1．目的 大学（大学院を除き、短期大学を含む。）及び高等専門学校（以下「大学等」という。）の正規の課程であって、学生の数理・データサイエンス・ＡＩへの関心を高め、かつ、数理・データサイエンス・ＡＩを適切に理解し、それを活用する基礎的な能力を育成することを目的として、数理・データサイエンス・ＡＩに関する知識及び技術について体系的な教育を行うものを文部科学大臣が認定及び選定して奨励することにより、数理・データサイエンス・ＡＩに関する基礎的な能力の向上を図る機会の拡大に資することを目的とします。 2．数理・データサイエンス・AI教育プログラム認定制度説明会（リテラシーレベル・応用基礎レベル） 令和6年度認定に向けた申請について、以下のとおり説明会を実施いたしました。 （1）開催日時：令和5年9月19日（火曜日）16時30分から18時00分 （2）開催方法：オンラインにて開催(zoom及びYouT

技術の進歩によって、人工知能(AI)を軍事利用する研究開発が各国で行われています。しかし、人間に直接命令されなくても状況を判断して敵を殺したり拠点を破壊したりできる自律型兵器には、人間のような道徳観を持たないコンピューターの思考では測不可能であり、実用上に大きな問題があると指摘されています。 Future warfare will feature automomous weaponry - The Washington Post https://www.washingtonpost.com/magazine/2021/02/17/pentagon-funds-killer-robots-but-ethics-are-under-debate/ Air Force uses artificial intelligence on U-2 Dragon Lady spy plane - The

Microsoft、「Computer Vision」のOCR機能で日本語など73言語をサポート：Azure Cognitive Servicesの改善 Microsoftの「Azure Cognitive Services」に含まれる「Computer Vision」のOCR機能が、日本語を含む73言語に対応した。複数ページあるドキュメントから選択ページに限ってテキストを抽出できる。

Kubernetes / GKE ファンの皆様こんにちわ。Google Cloud の Kazuu (かずー) です。GKE Autopilot が GA になりました。弊社公式ブログに続きまして、GKE Autopilot を日本語で解説していきたいと思います。 本記事は以下、3 部構成となります。 GKE Autopilot 概要GKE Autopilot を試してみるGKE Autopilot がハマりそうなユースケースは？ 1. GKE Autopilot 概要GKE Autopilot は GKE の新しいモードです。Control Plane に加えて、Node が完全マネージドになります。これまでの GKE では Node はユーザー自身が必要台数分作成し、以後の Day 2 オペレーション (e.g. アップグレード) 等も気に掛ける必要がありました。GKE Autopil

Introducing GKE Autopilot: a revolution in managed Kubernetes In the years since Google invented Kubernetes, it has completely revolutionized IT operations, becoming the de facto standard for organizations looking for advanced container orchestration. Organizations that need the highest levels of reliability, security, and scalability for their applications choose Google Kubernetes Engine (GKE). I

本日ついに待望のGKE Autopilotがリリースされましたね！ この記事では、GKE Autopilot上で動いているリアルタイム推論基盤でなぜ我々がGKE Autopilotを利用することにしたのかについてお話しします。

はじめに はじめまして。株式会社キカガクの河原です。 キカガクは、「AI を含めた先端技術の研修」を行っている会社です。 さっそくですが、CNN の構造ってどのように決めるのか、難しいと感じた方も多いのではないでしょうか。 フィルタのサイズは、なぜ $3\times3$ が多いのか Convolution と Pooling は何回繰り返したらいいのか Convolution を何度も繰り返すと、計算量膨大になるのでは みなさん、様々な疑問を抱いてるかと思います。 私自身、学び初めの頃は、どのように CNN のアーキテクチャを構成すればいいのか、理解出来ずにいました。 そこで、CNN の過去のモデルから紐解いて学ぶ事によって、上記の疑問が解消された背景から、本記事を書いていきます。 本記事を通して、皆様の抱いていた疑問が少しでも解消されれば幸いです。 本記事を参考にして欲しい方 ニューラル

IntroductionMachine learning models are exciting and powerful, but they aren’t very useful by themselves. Once a model is complete, it likely has to be deployed before it can deliver any sort of value. As well, being able to deploy a preliminary model or a prototype to get feedback from other stakeholders is extremely useful. Recently, there has been an emergence of several tools that Data Scienti

Recent Advances in Language Model Fine-tuning This article provides an overview of recent methods to fine-tune large pre-trained language models. Fine-tuning a pre-trained language model (LM) has become the de facto standard for doing transfer learning in natural language processing. Over the last three years (Ruder, 2018), fine-tuning (Howard & Ruder, 2018) has superseded the use of feature extra

こんにちは。エンジニアのいもす (今城 健太郎) です。現在、投資ファンドを作るため金融時系列の予測モデルの研究開発を行っています。その予測モデルについて、PFN の今城健太郎・南賢太郎・伊藤克哉と野村アセットマネジメント株式会社の中川慧氏が共同で執筆した論文が、人工知能分野における世界トップクラスの国際会議である AAAI 2021 に採択されました。 今回採択された論文 Deep Portfolio Optimization via Distributional Prediction of Residual Factors では、深層学習を用いたポートフォリオ最適化を、様々な金融時系列の性質を帰納バイアスとして導入することで改善する手法を提案しました。本記事では、深層学習のモデル設計という観点でどのような面白さがあるかに触れつつ、採択論文について簡単に紹介します。 はじめに: 帰納バイ

HOME/ AINOW編集部 /2020年のAI研究ランキング：アメリカは中国をリードし続けられるのか？【前編】（各種ランキング） 著者のGleb Chuvpilo氏はAIとロボットのスタートアップに投資するベンチャーキャピタルThundermark Capitalでマネージングパートナーを務めており、AINOW翻訳記事『誰がNeurIPS 2020でAI研究を先導しているのか？リーディングAIカンファレンスの考察とAI研究ランキング』 の著者でもあります。同氏が左記の記事に続いてMediumに投稿した記事『2020年のAI研究ランキング：アメリカは中国をリードし続けられるのか？』では、2020年における世界のAI研究動向が総括されています。 2020年における世界のAI研究動向を総括するにあたって、同氏が採用した方法論は独自指標パブリケーション・インデックス（この指標に関する解説は記事本

今年1月にOpenAIが発表した激ヤバなニューラルネット「DALL-E」の論文がとうとう公開された。開発者も予想していなかった多種多様な画像を作り出すことができる。高い抽象度で珍しい概念を構成する能力も確認。さらに、画像から画像へ… https://t.co/Tz0h4MbfSM

簡単に Kaggleで最近よく使われるTabnetについて、どのようなモデルか調べた。 Tree-basedとDNNのいいとこ取りをしたようなモデル。 Feature ImportanceとMaskにより結果の解釈ができる。 Titanicにおける精度について、LBの値ではLightGBM、NNよりもやや高い。 TitanicにおけるFeature Importanceの上位特徴量について、LightGBMとは異なっている。そのため、TabNetはEnsembleに有用かもしれない。 ※　2021/01/10 14:50 TabNetのコードが一部誤っていることを指摘頂き、コード修正しました。それに伴い記事の下記部分を更新しています。 4 実装の際に用いたNotebook 6.7 精度 6.8 Feature Importance(Global interpretability) 6.10

こんにちは．株式会社Ridge-iの@zawatsky_rと@machinery81です． 本記事ではPruningと呼ばれるニューラルネットワークの軽量化手法を紹介します． TL;DR Pruningとは？ Pruning手法の概要 手法の違いのポイント Structure Scoring Scheduling Fine-Tuning Pruningに関する論文の紹介 Unstructured Pruning Structured Pruning 自動モデル圧縮 Amc: AutoML for Model Compressionとその亜種 AutoPruner The Lottery Ticket Hypothesis メタ研究 To Prune, or Not to Prune: Exploring the Efficacy of Pruning for Model Compressi

Answer (1 of 4): Autoencoders are useful for some things, but turned out not to be nearly as necessary as we once thought. Around 10 years ago, we thought that deep nets would not learn correctly if trained with only backprop of the supervised cost. We thought that deep nets would also need an un...