s-fengのブックマーク / 2018年12月12日

s-feng id:s-feng

2018年12月12日のブックマーク (3件)

5年以内にAIは社会に浸透する　Preferred Networks社長西川氏×村田機械社長村田氏が語った、AIで変わる未来 - ログミー[o_O]
5年以内にAIは社会に浸透する Preferred Networks社長西川氏×村田機械社長村田氏が語った、AIで変わる未来【直前対談】Preferred Networks 西川徹×村田機械村田大介 #1/2 飛躍的な進化を遂げるAI分野において、とくに研究が進むディープラーニング（深層学習）。ユニコーンと言われていた当時のメルカリの企業価値を超える株式会社Preferred Networksは、そのディープラーニングを主事業に据える、新進気鋭のスタートアップ企業。ディープラーニングが我々の生活や仕事を大きく変えていくなか、人間はどういった存在になっていくと考えているのでしょうか。世界を代表するエレクトロニクス製造サプライチェーンの国際展示会「SEMICON Japan 2018」の開催に先駆けて行われた、株式会社Preferred Networks 代表取締役社長最高経営責任
s-feng 2018/12/12
PFI

interview

prediction

AI

deepLearning
リンク
機械学習のハイパーパラメーターを自動最適化、Preferred Networksがライブラリを公開：機械学習の開発負荷を低減 - ＠IT
機械学習のハイパーパラメーターを自動最適化、Preferred Networksがライブラリを公開：機械学習の開発負荷を低減 Preferred Networksは、機械学習アルゴリズムの動作を制御する「ハイパーパラメーター」向けの自動最適化フレームワーク「Optuna」のβ版をオープンソースソフトウェアとして公開した。機械学習ライブラリとして「Chainer」だけでなく、「scikit-learn」や「XGBoost」「LightGBM」などを利用した場合でも、ハイパーパラメーターの自動最適化が可能。 Preferred Networksは2018年12月3日、ハイパーパラメーター自動最適化フレームワーク「Optuna（オプチュナ）」のβ版をオープンソースソフトウェアとして公開した。 Optunaは、ニューラルネットワークを実装する際に必要な、隠れ層の数やノード数、学習の際の繰り返し回数
s-feng 2018/12/12
AI

PFI

PressRelease

deepLearning

module
リンク
MN-Core - Preferred Networks
Overview AI/基盤モデルが必要とする計算資源はこれまでのスーパーコンピュータの進化の速度を大幅に上回り、爆発的に増加しています。技術の社会実装に向けて、低コスト/低環境負荷な計算資源が求められています。 Preferred Networks（PFN）は、AI/基盤モデルに要する高速かつ莫大な計算能力を賄うため、深層学習を高速化するプロセッサー（アクセラレータ）MN-Core™シリーズを神戸大学と共同開発し、MN-Core™シリーズを用いた大規模コンピュータクラスター（スーパーコンピュータ）の構築を進めています。 MN-Core Series 莫大な計算量を必要とする深層学習において、計算の高速化は大きな課題のひとつです。 AI/基盤モデルの学習フェーズに最適化した専用チップは、汎用用途のチップに比べ、機能を限定することで高い処理性能を発揮することができます。 PFNが神戸大学と共
s-feng 2018/12/12
チップも作った。IoT＋Cloud(AI) via 5Gになるか、IoT + チップ(AI) 完結になるか、形態は分れそう。ただ、身近なデバイスでDeepLearningの恩恵が容易に受けられるようになる。「どうやるか」から「何をやるかの」の時代に。

PressRelease

AI

PFI

deepLearning
リンク
- 2018年12月13日
- 2018年12月12日
- 2018年12月10日