DLPOは、日本国内での実績NO.1のLPOツールです。 ABテスト、多変量テスト、パーソナライズを用いてコンバージョン率改善を実現します。 ランディングページはもちろん、オウンドサイト、ECサイト等、様々なサイトに対応しています。
DLPOは、日本国内での実績NO.1のLPOツールです。 ABテスト、多変量テスト、パーソナライズを用いてコンバージョン率改善を実現します。 ランディングページはもちろん、オウンドサイト、ECサイト等、様々なサイトに対応しています。
DeNAとPreferred Networks、人工知能技術を用いた 企業向けソリューションを提供する合弁会社PFDeNAを設立 株式会社ディー・エヌ・エー（本社：東京都渋谷区、代表取締役社長兼CEO：守安 功、以下DeNA）と株式会社Preferred Networks（プリファード・ネットワークス、本社：東京都千代田区、創業者 代表取締役社長 CEO：西川 徹、以下PFN）は、ディープラーニング（深層学習）※1や高度な機械学習※2など最先端の人工知能※3（AI）技術を活用した企業向けソリューションや消費者向け商品・サービス等の提供を目的として、本日、合弁会社を設立しました。 新会社である株式会社PFDeNA（ピー・エフ・ディー・エヌ・エー、以下PFDeNA）では、DeNAが多彩なインターネットサービスの運営を通じて蓄積してきた様々なデータや複数事業領域での経験と、PFNのAI技術、特に
こんにちは。ここ最近先輩にボウリングで大敗し、ボウリング熱が再燃しているshirakiyaです。 今回は2016年7月7日に弊社セミナールームで開催されたITエンジニアのためのDeepLearning #6 - connpassのレポートです。 当日は約50人の方に参加いただきました。こういった勉強会ってあまりQ&Aの時間で質問が少ないことも多いという印象を持っていますが、今回のイベントでは多くの質問が飛び出し、参加者のみなさんの関心の度合いが高いことを感じました。 何のイベント？ イベント告知ページにあるように 深層学習やパターン認識系の本の罠と、本には載っていない貴重な情報や、数式を全く使わない考え方を初学者向けに提供しています。 としたセミナー形式のイベントです。今回は6回目ということもあり、一目にはかなりディープな内容でしたが、特に畳み込みやプーリング等、主に画像認識の畳み込みニュ
The document summarizes a meetup discussing deep learning and Docker. It covered Yuta Kashino introducing BakFoo and his background in astrophysics and Python. The meetup discussed recent advances in AI like AlphaGo, generative adversarial networks, and neural style transfer. It provided an overview of Chainer and arXiv papers. The meetup demonstrated Chainer 1.3, NVIDIA drivers, and Docker for de
技術の進化が著しい「ディープラーニング」を使うことで、著名な画家の作風を認識し、別の映像をそのテイストに変換してしまうというアルゴリズムの開発が進められています。ドイツ・フライブルク大学コンピューターサイエンス学部のManuel Ruder氏らによる研究で行われた実際の変換の様子がムービーで公開されているのですが、その様子は驚きを禁じ得ないレベルに達しています。 Supplementary video for "Artistic style transfer for videos" - YouTube このアルゴリズムは、コンピューターサイエンティストのLeon A. Gatys氏らが2015年に発表していた論文の内容をさらに発展させたもので、素材となる映像に著名な画家の作風を反映させることができます。例えば、CGアニメ映画「アイス・エイジ」に、ゴッホの作品「星月夜」のテイストを掛け合わせ
アマゾンのジェフ・ベゾスCEOは、IT系メディアのリコード（Recode）主催のイベント「コード・カンファレンス」で、人工知能（AI）の「とてつもない」潜在的可能性について語った。 モデレーターのウォルト・モスバーグからAI技術が今後どこに向かっていくのか、そしてそれは何を意味するのかと問われたベゾスは、我々は「（AIの）黄金時代に差しかかっている」可能性があると踏み込んだ発言を行った。 AIと顧客の需要 アマゾンでは、AIの開発に1,000人を充てているとされている。その一部は同社の人工知能スピーカー、エコー（Echo）に携わっていると推定される。エコーは、米国で60年代に放送されていたSFドラマ『宇宙家族ロビンソン』で有名になったロボットのアルファ版のようなもの。ユーザーの声に耳を傾け、音声で答えを返してくれる。照明を消したり、交通状況について報告したり、ものを注文したり（もちろんアマ
2017/07/20 追記 本記事の内容に関してTwitter・メールで問い合わせをいただきますが、全員に対して返信を差し上げることが出来ないため、VALU保有者優先で相談を受けます。 valu.is 対象読者 自前のデータでディープラーニングを体験したい人 tensorflowなどのチュートリアルまでやったが、その次の道が見えない人 株価の予測に興味がある人 はじめに こんにちは。あんどう（@t_andou）です。 最近、人工知能の技術の一種「ディープラーニング」に注目しています。 ディープラーニングとは、簡単に言うと「これまでは人間が教えていた『特徴』を機械が勝手に見つけてくれる」ものらしいです。 最初は画像処理系のプログラムで遊んでみました。 ディープラーニングという言葉はよく耳にするようになってきましたが、何ができるかわからなかったので、まずは体験するためにまずはディープラーニング
以前12回まで続けた「サンプルデータで試す機械学習シリーズ」ですが*1。 あれから色々分類器の手法やその実装もバリエーションが増えてきたということもあり、思い立って今回まとめてやり直してみようと思います。そうそう、12回シリーズの頃から愛用している線形分離不可能XORパターンのデータセットがあるんですが、あれってサンプルサイズがたったの100しかないので色々と粗いんですよね。ということで、サンプルサイズを10000まで増やしてみたものを新しく生成しておいたので、こちらで試してみましょう。 > xorc <- read.csv('https://github.com/ozt-ca/tjo.hatenablog.samples/raw/master/r_samples/public_lib/jp/xor_complex_medium.txt',sep='\t') > xorc$label <-
サービス終了のお知らせ SankeiBizは、2022年12月26日をもちましてサービスを終了させていただきました。長らくのご愛読、誠にありがとうございました。 産経デジタルがお送りする経済ニュースは「iza! 経済ニュース」でお楽しみください。 このページは5秒後に「iza!経済ニュース」（https://www.iza.ne.jp/economy/）に転送されます。 ページが切り替わらない場合は以下のボタンから「iza! 経済ニュース」へ移動をお願いします。 iza! 経済ニュースへ
Googleが出したTensorflow，盛り上がり具合がやばいですね。 githubのスター数とかを見ていると，スタンダードであるChainerとかCaffeとかを(盛り上がり具合だけは)軽く越えてしまった感じ。 というわけで，MNISTの(畳み込みしているほうの)サンプルをざっと読んでみました。 備忘録がてらメモしようかな，と思ってブログにしてみます。 自分は初心者なので，まぁそのレベルで色々注をつけて行こうと思います。 Tensorflowの良かったところ 最初に，Tensorflowの良かったところを。 大規模処理で並列化とかが楽らしいんですけど，正直よく分からないです笑 コードを見て思ったのは，必要な部分だけが厳密に書かれているなーと思いました。 低い次元の記述する必要のないものはしっかり隠して，必要な記述はちゃんと書かれているってのが自分みたいな初学者には良いと思います。Cha
2016.01.25 Mon 【vol.2】「目指すのは人とAIの共進化」リクルートAI研究所所長が人工知能領域への取り組みを明かす リクルートは、2015年4月に人工知能研究所として新しく「Recruit Institute of Technology」を立ち上げた。 AI分野の世界的権威であるTom M. Mitchell氏（米カーネギーメロン大学教授）、Oren Etzioni氏（Allen Institute for Artificial Intelligence CEO／元・米ワシントン大学教授）、David M. Blei氏（米コロンビア大学教授）、Alex 'Sandy' Pentland氏（米マサチューセッツ工科大学教授）、Christopher D. Manning氏（米スタンフォード大学教授）らをアドバイザーに迎え、リクルートグループ各社と連携したグローバル規模のAI研
Amazonがディープラーニングのライブラリ「DSSTNE」をオープンソースで公開。TensorFlowよりも約2倍高速と主張
Amazon.comはディープラーニングを実現するライブラリ「Amazon DSSTNE」（Deep Scalable Sparse Tensor Network Engineの頭文字、読みはデスティニー）をオープンソースで公開しました。 GitHub - amznlabs/amazon-dsstne: Deep Scalable Sparse Tensor Network Engine (DSSTNE) is an Amazon developed library for building Deep Learning (DL) machine learning (ML) models DSSTNEは本番環境のワークロードに対応したライブラリで、以下の特長があります。 マルチGPUスケール 学習と予測のどちらも、複数のGPUにスケールアウトし、レイヤごとにモデル並列化の方法で（model-
私がAI（人工知能）や機械学習って難しいナーと感じるところは、数学の前提知識がある程度必要なところです。 GoogleからTensorflowが出たときに、私もいっちょやってみるかなんて思ったのですが、参考にした記事もなかなか難しくてあんまり理解できなかったのを覚えてます。途中まで理解出来てたのに、急に数式が出てきて「なるほどわからん！」ってなることが多かったですね。 「というかエンジニアなのに数学苦手なのｗ」とビックリされる方もいらっしゃると思いますが、エンジニアっつったって、今の御時世理系出身エンジニアばかりじゃないんです。でもエンジニア女子やってると自動でリケジョ扱いされるから面白いですね。 当面の目標としては、AIの中でも機械学習を学んでいきたいので（DeepLearningできるようになりたい！）、あると嬉しい数学の知識としては以下です。 線形代数 確率・統計 微分・積分 AIの
◇深層学習で激変するビジネス ◇「ＡＩ大国」へ正念場の日本 大堀達也／池田正史（編集部） 人間に代わり知的労働を行う「人工知能（ＡＩ）」が、ビジネスの現場を一変させようとしている。ＡＩの革新的な技術の登場で、劇的に汎用性が高まったＡＩを、企業が本格的に活用し始めた。その最先端事例が日本にある。 富士山麓の広大な森林地帯にある、産業用ロボット大手ファナック工場群。４月18日、その一角で、ＡＩを搭載した新型ロボットが稼働していた。同社がこの日、公開したバラ積みロボット（写真下）だ。 ファナックの新型ロボットは、工場内のロボットや工作機械、センサー類をネットワークでつなぐＩｏＴ（モノのインターネット）のプラットフォーム「フィールド・システム」と合わせて発表された。フィールド・システムは、ＡＩを搭載したロボットや工作機械を連携させるシステムである。 ◇「深層学習」革命 ロボットは、カゴの中の複雑な
TensorFlowはGoogleがオープンソースとして公開した機械学習のライブラリ。 www.tensorflow.org ここしばらく機械学習の本読んで、TensorFlow触りまくって出した結論はこれ。 TensorFlowは機械学習の初心者がスグにカンタンに使えるモノではない TensorFlowを使えば機械学習の概念をそのまま直感的にコードに落としこむことができる。ただ、そのためには機械学習の理論を予め知っておくことが必要。「ニューラル・ネットワーク」とか「構造パターンマイニング」とかの用語が分からないといちいちそこで手を止めて、調べる必要が出てくる。 ただ数学好きであれば、全てが数式で表現される世界が妙に楽しい。アルゴリズムや使い方さえ分かれば、かなりのレベルで面白いモノが実装できることは確かだ。 TensorFlowのインストール（MacOS編） まーここ見てインストールして
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? TensorFlowのチュートリアル（Vector Representations of Words） https://www.tensorflow.org/versions/master/tutorials/word2vec/index.html の翻訳です。 翻訳の誤りなどあればご指摘お待ちしております。 このチュートリアルでは、Mikolov et al. の word2vec モデルを見ていきます。このモデルは、「単語埋め込み」と呼ばれる単語のベクトル表現の学習に使用されます。 ##ハイライト このチュートリアルは、 Tenso
目的 このシリーズは中学三年生程度の数学の知識があれば、Python言語の機械学習記述用ライブラリを利用して記述された、基本的な教師あり学習のニューラルネットワークである誤差伝搬型3層ニューラルネットワークのプログラム、つまり、TensorFlowのサイト（TensorFlow.org)上にあるTutorialのMNIST For ML Beginnersの内容をを理解できるということを目的としています テンソルとは何か 早速本題に入り、まずはテンソルということについて考えて行きます ベクトルとスカラー テンソルについて説明する前に、まず、スカラーとベクトルについて説明します スカラーとは大きさです。例えば距離、例えば重さ、そういうものを数学用語でスカラーといいます ベクトルとは大きさと向きがあるものです。座標というものベクトルで考えることができます。それは原点をどこかにとれば、座標への向
機械学習初心者のためのMNIST ##はじめに Googleが提供を開始したディープラーニング用のライブラリTensorFlowについて、忘備録ついでに投稿させてもらいます。TensorFlowはTutorialの解説が詳しいので、それを日本語にしてみました。 ・TensorFlowについて-> http://www.tensorflow.org/ ・今回の翻訳原本-> http://www.tensorflow.org/tutorials/mnist/beginners/index.md 生粋の日本人なので違和感のある翻訳もあると思いますが、ご了承ください。 今回のTutorialは岡谷さんの著書「深層学習」の第2章に対応しているので合わせて読むと良いかもしれません。 それでは、今回作成するモデルは Soft max Regressionと言われるモデルです。 ##MNISTデータ MN
Coursera で機械学習に入門成功できたので応用に挑戦してみました。ちょうど季節の変わり目ということで、過去に見て気にいったアニメの特徴を学習して、未知のアニメを、気にいりそうなアニメと気にいらなそうなアニメに分類するツールを作って、ソフトウェアに今季見るべきアニメを推薦してもらいたいと思います。 アニメの特徴量 あるアニメを気にいるかどうかは、話のおもしろさや、絵柄の感じ、キャラクターの魅力などによって決まりそうです。ただ、話のおもしろさや、絵の美しさ、キャラクターの魅力を特徴量として数値化するのはむずかしいので、アニメの映像を制作しているスタッフや会社、声を当てているキャストにフォーカスすることにしました。 Courseraの機械学習のコースでは、特徴として妥当かどうかを判断するのに、人間が同じ特徴を与えられて分類といったタスクが可能かを考えてみよとアドバイスしていました。アニメ作
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
