InfoQ ホームページ MachineLearning に関するすべてのコンテンツ
-
説明可能なAIに関する調査結果を研究者チームが発表
IBM WatsonとArizona State Universityの研究者たちが、Explainable AI Planning(XAIP)の開発に関する調査結果を公開した。67の論文を対象に、この分野における傾向を図表として表したものだ。
-
Jenkinsの開発者が継続的リスクベーステストのMLスタートアップを立ち上げ
Jenkinsの開発者であるKohsuke Kawaguchi氏が、マシンラーニングを使用したリスクベースのテストの識別を行うスタートアップであるLaunchableを創立した。テストに関する思想的リーダであるWayne Ariola氏も、継続的テストアプローチの必要性に関して、ターゲットを明確にしたリスクベースのテストが継続的デリバリに信頼性を与えると述べている。
-
IoTのためのディープラーニングモデルサイズを減らす技術を研究員たちが開発
Arm LimitedとPrinceton Universityの研究員たちが、わずか2KBのRAMで、IoT(internet-of-things)ハードウェアシステムのためのディープラーニングコンピュータビジョンモデルを生成する技術を開発した。ベイズ最適化とネットワークプルーニングを使って、このチームは最新の精度を保ちながら、画像認識モデルのサイズを減らすことができる。
-
Google、TensorFlow Enterpriseのベータを提供
Googleは最近のブログ記事で、エンタープライズグレードのサポートおよびマネージドサービスを含んだクラウドベースのTensorFlow機械学習サービス、TensorFlow Enterpriseを発表した。
-
Amazonがマシンラーニング用IDEのSageMaker Studioをリリース
先日のre:InventカンファレンスでAmazon Web Services(AWS)は、Amazon SageMaker Stduioを発表した。コード編集、トレーニングジョブのトラッキングとチューニング、デバッグをすべてひとつのWebベースUIに搭載した、マシンラーニング(ML)のための統合型開発環境(IDE)だ。
-
Apple、エッジにフォーカスしたAIスタートアップXnor.aiを買収
Appleは、エッジデバイス上で実行するAIモデルを構築するスタートアップXnor.aiをおよそ2億ドルで買収した。
-
Deep Java Library - Java開発者のための新たなディープラーニングツールキット
Amazonはディープラーニングモデルのトレーニング、デプロイ、推論生成を簡単にするオープンソースライブラリのDeep Java Library(DJL)をリリースした。DJLフレームワークは非依存性を備えており、既存のディープラーニングフレームワーク上でJava Native Access(JNA)を使用することで、一般的に使用されているディープラーニング機能を抽象化する。現時点���は、Apache MXNetとTensorFlow用の実装が提供されている。
-
ディープラーニングフレームワークのSINGAがApacheトップレベルプロジェクトに昇格
Apache Software Foundation(ASF)は先頃、分散ディープラーニングフレームワークのSINGAが、プロジェクトの成熟性と安定性の向上によってトップレベルプロジェクト(TLP)に到達したと発表した。SSINGAは銀行や医療など、いくつかの分野の企業で既に採用されている。
-
Microsoftがデータウェアハウスおよび分析サービスのAzure Synapseを発表
年次開催されるIgniteカンファレンスで、Microsoftによる今年の発表のひとつとして、Azure Synapseという新しい分析サービスに関するものがあった。Azure SQL Data Warehouseの後継となるこのサービスは、企業規模のデータウェアハウスとビッグデータ解析をひとつの場所で実現するものだ。
-
Logz.ioがログデータ内のパターンを自動特定する機能をリリース
logz.ioは、ログデータ内に繰り返し発生するパターンの識別を支援する新機能をリリースした。Log Patternsと命名されたこの新機能は、数百万のログメッセージをリアルタイムで自動的に分析することにより、ログのボリュームを削減すると同時に、潜在的な共通トレンドを明らかにするもので、同社がAIOpsというラベルの下で提供しているログの自動解釈およびフィルタリング機能の３番目のものになる。
-
PyTorchとTensorFlow - 学界と産業界で有力なMLフレームワークはどちらか
The Gradientで先日、2019年の機械学習フレームワークの現状について調査した記事が公開された。その記事は、PyTorchが急速に研究の主要なフレームワークになりつつあるのに対し、TensorFlowが依然として業界の主要アプリケーションフレームワークであると、いくつかの指標を用いて主張する。本記事では、それらの違いについて詳しく説明する。
-
Microsoft、”Azure API for Fast Healthcare Interoperability Resource (FHIR)”を一般向けにリリース
先日のブログ記事で、Microsoftは、Azure API for Fast Healthcare Interoperability Resource(FHIR)の一般供与を開始すると発表した。これにより同社は、マネージドクラウドサービスでこのフォーマットのネイティブサポートを提供する、最初のクラウドベンダになる。APIを使用することで、クラウド内の医療データを簡単に取り込み、保持し、管理することが可能になる。
-
Googleが概念ベクトルを使用した画像検索を研究
Googleは先頃、医学画像の検索を目的とした、Similar Medical Images Like Yours(SMILY)と呼ばれるツールの開発に関する研究論文を発表した。この研究では、画像検索に埋め込み(embeddings)を使用することで、概念のインタラクティブな洗練(refinement)を通じた、ユーザによる検索への関与が可能になる。
-
FacebookとMicrosoftがパートナとともにDeepfake Detection Challengeを発表
Facebook、Microsoft、Partnership on AIは、大学の研究者らと共に、AIで生成した事実でないイメージやビデオを検出可能なAIを開発するコンテストとして、Deepfake Detection Challenge(DDC)を立ち上げた。提案された課題は、DDCの提供するリアルとフェイクの両方のビデオによるデータセットを使用するもので、最高のAIソリューションを構築したチームには表彰と賞金の提供が行われる。
-
Agile Igniteを使用した継続的ディープラーニング - Denis Magda氏の講演より
先日のApacheCon North Americaで、Denis Magda氏が、インメモリデータグリッドのApache Igniteを使用した継続的マシンラーニング(continuous machine learning)について講演した。Igniteは、データを格納した同じクラスタ内でトレーニングとホストモデルを実行することで、マシンラーニングパイプラインを簡素化すると同時に、新たなデータが利用可能になった時に"オンライン"トレーニングを実行して、モデルを漸進的に改善することもできる。