Enviar búsqueda
Cargar
Dll講演資料 2017616
•
4 recomendaciones
•
3,383 vistas
N
NORIKO HOSAKA
Seguir
株式会社Ridge-i 代表取締役社長 柳原尚史
Leer menos
Leer más
Tecnología
Denunciar
Compartir
Denunciar
Compartir
1 de 45
Descargar ahora
Descargar para leer sin conexión
Recomendados
DIMoの操作実演とSCSKが提供する研修プログラム
DIMoの操作実演とSCSKが提供する研修プログラム
Hirono Jumpei
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
Ridge-i
Deep Learning Lab コミュニティ 企画概要
Deep Learning Lab コミュニティ 企画概要
Hirono Jumpei
DLL Community Update 10月版
DLL Community Update 10月版
Hirono Jumpei
Deep inspectionの特徴
Deep inspectionの特徴
Rist Inc.
DLL #3 株式会社standard
DLL #3 株式会社standard
Hirono Jumpei
【Dll3】scskプレゼン20170904
【Dll3】scskプレゼン20170904
Hirono Jumpei
Recomendados
DIMoの操作実演とSCSKが提供する研修プログラム
DIMoの操作実演とSCSKが提供する研修プログラム
Hirono Jumpei
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
[Ridge-i] Deep Learning Lab - ディープラーニング 導入の課題と実例
Ridge-i
Deep Learning Lab コミュニティ 企画概要
Deep Learning Lab コミュニティ 企画概要
Hirono Jumpei
DLL Community Update 10月版
DLL Community Update 10月版
Hirono Jumpei
Deep inspectionの特徴
Deep inspectionの特徴
Rist Inc.
DLL #3 株式会社standard
DLL #3 株式会社standard
Hirono Jumpei
【Dll3】scskプレゼン20170904
【Dll3】scskプレゼン20170904
Hirono Jumpei
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
Rist Inc.
(2017.8.27) Elasticsearchと科学技術ビッグデータが切り拓く日本の知の俯瞰と発見
(2017.8.27) Elasticsearchと科学技術ビッグデータが切り拓く日本の知の俯瞰と発見
Mitsutoshi Kiuchi
[db tech showcase Tokyo 2017] D25: データの分析や解析の前に必要となる「データ準備」とは。データ・プレパレーション・プラ...
[db tech showcase Tokyo 2017] D25: データの分析や解析の前に必要となる「データ準備」とは。データ・プレパレーション・プラ...
Insight Technology, Inc.
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
Kamonohashi
【Dll171201】深層学習利活用の紹介 掲載用
【Dll171201】深層学習利活用の紹介 掲載用
Hirono Jumpei
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
Yahoo!デベロッパーネットワーク
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
Kamonohashi
20170417 ブロックチェーン講演 「ブロックチェーンのエンタープライズでの活用」
20170417 ブロックチェーン講演 「ブロックチェーンのエンタープライズでの活用」
Takeshi Hirosue
20191010 Blockchain GIG #5 石原様資料
20191010 Blockchain GIG #5 石原様資料
オラクルエンジニア通信
Deep learningの世界に飛び込む前の命綱
Deep learningの世界に飛び込む前の命綱
Junya Kamura
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
Deep Learning Lab(ディープラーニング・ラボ)
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
ナレッジコミュニケーション
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
ナレッジコミュニケーション
20200522 Blockchain GIG#7 株式会社NTTデータ山下様資料
20200522 Blockchain GIG#7 株式会社NTTデータ山下様資料
オラクルエンジニア通信
20171201_02_idb_security_wg発表_p
20171201_02_idb_security_wg発表_p
ID-Based Security イニシアティブ
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
Preferred Networks
(2017.6.9) Neo4jの可視化ライブラリまとめ
(2017.6.9) Neo4jの可視化ライブラリまとめ
Mitsutoshi Kiuchi
20180604 株式会社ディー・ディー・エス様
20180604 株式会社ディー・ディー・エス様
ID-Based Security イニシアティブ
Neo4jrbにおけるOGM
Neo4jrbにおけるOGM
takabes00
PFN x Microsoft Alliance
PFN x Microsoft Alliance
Hirono Jumpei
[Ridge-i] Dll講演資料 2017616
[Ridge-i] Dll講演資料 2017616
Ridge-i
Deep Learning Lab: DIMo & Chainer
Deep Learning Lab: DIMo & Chainer
Preferred Networks
Más contenido relacionado
La actualidad más candente
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
Rist Inc.
(2017.8.27) Elasticsearchと科学技術ビッグデータが切り拓く日本の知の俯瞰と発見
(2017.8.27) Elasticsearchと科学技術ビッグデータが切り拓く日本の知の俯瞰と発見
Mitsutoshi Kiuchi
[db tech showcase Tokyo 2017] D25: データの分析や解析の前に必要となる「データ準備」とは。データ・プレパレーション・プラ...
[db tech showcase Tokyo 2017] D25: データの分析や解析の前に必要となる「データ準備」とは。データ・プレパレーション・プラ...
Insight Technology, Inc.
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
Kamonohashi
【Dll171201】深層学習利活用の紹介 掲載用
【Dll171201】深層学習利活用の紹介 掲載用
Hirono Jumpei
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
Yahoo!デベロッパーネットワーク
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
Kamonohashi
20170417 ブロックチェーン講演 「ブロックチェーンのエンタープライズでの活用」
20170417 ブロックチェーン講演 「ブロックチェーンのエンタープライズでの活用」
Takeshi Hirosue
20191010 Blockchain GIG #5 石原様資料
20191010 Blockchain GIG #5 石原様資料
オラクルエンジニア通信
Deep learningの世界に飛び込む前の命綱
Deep learningの世界に飛び込む前の命綱
Junya Kamura
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
Deep Learning Lab(ディープラーニング・ラボ)
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
ナレッジコミュニケーション
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
ナレッジコミュニケーション
20200522 Blockchain GIG#7 株式会社NTTデータ山下様資料
20200522 Blockchain GIG#7 株式会社NTTデータ山下様資料
オラクルエンジニア通信
20171201_02_idb_security_wg発表_p
20171201_02_idb_security_wg発表_p
ID-Based Security イニシアティブ
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
Preferred Networks
(2017.6.9) Neo4jの可視化ライブラリまとめ
(2017.6.9) Neo4jの可視化ライブラリまとめ
Mitsutoshi Kiuchi
20180604 株式会社ディー・ディー・エス様
20180604 株式会社ディー・ディー・エス様
ID-Based Security イニシアティブ
Neo4jrbにおけるOGM
Neo4jrbにおけるOGM
takabes00
La actualidad más candente
(19)
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
製造業の画像検査におけるDeep Learningの現状とdeep inspectionの特徴
(2017.8.27) Elasticsearchと科学技術ビッグデータが切り拓く日本の知の俯瞰と発見
(2017.8.27) Elasticsearchと科学技術ビッグデータが切り拓く日本の知の俯瞰と発見
[db tech showcase Tokyo 2017] D25: データの分析や解析の前に必要となる「データ準備」とは。データ・プレパレーション・プラ...
[db tech showcase Tokyo 2017] D25: データの分析や解析の前に必要となる「データ準備」とは。データ・プレパレーション・プラ...
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
<インフラ管理者向け>チームでのAI開発を支援するAI開発プラットフォームKAMONOHASHI
【Dll171201】深層学習利活用の紹介 掲載用
【Dll171201】深層学習利活用の紹介 掲載用
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
#ibis2017 Description: IBIS2017の企画セッションでの発表資料
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
<AI開発者向け>Deep Learningへの取り組み、およびKAMONOHASHIのご紹介
20170417 ブロックチェーン講演 「ブロックチェーンのエンタープライズでの活用」
20170417 ブロックチェーン講演 「ブロックチェーンのエンタープライズでの活用」
20191010 Blockchain GIG #5 石原様資料
20191010 Blockchain GIG #5 石原様資料
Deep learningの世界に飛び込む前の命綱
Deep learningの世界に飛び込む前の命綱
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
[Track4-5] CDLEへの招待~CDLEハッカソンが、自分の人生のターニングポイントになった話~
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
【20170414みんなのAI】機械学習の民主化を促進するAI活用術
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
【金融機関アクセラレータ参加ベンチャーと学ぶAI】クラウド×AIで機械学習の民主化を目指すナレコムAI
20200522 Blockchain GIG#7 株式会社NTTデータ山下様資料
20200522 Blockchain GIG#7 株式会社NTTデータ山下様資料
20171201_02_idb_security_wg発表_p
20171201_02_idb_security_wg発表_p
Kubernetesによる機械学習基盤への挑戦
Kubernetesによる機械学習基盤への挑戦
(2017.6.9) Neo4jの可視化ライブラリまとめ
(2017.6.9) Neo4jの可視化ライブラリまとめ
20180604 株式会社ディー・ディー・エス様
20180604 株式会社ディー・ディー・エス様
Neo4jrbにおけるOGM
Neo4jrbにおけるOGM
Destacado
PFN x Microsoft Alliance
PFN x Microsoft Alliance
Hirono Jumpei
[Ridge-i] Dll講演資料 2017616
[Ridge-i] Dll講演資料 2017616
Ridge-i
Deep Learning Lab: DIMo & Chainer
Deep Learning Lab: DIMo & Chainer
Preferred Networks
Lecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanohara
Preferred Networks
Alibaba Cloud Serverless
Alibaba Cloud Serverless
真吾 吉田
Mbed OS 5の本を書いてみた
Mbed OS 5の本を書いてみた
Junichi Katsu
Stock prediction
Stock prediction
tetsuo ishigaki
Destacado
(7)
PFN x Microsoft Alliance
PFN x Microsoft Alliance
[Ridge-i] Dll講演資料 2017616
[Ridge-i] Dll講演資料 2017616
Deep Learning Lab: DIMo & Chainer
Deep Learning Lab: DIMo & Chainer
Lecture univ.tokyo 2017_okanohara
Lecture univ.tokyo 2017_okanohara
Alibaba Cloud Serverless
Alibaba Cloud Serverless
Mbed OS 5の本を書いてみた
Mbed OS 5の本を書いてみた
Stock prediction
Stock prediction
Similar a Dll講演資料 2017616
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning
Fumihiko Takahashi
Study Group of NIPS2017 presented by webfarmer.ltd
Study Group of NIPS2017 presented by webfarmer.ltd
WEBFARMER. ltd.
ドライブレコーダーの映像で Scene Text Recognitionする
ドライブレコーダーの映像で Scene Text Recognitionする
Fumihiko Takahashi
Generative Adversarial Networks (GAN) @ NIPS2017
Generative Adversarial Networks (GAN) @ NIPS2017
Koichi Hamada
スタートアップが始める機械学習はじめの一歩
スタートアップが始める機械学習はじめの一歩
Kimitaka Nakazawa
kukai: 省エネ世界2位のディープラーニング・スパコン
kukai: 省エネ世界2位のディープラーニング・スパコン
Yahoo!デベロッパーネットワーク
データの見える化で進めるデータドリブンカンパニー #devsumiC
データの見える化で進めるデータドリブンカンパニー #devsumiC
Yahoo!デベロッパーネットワーク
グロースハック なぜ我々は無意味な施策を打ってしまうのか
グロースハック なぜ我々は無意味な施策を打ってしまうのか
Yahoo!デベロッパーネットワーク
JapanTaxiが保有するデータとデータ分析について
JapanTaxiが保有するデータとデータ分析について
Masatoshi Ida
アプリエンジニアでもできる閉域網構築のススメ!
アプリエンジニアでもできる閉域網構築のススメ!
Tosihiyuki Hirai
(2017.9.7) Neo4jご紹介
(2017.9.7) Neo4jご紹介
Mitsutoshi Kiuchi
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
Hirono Jumpei
2016年度コーポレートフェローシップ活動報告(伊東さん)
2016年度コーポレートフェローシップ活動報告(伊東さん)
Code for Japan
LightningComponentのUnitテストについて.pptx
LightningComponentのUnitテストについて.pptx
Ryosuke Kobayashi
ギター、パラメトリックスピーカー、ウルトラソニックエフェクター。
ギター、パラメトリックスピーカー、ウルトラソニックエフェクター。
Koji Hara
データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料
The Japan DataScientist Society
広告における機械学習の適用例とシステムについて
広告における機械学習の適用例とシステムについて
Yahoo!デベロッパーネットワーク
JapanTaxi R&Dの取り組み事例
JapanTaxi R&Dの取り組み事例
Fumihiko Takahashi
【NABLAS株式会社】採用ピッチ資料 Ver. 2023.pdf
【NABLAS株式会社】採用ピッチ資料 Ver. 2023.pdf
NABLAS株式会社
Similar a Dll講演資料 2017616
(20)
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning
ドライブレコーダーの Scene Text Recognitionにおける Multi-task Learning
Study Group of NIPS2017 presented by webfarmer.ltd
Study Group of NIPS2017 presented by webfarmer.ltd
ドライブレコーダーの映像で Scene Text Recognitionする
ドライブレコーダーの映像で Scene Text Recognitionする
Generative Adversarial Networks (GAN) @ NIPS2017
Generative Adversarial Networks (GAN) @ NIPS2017
スタートアップが始める機械学習はじめの一歩
スタートアップが始める機械学習はじめの一歩
kukai: 省エネ世界2位のディープラーニング・スパコン
kukai: 省エネ世界2位のディープラーニング・スパコン
データの見える化で進めるデータドリブンカンパニー #devsumiC
データの見える化で進めるデータドリブンカンパニー #devsumiC
グロースハック なぜ我々は無意味な施策を打ってしまうのか
グロースハック なぜ我々は無意味な施策を打ってしまうのか
JapanTaxiが保有するデータとデータ分析について
JapanTaxiが保有するデータとデータ分析について
アプリエンジニアでもできる閉域網構築のススメ!
アプリエンジニアでもできる閉域網構築のススメ!
(2017.9.7) Neo4jご紹介
(2017.9.7) Neo4jご紹介
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
深層学習の導入で抱える課題とユースケース実例
2016年度コーポレートフェローシップ活動報告(伊東さん)
2016年度コーポレートフェローシップ活動報告(伊東さん)
LightningComponentのUnitテストについて.pptx
LightningComponentのUnitテストについて.pptx
ギター、パラメトリックスピーカー、ウルトラソニックエフェクター。
ギター、パラメトリックスピーカー、ウルトラソニックエフェクター。
データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料
広告における機械学習の適用例とシステムについて
広告における機械学習の適用例とシステムについて
JapanTaxi R&Dの取り組み事例
JapanTaxi R&Dの取り組み事例
【NABLAS株式会社】採用ピッチ資料 Ver. 2023.pdf
【NABLAS株式会社】採用ピッチ資料 Ver. 2023.pdf
Último
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
akihisamiyanaga1
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
Yuki Kikuchi
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
Último
(8)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
Dll講演資料 2017616
1.
ディープラーニング技術 最新動向と導入の課題 2017/6/16 Deep Learning Labキックオフ ©2017
Ridge-i All Rights Reserved.
2.
Preferred Networksと Ridge-iについて ©2017 Ridge-i
All Rights Reserved.
3.
Ridge-i & Preferred
Networks パートナーシップ ©2017 Ridge-i All Rights Reserved.
4.
DIMoの全体像 4 強化学習 深層強化学習 異常検知 マルチ モーダル ・ センサー フュージョン アルゴリズム ストリーミングデータ解析 ©2016 Ridge-I All
Rights Reserved. ディープラーニング 開発・実行環境 学習データ作成 アノテーション GUI カメラ管理 映像解析 検出・分類 再照合 外観検査 Deep Intelligence in Motion(DIMo、ダイモ) PFNの研究成果が詰まったプラットフォーム ツール フロアマップ 連携
5.
AI導入の流れと課題 ©2017 Ridge-i All
Rights Reserved.
6.
AI導入の流れとボトルネック ©2017 Ridge-i All
Rights Reserved. 相談 検討開始 活用 戦略 技術 詳細検討 開発 実証実験 周辺開発 商品化 販売 サポート 多多 中 中 少 Value Chain 人的 リソース 業界全体で人材不足 導入を阻む最大のボトルネック AIで何か したい 課題と方向性 省力化・新商品・新 ビジネス・データ どの技術とデータ の組合せで解決 実装・学習・検証 チューニング AI導入 できた!
7.
「AI」という言葉の曖昧さ 階層ベイズ MCMC, GLMM 最尤法 主成分分析、GLM ベイズ理論 検定 相関、共分散 確率、正規分布、分散 機械学習 統計解析 機械翻訳 トピックモデル 文章生成 ディープラーニング (RNN,
Skip-gram) BWT, Wavelet Tree TF-IDF, Word2Vec 検索、N-Gram 形態素解析 自然言語解析 難易度:高 人材:希少 どれでもAI 分散協調 深層強化学習 強化学習 ディープラーニング LSTM, DBM, CNN, RNN 協調フィルタリング SVM, K-Means, 近傍法 探索木 ロジスティック回帰 最小二乗法 ©2017 Ridge-i All Rights Reserved. + ナップザック問題、動的計画法、最適化問題なども
8.
ディープラーニングのパターン(2016年10月時点) ©2017 Ridge-i All
Rights Reserved. 万能モデルは存在せず、目的に応じて選ぶ必要 講演時のみ 配布資料からは削除しております。
9.
©2017 Ridge-i All
Rights Reserved. ● ユーザーがAI活用を企画するための知識・理解の不足 ● 「AI」技術が日進月歩で急激な変化。 ● 一つの「AI」で解決できるほど汎用的ではない。 ニーズとシーズのギャップ 相談 検討開始 活用 戦略 技術 詳細検討 開発 実証実験 周辺開発 商品化 販売 サポート どんな技術がどう効く のかわからない 目的がわからないと 作れない
10.
相談 検討開始 活用 戦略 技術 詳細検討 開発 実証実験 周辺開発 商品化 販売 サポート Ridge-iの役割:パートナーと共に検討から導入までサポート 導入支援、カスタマイズ Ridge-iが自社・共同開発 AIベンダー紹介 コンサルテーションフェーズ ソリューション開発フェーズ 課題と効果 最適な技術構成 複数のAIと他技術を どう組み合わせるか AIの導入価値の判定 PFN -
DIMo活用 他AI活用 ©2017 Ridge-i All Rights Reserved. 戦略コンサル
11.
柳原 尚史 証券アナリスト検定会員、ネットワークスペシャリスト ● ブラックロックなど外資金融でリスク分析、アルゴリズム、電子取引の開発に従事 ●
機械学習、ディープラーニング、強化学習の研究開発に集中 ● NHK サイエンスゼロの人工知能特集を監修 Ridge-i 担当について 数式に眠く ならないタフさ 趣味はトレイルランニング ● 富士山1日3往復 ● UTMB(モンブラン170Km)を44時間寝ずに走破 ©2017 Ridge-i All Rights Reserved.
12.
ディープラーニングの動向 ©2017 Ridge-i All
Rights Reserved.
13.
AI(人工知能)研究の歴史 出典:『人工知能は人間を超えるか ディープラーニングの先にあるもの』 松尾豊 Webやビッグデータなどから 豊富な学習素材の獲得 ディープラーニング・強化学習 の手法成熟 GPUによる高速並列計算 ©2017 Ridge-i
All Rights Reserved. 第3次AIブームのビッグウェーブ 「推論・探索」 「知識」 「分類」
14.
ディープラーニング(深層学習)と強化学習の融合 ● ゲームチェンジャーとなるAI事例の中心技術 ディープラーニング 学習に必要な特徴を 自動で見つける 強化学習 成功・失敗の結果から学習し 手続きの成功確率を高める 深層強化学習 最適な動作を自動的に学習・判断・行動する ©2017 Ridge-i
All Rights Reserved. 画像は講演時のみ 配布資料からは削除しております。
15.
これらはすべて2016年の出来事 ディープラーニングで機械が(一部)人間を超え始めた 囲碁 トップレベル棋士にAlphaGoが4勝1敗 英語音声認識 エラー率5.9%(人間と同水準) 物体識別コンテスト エラー率3.5%(人間は5%) ディープラーニング Deep Q Network Long
Short-Term Memory Convolutional Neural Network ©2017 Ridge-i All Rights Reserved. 画像は講演時のみ 配布資料からは削除しております。
16.
膨大な要件 アプリケーション 実装・テスト ©2016 Ridge-I All
Rights Reserved. トレーニング データ (過去データ) アプリケーション 機械学習 ロジック 学 習 従来のシステム設計 機械学習を用いたシステム設計 適切なデータとロジック があれば短期間で実現 システム設計方法の変化
17.
ニューラルネットワークによる機械学習の一種 人間が思いつく特徴量を設計 「特徴抽出の壁」 ディープラーニングとは ニューラルネットワーク/ディープラーニング 従来の機械学習 大量のデータを元に、 見分け方を自動で習得 ©2017 Ridge-i All
Rights Reserved. 人間がルールベースで解け なかった課題を解ける! 画像は講演時のみ 配布資料からは削除しております。
18.
ファナックのピッキング作業の自動化例 ©2017 Ridge-i All
Rights Reserved.
19.
駐車場の空きスペースの検出(パナソニックとの共同研究) ©2017 Ridge-i All
Rights Reserved.
20.
人物・車の認識 最先端技術のデモ DIMo映像解析パッケージに搭載されている一般物体検出・分類機能 ©2017 Ridge-i
All Rights Reserved.
21.
人物・車の認識 最先端技術のデモ DIMo映像解析パッケージに搭載されている一般物体検出・分類機能 赤い車の陰に隠れている、赤い服を着た人も検出できています。 ©2017 Ridge-i
All Rights Reserved.
22.
最新のセグメンテーション技術 ©2017 Ridge-i All
Rights Reserved. 講演時のみ 配布資料からは削除しております。
23.
NTT Com 2016年3月30日プレスリリース:
DIMoの再照合機能を活用中 人工知能(AI)を活用した映像解析技術により 複数カメラを跨いだ不審者検出・追跡を高い精度で実現 ~ALSOKと連携した実証実験に成功~ 同じ人物の特徴を検出:監視カメラで再照合 ©2017 Ridge-i All Rights Reserved. 画像は講演時のみ 配布資料からは削除しております。
24.
複数のカメラから同一人物を発見(再照合機能) 発見したい 特定人物の画像 角度・画質によらず 背中でも同一人物を 発見できた 人物の同一性を判断できる特徴を 学習済みのニューラルネットワーク ©2017 Ridge-i All
Rights Reserved.
25.
● 複数のセンサーデータ(温度・モータ回転数など)から正常と異常の特徴を発見 ● 人間の目では区別が付かない微細な違いに反応 センサー時系列データにも応用。異常検知(ファナック) ©2016
Preferred Networks, Inc. and Asian Frontier All Rights Reserved. ©2017 Ridge-i All Rights Reserved.
26.
事前の故障検出による保守の大幅改善 ©2016 Preferred Networks,
Inc. and Asian Frontier All Rights Reserved. ©2017 Ridge-i All Rights Reserved.
27.
● ロック、中国語POP、コードなどの特徴で楽曲を自動分類 ● コンテンツベースでのレコメンドが可能 波形データによる楽曲の自動分類が実用段階
(Spotify) ©2017 Ridge-i All Rights Reserved. 講演時のみ 配布資料からは削除しております。
28.
ディープラーニングは 認識から生成・行動へ進化中 28 認識 検出・分類・異常検知 行動生成 深層強化学習 ©2017 Ridge-i
All Rights Reserved.
29.
生成の事例 ©2017 Ridge-i All
Rights Reserved.
30.
線画着色Webサービス Paints Chainer http://paintschainer.preferred.tech/ ©2017
Ridge-i All Rights Reserved. http://www.pixiv.net/member_illust.php?mode=medium&illust_id=40487409
31.
音楽生成 DL Shimons(ロボットはおまけ) https://www.technologyreview.jp/s/44661/this-marimba- playing-robot-invents-surprisingly-nice-tunes/#_=_ 講演時のみ 配布資料からは削除しております。
32.
ドワンゴ+早稲田 アニメ中割り作成 ©2017 Ridge-i
All Rights Reserved. 画像は講演時のみ 配布資料からは削除しております。
33.
自動彩色:白黒映画をカラー化。同じ白黒値の肌と空も判別 33 ©2017 Ridge-i All
Rights Reserved.
34.
白黒彩色:弊社 実験画像(1フレームのみから学習) 34 ©2016
Ridge-I All Rights Reserved.
35.
35 ©2016 Ridge-I
All Rights Reserved. 数百倍の省力化効果 + 人は絵作りに専念できる あえて汎用化ではなく、過学習させることでビジネスニーズを満たす工夫 自動彩色:昔の大相撲をカラー化して 5/21 NHKで放送。 講演時のみ 配布資料からは削除しております。
36.
行動の事例 (深層強化学習) ©2017 Ridge-i All
Rights Reserved.
37.
強化学習 フィードバックからの学習 行動と未来のデータ(報酬フィードバック)の時系列から学習 アプリケーション 強化学習 ロジック 行動1と 結果1 ….. 行動2と 結果2 行動3と 結果3 学習 正しい行動がすぐにわからない(教師データがない)実世界に適応できる T+1 T+2 T+3 行動
T+3の結果が いつの行動に よる影響か解析 将来最もよい 状況になる、 今とるべき行動 行動0と 結果0 →結果 改良 ©2017 Ridge-i All Rights Reserved.
38.
自動運転のシミュレーター 38 ©2016 Preferred Networks,
Inc. and Asian Frontier All Rights Reserved. ©2017 Ridge-i All Rights Reserved.
39.
なぜ自動運転に人工知能が必要なのか。 39 ©2016 Preferred Networks,
Inc. and Asian Frontier All Rights Reserved. ©2017 Ridge-i All Rights Reserved.
40.
CES2016でのプリウスのデモ。赤い車をよけているのが特徴 40 ©2016 Preferred Networks,
Inc. and Asian Frontier All Rights Reserved. ©2017 Ridge-i All Rights Reserved.
41.
実際の活用に向けて ©2017 Ridge-i All
Rights Reserved.
42.
実際の導入は複数のAI技術の組み合わせ 42 ©2017 Ridge-i All
Rights Reserved. 講演時のみ 配布資料からは削除しております。
43.
レイヤーに応じた適切なAIの選択も重要 エッジ クラウド • 渋滞管理 • 最適化問題 フォグ •
衝突判断 • 回避 • 自動操舵 • 交差点時間調整 • 緊急車両対応 クラウドコンピューティング エッジコンピューティング 認知 判断(クラウドと通信) 行動 認知 判断 行動 事故 データ量・種類 処理時間 多い・長い 少ない・短い ©2017 Ridge-i All Rights Reserved.
44.
NTT、LiDARでリアルタイム人物監視の検知精度を向上 44 http://techon.nikkeibp.co.jp/atcl/news/16/021706348/?n_cid=nbptec_twbn&rt=nocnt 2017/2/20 日経BP 顔認識にはパナソニック、全身像認識にはPreferred Networksの技術(深層学習基盤「DIMo」)を活用した。両 技術を利用しつつ、NTTの高速処理基盤技術で人物検知した 後に人物照合や軌跡推定などを行うという。不審者の追跡監 視や迷子の探索、要支援者の見守りなどに向ける。会場では、 3カ所を撮影している監視カメラの映像から、対象となる人 物(会場を移動している説明員)を特定し、いったん撮像範 囲から外れても追跡し続けるデモを見せた。 顔認識 パナソニック 全身像認識
PFN DIMo 3次元測定 NTT LiDAR ©2017 Ridge-i All Rights Reserved. 画像は講演時のみ 配布資料からは削除しております。
45.
どのビジネス課題を解きたいか、そのための 最適なアプローチと技術を提案します。 お気軽にご連絡ください。 ©2017 Ridge-i All
Rights Reserved. 問い合わせ contact@ridge-i.com 相談 検討開始 活用 戦略 技術 詳細検討 開発 実証実験 周辺開発 商品化 販売 サポート ディープラーニングの活用を提案できる人が 圧倒的に不足しています!(We’re hiring!)
Descargar ahora