Google Cloud オンライン セミナー（入門編） Google Cloud のご案内 機械学習のAPI活用 ビッグデータの解析 Web アプリケーションの開発、運用 クラウドベースのストレージ サービス お客様の事例セッション

Research Using JAX to accelerate our research Published 4 December 2020 Authors David Budden, Matteo Hessel DeepMind engineers accelerate our research by building tools, scaling up algorithms, and creating challenging virtual and physical worlds for training and testing artificial intelligence (AI) systems. As part of this work, we constantly evaluate new machine learning libraries and frameworks.

「審査員」と「機械／人間」は別々の部屋にいる状態で、コンピュータのディスプレイとキーボードを通じて自然言語の会話を行う（※元々の設定はこれだが、現代であればインターネット越しなど他の手段が取れるだろう。図1はスマートフォンを通じてチャットするイメージである）。 審査員は、機械もしくは人間（どちらか分からない）を相手に、「将棋は好きですか？」「クリスマスは何をしますか？」「東京スカイツリーを題材に川柳を詠んでください」などと、機械か人間かを判定するための質問などを行い、相手の反応を読み取る。ちなみにこの際、質問に対して機械が正しい回答を出せているかどうかは問題とされず、いかに人間に似た反応をするかだけが問題となる点に注意してほしい。 最終的に審査員は、会話相手が機械か人間かを判定する。ここでもし、機械が「人間である」と判定されるケースが多ければ（一般的には30％を超えれば）、テストに合格した

データの水増し画像ばっかり 音声データの水増し方法について考えよう 出来そうなこと 音量上げ/下げ 音声の引き延ばし/縮め ノイズの付加 時間シフト 音の高さ（ピッチ）の変更 残響付加 Kaggleのこれとか見てると前半の4つくらいはやってるけど、むしろ音声認識みたいな室内で使うような音声モデルを扱いたいなら後半二つこそやるべきだと思う。前半のやつについてはそのままコードを借ります。 データ読み込み

function($$payload2, { class: _class }) { $$payload2.out += `<h4${attr("class", clsx(_class))}>${escape_html(label2)}</h4>`; } Toggle

オープンソースのドキュメントをいち早く日本語化、NICTがAI自動翻訳技術をLinux Foundationに提供：「日本の競争力を高める鍵となる」 NICTは、Linux Foundation Japanに「みんなの自動翻訳」のAI自動翻訳技術を提供した。Linux Foundationは、オープンソースプロジェクトのドキュメント翻訳作業に同技術を活用する。

外部プログラムで対戦ゲームを有利に進める不正行為「チート」を、「データの通信量」から見分けるという人工知能(AI)が開発されました。 GCI: A GPU Based Transfer Learning Approach for Detecting Cheats of Computer Game - IEEE Journals & Magazine https://ieeexplore.ieee.org/document/9154512 Computer Scientists Create Ultimate Cheat-Detection System That Can Be Used in Any MMO Game | Tech Times https://www.techtimes.com/articles/254269/20201118/computer-scientists-cre

Pythonでデータ処理をしている際、numpyにはまらないごちゃごちゃした前処理があり、ちょっと遅いんだよなぁ。。。となること、ないでしょうか。 ルーチンになっている解析であれば高速化を頑張る意味がありそうですが、新しい解析を試行錯誤している最中など、わざわざ高速化のためのコードをガリガリ書いていくのは辛いぐらいのフェーズ、ないでしょうか。 こんなとき、私はJuliaを使っています。Juliaは特別な書き方をしなくても高速になる場合が多く、並列処理も簡単にできます。 julialang.org Julia、いいらしいが名前は聞いたことがあるけど使うまでには至ってない、という方がと思います。今まで使っているコードの資産を書き直すのは嫌ですよね。 しかし、JuliaにはPythonの資産を活かしつつ高速にデータ処理がするための道具がそろっています。 今回の記事はPythonとJuliaをいっ

Gunosy Tech Lab リサーチインターンの北田 (@shunk031)です。 深層学習の論文を読んでいるときに著者実装が公開されている旨を見ると嬉しい気持ちになりますよね。 いざ公開レポジトリに飛んだ瞬間その嬉しさは無となることが多いですが、くじけずにやっていきたいです。 著者実装のrequirements.txtをベースにpythonモジュールをインストールするとよく見るやつ こちらの記事は Gunosy Advent Calendar 2020 6日目の記事です。昨日は @625 さんの goで作るfirehoseのデータ変換lambda でした。 tech.gunosy.io その実験、再現できますか？ リサーチインターンでは主にGunosyのデータを使った研究をしています。 特に私は深層学習による広告クリエイティブの評価や運用支援に焦点を当てて取り組んでいます*1。 深層

Agenda This post aims at making you aware about the internals of the Python logging module. I often find myself struggling to use the logging module and have to refer the documentation. It's either my ignorance towards logging or probably logging isn't documented as well and crisply as it should be. So this is my take to unravel what goes on in the logging module. If you have a solid grasp of diff

※ この記事は別のサイトで2018年12月08日に公開していた記事をコピーしたものです. この記事について 普段からオンプレのKubernetesクラスタを使った研究開発に携わっており、LANケーブルの配線から新バージョンのKubernetesやエコシステムの検証、構築、運用保守、独自ツールの開発に加えてフロントエンドのGUIをmaterial-uiで作ったりとほぼ全レイヤをやっています。 今回は機械学習の実行基盤としてKubernetesを運用してきたなかで得られた知見について書いていきます。 運用中のKubernetesクラスタについて 運用しているKubernetesクラスタはオンプレミスのCPUサーバとGPUサーバの混合構成で、さらにGPUサーバは複数の世代のGPUが混ざっています。 データサイエンティスト向けに内製した機能を持つことが大きな特徴ではありますが、用途は機械学習に限定

この記事は CAMPHOR-アドベントカレンダー2020 6日目の記事です。 みなさんこんにちは、ほないです。 私は今年度から大学で自然言語処理の研究に取り組んでいて、データセットを作ってニューラル言語モデルをトレーニングして評価する機会がたくさんありました。 最近はPyTorch, TensorFlow, scikit-learnなど様々な機械学習フレームワークによって、ニューラルネットワークモデルの実装が簡単に行えるようになっています。 今回は、そういったフレームワークで機械学習をするときに便利なサービス「Comet」について紹介します。 機械学習とログと可視化 研究などで機械学習をするときに大切なのが、記録（ログ）を取ること、そしてグラフなどで可視化することです。 記録といっても、ただテスト結果をPrintして終わりというわけにはいきません。 どのデータセットを使ったか、モデルの構成

Blender チュートリアル チュートリアル-Tutorial Blenderによる『千里江山図』の中国風 3Dシーン制作全プロセス - 中国浮... 2024-09-12 my2m氏による、Blenderの学習コース「Blenderによる『千里江山図』の中国風 3Dシーン制作全ポロセス」がCG＆デジタルアート学習オンラインプラットフォーム「WINGFOX」にて取り扱い開始されています。 続きを読む 3Dスキャンサービス 3Dスキャン＆キャプチャ サイト＆サービス-Site & Service ソフトウェア＆ツール-Software&Tool KIRI Engine 3.10 - iOS＆Android＆ウェブブラウザから... 2024-09-12 KIRI Innovationsによる、iOS＆Android＆ウェブブラウザから利用可能なクラウドベースの3Dスキャンサービス『KIRI

チュートリアル / Chara@Maya～Maya 2016で気軽にはじめるキャラクター制作～ 第5回：リギング ～ちょっとだけお堅い話です～ 今回はリギングです。リギングとはアニメーターがキャラクターを動かすための仕組み（リグ）を作ることです。 スケルトンとスキニングのみで構成されたリグ無しキャラクターで、ポーズ・アニメーションをつけるなんてとてもじゃないけどやってられません。 アニメーターがキャラクターを直感的に分かりやすく、動かしやすくするための工程がリギングです。 MayaやMotionBuilderには「HumanIK」、3dsMaxには「Biped」や「CAT」というすでに人型のリグが完成された便利なセットがありますが、頭、両腕、両足以外の部分（髪、服、装飾品等）は自分でカスタムリグを組まなければなりません。 今回は基礎的なリグをご紹介するためにも、全身をカスタムリグで作成して

チュートリアル / Chara@Maya～Maya 2016で気軽にはじめるキャラクター制作～ 第5回：リギング ～ちょっとだけお堅い話です～ 今回はリギングです。リギングとはアニメーターがキャラクターを動かすための仕組み（リグ）を作ることです。 スケルトンとスキニングのみで構成されたリグ無しキャラクターで、ポーズ・アニメーションをつけるなんてとてもじゃないけどやってられません。 アニメーターがキャラクターを直感的に分かりやすく、動かしやすくするための工程がリギングです。 MayaやMotionBuilderには「HumanIK」、3dsMaxには「Biped」や「CAT」というすでに人型のリグが完成された便利なセットがありますが、頭、両腕、両足以外の部分（髪、服、装飾品等）は自分でカスタムリグを組まなければなりません。 今回は基礎的なリグをご紹介するためにも、全身をカスタムリグで作成して

目的 私は、主に投資を定量的に分析することを生業としており、jupyter notebookも愛用しています。 そこで、今回は私なりにカスタマイズしたnotebookを紹介したいと思います！ 皆さんのnotebookに少しでも役に立つ情報があれば幸いです！ 次の画像はカスタマイズした後の私のnotebookです。 Jupyter notebookのインストール Anacondaのダウンロードがまだって方は、こちら(Individual Edition - Anaconda)からダウンロード出来ます！ ダウンロードに関しては、英語ですが、ダウンロードして指示に従うだけなので、次へ進みたいと思います！ カスタマイズ 今回カスタマイズする内容は、次の通りになります。 コードの命名規則に自動修正 noteboookのテーマの変更 テンプレート化する 横幅変更←横画面使ってる人に推奨 グラフのフォー

以前、『結局、統計モデリングとは何なのか』という記事を書きました。 この記事は、その名の通り、「そもそも」何が統計モデリングで、何が統計モデリングではないのかということを扱った記事です。 今回は、「統計モデリングとは何か」を理解した方に向けて、実際に「統計モデリング力」を鍛えるためにはどうするかを書いていきたいと思います。 この記事の目的と対象者 上記でも述べたようにこの記事の目的は、どのように「統計モデリング力」を鍛えるかを書くことです。 統計学に入門するところから、高度な統計モデルを扱えるようになるまでの勉強法について書いています。 したがって、統計初心者からそれなりに理解している人までの幅広い層が想定読者となります。 ところどころで、プログラム言語で実際に手を動かしながら学ぶタイプの本を紹介することもありますので、そういった本を読むためにはPythonまたはRの知識が必要になります。

はじめに システム作ってるとかライブラリ作ってるみたいなある程度Pythonを綺麗に1書くことが求められる方々に向けた記事です。 (機械学習系のライブラリを使うためにPython書いてる方とか、初学者の方にはちょっとあわないかも知れません) 綺麗に書くための作法の難しさって共有が面倒なところだと思うんですよね。その書き方は間違いじゃない、間違いじゃないけどもっといい書き方があるぞみたいなやつってなかなか指摘し辛いですし、じゃあ1人に対してレビューしたら他のメンバーにはどう伝える？そもそも伝える必要？俺の工数は？みたいになりがちです。 一番いいのはこういう時はこう書く！みたいなドキュメントを作って「ドキュメント違反です」ってレビューをしてあげることなんですが、まーそれもそれで超面倒じゃないですか。なのでこの記事がそのドキュメントの代わり、とまではいかなくとも礎くらいになればいいなと思って書き

システム本部CTO室のeveresです。 今年は、とあるインタビュー記事でディスクリプターについて触れてから、remote.py、PyConJP 2020 Onlineと、続けてPythonの属性について話してきました。 締めくくり…と気合を入れたいところですがAdvent Calendarですので、本エントリーではあまり踏み込まずさわりだけを紹介します。 読んでみて動作を理解していなかった人やクラス生成のカスタマイズなど踏み込んで知りたい方は、PyConJP 2020 Onlineの資料をたどってみてください。末尾にリンクを記載しておきます。 このエントリーは DeNA Advent Calendar 2020 の5日目のエントリーです。 では、始めましょう。 動作環境など 本エントリに登場するサンプルのコードは次の環境で動作を確認しています。 macOS: 11.0.1 Python:

人工知能で10億ゲットする完全犯罪マニュアル (ハヤカワ文庫JA) 作者:竹田 人造発売日: 2020/11/19メディア: Kindle版この『人工知能で10億ゲットする完全犯罪マニュアル』は、早川書房による第8回SFコンテストで優秀賞を受賞した作品だ。SFコンテストはここ3回大賞が出ておらず、今回も優秀賞のみ(本作と、十三不塔『ヴィンダウス・エンジン』が優秀賞)。 大賞を逃しているわけなんで、何がその原因だったのかなと思いながら読んだのだけれども、いやーこれがおもしろい！　正直これで大賞がとれないとなっちゃあ、もう誰もこの賞に作品を送ってこないんじゃないの？？　と思うような水準だ。選評読むとどういう判断で大賞から漏れたのか理解はできるのだけれども、単純におもしろいSF、おもしろい小説を読みたい、という観点なら太鼓判を押せる作品だ。 借金のカタにマフィアにとらわれ臓器を売り飛ばされそうに

","naka5":"<!-- BFF501 PC記事下（中⑤企画）パーツ＝1541 --><!--株価検索 中⑤企画-->","naka6":"<!-- BFF486 PC記事下（中⑥デジ編）パーツ＝8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下（中⑥デジ編）パーツ＝8826 -->","adcreative72":"<!-- BFF920 広告枠）ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag ＰＣ誘導枠５行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">

About Google's approach to research publication I understand the concern over Timnit Gebru’s resignation from Google. She’s done a great deal to move the field forward with her research. I wanted to share the email I sent to Google Research and some thoughts on our research process. Here’s th...

Standing with Dr. Timnit Gebru — #ISupportTimnit #BelieveBlackWomen We, the undersigned, stand in solidarity with Dr. Timnit Gebru, who was terminated from her position as Staff Research Scientist and Co-Lead of Ethical Artificial Intelligence (AI) team at Google, following unprecedented research censorship. We call on Google Research to strengthen its commitment to research integrity and to unequ

Googleで倫理的人工知能(AI)チームのテクニカルリーダーを務めていたティムニット・ゲブル博士が、2020年12月3日(木)、AI部門のシニアフェロー＆シニアヴァイスプレジデントであるジェフ・ディーン氏からメールで解雇を通告されたことを明かしました。解雇理由は「経営陣が『Googleのマネージャーの期待に反する』とみなしたメールを送信したこと」で、AI研究の専門家やGoogle従業員からは抗議の声が挙がっています。 I was fired by @JeffDean for my email to Brain women and Allies. My corp account has been cutoff. So I've been immediately fired :-)— Timnit Gebru (@timnitGebru) December 3, 2020 Google’s

米グーグルのロゴ。ベルギー・ブリュッセルで（2020年2月14日撮影、資料写真）。(c)Kenzo TRIBOUILLARD / AFP 【12月5日 AFP】米グーグル（Google）の従業員ら1000人以上は4日、人工知能（AI）の倫理を専門とする黒人研究者を同社が解雇したことについて、理由の説明を求めた。 ティムニット・ゲブル（Timnit Gebru）氏は今週ツイッター（Twitter）に、辞職願が受理されたとグーグル側から通告されたと投稿。自身は辞職の申し出をしていないと主張している。 ゲブル氏はこれに先立ち、会社から論文の撤回を求められたとのメールを社内グループに送っていた。同氏は会社からの解雇通知だとするメッセージをツイートし、そこには「昨夜あなたがグループの非管理職に送ったメールのある部分は、グーグルのマネジャーに期待されていることと矛盾する振る舞いが反映されている」と書か