。 ところで、そもそも変化率というのはどういうものでしょうか。今回は変化率の意味を確認し、さらに微分の考え方と計算方法を学びます。 目標【その1】： 平均変化率を理解する 平均変化率とは、一定の間隔の中でどれだけ値が変わったか、ということです。 で表されます。平均変化率が正なら増えていることを表し、0なら変化していないことを表します。負なら減っているということが分かります。また、ある時点での平均変化率よりも次の時点の平均変化率が大きければ、ますます増加する傾向にある、ということも分かります。 解
はじめまして、エムスリーエンジニアリングGプロダクトマネージャーの植田です。23年8月にエムスリーに入社し、エンジニア十数名が所属するAI・機械学習チームへ専任プロダクトマネージャーとして参画しています。スタートアップカルチャーが浸透している本チームで半年強働く中での学びを振り返りたいと思います。 DALL·E 3で生成したプロダクトマネージャーが学んでいる絵 どうしてエムスリーへ入社したのか AI・機械学習チームとプロダクトマネージャーとしての業務 学び (1)：チームの足りていない領域を補完するのがプロダクトマネージャー 学び (2)：いつまでに成果を出すのか決める まとめ We are hiring!! どうしてエムスリーへ入社したのか 前職では6年程大手通信キャリアで社内向け基盤の開発チームでプロダクトオーナーを担当していました。日々クラウドやデジタルマーケティングの技術を追う楽し
[レポート] AWS の AI・機械学習系サービスは Game 開発でどう活用されるか聞いてきた – Amazon Game Tech Night #15 #AmazonGametech | DevelopersIO
Game Tech Night #15 8/21(水)、「ゲーム業界向け AWSで実現する機械学習」とのサブタイトルで Amazon Game Tech Night #15 が開催されました。 Amazon Game Tech Night #15 〜ゲーム業界向け AWSで実現する機械学習〜 - connpass このブログではそのうちの後半のセッション、「Game 開発で活用するAWS の AI/ML サービスのご紹介」についてレポートします。AWS が提供している AI・機械学習系のサービスを、デモや事例を交えて丁寧に紹介して頂きました！ なお前半のセッション「ゲーム業界における機械学習の活用事例」については、別記事があがっていますので、そちらもぜひご参照ください！ [レポート]ゲームに活用されるAIの多様性〜Amazon Game Tech Night #15 #AmazonGame
![[レポート] AWS の AI・機械学習系サービスは Game 開発でどう活用されるか聞いてきた – Amazon Game Tech Night #15 #AmazonGametech | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/a52b3337cc629824708ece9f34bfe6dc64168e27/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2019%2F08%2Feyecatch-201908-report-amazon-game-tech-night-15-2.png)
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/機械学習 × Raspberry Pi(ラズパイ)の可能性を感じる事例まとめ16選 – ピクアカインフォ
キカガク | AI・機械学習を学ぶ動画学習プラットフォーム AIプログラミングスクール
【2020年GW】今すぐ無料でAI・機械学習が学べる学習コンテンツ11選 | Ledge.ai
Python＆AI・機械学習を無償の記事で学ぼう！ ＠IT連載まとめ
［AI・機械学習の数学］偏微分の基本（意味と計算方法）を理解する
【保存版】課題から探すAI・機械学習の最新事例57選 | 宙畑
「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！
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～
【CV上坂すみれ】AI・機械学習入門2～声優識別AIを創る～｜paizaラーニング
2022年の「AI／機械学習」はこうなる！ 8大予測
エムスリー AI・機械学習チームのSIGIR'21推し論文を紹介するぜ！ - エムスリーテックブログ
2020年の「AI／機械学習」界わいはこうなる！ 10大予測
［AI・機械学習の数学］線形代数の固有値・固有ベクトルをマスター
AI・機械学習のための数学超入門 ～第2部 偏微分～
Googleらが共同開発、AI／機械学習を支援するオープンソース技術「OpenXLA」とは
AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ！
AI／機械学習の品質保証が抱える課題に開発者はどう対応すべきか
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
2019年 AI / 機械学習 業界別ニュース 総まとめ【マップ付】 | LeapMind inc.
［AI・機械学習の数学］正規分布とベータ分布、確率分布とベイズ統計の関係を理解する
AI・機械学習チームでのインターンでBigQueryのローカルテスト基盤を作った話 - エムスリーテックブログ
［AI・機械学習の数学］確率分布の基本、ベルヌーイ分布、二項分布を理解する
個人情報を含むデータは、AI＆機械学習に使えるのか？～個人情報保護法～ ― DLLAB勉強会
［AI・機械学習の数学］偏微分を応用して、重回帰分析の基本を理解する
ディープラーニングとは|意味・AI、機械学習との違い・仕組み・学習方法から応用例まで | Ledge.ai
2021年の「AI／機械学習」はこうなる！ 5大予測
［AI・機械学習の数学］機械学習でよく使われる「ベイズの定理」を理解する
LINEのAI・機械学習の取り組みを一挙紹介〜顔認識入場や電話予約対応AI、不審ユーザ認知など実現 | Ledge.ai
AI(機械学習) × イラスト リンク集 - Qiita
2023年の「AI／機械学習」はこうなる！ 6大予測
［AI・機械学習の数学］微分法の基本を身につけて「変化」を見極めよう
AI・機械学習チームでのプロダクトマネジメントの学びを振り返る - エムスリーテックブログ
solomeshi.net
www.antiatom.org
isuzu-soccer.hatenablog.com
nuclearabolitionjpn.com
lifetime-fun.link
news.yahoo.co.jp