Microsoftは2022年5月24日、年次イベント「Microsoft Build」において同社が取り組んでいる人工知能（AI：Artificial Intelligence）技術に関係する新機能やプラットフォーム、新しい開発支援機能について発表した。Microsoftは顧客や開発者を支援するためにAI技術の活用を積極的に進めている。 今回の発表では特に最近注目されている機能が取り上げられており、Microsoftがユーザーが「本来行いたいこと」に集中できるようにさまざまな機能をAI技術を駆使して取り込みつつあることが示されている。MicrosoftがどのようなAI技術を実現しているのか、このタイミングで把握しておきたい。 手書きプロトタイピング支援やGPT-3言語モデルを生かした顧客情報サマリ、コーディング支援も 今回発表されたのは、同社製品／サービスのさまざまな機能にAIの自動化、
はじめに 機械学習をどう学んだか by 日経 xTECH ビジネスAI② Advent Calendar 2019 13日目の記事です。 本記事はSlideShareで公開した勉強会資料「失敗から学ぶ機械学習応用」 のあとがき的な位置づけの記事です。 おそらく機械学習の勉強法やおすすめ書籍、Kaggle参戦などの話題は他の方がまとめていると思うので、私は機械学習のプロジェクトに関わる中で得た学びを中心に書いていこうと思います。 機械学習をどう学んだか はじめに私が機械学習テーマに配属されてから勉強会発表にいたるまでの遍歴と学び、そしてお世話になった教材をざっくりと振り返ってみます。 ※明確な期間や時期は伏せますが、全体で約4、5年くらいのスパンです。 １．前任者の異動により機械学習テーマを引き継ぐ 機械学習テーマを担当していた前任者が異動し、素人だった私がそのテーマを引き継ぐことになる。
5. 5 目録 ◼ 私の失敗体験談（不均衡データの学習） ◼ 機械学習開発における壁 • 機械学習のビジネスフレームワーク「5D」 • Define（定義する） • Data（データを集める） • Development（開発する） • Deploy（実装する） • Drive（運用する） ◼ ビジネス応用における壁 • AIを使ったキュウリの自動選別 • 機械学習を使って売り上げに貢献する • 機械学習を使わない選択肢 ◼ まとめ 6. 6 目録 ◼ 私の失敗体験談（不均衡データの学習） ◼ 機械学習開発における壁 • 機械学習のビジネスフレームワーク「5D」 • Define（定義する） • Data（データを集める） • Development（開発する） • Deploy（実装する） • Drive（運用する） ◼ ビジネス応用における壁 • AIを使ったキュウリの自動選別 • 機
「Nota」は、DeNAが4年以上内製での開発を続けてきた、あらゆる画像解析の機械学習プロジェクトに利用できる高度にカスタマイズ可能なアノテーションシステムです。 「Nota」でできること タスクレベルでのアノテーション作業の定義 複数プロジェクトの管理、アノテーターのアサイン、進捗管理 SAMLのSSO認証 「Nota」を利用したアノテーションの流れ アノテーションしたい画像・動画をS3にアップロードする Notaでのタスク定義、アノテーターアサインをする アノテーション作業をする アノテーションの結果をS3に保存する 機械学習を実行する DeNAではOSS活動を積極的に奨励し、引き続き「Nota」を更新していきます。 OSSのコミュニティーと一緒に、さらにカスタマイズ可能な、機械学習のデータ作成のソリューションを目指しています。
機械学習でアルゴリズムを構築する上で重要なのが「データセット」です。アルゴリズムの精度を上げるためにはより多くのデータと時間が求められますが、十分に大規模なデータセットを集めたり探したりするのは機械学習を行う上で特に苦労するポイント。そんなデータセットをオンライン上から検索できる「Dataset Search」の正式版をGoogleが公開しました。 Dataset Search https://datasetsearch.research.google.com/ Discovering millions of datasets on the web https://blog.google/products/search/discovering-millions-datasets-web/ Dataset Searchにアクセスするとこんな感じ。 データセットを検索するには、入力欄に検索した
Raspberry Pi4 単体で TensorFlow Lite はどれくらいの速度で動く？【2020年12月版】RaspberryPiTensorflowLitexnnpack 1. はじめに 今から半年前の2020年6月、ラズパイ４上でTensorFlow Liteを使った様々なAI認識アプリを動かしてみて、その動作速度をまとめました。 当時のTensorFlowはバージョン2.2でしたが、現在は 2.4(rc4) へと進んでいます。進化が極めて速いDeepLearningの世界において、この半年間でTensorFlow Liteはどう変化したでしょうか。もし「手持ちのアプリは何も変えてないのに、TensorFlow Liteを新しくするだけでめっちゃ速く動くようになったぜ」というのだと嬉しいですよね。 本記事では、前回計測に用いたアプリを再び最新版のTensorFlow Lite環
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、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本日提供開始します。 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る人材の大幅な不足が指摘される中、そうした人材の育成が国家戦略の重要テーマの１つとして位置づけられています。 PFNは深層学習フレームワークの開発、深層学習技術の産業応用において培ってきた経験をもとに、これからの社会を担う大学生・社会人向けに、機械学習・深層学習技術の活用に必須となる知識を習得するための4つの基礎学習コンテンツを提供します。 SIGNATE Que
Microsoft Learn では、対話的な方法で、従来の機械学習の概要を理解することができます。 これらのラーニング パスは、ディープ ラーニングのトピックに移行するための優れた基盤にもなり、各自の生産性を向上させます。 最も基本的な従来の機械学習モデルから、探索的データ分析やカスタマイジングのアーキテクチャまで、ブラウザーを離れることなく、概念的内容や対話型の Jupyter Notebook を簡単に把握することができます。 知識と興味に応じて自分のパスを選択してください。 オプション 1: 完全なコース: 機械学習のためのデータ サイエンスの基礎 ほとんどのユーザーには、このパスがお勧めです。 これには、概念の理解を最大限に高めるカスタム フローを備えた、他の 2 つのラーニング パスと同じモジュールがすべて含まれています。 基になる概念と、最も一般的な機械学習ツールでモデルを構
最終更新日： 2019年7月10日 2019年6月8日、MicrosoftとPreferred Networksが協同で運営するディープラーニングのコミュニティ「DEEP LEARNING LAB（DLLAB）」が2周年記念のイベントを開催しました。 今回は東京大学大学院 教授で日本ディープラーニング協会理事長の松尾豊氏による基調講演の内容をお伝えします。 松尾氏は、ディープラーニングのビジネス活用において「儲かること」はとても重要で、そのためにユーザにしっかり付加価値を与えていかなければいけないと強調しました。 ビジネスになっていないディープラーニング 松尾教授は、まずはディープラーニングの技術が、事例が増える勢いに対してビジネスになっていないとディープラーニングの現状を振り返ります。 そこで、インターネットが誕生した当時と振り返りながら、ディープラーニングの活用が進んでいないことは、単
はじめに 「人にうれしいAIのためのUXデザインガイド」にようこそ。 このガイドブックは、人間中心のAIプロダクトをつくるのに役立ちます。一般的なミスを避け、優れたエクスペリエンスをデザインし、AIによるアプリケーションをつくることに集中できるようにします。 本ガイドブックは、ユーザーエクスペリエンス（UX）の専門家やプロダクトマネージャーが、開発チームとともに、AIに人間中心のアプローチをするための手助けになります。もちろん、このガイドブックは、より人間中心の方法でAIプロダクトをつくりたいと思っている、あらゆる立場の人にとっても、役立つことでしょう。 6つの章があり、それぞれに演習、ワークシート、リソースがあります。ガイダンスを具体的な行動に変えることができるようになっています。 ユーザーニーズ + 成功の定義 データ収集 + 評価 メンタルモデル 説明 + 信頼感 フィードバック +
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
