InfoQ ホームページ MachineLearning に関するすべてのコンテンツ
-
MITがJuliaベースのAI用言語のGenを発表
先日の論文で、MITの研究者たちが、汎用確率的言語(general-purpose probabilistic language)のGenを発表した。Juliaをベースとするこのプログラム言語の目的は、高レベルのプログラミング構造によるモデル表現と推論アルゴリズムの作成を可能にすることだ。
-
GoogleがTensorFlow Lite向けにトレーニング後の整数量子化をリリース
Googleは、モデルのサイズと推論の待機時間を削減するTensorFlow Liteディープラーニングフレームワーク向けの新しいツールを発表した。このツールは、トレーニング済みモデルの重みを浮動小数点表現から8ビット符号付き整数に変換する。これにより、モデルのメモリ要件が低減され、浮動小数点アクセラレーターを必要とせず、そして、モデルの品質を犠牲にすることなく、モデルをハードウェアで実行できる。
-
AmazonがTextractの一般供与を発表、ECM市場へ参入
I先日のプレスリリースで、Amazonは、テキストおよび構造化文書データからコンテンツを抽出する、フルマネージドなマシンラーニングサービスであるAmazon Textractの一般供与を開始すると発表した。Amazon Textractを使用することにより、ドキュメントワークフローの自動化、ダウンストリームアプリケーションで使用する重要な情報のインデックス化およびカタログ化が実現する。
-
GoogleがAndroidとiOS用のリアルタイムハンドトラッキングをオープンソース化
Googleは、モバイルデバイスがリアルタイムの手の検出と追跡できるようにすることを目的とした、MediaPipeフレームワークの新しいコンポーネントをオープンソース化した。
-
Googleが自然言語処理用のTensorFlow.Textライブラリをリリース
Googleは、TensorFlowディープラーニングプラットフォーム用の新しいテキスト処理ライブラリであるTensorFlow.Textをリリースした。このライブラリにより、トークン化などのいくつかの一般的なテキスト前処理アクティビティをTensorFlowグラフ計算システムで処理できるようになり、自然言語処理のためのディープラーニングモデルの一貫性と移植性が向上する。
-
Googleがベータ版でディープラーニングコンテナをリリース
Googleは最近のブログ投稿で、Deep Learning Containersを発表した。これにより、顧客はMachine Learningプロジェクトをより迅速に実行できるようになった。ディープラーニングは、パフォーマンスが最適化された多数のDockerコンテナーで構成されており、既にインストールされているディープラーニングタスクに必要なさまざまなツールが付属している。
-
モデルタイプが拡張され、オンデバイス再トレーニングが可能になったCore ML 3
WWDC 2019での発表によると、Core ML 3では、多数の新しいモデルタイプやニューラルネットワークのタイプが導入され、ユーザによってローカルで新たに生成されたデータを使った、既存モデルのデバイス上での再トレーニングのサポートが追加されている。
-
AmazonがAlexa用の新たなクロススキル会話モデルを発表
ラスベガスで開催されたAmazonののre：MARS AIカンファレンスで、Alexaの副社長であるRohit Prasad氏が、Alexaスマートアシスタントの新しい会話モデルのデモを行った。この新モデルによって、Alexaは、スキル間をシームレスに移行し、会話のコンテキストを記憶して、あいまいな参照を解決することができるようになる。
-
Googleが深度認識のトレーニングにマネキンチャレンジのビデオを使用
Google AI Researchは、2次元画像から奥行きを知覚する研究を解説した論文を発表した 。マネキンチャレンジのYouTubeビデオから作成したトレーニング用データセットを使って、研究者たちは、移動するカメラで撮影した動く人々のビデオから深度情報を再構築することのできる、ニューラルネットワークをトレーニングした。
-
マイクロソフトはML.NET 1.2を発表
今月初め、マイクロソフトはML.NET 1.2を発表し、そのモデルビルダーとCLIを更新した。ML.NETは、.NETエコシステム向けのオープンソースのクロスプラットフォームの機械学習（ML）フレームワークである。
-
感情分析で、マシンに感情の理解を教える
感情分析はコンピュータに、テキストに現れた人間の感情を読み取るように教える。感情分析における基本的なトレードオフは、シンプルさと正確さである。アプローチは、感情に関連した単語のリストを使うことから、分散表現、ニューラルネットワーク、アテンション機構といった技術を用いた深層学習まで多岐に渡る。
-
MITの研究者がAutoML可視化ツールであるATMSeerをオープンソース化
MIT、香港大学、浙江大学の研究チームは、自動機械学習プロセスを視覚化して制御するためのツールであるATMSeerをオープンソース化した。
-
GoogleのクラウドTPU V2およびV3ポッドが公に入手可能なベータ版となった
最近、Googleは、第2世代および第3世代のCloud Tensor Processing Unit（TPU）Pod（最大1,000台のカスタムTPUを搭載したスケーラブルなクラウドベースのスーパーコンピュータ）が公に入手可能なベータ版となったことを発表した。これらのPodを使用して、Machine Learning（ML）の研究者、エンジニア、データサイエンティストは、機械学習モデルのトレーニングとデプロイに必要な時間を短縮できる。
-
Microsoftが新たなマシンラーニングサービスのローンチとコグニティブサービスの拡張を発表
Build Developer Conferenceを前に、Microsoftは、新たなMachine Learningサービスと、Cognitive Services更新プログラムをいくつかリリースした。ノーコードツールからオンラインのノートブックまで幅広く、新たなAPIや中間的サービスも含まれている。
-
Databricks MLflowインテグレーションの一般供与が開始
Databricksは先頃、データエンジニアリング及びそれ以上のサブスクリプション層を対象に、DatabrikノートブックとMLflowのインテグレーションの一般供与を開始した。これによってMLflowの機能が、Databrickノートブックおよびジョブの機能に結合される。MLflowは主に、実験追跡(experiment tracking)、プロジェクト、MLflowモデルという3つの機能を提供する。