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
-
CommAI: FacebookによるAIのトレーニングとテストのためのシステム
Facebookは、AIシステムのトレーニング・評価プラットフォーム、CommAI-envをリリースした。これは「A roadmap towards Machine Intelligence」にインスパイアされたもので、人間やマシンとのインタラクションによるさらなる専門的トレーニングの土台となる汎用学習能力を、知的エージェントに教えることを狙いにしている。
-
リアクティブ サミット 2016 カンファレンス: リアクティブ マイクロサービスとステージング データパイプライン
リアクティブ マイクロサービス、データセンター スケール オペレーティング システム（DCOS）、そしてステージング リアクティブ データ パイプラインは、今週のリアクティブ サミット 2016 カンファレンスにおける目玉であった。InfoQチームはカンファレンスに参加した。この記事は、カンファレンスの初日のサマリである。
-
ストリーム処理とLamdaアーキテクチャへの挑戦
Lamdaアーキテクチャはバッチとストリーム処理を結合させる有名なソリューションである。LinkedInのKatrik Paramasivam氏はデータ処理のためにApache Samzaを用いてチームがどうストリーム処理とLambdaアーキテクチャへの挑戦を行ったかを執筆した。この挑戦はイベントの遅延到着と複製メッセージの処理について記載されている。
-
DeepMindがWaveNetを公表する - スピーチと音声の合成のためのディープニューラルネットワーク
DeepMindのWaveNetは、パラメトリックTTSを使ってスピーチや音楽を合成する。DeepMindは、目隠し調査における試験参加者のグループによる主観的な評価によれば、主要なTTSシステムの幾つかより優れていると主張する。
-
データ科学に必要なデータとは
データ科学は必要とされるデータを扱うものであり，その基本は，どのデータを収集するか，データを生成するかあるいは保持するか，を決定することだ — データ科学の専門家として長い経験を持ち，Bookin.comの研究部門でプロダクトオーナを務める Lukas Vermeer氏はこのように主張する。真のイノベーションは大きな疑問で始まり，求めている答を得るためにデータが必要であることが明らかになるのだ。
-
QCon Tokyo 2016 Engineer Trackのご紹介
「QCon Tokyo 2016」が10月24日（月）いよいよ開催されます。 日本において株式会社豆蔵が運営するIT技術発信サイトInfoQJapanが主催で、最新技術を追い求めるデベロッパのためのワールドワイドカンファレンス。 今年のQConでは、『ITが変革するビジネス・組織・社会』を基本テーマに社会的にインパクトのある最先端のIT技術をご紹介。 海外・国内から最先端で活躍するスピーカーとトピックスが登壇します。 最新プログラムは順次、公式サイト >> http://www.qcontokyo.com/ に掲載されますので是非ご覧ください。
-
MicrosoftがBot Frameworkを推進、GoogleがAPI.aiを買収
Microsoftは開発者にBot Framework Previewの提供を始め、Googleは多くの統合が可能なボットエンジンであるAPI.aiを買収した。
-
InfoQ主催のカンファレンス QCon Tokyo 2016 開催決定！【早期割引：9月30日まで！】
株式会社豆蔵が運営するIT技術発信サイトInfoQJapanが主催で、最新技術を追い求める技術者・アーキテクト・プログラマ・クリエイターのためのワールドワイドカンファレンス(東京以外にロンドン、サンフランシスコ、ニューヨーク、サンパウロ、上海、北京で開催されています)を毎年開催しております。
-
TensorFlowでキュウリの選別・仕分けを学習する
組み込みシステムエンジニアとしてのバックグラウンドを持つキュウリ農家が、自動化のためにキュウリ農家の選別・仕分けスキルを真似させようと、TensorFlowニューラルネットワークに学習させた。
-
Googleがクラウド自然言語APIを立ち上げる
Googleはクラウド自然言語APIのβ版を7月20日にリリースし、最先端研究の小さな世界を抜け出してデータサイエンティストとソフトウェアエンジニアの毎日の業務に使用できるよう、自然言語処理(NLP)を活用する動きに加わった。GoogleのNLP APIは3つの核となるNLP機能をユーザに提供する。
-
Facebook オープンソース ディープラーニング プロジェクト Torchnet
Facebook人工知能研究所は、Torchnetプロジェクトをまとめてオープンソースとして公開する。ディープラーニングのボイラープレート（訳注：お決まりのコード断片）を再利用やプラグインできるように最適化する。
-
Neha Narkhede氏が語る - Apache Kafkaを使用した大規模ストリーム処理
QCon New York 2016で行われたプレゼンテーション“Large-Scale Stream Processing with Apache Kafka”の中で，Neha Narkhede氏は，ストリーミングデータを処理するKafkaの新機能であるKafka Streamを紹介した。アンバウンドなデータが多く見られるようになったことにより，ストリーミング処理は一般的なものになった，とNarkhede氏は言う。マシンラーニングの例でも見られるように，もはやニッチな問題ではないのだ。
-
DeepMindのAIプログラムがGoogleのデータセンタの冷却電力使用効率を40%まで向上させた
以前アタリ社のゲームを遊ぶ方法を学習させたDeepMindのプログラムと同様のAIプログラムを用い、Googleのデータセンタから収集されたセンサデータを学習することによりデータセンタの電力使用効率が40%まで増加し、建物全体の電力使用効率が15%向上した。
-
LinkedInがKafka運用開発を詳説 - デバッグ方法とベストプラクティス
LinkedInのJoel Koshy氏がKafkaの運用経験談として，運用時に遭遇した２つのインシデントの監視とそのデバッグについて，さらにはKafkaのインフラストラクチャの運用を計画し，今後同種の問題を見つけ出すための中心的な概念とセマンティクス，動作パターンについて解説する。
-
よくテストし、開発を成功させよう：偉大なJava単体テストフレームワークの議論
Redditの最近の投稿で伝統的なテストフレームワークであるJUnitと売り出し中のSpockについて議論が行われた。中心となるテーマは、"JUnitの何が悪いのか?"である。