Soumettre la recherche
Mettre en ligne
固有表現抽出と適用例のご紹介
•
Télécharger en tant que PPTX, PDF
•
0 j'aime
•
2,705 vues
Core Concept Technologies
Suivre
文章中から人名や地名などといった情報を抽出する技術として固有表現抽出というものがあります。この固有表現抽出を機械学習によっておこない、適用した例についてご紹介します。
Lire moins
Lire la suite
Technologie
Affichage du diaporama
Signaler
Partager
Affichage du diaporama
Signaler
Partager
1 sur 13
Télécharger maintenant
Recommandé
2022年4月に行われたKaggle Happywhaleコンペの優勝解法におけるOptunaの使用事例について紹介します。 イベントサイト: https://optuna.connpass.com/event/260301/
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Preferred Networks
2022/05/06 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】Aspect-based Analysis of Advertising Appeals for Search Engine Advert...
【DL輪読会】Aspect-based Analysis of Advertising Appeals for Search Engine Advert...
Deep Learning JP
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法 6月10日 (木) 11:00 - 12:30 メイン会場(vimeo + sli.do) 登壇者:松井 孝太 氏(名古屋大学) 概要:転移学習とは、解きたいタスクに対して、それと異なるが似ている他のタスクからの知識(データ、特徴、モデルなど)を利用するための方法を与える機械学習のフレームワークです。深層モデルの学習方法として広く普及している事前学習モデルの利用は、この広義の転移学習の一つの実現形態とみなせます。本発表では、まず何をいつ転移するのか (what/when to transfer) といった転移学習の基本概念と定式化を説明し、具体的な転移学習の主要なアプローチとしてドメイン適応、メタ学習について解説します。
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
言語処理学会第22回年次大会ワークショップ「論文に書かない(書けない)自然言語処理」
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
Naoaki Okazaki
【注意点】 ● MTurkにおける回答の質の悪化 現在、MTurkにおける回答の質の悪化が複数の論文で指摘されています。(botや不誠実な参加者)。代替サービスとしてProlificという学術利用に特化したクラウドソーシングサービスがあります。MTurkとProlificの回答の質を比較し、Prolificの利用を推奨すると結論付ける論文が複数発表されています。 ● ユーザ調査の報酬額の相場の変化 P12にて2010~12年頃の論文に書かれていた報酬額設定(低価格)を引用しましたが、現在は研究倫理の観点から十分な報酬額設定が重要視されています。 2019年現在における最新の報酬額の動向については以下の資料をご参照ください。 https://speakerdeck.com/ayakohasegawa/design-of-user-study ● 仕様変更 本資料は2018年当時のMTurkの仕様に基づいて作成したものであり、最新の仕様と異なる箇所が存在します。 問い合わせ:aya.h.research at gmail.com
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
Ayako_Hasegawa
SSII2020 チュートリアルセッション TS2 6/11 (木) 9:30~10:40 メイン会場 (vimeo + sli.do) イベントカメラは、全ピクセルが同期して明るさを捉える従来のフレームカメラと異なり、生物の目のように各ピクセルが非同期に明るさの「変化」を捉える新しいタイプのビジョンセンサーである。 HDR、疎、高速といった特徴から近年着目されている。しかしながら、カメラから得られる信号は「画像」ではなく、疎な「変化」であるため従来の画像処理を用いることが困難である。この「変化」を扱う種々の手法について、特に疎なイベント信号をそのまま扱うためのニューラルネットワークにフォーカスして説明する。
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII
2017年1月21日開催の第8回ステアラボ人工知能セミナーにて講演する内容です。 https://stair.connpass.com/event/47714/ 【概要】スマートフォン/ウェブカメラの普及や動画共有サイトの登場により動画像を利用する機会は増加しているが、コンピュータビジョン分野において動画認識が活発に議論されるようになったのは2000年代になってからである。本講演では動画認識の現在に至るまでの一連の流れを紹介するとともに、将来展望においても議論する。 【キーワード】コンピュータビジョン、動画認識、行動認識、モーション表現、時系列モデル、STIP、DT/IDT、Two-Stream CNN、TDD、TSN、ST-ResNet、行動予測、行動検出
【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識
Hirokatsu Kataoka
マルチモーダル深層学習の研究動向をまとめました。
マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向
Koichiro Mori
Recommandé
2022年4月に行われたKaggle Happywhaleコンペの優勝解法におけるOptunaの使用事例について紹介します。 イベントサイト: https://optuna.connpass.com/event/260301/
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Kaggle Happywhaleコンペ優勝解法でのOptuna使用事例 - 2022/12/10 Optuna Meetup #2
Preferred Networks
2022/05/06 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】Aspect-based Analysis of Advertising Appeals for Search Engine Advert...
【DL輪読会】Aspect-based Analysis of Advertising Appeals for Search Engine Advert...
Deep Learning JP
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法 6月10日 (木) 11:00 - 12:30 メイン会場(vimeo + sli.do) 登壇者:松井 孝太 氏(名古屋大学) 概要:転移学習とは、解きたいタスクに対して、それと異なるが似ている他のタスクからの知識(データ、特徴、モデルなど)を利用するための方法を与える機械学習のフレームワークです。深層モデルの学習方法として広く普及している事前学習モデルの利用は、この広義の転移学習の一つの実現形態とみなせます。本発表では、まず何をいつ転移するのか (what/when to transfer) といった転移学習の基本概念と定式化を説明し、具体的な転移学習の主要なアプローチとしてドメイン適応、メタ学習について解説します。
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
言語処理学会第22回年次大会ワークショップ「論文に書かない(書けない)自然言語処理」
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
Naoaki Okazaki
【注意点】 ● MTurkにおける回答の質の悪化 現在、MTurkにおける回答の質の悪化が複数の論文で指摘されています。(botや不誠実な参加者)。代替サービスとしてProlificという学術利用に特化したクラウドソーシングサービスがあります。MTurkとProlificの回答の質を比較し、Prolificの利用を推奨すると結論付ける論文が複数発表されています。 ● ユーザ調査の報酬額の相場の変化 P12にて2010~12年頃の論文に書かれていた報酬額設定(低価格)を引用しましたが、現在は研究倫理の観点から十分な報酬額設定が重要視されています。 2019年現在における最新の報酬額の動向については以下の資料をご参照ください。 https://speakerdeck.com/ayakohasegawa/design-of-user-study ● 仕様変更 本資料は2018年当時のMTurkの仕様に基づいて作成したものであり、最新の仕様と異なる箇所が存在します。 問い合わせ:aya.h.research at gmail.com
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
実践 Amazon Mechanical Turk ※下記の注意点をご覧ください(回答の質の悪化・報酬額の相場の変化・仕様変更)
Ayako_Hasegawa
SSII2020 チュートリアルセッション TS2 6/11 (木) 9:30~10:40 メイン会場 (vimeo + sli.do) イベントカメラは、全ピクセルが同期して明るさを捉える従来のフレームカメラと異なり、生物の目のように各ピクセルが非同期に明るさの「変化」を捉える新しいタイプのビジョンセンサーである。 HDR、疎、高速といった特徴から近年着目されている。しかしながら、カメラから得られる信号は「画像」ではなく、疎な「変化」であるため従来の画像処理を用いることが困難である。この「変化」を扱う種々の手法について、特に疎なイベント信号をそのまま扱うためのニューラルネットワークにフォーカスして説明する。
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII2020TS: Event-Based Camera の基礎と ニューラルネットワークによる信号処理 〜 生き物のように「変化」を捉えるビジョンセ...
SSII
2017年1月21日開催の第8回ステアラボ人工知能セミナーにて講演する内容です。 https://stair.connpass.com/event/47714/ 【概要】スマートフォン/ウェブカメラの普及や動画共有サイトの登場により動画像を利用する機会は増加しているが、コンピュータビジョン分野において動画認識が活発に議論されるようになったのは2000年代になってからである。本講演では動画認識の現在に至るまでの一連の流れを紹介するとともに、将来展望においても議論する。 【キーワード】コンピュータビジョン、動画認識、行動認識、モーション表現、時系列モデル、STIP、DT/IDT、Two-Stream CNN、TDD、TSN、ST-ResNet、行動予測、行動検出
【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識
Hirokatsu Kataoka
マルチモーダル深層学習の研究動向をまとめました。
マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向
Koichiro Mori
Tokyowebmining発表用資料です。複数の選択肢がある場合に、どのように選択を行うのが効率的なのか?という問題を解決するためのアルゴリズムです。
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。 "Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise. The slides are made by the lecturer from outside our company, and shared here with his/her permission. Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステムを導入しています。AIをいかに上手に使って仕事を効率化するか、そして人々の役に立つ結果を生み出すのか、それを考えるのが私たちの仕事です。 Arithmer began at the University of Tokyo Graduate School of Mathematical Sciences. Today, our research of modern mathematics and AI systems has the capability of providing solutions when dealing with tough complex issues. At Arithmer we believe it is our job to realize the functions of AI through improving work efficiency and producing more useful results for society.
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
お茶の水女子大学伊藤研究室ゼミ資料 関連資料として以下が参考になります https://note.com/sick4989hack/n/n928f78d3d33f
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて 6月10日 (金) 11:00 - 12:30 メイン会場 登壇者:松嶋 達也 氏(東京大学) 概要:DNNを用いたロボット学習アルゴリズムを用いて、動画のような高次元の入力からロボットの制御方策を学習することが可能になった。これらの手法はサービスロボット領域での応用が期待されているが、タスクや環境の多様性への対処が課題となっている。本講演では、強化学習のようなロボットの制御方策を直接学習する手法において、ロボットシステムから収集し蓄積した「オフライン」のデータを活用する方法について紹介するほか、実際に家庭内のサービスロボットシステム構築の事例紹介を通じて、実世界のロボットシステムの特徴やデータドリブンな手法を取り入れて汎化性・柔軟性を高めるための方法に関して解説する。
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII
動作認識の最前線:手法,タスク,データセット 精密工学会 画像応用技術専門委員会, 2022年度第4回定例研究, 2022/11/18
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
Toru Tamaki
2016/10/12 第16回全脳アーキテクチャ勉強会@リクルートテクノロジーズ 2016/08/01 第19回画像の認識・理解シンポジウム、チュートリアル@浜松 2016/06/29 第3回ステアラボ人工知能セミナー@千葉工業大学(スカイツリータウン) 2016/06/21 人工知能セミナー第7回 「自然言語処理のAIの最新動向」@産総研 2016/01/13 確率場と深層学習に関する第1回CRESTシンポジウム@早稲田大学 にて一部を使用。画像×言語の研究に関する日本語資料としては、現在一番網羅的だと信じています。
画像キャプションの自動生成
画像キャプションの自動生成
Yoshitaka Ushiku
FY2019上期に某所で開催した勉強会の資料です.
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
University of Tsukuba
NLP コロキウム https://nlp-colloquium-jp.github.io/ で発表した際のスライドです。 論文: https://arxiv.org/abs/2205.01954 GitHub: https://github.com/joisino/wordtour 概要 単語埋め込みは現代の自然言語処理の中核技術のひとつで、文書分類や類似度測定をはじめとして、さまざまな場面で使用されていることは知っての通りです。しかし、ふつう埋め込み先は何百という高次元であり、使用する時には多くの時間やメモリを消費するうえに、高次元埋め込みを視覚的に表現できないため解釈が難しいことが問題です。そこで本研究では、【一次元】の単語埋め込みを教師なしで得る方法を提案します。とはいえ、単語のあらゆる側面を一次元で捉えるのは不可能であるので、本研究ではまず単語埋め込みが満たすべき性質を健全性と完全性という二つに分解します。提案法の WordTour は、完全性はあきらめ、健全性のみを課すことで一次元埋め込みを可能にし、それでいて、全ての、とまでは言わないまでも、いくつかの応用において有用な一次元埋め込みを得ることに成功しました。
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
6/9 (木) 14:45~15:15 メイン会場 講師:石井 雅人 氏(ソニーグループ株式会社) 概要: 機械学習技術の急速な発達により、コンピュータによる知的処理は様々なタスクで人間に匹敵あるいは凌駕する性能を達成してきた。一方、このような高い性能は大量かつ高品質な学習データによって支えられており、多様化する機械学習応用においてデータの収集コストが大きな導入障壁の1つとなっている。本講演では、少ないデータやラベルから効率的に学習するための様々な技術について、「足りない情報をどのように補うか?」という観点から概観するとともに、特に画像認識分野における最新の研究動向についても紹介する。
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
日本心理学会第83回大会のチュートリアル「機械学習と心理学との接点」での講演資料です。 word2vecの背後で使われているSkip-gramやCBoWのようなユークリッド空間での埋め込み手法を導入し、次いで、双曲空間のようなもっと構造を持った空間へ埋め込むことのメリットについて説明します。Poincaré Embeddingやh-MDSのような双曲空間への埋め込み手法も紹介しています。 最後にさまざまな空間の積空間を考え、その空間自体を最適化することでデータの詳細な構造を捉えるという、という考え方を紹介します。
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
Tatsuya Shirakawa
第41回IBISML研究会 https://www.ieice.org/ken/program/index.php?mode=program&tgs_regid=fcaa63fc93919d63c192941825025f97dfeb046f102fa4fa2c046abe6dc556ce 【講演タイトル】 “機械学習の説明”の信頼性 【講演概要】 機械学習を実社会で利用する上での課題の一つに「機械学習モデルはブラックボックスで説明ができない」点があげられる。このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明”の研究が活発になされている。しかし、これらの“説明”そのものの信頼性に課題があることが最近の研究で明らかになってきている。本講演ではこれら“説明”の信頼性に関する最近の研究について紹介する。
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
Satoshi Hara
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~ (映像情報メディア学会2021年冬季大会企画セッション 発表資料) 2021年12月16日 NTTデータ 山口 永
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
NTT DATA Technology & Innovation
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有しています。 http://xpaperchallenge.org/cv/ 本資料はViEW2021チュートリアルセッション「最新研究の始め方」のプレゼン素材です。また、xpaper.challengeの2020年末ワークショップとしてプレゼンした「研究効率化Tips」の拡張版です。本資料では3社12研究室300ページにわたるノウハウの詰め合わせです。 VIEW2021のチュートリアルセッションでは時間の制限があるため、こちらの資料から一部抜粋して発表を行うことになりますが、VIEW2021チュートリアルセッションの方にも足を運んでいただければ幸いです。 VIEW2021チュートリアルセッション:http://view.tc-iaip.org/view/2021/speaker/ts1 ViEW2021参加登録:http://view.tc-iaip.org/view/2021/registration
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
オリジナルはこちら https://www.microsoft.com/en-us/research/academic-program/write-great-research-paper/ http://research.microsoft.com/en-us/um/people/simonpj/papers/giving-a-talk/Writing%20a%20paper%20(seven%20suggestions).pptx 新しいバージョンはこちら https://www.slideshare.net/kdmsnr/how-to-write-a-great-research-paper-226669082
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案
Masanori Kado
筑波大学情報学群情報メディア創成学類 先端技術とメディア表現の講義スライド 第一回目です. 最初に教員の自己紹介が入っています.
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15
Yoichi Ochiai
SSII2019 企画セッション「画像センシング技術の最先端」 6月12日(水) 11:20~12:05 (メインホール) 三次元点群とは、三次元形状をその表面上の各点座標値の集合によって表現するデータ形式です。各点は順不同、かつ点の密度や総数が一定とは限らないという三次元点群の性質から、画像での深層学習の知見を直接応用することは難しいとされてきました。本発表では、PointNet 以降急速に発展した点群深層学習に関する研究の流れをまとめるとともに、実アプリケーションへの応用につながるような研究事例の紹介を行います。
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
SSII
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
cvpaper. challenge
デブサミ2018夏の原田の講演資料です。
Devsumi 2018summer
Devsumi 2018summer
Harada Kei
【社内勉強会用】Sift特徴量について ※間違っている部分があるかもしれません
Sift特徴量について
Sift特徴量について
la_flance
2020/6/11 画像センシングシンポジウム オーガナイズドセッション2 「限られたデータからの深層学習」 https://confit.atlas.jp/guide/event/ssii2020/static/organized#OS2 での招待講演資料です。 コンピュータビジョン分野を中心とした転移学習についての講演です。 パブリックなデータセットも増えていて、物体検出や領域分割などの研究も盛んですが、実際に社会実装しようとするときのデータは学習データと異なる性質(異なるドメイン)のデータである場合も非常に多いです。 本講演では、そのような場合に有効なドメイン適応の原理となるアプローチ2つと応用としての物体検出と領域分割の事例を紹介しています。
ドメイン適応の原理と応用
ドメイン適応の原理と応用
Yoshitaka Ushiku
Domain Adaptationについてこれまでの発展と動向をまとめたサーベイ資料です。Adversarial Learning(敵対学習)が用いられたり、セマンティックな情報を保持するためにReconstruction-LOSSが導入されたり、今年のICMLではクラス重心を用いた手法が提案されたりと、目覚ましい発展を続けています。
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
高専を卒業して一回りしました
高専を卒業して一回りしました
Tomokatsu Yoshizawa
Contenu connexe
Tendances
Tokyowebmining発表用資料です。複数の選択肢がある場合に、どのように選択を行うのが効率的なのか?という問題を解決するためのアルゴリズムです。
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
本スライドは、弊社の梅本により弊社内の技術勉強会で使用されたものです。 近年注目を集めるアーキテクチャーである「Transformer」の解説スライドとなっております。 "Arithmer Seminar" is weekly held, where professionals from within and outside our company give lectures on their respective expertise. The slides are made by the lecturer from outside our company, and shared here with his/her permission. Arithmer株式会社は東京大学大学院数理科学研究科発の数学の会社です。私達は現代数学を応用して、様々な分野のソリューションに、新しい高度AIシステムを導入しています。AIをいかに上手に使って仕事を効率化するか、そして人々の役に立つ結果を生み出すのか、それを考えるのが私たちの仕事です。 Arithmer began at the University of Tokyo Graduate School of Mathematical Sciences. Today, our research of modern mathematics and AI systems has the capability of providing solutions when dealing with tough complex issues. At Arithmer we believe it is our job to realize the functions of AI through improving work efficiency and producing more useful results for society.
全力解説!Transformer
全力解説!Transformer
Arithmer Inc.
お茶の水女子大学伊藤研究室ゼミ資料 関連資料として以下が参考になります https://note.com/sick4989hack/n/n928f78d3d33f
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて 6月10日 (金) 11:00 - 12:30 メイン会場 登壇者:松嶋 達也 氏(東京大学) 概要:DNNを用いたロボット学習アルゴリズムを用いて、動画のような高次元の入力からロボットの制御方策を学習することが可能になった。これらの手法はサービスロボット領域での応用が期待されているが、タスクや環境の多様性への対処が課題となっている。本講演では、強化学習のようなロボットの制御方策を直接学習する手法において、ロボットシステムから収集し蓄積した「オフライン」のデータを活用する方法について紹介するほか、実際に家庭内のサービスロボットシステム構築の事例紹介を通じて、実世界のロボットシステムの特徴やデータドリブンな手法を取り入れて汎化性・柔軟性を高めるための方法に関して解説する。
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII
動作認識の最前線:手法,タスク,データセット 精密工学会 画像応用技術専門委員会, 2022年度第4回定例研究, 2022/11/18
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
Toru Tamaki
2016/10/12 第16回全脳アーキテクチャ勉強会@リクルートテクノロジーズ 2016/08/01 第19回画像の認識・理解シンポジウム、チュートリアル@浜松 2016/06/29 第3回ステアラボ人工知能セミナー@千葉工業大学(スカイツリータウン) 2016/06/21 人工知能セミナー第7回 「自然言語処理のAIの最新動向」@産総研 2016/01/13 確率場と深層学習に関する第1回CRESTシンポジウム@早稲田大学 にて一部を使用。画像×言語の研究に関する日本語資料としては、現在一番網羅的だと信じています。
画像キャプションの自動生成
画像キャプションの自動生成
Yoshitaka Ushiku
FY2019上期に某所で開催した勉強会の資料です.
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
University of Tsukuba
NLP コロキウム https://nlp-colloquium-jp.github.io/ で発表した際のスライドです。 論文: https://arxiv.org/abs/2205.01954 GitHub: https://github.com/joisino/wordtour 概要 単語埋め込みは現代の自然言語処理の中核技術のひとつで、文書分類や類似度測定をはじめとして、さまざまな場面で使用されていることは知っての通りです。しかし、ふつう埋め込み先は何百という高次元であり、使用する時には多くの時間やメモリを消費するうえに、高次元埋め込みを視覚的に表現できないため解釈が難しいことが問題です。そこで本研究では、【一次元】の単語埋め込みを教師なしで得る方法を提案します。とはいえ、単語のあらゆる側面を一次元で捉えるのは不可能であるので、本研究ではまず単語埋め込みが満たすべき性質を健全性と完全性という二つに分解します。提案法の WordTour は、完全性はあきらめ、健全性のみを課すことで一次元埋め込みを可能にし、それでいて、全ての、とまでは言わないまでも、いくつかの応用において有用な一次元埋め込みを得ることに成功しました。
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
6/9 (木) 14:45~15:15 メイン会場 講師:石井 雅人 氏(ソニーグループ株式会社) 概要: 機械学習技術の急速な発達により、コンピュータによる知的処理は様々なタスクで人間に匹敵あるいは凌駕する性能を達成してきた。一方、このような高い性能は大量かつ高品質な学習データによって支えられており、多様化する機械学習応用においてデータの収集コストが大きな導入障壁の1つとなっている。本講演では、少ないデータやラベルから効率的に学習するための様々な技術について、「足りない情報をどのように補うか?」という観点から概観するとともに、特に画像認識分野における最新の研究動向についても紹介する。
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
日本心理学会第83回大会のチュートリアル「機械学習と心理学との接点」での講演資料です。 word2vecの背後で使われているSkip-gramやCBoWのようなユークリッド空間での埋め込み手法を導入し、次いで、双曲空間のようなもっと構造を持った空間へ埋め込むことのメリットについて説明します。Poincaré Embeddingやh-MDSのような双曲空間への埋め込み手法も紹介しています。 最後にさまざまな空間の積空間を考え、その空間自体を最適化することでデータの詳細な構造を捉えるという、という考え方を紹介します。
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
Tatsuya Shirakawa
第41回IBISML研究会 https://www.ieice.org/ken/program/index.php?mode=program&tgs_regid=fcaa63fc93919d63c192941825025f97dfeb046f102fa4fa2c046abe6dc556ce 【講演タイトル】 “機械学習の説明”の信頼性 【講演概要】 機械学習を実社会で利用する上での課題の一つに「機械学習モデルはブラックボックスで説明ができない」点があげられる。このようなモデルのブラックボックス性の問題を解消するために、ここ数年では機械学習モデルの“説明”の研究が活発になされている。しかし、これらの“説明”そのものの信頼性に課題があることが最近の研究で明らかになってきている。本講演ではこれら“説明”の信頼性に関する最近の研究について紹介する。
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
Satoshi Hara
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~ (映像情報メディア学会2021年冬季大会企画セッション 発表資料) 2021年12月16日 NTTデータ 山口 永
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
NTT DATA Technology & Innovation
cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有しています。 http://xpaperchallenge.org/cv/ 本資料はViEW2021チュートリアルセッション「最新研究の始め方」のプレゼン素材です。また、xpaper.challengeの2020年末ワークショップとしてプレゼンした「研究効率化Tips」の拡張版です。本資料では3社12研究室300ページにわたるノウハウの詰め合わせです。 VIEW2021のチュートリアルセッションでは時間の制限があるため、こちらの資料から一部抜粋して発表を行うことになりますが、VIEW2021チュートリアルセッションの方にも足を運んでいただければ幸いです。 VIEW2021チュートリアルセッション:http://view.tc-iaip.org/view/2021/speaker/ts1 ViEW2021参加登録:http://view.tc-iaip.org/view/2021/registration
研究効率化Tips Ver.2
研究効率化Tips Ver.2
cvpaper. challenge
オリジナルはこちら https://www.microsoft.com/en-us/research/academic-program/write-great-research-paper/ http://research.microsoft.com/en-us/um/people/simonpj/papers/giving-a-talk/Writing%20a%20paper%20(seven%20suggestions).pptx 新しいバージョンはこちら https://www.slideshare.net/kdmsnr/how-to-write-a-great-research-paper-226669082
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案
Masanori Kado
筑波大学情報学群情報メディア創成学類 先端技術とメディア表現の講義スライド 第一回目です. 最初に教員の自己紹介が入っています.
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15
Yoichi Ochiai
SSII2019 企画セッション「画像センシング技術の最先端」 6月12日(水) 11:20~12:05 (メインホール) 三次元点群とは、三次元形状をその表面上の各点座標値の集合によって表現するデータ形式です。各点は順不同、かつ点の密度や総数が一定とは限らないという三次元点群の性質から、画像での深層学習の知見を直接応用することは難しいとされてきました。本発表では、PointNet 以降急速に発展した点群深層学習に関する研究の流れをまとめるとともに、実アプリケーションへの応用につながるような研究事例の紹介を行います。
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
SSII
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
cvpaper. challenge
デブサミ2018夏の原田の講演資料です。
Devsumi 2018summer
Devsumi 2018summer
Harada Kei
【社内勉強会用】Sift特徴量について ※間違っている部分があるかもしれません
Sift特徴量について
Sift特徴量について
la_flance
2020/6/11 画像センシングシンポジウム オーガナイズドセッション2 「限られたデータからの深層学習」 https://confit.atlas.jp/guide/event/ssii2020/static/organized#OS2 での招待講演資料です。 コンピュータビジョン分野を中心とした転移学習についての講演です。 パブリックなデータセットも増えていて、物体検出や領域分割などの研究も盛んですが、実際に社会実装しようとするときのデータは学習データと異なる性質(異なるドメイン)のデータである場合も非常に多いです。 本講演では、そのような場合に有効なドメイン適応の原理となるアプローチ2つと応用としての物体検出と領域分割の事例を紹介しています。
ドメイン適応の原理と応用
ドメイン適応の原理と応用
Yoshitaka Ushiku
Tendances
(20)
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
全力解説!Transformer
全力解説!Transformer
研究分野をサーベイする
研究分野をサーベイする
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて
動作認識の最前線:手法,タスク,データセット
動作認識の最前線:手法,タスク,データセット
画像キャプションの自動生成
画像キャプションの自動生成
ナレッジグラフとオントロジー
ナレッジグラフとオントロジー
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
データに内在する構造をみるための埋め込み手法
データに内在する構造をみるための埋め込み手法
“機械学習の説明”の信頼性
“機械学習の説明”の信頼性
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
MLOps に基づく AI/ML 実運用最前線 ~画像、動画データにおける MLOps 事例のご紹介~(映像情報メディア学会2021年冬季大会企画セッショ...
研究効率化Tips Ver.2
研究効率化Tips Ver.2
優れた研究論文の書き方―7つの提案
優れた研究論文の書き方―7つの提案
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15
SSII2019企画: 点群深層学習の研究動向
SSII2019企画: 点群深層学習の研究動向
【メタサーベイ】Vision and Language のトップ研究室/研究者
【メタサーベイ】Vision and Language のトップ研究室/研究者
Devsumi 2018summer
Devsumi 2018summer
Sift特徴量について
Sift特徴量について
ドメイン適応の原理と応用
ドメイン適応の原理と応用
Similaire à 固有表現抽出と適用例のご紹介
Domain Adaptationについてこれまでの発展と動向をまとめたサーベイ資料です。Adversarial Learning(敵対学習)が用いられたり、セマンティックな情報を保持するためにReconstruction-LOSSが導入されたり、今年のICMLではクラス重心を用いた手法が提案されたりと、目覚ましい発展を続けています。
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
高専を卒業して一回りしました
高専を卒業して一回りしました
Tomokatsu Yoshizawa
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
新潟コンサルタント横田秀珠
田舎で5年間会社をやってきて感じたことをまとめてみました。
クラウドとコミュニティで起きた田舎の会社のゲームチェンジ
クラウドとコミュニティで起きた田舎の会社のゲームチェンジ
Takuya Tachibana
社内でAI・データ分析プロジェクトを推進する立場になって感じたこと、特に周囲を巻き込むために実施したことを中心にお話しします。参考になった書籍なども紹介しますので、実際にAIを始めたい方の参考になるような話をします
AIプロジェクトを始めるための周囲の巻き込み方
AIプロジェクトを始めるための周囲の巻き込み方
Daisuke Okamoto
平成27年6月22日(月)に東京大学駒場第Ⅱキャンパスで行われました、シンポジウムでの講演資料です。
【UDC2015】アーバンデータチャレンジ2015 - 中川祐治・兼久信次郎
【UDC2015】アーバンデータチャレンジ2015 - 中川祐治・兼久信次郎
CSISi
株式会社UEI 代表取締役社長兼CEO 清水亮
実用としての深層学習 ~深層学習の利用事例と展望~
実用としての深層学習 ~深層学習の利用事例と展望~
Hirono Jumpei
2018/08/03 中央線Meetup #1 でのLTスライドです
このスマートスピーカーとIFTTTの組み合わせがすごい
このスマートスピーカーとIFTTTの組み合わせがすごい
英明 伊藤
20160310_10_株式会社アドダイス
20160310_10_株式会社アドダイス
20160310_10_株式会社アドダイス
IoTビジネス共創ラボ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
新潟コンサルタント横田秀珠
Talk 3: 「明日から使える AIシステム開発シナリオ 事例特選10 〜pythonを使ったAI開発」 井原 渉(澪標アナリティクス)
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
Takeshi Akutsu
2枚目の名刺を作ったので、もらってください 帰り道ごくごく会でのLT
20190215 lt
20190215 lt
m_miyamoto
Data-Centric AI開発における データ生成の取り組みを紹介します。画像生成、3DCGなどさまざま考えられますが、今回Blender/BlenderProcを活用した取り組みをご紹介します。
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
2018.05.16 DOA 朝会トークのスライド資料
2018.05.16 DOA 朝会トーク | 自己紹介&勉強会のすゝめ
2018.05.16 DOA 朝会トーク | 自己紹介&勉強会のすゝめ
Koichiro Oki
2018/03/23開催 IoT縛りの勉強会/SIer主催版 SIer IoTLT vol6 with Tech Night! https://iotlt.connpass.com/event/77643/ #isaax #xshell
本番稼働した IoT システムのツラミ
本番稼働した IoT システムのツラミ
Tomoyuki Sugita
みんなのAIキャリアカレッジ#2(2017年3月27日開催) 株式会社ホットリンク 榊 剛史様によるご講演資料です。
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
Leading Edge Co.,Ltd.
2018/1/24に開催したさくらの夕べで発表した、さくらで実施予定のデータ流通実証実験に関する資料です。
データ流通実証実験について-20180207
データ流通実証実験について-20180207
Shunsuke Kikuchi
Japanese meetup app osaka@8 の資料です。 生成AIに関するリスクと対処方法を「AIリスク教本 攻めのディフェンスで危機回避&ビジネス加速」から説明して議論を行うための資料
AIのリスクを一緒におさらいしましょう(推し技術:生成AI)Let's review the risks of AI together
AIのリスクを一緒におさらいしましょう(推し技術:生成AI)Let's review the risks of AI together
Chuki ちゅき
2015-11-07に行われたワークショップの資料。東京都千駄ヶ谷にあるアニメイトラボさんのオフィスをお借りして開催し、20〜30名ほど集まりました。
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
ayumi kizuka
2020/5/13 18:15 - 19:45 早稲田大学 イノベーションとテクノロジー基礎 α 第1回
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
Yuto Takei
Similaire à 固有表現抽出と適用例のご紹介
(20)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
高専を卒業して一回りしました
高専を卒業して一回りしました
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
クラウドとコミュニティで起きた田舎の会社のゲームチェンジ
クラウドとコミュニティで起きた田舎の会社のゲームチェンジ
AIプロジェクトを始めるための周囲の巻き込み方
AIプロジェクトを始めるための周囲の巻き込み方
【UDC2015】アーバンデータチャレンジ2015 - 中川祐治・兼久信次郎
【UDC2015】アーバンデータチャレンジ2015 - 中川祐治・兼久信次郎
実用としての深層学習 ~深層学習の利用事例と展望~
実用としての深層学習 ~深層学習の利用事例と展望~
このスマートスピーカーとIFTTTの組み合わせがすごい
このスマートスピーカーとIFTTTの組み合わせがすごい
20160310_10_株式会社アドダイス
20160310_10_株式会社アドダイス
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
20190215 lt
20190215 lt
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
2018.05.16 DOA 朝会トーク | 自己紹介&勉強会のすゝめ
2018.05.16 DOA 朝会トーク | 自己紹介&勉強会のすゝめ
本番稼働した IoT システムのツラミ
本番稼働した IoT システムのツラミ
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
データ流通実証実験について-20180207
データ流通実証実験について-20180207
AIのリスクを一緒におさらいしましょう(推し技術:生成AI)Let's review the risks of AI together
AIのリスクを一緒におさらいしましょう(推し技術:生成AI)Let's review the risks of AI together
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
Plus de Core Concept Technologies
【自動化】センシングサイエンティストとはセンサを使っていろいろなものを計測し、産業や日常生活の発展に貢献する人です。今回は経費精算の自動化にトライしてみました。
センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなった
Core Concept Technologies
【高速化】C#コンパイラとランタイムのJITとフレームワークの実装に焦点を合わせて、高速なコードの書き方についてTipsを紹介します。C#で基盤やライブラリを作る人向けです。
C#で速度を極めるいろは
C#で速度を極めるいろは
Core Concept Technologies
【DI】以下概要をご紹介します。・ASP.NETで使われているDIの仕組みはコンソールアプリケーションでも使えるよ(つまりAWS Lambda等で使えるよ)・DIをうまく使うとテスタビリティが向上するよ・何をDIすれば嬉しいかを考えるよ
コンソールアプリケーションでDIを使う
コンソールアプリケーションでDIを使う
Core Concept Technologies
【開発環境移行】Windows一筋のC#開発者が、C#開発環境をMacに移行してみました。(現在進行形) Visual Studio,Azure,SQLServer,VSCodeとの付き合い方についてお話します。
開発環境をWindowsからMacに移行してみた話
開発環境をWindowsからMacに移行してみた話
Core Concept Technologies
【LINQ入門】C#のイケてるリスト操作機能LINQの入門編です。各種操作とその実効速度比較してみました。
Linqの速度測ってみた
Linqの速度測ってみた
Core Concept Technologies
【GridView】GridViewでデータソースをLinqDataSourceにした場合、OnSelectingイベントで任意の処理を挿入したい場合、データの取得が遅くなりがちです。LINQ to SQLでデータを取得している場合を例にして、高速化を行います。
データソースにLinqDataSourceを使った場合のGridViewの高速化
データソースにLinqDataSourceを使った場合のGridViewの高速化
Core Concept Technologies
【ロボット活用】工場では頻繁に使われているロボットアーム。もっと日常生活にも入り込んできて欲しい!という願いを込めてみんな大好きPythonでロボットアームCobottaを動かします。
ロボットアームをPythonで動かす
ロボットアームをPythonで動かす
Core Concept Technologies
【ディープラーニング】何かと話題になるディープラーニングをPythonを使ってはじめてみたいと思っても、ディープラーニングに適したコンピュータが手元になかったり、何のライブラリを使ったらいいかわからない、そもそも何からはじめればいいのかわからないなど、色々困ることはあると思います。自分がディープラーニングをはじめたころのことを踏まえながら、どのようにはじめていけば良さそうかについてお話します。
Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目
Core Concept Technologies
【動画解析】動画解析ってそもそもどんな事ができるのかもよくわからない。そんな疑問に動画解析の概要から説明していきます。また、Pythonを使った動画解析でよく使用されるOpenCVを使った実演も予定しています。
Pythonで簡単動画解析
Pythonで簡単動画解析
Core Concept Technologies
【統計・分析】データの分析をエクセルでやる方も多いと思いますが、今回はPythonを使って簡単な統計・分析を行ってみたいと思います。
Pythonで簡単な統計・分析をしてみよう!
Pythonで簡単な統計・分析をしてみよう!
Core Concept Technologies
【環境構築】Python実行環境について、初心者がつまづきやすい環境構築などを解決。今回はGoogle Colab環境でPythonを使ったスクレイピングをしてみます。
Google Colab環境でPythonスクレイピング
Google Colab環境でPythonスクレイピング
Core Concept Technologies
今回はCTOの田口がIoT Newsで受けたインタビュー記事を解説。記事からは分かりにくい背景などをご紹介。(参照記事「取得した数値データをどう見るか、そして可視化の先にあるものとは -東芝デジタルソリューションズ福本氏、コアコンセプト・テクノロジー田口氏インタビュー」
可視化の先にあるものとは
可視化の先にあるものとは
Core Concept Technologies
実際に協働ロボットCOBOTTAと一緒に働いてみて、 ”今”をどう変えられそうなのかトライします。 詳細はLT会で報告します。
ロボットと協働生活中に試行錯誤したこと
ロボットと協働生活中に試行錯誤したこと
Core Concept Technologies
弊社製品の3D Viewerに組み込まれている3Dモデル類似検索の紹介と機会学習を活用した類似検索などの仕組みを説明します。
3Dモデル類似検索
3Dモデル類似検索
Core Concept Technologies
機械学習の手法を用いた動画の異常検知手法を紹介します。シンプルに最適化されたアルゴリズムによって高価なGPUサーバを必要とせず、初期費用の大幅な削減を実現しました。耐久試験場での試験体の異常動作監視や製品形状の定量評価など製造現場での活用事例を交えて説明します。
GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知
Core Concept Technologies
【深層強化学習】 2016年、GoogleのAlphaGoが囲碁の名人に勝利しました。このAlphaGoでも使われている深層強化学習について、ほんの入り口だけを紹介します。
深層強化学習入門
深層強化学習入門
Core Concept Technologies
【スペシャルコンテンツ】 世の中の数々のIoTプロジェクトは成功しているのか、それとも失敗しているのか。どの程度の割合なのか、そして成功とはなんなのかを自社での開発経験を踏まえてご紹介します。
なぜIoTプロジェクトは途中でとまってしまうのか。
なぜIoTプロジェクトは途中でとまってしまうのか。
Core Concept Technologies
【センサ活用】 IoTわからないときは、とりあえずセンサ使ってみましょ~。 でも、時間ない、予算ない、セキュリティ対策ない・・・。 そんな方々のためにセンサに関する最低限の知識と、 専門家が勧める入門センサを紹介します。
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
Core Concept Technologies
【AIの活用方法とレコメンドの仕組み】 AIを活用してどのようなことが出来るのか他社事例などをご紹介。さらに、AIを用いたブログや商品のレコメンドシステムの概要、開発事例を説明した上で、機械学習のアルゴリズムを用いた簡単なレコメンドシステムの実装方法を紹介する。
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装
Core Concept Technologies
【IoTの活用・導入事例】 Orizuru IoTの導入事例をもとに製造現場においてIoTをどう活用すべきかを考える。
Orizuru IoTは何を変えたのか
Orizuru IoTは何を変えたのか
Core Concept Technologies
Plus de Core Concept Technologies
(20)
センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなった
C#で速度を極めるいろは
C#で速度を極めるいろは
コンソールアプリケーションでDIを使う
コンソールアプリケーションでDIを使う
開発環境をWindowsからMacに移行してみた話
開発環境をWindowsからMacに移行してみた話
Linqの速度測ってみた
Linqの速度測ってみた
データソースにLinqDataSourceを使った場合のGridViewの高速化
データソースにLinqDataSourceを使った場合のGridViewの高速化
ロボットアームをPythonで動かす
ロボットアームをPythonで動かす
Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目
Pythonで簡単動画解析
Pythonで簡単動画解析
Pythonで簡単な統計・分析をしてみよう!
Pythonで簡単な統計・分析をしてみよう!
Google Colab環境でPythonスクレイピング
Google Colab環境でPythonスクレイピング
可視化の先にあるものとは
可視化の先にあるものとは
ロボットと協働生活中に試行錯誤したこと
ロボットと協働生活中に試行錯誤したこと
3Dモデル類似検索
3Dモデル類似検索
GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知
深層強化学習入門
深層強化学習入門
なぜIoTプロジェクトは途中でとまってしまうのか。
なぜIoTプロジェクトは途中でとまってしまうのか。
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装
Orizuru IoTは何を変えたのか
Orizuru IoTは何を変えたのか
固有表現抽出と適用例のご紹介
1.
固有表現抽出と 適用例のご紹介 2019/4/5 @LT会
2.
自己紹介 IoT/AIソリューション事業部所属のAIの担当 学生時代: 高専から大学院まで情報系だったが、 機械学習という名前に興味が持てず AIに関係する授業をあまり受講しない学生生活 入社後: 入社してからはずっとAI関連の仕事をすることに (画像、動画、自然言語、波形データの解析、レコメンドなど) こういうのは いいかな 学生時代
3.
固有表現抽出とは? 固有表現抽出は文から人名や組織名、地名、日付等を抽出する方法 【例】 入力文:CCTは2009年に設立された新宿の会社 組織名 日付 地名ラベル:
*住所は渋谷区… 固有表現抽出による抽出結果
4.
固有表現抽出をどう活用する?① プライバシー保護(弊社事例) 【例】 入力文:山田太郎さんは持病があり、茨城から通院している ■■さんは持病があり、■■から通院している 個人情報等を隠した文へ 個人情報が隠された文にして、関係者以外でも閲覧可能な形へ 人名 地名
5.
固有表現抽出をどう活用する?② 対話システム(弊社事例) 【例】 入力文:新宿駅近くのマクドナルドの住所は? 組織名地名 コンピュータが新宿駅近くの マクドナルドを検索して、住所をユーザーに提示
6.
固有表現抽出をどう活用する?③④ Sansan様の例: ネットニュースから企業名を抽出しておき、 名刺交換した相手の企業のニュースを配信1 クックパッド様の例: 特売品の情報の文章から商品名を抽出2 [1]https://speakerdeck.com/sansanbuildersbox/introduction-of-ner-survey-paper-and-practical- example-of-organization-extraction [2]https://www.slideshare.net/abicky/ss-52441786
7.
固有表現抽出の実現方法 1. ルールベース どの単語がどれに該当するかをあらわす辞書や、 単語があらわれる文脈によってどう判定するべきかのルールを 人間が頑張って作り、これらをもとに固有表現抽出をおこなう 2. 機械学習 学習に使うデータをたくさん用意することで ルールを自動で学ばせることができる! 新しい単語も対応可能! 最近はディープラーニングを利用 単語、ルールを網羅しようとするのは大変 新しい単語ができたら都度対応が必要
8.
学習データの用意 機械学習を使う場合にはラベル付きの学習データが必要 基本的には人間が頑張って用意する 佐賀駅から会場となる市村記念体育館までの通りには、 佐賀にゆかりのある偉人の銅像が建てられ、 中には佐賀藩主の鍋島直正や、幕末維新期に活躍した大隈重信 などが姿を現します。 【学習データの例】 地名 地名 地名 地名 人名 人名
9.
実験 固有表現抽出には機械学習(ディープラーニング)を利用 学習データとして2000個のニュース記事を使用 ラベル付の体力の限界のため今回は 2000個ですが、実際の問題では もっと沢山あったほうが良いです ラベルは組織名、人名、地名の3つのみ
10.
抽出した結果 【例1】 水戸藩の二代藩主、徳川光圀などがまつられている水戸市の常磐神社で、 ことし1年間にたまったほこりを落とし、新年を迎えるための すす払いが行われました。 地名 人名 地名
失敗 引用元:https://www3.nhk.or.jp/lnews/mito/ 20181213/1070004942.html
11.
抽出した結果 【例2】 ヤクルト・奥村展征内野手(23)が13日、東京・北青山の 球団事務所で契約更改交渉を行い、現状維持の950万円でサインした。 人名 地名組織名 引用元:https://www.sanspo.com/baseball/ news/20181213/swa18121313340005-n1.html
12.
抽出した結果 【例3】 千葉県の千葉市在住の千葉さんは千葉の魅力をアピールした。 人名地名 地名 地名 同じ単語でも 文脈で異なるラベル
13.
まとめ 固有表現抽出と活用例、 ニュース記事に適用した実験結果をご紹介しました 文章データをたくさんお持ちの企業様は 固有表現抽出を使って面白いことができるかもしれません! 固有表現抽出以外にもAIを使ってやりたいことなどあれば 懇親会でご相談ください 【宣伝】 今回の発表内容は弊社のブログでも掲載しています! https://orizuru.io/challenge/005_ai_extract-word/
Télécharger maintenant