データプラットフォームチームの野本です。機械学習基盤の構築やその周辺アプリケーションの実装を行っています。以前は DOOR 賃貸の開発運用をしていてこんなことなどしてました。 機械学習システム運用の課題 リブセンスでは 2014 年ごろから機械学習システムの開発導入を行っており以降様々な機械学習システムを各サービスに導入してきました。また自社でのデータ分析基盤の運用も行うようになってから機械学習システムの開発の幅が広がり導入の要望も次第に増えてきました。(参考:リブセンスのデータ専門組織のこれまでとこれから) 当初は機械学習システムに対する運用知見などが少なかったため、専用のインフラというものは保持せず各サービスのインフラに相乗りし、サービスのアプリケーションと密に連携し機械学習システムを実装運用することが多かったです。各サービスは元々オンプレミスで運用されていたものが多かったのですが、現
Microsoftが、「Raspberry Pi」などの開発ボード向けに機械学習モデルを提供する「Embedded Learning Library」（ELL）をリリースした。 GitHubに公開されたELLの初期プレビュー版は、クラウドに接続しない機器に搭載される低性能のプロセッサ向けに、機械学習ソフトウェアを小型化するMicrosoftの取り組みの一環だ。 Microsoftがブログ記事で説明するように、Microsoft Researchラボのチームは現在、機械学習モデルの圧縮に取り組んでおり、パンくずほどの大きさしかないARM製プロセッサ「Cortex-M0」での稼働を実現させようとしている。 その目的は、脳インプラントなど、インターネットに接続されない機器向けに機械学習を推進することだ。Microsoftが「iPhone」向けカメラアプリ「Microsoft Pix」に導入した新
Raspberry Piを利用して人工知能ツール（深層学習ライブラリ・自然言語処理ライブラリなど）を利用する手順をまとめてみます。 環境 RASPBIAN JESSIE WITH PIXEL 4.4 Python 3.4.2 tensorflow-0.12.1 Keras-1.2.1 opencv-3.1.0 MeCab 0.996 mecab-ipadic-neologd gensim-0.13.4.1 Open JTalk Version 1.07 RaspbianとPython3系のインストール Raspbianの最新版を公式ページよりダウンロードしSDカードへ。Python3系は依存関係を簡単にする為apt-getを利用してインストールします。
Googleは2017年内に、超小型コンピュータ「Raspberry Pi」向けに人工知能（AI）と機械学習ツールを提供する計画だ。 Raspberry Pi財団は、「2017年にはGoogleが颯爽と登場する予定だ。同社は開発者コミュニティーに対して素晴らしい計画を用意している」と発表した。 同財団によると、広告からクラウドコンピューティングまで幅広く手掛けるGoogleは、2017年に一連のスマートなツールを提供する予定だという。「Googleの一連のAIおよび機械学習技術によって、開発者はこれまで以上に強力なプロジェクトを構築できるようになるだろう」（同財団）。 Googleは、機械学習、モノのインターネット（IoT）、ウェアラブル、ロボティクス、ホームオートメーションといった多様な分野のツールを開発している。どのようなツールを提供すべきかを把握するため、Raspberry Piの愛
愛用のRaspberryPiが「赤りんご」と「青りんご」を見分けることができたので、同じ方法で「顔も見分けられるんじゃないだろうか？」と思い試してみました。 こんな感じ まずは「サミュエル・L・ジャクソン（のフィギュア）」から。確率90%以上で本人と判定させてみました。 続いて「ジョン・トラボルタ（のフィギュア）」。同じく確率90%以上で本人と判定させています。 顔の切り出しはOpenCVで行いました。 環境 パルプ・フィクション/ サミュエル・L・ジャクソン ジュールス・ウィンフィールド 13インチ トーキングフィギュア パルプ・フィクション/ ジョン・トラボルタ ビンセント・ベガ 13インチ トーキングフィギュア あとは前々回と同じです。 学習の流れ 学習方法はリンゴを見分けさせた方法と同じです。 Web上から画像をダウンロードし、OpenCVで顔を切り出す。 切り出した画像をNumP
「赤りんご」と「青りんご」を見分けるだけの簡単なものですが、はじめて自分の用意した画像で深層学習をしてみました。 こんな感じ Deep Learning Apple Recognition - YouTube 「赤りんご」と「青りんご」を見分けます。 まずは「青りんご」から、確率91.4%と推測しました。 続いて「赤りんご」、確率91.1%と推測しています。 今回は推測結果が90%以上で「赤りんご」と「青りんご」を判定しています。りんごがない時に（例えば私の丸顔を写した場合）80%の推測がされた際は、判定結果が出ない様にしています。 環境 前回記事と同様です。 学習の流れ Web上から画像をダウンロードする ダウンロードした画像をNumPy配列にし、訓練データとテストデータに分ける 畳み込みニューラルネットワークで学習する OpenCVで撮影した画像をNumPy配列にし推測データとして使用
Ubuntu14.04環境で、Python3と日本語構文・格・照応解析システムKNPを用いて係る語と受ける語のペアを抽出する方法をご紹介する。 係り受け構造を抽出するPython3のソースコードは次である。 from pyknp import KNP def select_normalization_representative_notation(fstring): """ 正規化代表表記を抽出します """ begin = fstring.find('正規化代表表記:') end = fstring.find('/', begin + 1) return fstring[begin + len('正規化代表表記:') : end] def select_dependency_structure(line): """係り受け構造を抽出します """ # KNP knp = KNP(opti
Raspberry Piで音声認識する人工知能を作ってみるという記事を見つけたので、試してみたけどそもそもRaspberry Piにあまり慣れていないので、一回目はうまく動かせなかった。 今回、Raspberry Piで音声認識という記事を見つけたので、段階を追ってインストール＆設定することにした。 要素としては大きく分けて、次の6つ。 １．Raspberry PiへのOSのインストール＆設定 ２．マイクの設定 ３．サウンドの再生の設定 ４．Juliusのインストールと設定 ５．OpenJTalkのインストールと設定 ６．Ruby環境の準備 ７．Rubyでのプログラミング 使った機材は次の通り。 １．Raspberry Pi 2 Model B ２．BUFFALO エアーステーション USB2.0用 無線LAN子機 WLI-UC-GNM ３．SANWA SUPPLY MM-MCUSB16
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く