著者のLuke Posey氏は、機械学習エンジニアのキャリアを積んだ後にAIスタートアップSpawner.aiを創業するかたわらMediumに記事を投稿しており、AINOW翻訳記事『無闇にデータサイエンティストを雇うのをやめよう。』の著者でもあります。同氏が最近Mediumに投稿した記事『機械学習エンジニアは10年後には存在しないだろう。』では、近い将来、「機械学習エンジニア」という職種が実効的な意味を持たなくなる、と予想が論じられています。 第三次AIブーム黎明期の頃、機械学習エンジニアは数学と統計学に関する専門知識を習得しているという希少さゆえに、高く評価され高額報酬を手にしていました。この職種には、最先端の技法を製品やサービスに落とし込む「研究者兼技術者」という立ち位置が依然として求められています。 しかし、近い将来、機械学習エンジニアには研究者としての側面が求められるなくなるだろう
企業で働くデータサイエンティストになって10年が経ちました - 渋谷駅前で働くデータサイエンティストのブログ
TL;DR 10年前の落ちこぼれポスドクが今は立派なデータサイエンティストになれたっぽいので、ポエムを書きました。業界事情の振り返りと、仕事の話、知名度が上がることの良し悪し、キャリアの話などを綴っています。 時が経つのは早いもので、落ちこぼれポスドクだった僕が企業転職をし、データサイエンティストになって今日で10年が経ちました。自分の中ではデータサイエンティストに転じたのはついこの前のことのように思える一方で、あまりにも多くの様々な体験をしてきたせいか「もっと時間が経っている気がするのにまだ10年しか経っていないのか」という気もしています。 今でも時々SNSで話題に上る回顧録を書いたのが3年前のことなんですが、それ以降は相変わらず同じく現職に留まり続けていることもあり、有体に言えばそれほど大きく変わったことはありません。なので、新たに3年間の振り返りを書くのではなく、回顧録で書き漏らした
anond:20120303220901を見て何となく調べてみたくなった。デイリーのホットエントリに入っているものだけだから抜けがあると思う。 482あとで/3046users 【永久保存版】「お金がもらえる・戻ってくる制度や手当」をまとめてみた→リプ欄にも続々情報が集まって有能「行政がやるべきことを無償で…神」 - Togetter 372あとで/2421users 【永久保存版】Gitのあらゆるトラブルが解決する神ノウハウ集を翻訳した - LABOT 機械学習ブログ 329あとで/1559users 初心者が無料で勉強できる良教材いろいろまとめ - orangeitems’s diary 271あとで/1298users すべての新米フロントエンドエンジニアに読んでほしい50の資料 - Qiita 258あとで/2327users お金の話について｜ヨッピー｜note 256あとで/1
![[あとで読む]2019年7月あとで読むトップ２０リスト](https://cdn-ak-scissors.b.st-hatena.com/image/square/b1638cdb5807a4788e4ba3c1109a984166e095fc/height=288;version=1;width=512/https%3A%2F%2Fanond.hatelabo.jp%2Fimages%2Fog-image-1500.gif)
損失関数・不均衡 不均衡データにおけるsampling ランク学習のListNetをChainerで実装してみた 不均衡データへの決定打となるか！？「Affinity loss」の論文を読む、実装する 不均衡データを損失関数で攻略してみる 解説編：オーバーサンプリング手法解説 (SMOTE, ADASYN, Borderline-SMOTE, Safe-level SMOTE) LightGBMでランキング学習 半教師あり学習のこれまでとこれから Struggling with data imbalance? Semi-supervised & Self-supervised learning help! 深層学習 転移学習：機械学習の次のフロンティアへの招待 ディープラーニングの判断根拠を理解する手法 DNC (Differentiable Neural Computers) の概要 +
データ分析部門にビジネス上のレゾンデートルを与えるということ - 渋谷駅前で働くデータサイエンティストのブログ
3月にばんくしさんとイベントでご一緒したり個人的に話をする機会*1があったんですが、その際に何度も話題にされていたのが「エンジニア部門やAI部門にビジネス上のレゾンデートル（存在意義）をどう与えるか」というテーマでした。これについては実際にご本人もnoteの記事としてまとめられています。 このnote記事ははてブ数を見るまでもなく各所で多くの議論を呼んだようで、観測範囲ではかなり広汎に分かれた論調が散見されています。そのいずれもそれぞれの界隈*2における実態を反映しているように見受けられ、一口にエンジニア業界・AI業界といってもやはり多様なのだなという感想を持ちました。 ということで既にある程度論点が出尽くしてきた感もありますが、今回のブログ記事ではデータ分析部門の話題に特化した上で、そこに僕の見聞談並びに見解を幾許か付け加えてみようかと思います。ちなみにあまり楽しい話題ではない旨、予め警
2020年度、小学校でのプログラミング教育が必修化した。子を持つ親はもちろん、プログラミングの経験者や今もIT業界に身を置く人なら、その内容はかなり気になるところだろう。 筆者も小学生の娘を持つ親であり、学生時代には情報系の学科でプログラミングを学び、現在もプログラムを仕事で書くことが多い。わが子が受けるプログラミング教育とはいかなるものやと、期待半分不安半分で関心を持っている。 しかし、2020年は新型コロナウイルス感染症が猛威を振るい、授業参観など学校へ保護者が赴く行事は軒並み中止になってしまった。一方では、自宅のポストに近所の学習塾から「プログラミング教育必修化対応」をうたう案内が届くことも珍しくない。 そんな中、AIベンチャーのPreferred Networks（PFN）と、全国に学習塾を展開するやる気スイッチグループが、プログラミング教室「HALLO powered by Pl
達人出版会
探検! Python Flask Robert Picard, 濱野 司(訳) BareMetalで遊ぶ Raspberry Pi 西永俊文 なるほどUnixプロセス ― Rubyで学ぶUnixの基礎 Jesse Storimer, 島田浩二(翻訳), 角谷信太郎(翻訳) 知る、読む、使う！ オープンソースライセンス 可知豊 きつねさんでもわかるLLVM 柏木餅子, 風薬 R／RStudioでやさしく学ぶプログラミングとデータ分析 掌田津耶乃 データサイエンティストのための特徴量エンジニアリング Soledad Galli(著), 松田晃一(訳) 実践力をアップする Pythonによるアルゴリズムの教科書 クジラ飛行机 スッキリわかるサーブレット＆JSP入門 第4版 国本 大悟(著), 株式会社フレアリンク(監修) 徹底攻略 基本情報技術者教科書 令和6年度 株式会社わくわくスタディワール
牛の背に乗るネズミになれ! ソフトウェア思考のススメ
牛の背に乗るネズミになれ! ソフトウェア思考のススメ 2020.01.04 Updated by Ryo Shimizu on January 4, 2020, 14:06 pm JST 昨年一年間をかけて、僕は日本の大企業群を研究した。 大企業の中心で働く様々な人にインタビューし、彼らの会社が技術をどう捉え、ビジネスをどう捉えているかを知った。 どうしてこれほど海外のネット企業勢の蹂躙を許しているのだろうか、という疑問に答えるためだ。 そしてわかったのは、根本的に日本のビジネスシーンでは「ソフトウェア」が理解されていないということだった。 プログラミングではない。ソフトウェアである。 アメリカのネット企業のトップも全員がプログラマーというわけではない。 しかし、彼らはソフトウェア的発想、ソフトウェア的思考法というものをごく当たり前のように身に着けている。 これを僕は「ソフトウェア思考」と
本内容は、技術書典7 合同本『機械学習の炊いたん2』収録の、「エッジで機械学習」記事を公開したものです。内容は2019年9月時点の調査等に基づきます。 最近Raspberry Pi 4の検証結果などをみていると、エッジ、かつCPUでもそれなりの速度で動くケースもみられます。またこの後にM5StickV(K210)などを触りましたが、専用チップも使い所があります。今後、それらの動きもできれば補足したいと思います。 9/12-22に開催された技術書典9では、新刊『機械学習の炊いたん3』を頒布しました。私は、「AIエンジニア、データサイエンティストのための経営学、ソフトウェア工学」を寄稿しています。他にも機械学習のビジネス、エンジニアリング、数理までもりだくさん。気になられたら、ぜひご覧ください! 他にも、技術書典9「機械学習、データ分析」系の新刊リスト - Qiitaの通り、たくさんの本が出品
エンジニアになります
以下よくある未経験転職モノですので、苦手な方はご注意ください。 2020年8月から都内のベンチャーさんでエンジニアとして働くことになりました。目下のミッションでは医療データの解析をして疫学研究みたいなことをやるので、データサイエンティストともいえるかもしれません。 また自社サービスのAPIを実装したり、フロントを実装することもあるみたいなので、色々トライできそうです。楽しみです！ 私自身が、これまでに他の方の転職記事をみてやる気をもらったり勉強させてもらっていたので、私の経験が誰かの役に立てばと思って、転職記事を書くことにしました。 とはいえ、きれいにまとめるのは面倒大変なので、どんなことを考えながらどんなことをやってきたのか日記を書きなぐる感じで書いていきます。 適宜フィルタリングして使えそうなところだけつまみ食いしてもらえると幸いです。 自己紹介 30歳。子供二人(4歳、1歳)。薬学修
- はじめに - 今回、技術書典11に「Rustによる機械学習概覧」というタイトルで、所属企業であるエムスリー株式会社の執筆チームより出る「エムスリーテックブック3」に文章を寄稿した。 執筆チームからの熱いコメントは以下。 販売ページは以下。 techbookfest.org 本ブログは、エムスリーテックブック3を企画して立ち上げてから、自分で同人誌を書くまでのお気持ちを綴った、所謂ポエムである。 - はじめに - - Rustによる機械学習への想い - - エムスリーテックブック3の立ち上げ - - おわりに - - Rustによる機械学習への想い - ポエムといえば自分語り、自分語りといえばポエム。まず思い出に浸ろう。 私が機械学習を初めて実装したのは高専の頃。あの時はC/C++とJava、C#なんかを使って、何とかアルゴリズムを理解して実験していた。VisualStudioの起動に悠
機械学習・ディープラーニングの学習を入門レベルで挫折しないために - orangeitems’s diary
入門レベルで挫折しないために 初心者が無料で勉強できる良教材いろいろまとめを読み、AIを支える技術、具体的には機械学習やディープラーニングについて興味を持ったので入門記事を読み進めてみました。具体的にはChainer Tutorialです。 tutorials.chainer.org このチュートリアルは、機械学習やディープラーニングの仕組みや使い方を理解したい大学学部生以上の方に向けて書かれたオンライン学習資料です。 とはじめに書いてあったので大丈夫か‥と。 おそらく読み進められた方もいらっしゃると思うのですが、「うーんわからん」と離脱するポイントがいくつも見えましたのでまとめておきます。読み進める前に本記事を読めば離脱が防げるかもしれません。 学習を進める上で重要なポイント Chainer Tutorialの意義（全体を通して） AIを「使う」ために、ここまで詳しい数学やPython・
PyTorch vs. TensorFlow、ディープラーニングフレームワークはどっちを使うべきか問題【2021年】
連載目次 昨年10月、同タイトルの記事を公開して好評だった。今回は、2021年に向けた、そのアップデート記事となる。 ディープラーニング（深層学習）を実装する場合、専用のライブラリ／フレームワークを用いるのが一般的だ。ディープラーニングが流行してから直近5年ほどの間に、次々と新しいフレームワークが登場した。現在、主要なものを挙げると、 TensorFlow： 2015年登場、Google製。一番有名で、特に産業界で人気 Keras： 2015年登場、作者がGoogle社員。使いやすくて簡単。TensorFlow 2に同梱され標準API化 PyTorch： 2016年登場、Facebook製。この中では新興だが、特に研究分野で人気急上昇中 Chainer： 2015年登場、日本のPreferred Networks製。2019年12月に開発を終了し、PyTorchへの移行が推奨されている な
はじめまして、ますみです！ はじめに 最新の「機械学習の学習プラットフォーム」をさっくりとまとめてみました。 新しい情報は随時更新していきます。 目次（「機械学習」とAnd検索した時のヒット数順） Aidemy (7,430,000 件) AI academy (717,000 件) Amazon Machine Learning University (271,000 件) Elements of AI (141,000 件) Learn with Google AI (137,000 件) メディカルAIコース (135,000 件) Grow with Google (97,200 件) Chainerチュートリアル (65,000 件) Coursera (48,200 件) Codexa (26,100 件) それぞれの特徴 1. Aidemy (7,430,000 件) 圧倒的
はじめに ヒホさん開発のディープラーニング声質変換OSSである「誰でも好きなキャラになれる」レポジトリ become-yukarinなどのいわゆる「yukarinライブラリ」の記事をまとめました。あなたも声質変換に挑戦してみませんか？ yukarinライブラリのユーザーコミュニティ yukarinライブラリのユーザーコミュニティはこちらです。きりさんさんやatticさんが中心となって、メンバーが数十人で、活発にyukarinライブラリなどの意見交換が行われています。 yukarinライブラリディスコード 環境構築について(今のところグーグルコラボラトリーとWindowsとUbuntuによる方法があります。最近WSL2でも可能になったようです。(yukarinライブラリでは未検証)) グーグルコラボラトリーでお手軽実行するための方法 atticさんによるもの。WindowsでGPUがなくても
今日はPreferred Networksの最終出社日でした。アルバイト期間含めて6年間、大変お世話になりました！ pic.twitter.com/klMbe5mct8 — Yuki Igarashi (@bonprosoft) February 18, 20222月末をもって Preferred Networks を退職します。 フルタイムでは4年間、アルバイトも含めると6年間お世話になりました。 ここ数年間、おかげさまで私としては毎日楽しく（精一杯）過ごしてきたのですが、日頃の情報発信を怠っていたこともあり周りからどう思われているのか考えるときがあります。 ちょうど良い機会だと思うので、この数年間で何をやっていたかをまとめようと思います。 単なる自己満足でしかないのですが、私がこの4年間に取り組んでいたこと、PFNでの経験が本当に素晴らしいものであったということが一人でも多くの方に伝わ
PFNが提供する教育コンテンツについて - Preferred Networks Research & Development
PFNフェローの丸山（宏）です。2月にプログラミング教育についてのブログを書きました。またそれに合わせて制作した教材を利用して、6月に弊社カフェテリアで、小学生を対象にした体験教室を開催しました。この体験教室については、丸山（史郎）がロボットカーの体験教室について、西澤が火星語翻訳を題材にした教材について書いています。今回、山梨大学と共同で、高専・大学学部向けの教材 ロボットカーで学ぶ深層学習の基礎 を開発しました。このブログでは、これら一連の教育関連の活動について、その意義と全体像をもう一度整理してみたいと思います。 また、付録に、現在PFNが提供する教育用コンテンツのリストがありますので、そちらもご利用ください。 古典的プログラミング 2016年に文部科学省が主宰する「小学校段階における論理的思考力や創造性、問題解決能力等の育成とプログラミング教育に関する有識者会議」は、議論の取りまと
対象者 機械学習、ディープラーニングを一通り勉強したが、実装するときにどう関連するのかわからない人。 頭の中を整理したい人。 詳しい数学的な説明はchainerチュートリアルを参照すると良い。 解説内容 ディープラーニングでもっとも一般的な教師あり学習の手順を解説する。また、それに伴う周辺知識を説明する。 ディープラーニングのモデルになったもの ディープラーニングは人の神経細胞における情報伝達の仕組みを真似て作られた。これにより、精度が飛躍的に向上した。 ニューラルネットワークの仕組み ニューロンのモデル化 ニューラルネットワークでは、人間の神経細胞の動きをコンピュータで再現した数式モデルを作る。個々の神経細胞は簡単な演算能力しか持たないが、お互いに繋がり連動することで高度な認識、判断をすることができる。行列や特別な関数の計算をしながら情報伝達の仕組みを数式で再現していく。 ニューロンのモ
最終更新日： 2021年12月13日 株式会社Preferred Networks（PFN）は、機械学習やデータサイエンスを基礎から学びたい大学生・社会人向けに、機械学習・ディープラーニングの基礎学習コンテンツ4種を、個人向けオンラインAI人材育成講座 SIGNATE Questの「Market」で2020年12月7日より提供開始しました。 SIGNATE Questの「Market」は、企業が制作した講座を公開することで、新たな販路やPRの場として活用することができるサービスです。普段は学ぶ機会の少ない専門性の高い講座や、人材育成の実際の取り組みの中で生まれた講座が公開されるなど、多様な講座を提供される場です。Marketリリースの第1弾として、PFNの他にも、RESTECや広島県 データスタジアムが講座を提供しています。 各産業の専門分野にAIおよびデータサイエンスを応用することができ
Graph Neural Network を用いたグラフの木幅予測 - Preferred Networks Research & Development
本記事は、2019年夏のインターンシップに参加された中野裕太さんによる寄稿です。 皆様はじめまして。2019 年 PFN 夏季インターンシップに参加していた北海道大学の中野裕太です。本ブログでは、私が夏季インターンで取り組んだテーマである、「Graph Neural Network を用いたグラフの木幅予測」について説明します。 要旨 与えられた無向グラフがどれくらい木に近いかを表す値である木幅は、グラフ上の組み合わせ最適化問題に対するアルゴリズムの効率性や解そのものと深く関係しています。しかし、木幅を計算することは NP 困難なため、木幅を計算するには頂点数に対し指数時間かかってしまいます。そこで、今回 Graph Neural Network を用いた 2 つの方法でこの問題にアプローチしました。1 つ目は、よく知られた既存のアルゴリズムと組み合わせ探索木の枝刈りを行い高速化を図り計算
ゼロから作るDeep Learning ❸
大ヒットを続ける人気シリーズの第3弾。今回は「DeZero」というディープラーニングのフレームワークをゼロから作ります。DeZeroは本書オリジナルのフレームワークです。最小限のコードで、フレームワークのモダンな機能を実現します。本書では、この小さな――それでいて十分にパワフルな――フレームワークを、全部で60のステップで完成させます。それによって、PyTorch、TensorFlow、Chainerなどの現代のフレームワークに通じる知識を深めます。キャッチフレーズは――作るからこそ、見えるモノ。 関連ファイル サンプルコード 正誤表 ここで紹介する正誤表には、書籍発行後に気づいた誤植や更新された情報を掲載しています。以下のリストに記載の年月は、正誤表を作成し、増刷書籍を印刷した月です。お手持ちの書籍では、すでに修正が施されている場合がありますので、書籍最終ページの奥付でお手持ちの書籍の刷
Deep Learningで遊びながらアイドルの顔診断器を作る #juicejuice - razokulover publog
最後にブログを書いてから１ヶ月が経ってしまいました。この期間の振り返りもしたいところですが、それはまた別の機会に。 今回はこの２週間くらいDeep Learningを使って画像を分類したりする遊びをしていましたのでそれについて。 まずは成果物から。 yuheinakasaka.github.io 画像をアップするとJuice=Juiceというハロプロのアイドルにどれだけ似てる顔なのかを判定できるサイトです(herokuの無料枠で動いてるのでサーバーはいともカンタンに死にます...😇)。 見せられるようなコードではないですが、一応ソースコードも置いておきます。 GitHub - YuheiNakasaka/yukanya: Juice=Juiceのメンバーを画像から判定する分類器 GitHub - YuheiNakasaka/yukanya-api GitHub - YuheiNakasa
技育祭登壇しました。これから機械学習を学びたい方向けへの自分の経験談とおすすめの本、サイトの紹介もします | フューチャー技術ブログ
技育祭登壇しました。これから機械学習を学びたい方向けへの自分の経験談とおすすめの本、サイトの紹介もします TIGの玉木です。去年の12月までは主に機械学習エンジニアとして機械学習案件を任されていましたが、今年の1月からはITコンサルタントとして業務の幅が広くなりいろいろやっています。 先月技育祭 1と呼ばれるイベントの勉強会という枠で、同僚の上野さんと一緒に「初心者必見！機械学習エンジニアがあれこれ話します。〜基礎から実社会応用まで〜」というタイトルで発表しました。この記事では技育祭の簡単な紹介と、当日あったこれから機械学習学びたい方向けへの本、サイトの紹介をします。 技育祭とは公式サイト 1から引用させていただくと、 技育祭は「技術者を育てる」ことを目的としたエンジニアを目指す学生のための日本最大のテックカンファレンスです とのことです。元2ちゃんねる管理人のひろゆきさんや、東京大学の松
自社のディープラーニング（深層学習）フレームワークである「Chainer」の新機能開発を終了し、米フェイスブック（Facebook）が開発する「PyTorch」に移行すると発表したPreferred Networks（PFN）。その決断の背景を詳しく見ていこう。 Chainer開発の責任者であるPFNの秋葉拓哉執行役員は、「PyTorchという非常に優れたフレームワークを使うメリットと、Chainerを使い続けるメリットとを比較した結果、PyTorchに移行すべきだと決断した」と説明する。「PyTorchは先進的なフレームワークで、機能や実行速度も優れている。PyTorchを利用することで、PFNの研究開発もより加速する。ChainerからPyTorchへの移行コストが低いことも決断を容易にした」（同氏）。 これだけ聞くと「国産深層学習フレームワークであるChainerが、フェイスブックと
はじめに 初めまして。 株式会社キカガクの安藤です。 ㅤ AI 開発・機械学習で、プログラミングをするのであれば Python がメジャーです。2020 年におけるプログラミング言語のランキングでは必ずと言っていいほど Python が上位にきます。 Python には多くのフレームワークがあり、開発に適したものが豊富に用意されています。 今回は、ディープラーニング (Deep Learning) 用フレームワークをご紹介します。 本記事を参考にして欲しい方 本記事では、以下のような方にオススメです。 Python の主要なディープラーニング用フレームワークを簡単に確認したい方 初学者の方で学習、実装の為にどのフレームワークを使っていけばいいか分からない方 ※初学者の方に向けた分かりやすさを重視しています。 目次 ディープラーニング・フレームワーク・ライブラリ・ API とは フレームワー
DeNAで開催された、Kaggle Tokyo Meetup #6の参加記です。YouTube配信の視聴を含めるとMeetup参加は3回目ですが、回を増すごとに情報量も発表内容の多様性も増しているように思います。 本当にすばらしい発表を皆様ありがとうございました。僕も発表やLTでコミュニティに貢献していきたいと思います。 この記事では、各発表について僕自身が面白い・知らなかったと思ったポイントを中心にまとめ、可能な限り出典などのリンクをつけています。 内容を網羅しているわけでは必ずしもありませんので、もとの資料を併せてご覧になることを強くおすすめします。素晴らしい資料なので。 それでは、15000文字を超える長い記事ですが、最後までお読みくださると幸いです。 Opening Talk (threecourseさん) Petfinder 2nd Place Solution (Wodoriチ
ホクソエムサポーターの白井です。今回はICLR2020 の論文を紹介します。 The International Conference on Learning Representations (ICLR) は機械学習の中でも特に深層学習 を専門とした国際会議です。 OpenReview.net によるopen peer reviewを採用しているので、submitされた論文はだれでも閲覧可能です。(ICLR2020 open review) 2020年はエチオピアで開催予定でしたが、COVID-19の影響でvirtual conferenceとなりました。 今回はNLP系の論文について5本紹介します。 すでに日本語ブログ記事で紹介されているような論文もありますが、自分が興味を持った部分を中心としてざっくりと紹介したいと思います。 以降、とくに記載がない場合、図は論文またはブログからの引用で
Ubie株式会社に8/1にSREとして入社しましたdtaniwakiこと谷脇大輔です。 まずは自身について簡単に自己紹介させてください。 興味のある技術はKubernetes、OpenTelemetry、Prometheusなど。 プログラミング言語はPython、Go、JavaScriptなどを書きます。 細々とですが、Argo projectのメンテナとしても活動しています。 趣味はラグビー、ダイビング、旅行です。 よくハンマーヘッドシャークの群れを見に神子元島に潜りに行っています。 前職はPreferred NetworksというAI開発企業で働いていたのですが、思うところあって今回の転職に至りました。 今回はその理由についてお話させていただこうと思います。 なお、本記事の内容は個人の見解や趣向に基づいて書かれており、組織や事業方針の優劣を比較するものではありません。 前職での仕事入
この記事は Kaggle Advent Calendar 2020 の16日目の記事です。去年ネタ記事*1を書いたので今年は真面目なやつにしました。 はじめに Kaggler はコンペにおいてあらゆる手段を用いて評価指標の改善を目指します。特徴量エンジニアリング、モデルや学習手法の試行錯誤、特殊な前処理・後処理の考案、はたまた Leakage の利用に至るまで、ルールを破らない範囲であれば何でもする*2のが Kaggler です。今挙げた例はそのコンペ固有の性質(データの生成過程・分布、評価指標、... etc.)に着目することで大きな効果をもたらす場合が多いのですが、一方でいずれのコンペにおいても一定の効果が得られる手法があります。それは複数のモデルの予測結果を統合して予測を行う Ensemble です。Ensemble は統合するモデルに多様性があるほど性能が向上すると一般に知られてお
先日(2019/10/1)、ついにTensorFlow2.0.0が正式リリースされました。当初の予定からはだいぶズレましたが、無事リリースされて何よりです。 一方で、TensorFlow1.15のRC版も公開されていて、1.15がTF1.x系の最後のリリースとなることが明言されています。 そのため、機能、サポート、stackoverflow等のweb情報の面を考えると、今後はTF2.x系に移行していくべきなのですが、TF2.0はTF1.x系から大きな変更点がいくつかあり、注意が必要です。 今回は、特にTF1.x系でtf.Sessionのような低レベルAPIを使っていた人に向けて、TF2.0で互換となりそうな基本的な書き方についてまとめたいと思います。 TF1.xからTF2.0の変更点 TF2.0の変更点はいくつかありますが、その中でも書き方に大きく影響しそうな点をピックアップしておきます。
第1弾として小学生から始めるプログラミング教材「Playgram」を開発、やる気スイッチグループと提携し、教室とオンライン授業に導入 株式会社Preferred Networks（本社：東京都千代田区、代表取締役 最高経営責任者：西川徹、プリファードネットワークス、以下、PFN）は、深層学習などAI技術の実用化が進むこれからの時代に不可欠な論理的かつ創造的な思考力を育み、世界レベルで活躍できる人材の育成を目指してコンピュータサイエンス教育事業を立ち上げます。 その第１弾として、PFNは小学生から始めるプログラミング教材「Playgram™（プレイグラム）」を開発しました（公式サイト: https://playgram.jp）。総合教育サービス事業を展開する株式会社やる気スイッチグループ（以下、やる気スイッチグループ）と提携し、2020年8月より、プログラミング教室パッケージとして首都圏の3
In 2018, PyTorch was a minority. Now, it is an overwhelming majority, with 69% of CVPR using PyTorch, 75+% of both NAACL and ACL, and 50+% of ICLR and ICML. While PyTorch’s dominance is strongest at vision and language conferences (outnumbering TensorFlow by 2:1 and 3:1 respectively), PyTorch is also more popular than TensorFlow at general machine learning conferences like ICLR and ICML. While som
Chainer/CuPy v7のリリースと今後の開発体制について By Chainer Team Dec 5, 2019 In Announcement Chainer/CuPy v7のリリース、およびChainerの開発体制の変更についてお知らせします。 Chainer/CuPy v7 本日、ChainerおよびCuPyのv7.0.0をリリースしました。変更点については各リリースノートをご覧ください。主要な変更点は以下の通りです。 Chainer v7 (alpha, beta1, beta2, beta3, beta4, rc1, major): ChainerMNを含む多くの機能がChainerXのndarrayに対応しました。 ONNX-ChainerがChainerに統合されました。 TabularDataset が追加されました。カラム指向のデータセットをpandasのような抽
就活を終えました - ひらめの日常
はじめに この記事は僕の就活体験記です。新卒の就活体験記をいくつか参考にさせていただいたので、僕も誰かの役に立てばいいなと思い書きました。結論から言うと、インターン先の教育系ベンチャーに行くのですが、ちゃんと就活をしたので残しておきます。 使った内容としては競プロとそれ以外が半々くらいの就活だったと思います。時期的には、2月頃から就活を始めて7月に終わった形になります。 はじめに どんな人？ 勉強 競技プログラミング 就業経験 Android開発 物体検出 音声認識 戦略 体験記 A社 B社 C社 D社 E社 F社 感想とか 院進か就職か？ 就活の軸について 競プロは役に立つか 大事だと思ったこと 就活する意味 最後に どんな人？ 勉強 工学部の情報系？みたいな学科の4年生です。途中からコンピュータサイエンスに興味が湧いてきたので、他学部や他学科の授業をたくさん取りに行きました。就活の段階
ディープラーニングに対して多少興味はあるも一切触れたことのない自分が、今話題というだけ、ミーハー心丸出しでSonyのNeural Network Consoleに手を出してみました。 先に言っておくと、ドキュメント見た方が確実に早いです。ただの備忘録です。ドキュメント見てください。 Neural Network Console とは 公式サイトはこちら Sonyが開発したディープラーニングのためのGUIツールです。 これまでのディープラーニングはTensorflow、caffe、Chainerなどのソフトウェアライブラリでの提供がほとんどでしたが、こちらはGUIツールです。これでもう環境構築や複雑なコーディングに悩まされない...かも！？ちなみにライブラリの提供もされているそうです。 1. 開発環境 自身の開発環境は以下の通りです。 OS : Windows10 Home 64bit CP
動的な計算グラフの型とshapeの“半”静的推論 - Preferred Networks Research & Development
本記事は、2019年インターンとして勤務した服部桃子さんによる寄稿です。 こんにちは、2019年度PFN夏季インターン生の服部桃子と申します。 私は今回のインターンで、Chainerを用いてニューラルネットワークを記述しているPythonスクリプト中の式の型とshapeを “半”静的に推論するというプロジェクトに取り組みました。 なお以下の話のより詳細な内容については、6/15から開催される国際会議 PLDI 2020 (ACM SIGPLAN Programming Language Design and Implementation) 併設のワークショップ MAPL 2020 (the 4th Annual Machine Learning and Programming Languages Workshop) で発表してきます。 PLDIはプログラミング言語の設計と実装に関する最高峰
転職活動中です。私のスペックと会社に求めることを記載します。 もし、興味を持たれたら末尾の連絡先にDMいただけると嬉しいです。 私のスペック現職：新卒入社2015年4月～ 通信系SIerでシステムエンジニアをしています。 顧客：外資保険会社、公共機関、通信会社 経験：運用保守、運用設計、要件定義、設計、構築、提案、開発 役割：リーダー(手を動かしながらマネジメントもする) 年収：600万円(もろもろ込み) どんなことをしてきたか文系からSIerに入社したため、0から学習しひたすら身に着けました。 業務の実行・資格の取得(基本情報,応用情報,ITIL Foundation)を通し、チームのリーダーとして認められ、業務効率化や技術の水平展開に取り組んでまいりました。 情報収集していく中で機械学習に面白さを感じ、独学でOutputをしています。 機械学習関連で実施してきたことOutput ・Qi
TOP > Article Theme > AI（人工知能）ニュース > 1000円のPython入門などAIやデータサイエンスの学習コンテンツ、Preferred Networksが提供 株式会社Preferred Networks（PFN）は12月7日から、人工知能（AI）およびデータサイエンスを基礎から学びたい大学生・社会人向けに、機械学習・深層学習の基礎学習コンテンツ4種を、個人向けオンラインAI人材育成講座「SIGNATE Quest」のマーケットプレイスで提供開始した。 今回、提供する学習コンテンツは「ディープラーニング入門：Chainer チュートリアル」のカリキュラムをベースにしている。「PyTorch」の使い方だけではなく、項目ごとの習得度合をチェックできる確認クイズなども用意した。 1.Python入門（1000円／30日間） a）変数 b）制御構文 c）関数 d）クラ
分散深層学習における耐故障性と可塑性 - Preferred Networks Research & Development
ImageNetを15分で学習して以来 [1]、Chainerと沢山のGPUを使って深層学習を並列化し、一回の学習に必要な時間を大きく短縮することができるようになりました。その後、ImageNetの学習は深層学習における並列化 ・高速化のデファクト標準ベンチマークとなりました [2]。それと同時に、深層学習の並列化および大規模化は進み、複数GPUどころか複数ノードで学習することは当たり前のこととなりました。深層学習の計算が大規模化し所要時間はどんどん短くなりましたが、一般的にはノードが増えれば増えただけ部分故障の確率は高くなります。また、大規模なクラスタでは個々の分散ジョブをスケールアウトしたりスケールダウンする機能、つまり可塑性をもとにした計算資源のやりくりが運用上重要になってきます。そこでChainerを拡張し、分散深層学習に耐故障性だけでなく可塑性を導入する実験を行いましたので、ここ
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
機械学習エンジニアは10年後には存在しないだろう。 | AI専門ニュースメディア AINOW
[あとで読む]2019年7月あとで読むトップ２０リスト
機械学習・アルゴリズム関連まとめ - Qiita
「子供がゲームより夢中になる」──PFNの教材を使ったプログラミング教室の魅力を探る
エッジで機械学習ってなんだろう -ブラウザ、スマホ、IoT機器での推論を概観する- - Qiita
Rustによる機械学習概覧を技術書典11に寄稿するまでの軌跡 - Stimulator
【機械学習】学習プラットフォーム10選！ - Qiita
ディープラーニング声質変換OSS「yukarinライブラリ」関連記事等一覧 - Qiita
Preferred Networks を退職します
実装初心者向けにディープラーニングの全体像、実装手順をわかりやすくまとめてみた - Qiita
PFNが1000円から機械学習や数学基礎, Pythonなどを学べる教材を提供開始 | AI専門ニュースメディア AINOW
Chainer開発終了、PFN幹部が明かした「感謝とおわびの気持ち」
【初学者向け】機械学習の主要なフレームワークをわかりやすく解説！ - Qiita
【質疑応答付き】Kaggle Tokyo Meetup #6 に参加しました - 天色グラフィティ
深層学習系のトップ会議ICLR2020のNLP系論文についてざっくり紹介 - 株式会社ホクソエムのブログ
AI開発企業からUbie株式会社へ転職しました！｜Daisuke Taniwaki
黒魔術への招待：Neural Network Stacking の探求 - 俵言
低レベルAPIユーザーのためのTensorFlow2.0入門 - Qiita
コンピュータサイエンス教育事業を開始 - 株式会社Preferred Networks
The State of Machine Learning Frameworks in 2019
Chainer/CuPy v7のリリースと今後の開発体制について
ディープラーニング未経験だけどNeuralNetworkConsole入れてみた - Qiita
機械学習エンジニアとして雇ってください！｜ぺねら｜note
1000円のPython入門などAIやデータサイエンスの学習コンテンツ、Preferred Networksが提供 | Ledge.ai
PFN、深層学習フレームワークを自社開発の「Chainer」から「PyTorch」に切り替え
