InfoQ ホームページ AIと機械学習、データエンジニアリング に関するすべてのコンテンツ
-
データセンタ中に拡がるJVMとTwitterのJDK
QConSF2016のTwitter Sponsored Solutionトラックで注目されるのは，"JVMs Across the Data Center"技術講演ともうひとつ，オープンソースとして一般提供が期待される，社内利用のOpenJDKフォークであるTwitter-JDKの公開だ。
-
GoogleがAlloのレコメンデーショングラフ処理アルゴリズムを公表
Googleは，さまざまな複雑性空間と予測出力を持つ大規模なグラフに対して，実行時間の一定なグラフストリーミングアルゴリズムを詳説した。
-
Apache Flinkを使用したZalandoのマイクロサービスおよびストリーム処理用アーキテクチャ
Javier Lopez氏とMihail Vieru氏はReactive Summit 2016 Conferenceで，クラウドベースのデータ統合と，ビジネスインテリジェンスのユースケースにおけるストリーミング処理で使用される分散プラットフォームについて講演した。
-
Googleが画像キャプションの機械学習モデルをTensorFlowに移行，オープンソース公開へ
TensorFlowが機械学習とデータ科学の分野でその採用を拡げつつある。既存の学習モデルやエンジンがパフォーマンス向上を目的として既存のフレームワークから移植される例も多く，オープンソースプロジェクトとしての採用と成功にも拍車がかかっている。
-
Amazon、AWSの深層学習フレームワークとしてMXNetを選択
AmazonのWerner Vogels氏は、内部で採用する深層学習ツールキットとしてMXNetを選択し、AWSのコミットメントをオープンソースMXNetエコシステム開発に広げることを発表した。
-
Confluentがマルチデータセンタレプリケーションを備えた企業向けKafkaを発表
Confluent Enterpriseの最新バージョンは，マルチデータセンタレプリケーション，自動データバランシング，クラウドマイグレーション機能をサポートする。Apache Kafkaベースのストリーミングプラットフォームを提供するConfluentは先週，ストリーミングデータパイプライン構築とストリーム処理アプリケーション開発を支援するConfluent Enterpriseの新機能を発表した。
-
ThoughtWorks Radarアップデート
いつものように、ThoughtWorks Technology Radarは、Language & Frameworks、Platforms、Techniques、Toolsという4つの領域をカバーする。それぞれの領域は、Adopt、Trial、Assess、Holdという4つの推奨レベルに分かれている。この記事では、各領域で新しく注目すべきものだけを取り上げる。
-
新しいプライベートクラウドで"どこでも計算処理"を提供するWolfram
MathematicaやWolfram|Alphaなど，計算機能を中心とした製品を提供するソフトウェア企業のWolframが，計算業務の集中管理を望む企業をターゲットとした，新たなプライベートクラウドアプライアンスの提供を開始した。
-
Microsoft、インタラクティブなデータ探索とモデリングのためのデータサイエンスツールをリリース
Microsoftが、インタラクティブなデータ探索、モデリング、レポーティングのための2つの新しいデータサイエンスツールをリリースした。これらのツールは、プロジェクトにおける特定のタスクをデータサイエンスチームが再利用できるようにする。目標は、組織のさまざまなプロジェクトを横断して、データサイエンスタスクにおける一貫性と完全性を確保することだ。
-
Twitterがストリーム処理エンジンHeronをオープンソース化
InfoQのRags Srinivas氏は，Karthik Ramasamy氏(Twitterの技術マネージャかつ共同開発者)に対し，ストリーム処理エンジンHeron(Apache Stormの後継)のオープンソース化に関する取材を行った。
-
Ocade社は、新しいカスタマーサービスアプローチのために、TensorFlowとGoogleクラウドプラットフォームを利用する。
Ocado Technologyは、返答時間を早くすることと、大きなカスタマー数と限りあるサポートリソースの活用や人格を持たないサポートボットを避けることを目的に、カスタマーの電子メールを自動的に分類したり優先度を付けるためにTensorFlowを利用する。
-
YouTubeのレコメンデーションアルゴリズムはどのように動くか
Googleが最近発表した 論文において、YouTubeのエンジニアが、YouTubeレコメンデーションアルゴリズムの内部動作について、今まで以上に詳細に分析した。この論文は、9月にBostonで開催されたレコメンダシステムの第10回ACMカンファレンスで発表された。この記事では、YouTubeが、この業界で最大、かつ、最も複雑なレコメンデーションシステムを操作するために、どのようにディープラーニングを使うのか分析する。
-
IBMがコグニティブ・コンピューティングのための相変化メモリによる人工ニューロンの開発に成功
チューリッヒのIBM Researchにて，科学者チームが相変化材料(phase-change materials)を使用し，データの保持と処理が可能な人工ニューロンを開発した。 これら相変化ベースの人工ニューロンは，ビッグデータ(イベントベース・データのリアルタイム・ストリーム)におけるパターン認識や相関の発見に利用できる。また，教師なし学習を高速かつ小エネルギーで実施することができる。
-
Jey Kreps氏，Apache KafkaとKafka Streamsを利用した分散ストリーム処理を語る
Apache KafkaとKafka Streamsフレームワークは，ストリーム中心アーキテクチャと分散型ストリーム処理アプリケーションの開発を支援する。Jay Kreps氏(Confluent社のCEO)は，先週，Reactive Summit 2016 Conferenceにて，ストリーム処理とマイクロサービスに関する基調講演を行った。
-
ビッグデータ分析をSaaS方式で提供するAmazon Kinesis Analytics
イベントストリームのリアルタイム分析は，オンプレミス，クラウドいずれにおいても，ビッグデータプラットフォームの新たな焦点だ。AWSは新たに，Azure StreamAnalyticsに対抗するAmazon Kinesis Analyticsをリリースした。いずれのプラットフォームもシンプルなSQL言語を使用して複雑なクエリを記述可能にするとともに，ビッグデータ分析をSaaS的な領域に移行している。