Suche senden
Hochladen
機械学習
•
Als PPTX, PDF herunterladen
•
0 gefällt mir
•
1,486 views
S
Song Yeongjin
Folgen
AI, Machine Learning, Deep Learningとは何かに関する話
Weniger lesen
Mehr lesen
Technologie
Melden
Teilen
Melden
Teilen
1 von 31
Jetzt herunterladen
Empfohlen
難しい言葉を使わずに、ざっくり分かる人工知能
人工知能は怖い?
人工知能は怖い?
弘実 佐野
初心者向け、Pythonで始める人工知能入門の資料です。 人工知能の説明と、ニューラルネットワーク の解説、簡単な画像識別装置を Google の Colab と Keras を使った実装の仕方を紹介しています。
Py conkyushu2018
Py conkyushu2018
ssuseraac758
背景と概要: ヒューマンエージェントインタラクションとは? ロボット研究の背景と現状、将来像 私が関わってきたロボット研究: コミュニケーションロボットの実装とフィールド実験 ソフトウェアロボット(エージェント)の実現 アンドロイドロボットの実現と評価 肩のりロボットによる遠隔地コミュニケーションの支援 環境知能システムのデザイン: 複数ロボットの共同注視を用いた注意誘導システム 社会的関係性に基づく文脈適応的インタフェース
エージェントを用いた環境知能システムのデザイン(小野 哲雄)
エージェントを用いた環境知能システムのデザイン(小野 哲雄)
KIT Cognitive Interaction Design
うなずきや身振りなどの身体的リズムの引き込みをロボットやCGキャラクタのメ ディアに導入することで、対話者相互の身体性が共有でき、一体感が実感できる身体的コミュニケーション技術と、メディア場にはたらきかけることで場を盛り上げる身体性メディア場の生成・制御技術を研究開発している。これらの身体的引き込みメディア技術は、人とのインタラクション・コミュニケーションの解析理解と創出支援技術であり、高度メディア社会の生活情報技術である。とくに音声から豊かなコミュニケーション動作を自動生成する技術は、人とかかわるロボット・玩具、メディアコンテンツ、e-Learningやゲームソフト等に導入・実用化されており、教育・福祉・エンタテインメントなど広範囲な応用が容易に可能で、その応用事例も紹介する。
人を引き込む身体的コミュニケーション技術, 渡辺富夫
人を引き込む身体的コミュニケーション技術, 渡辺富夫
KIT Cognitive Interaction Design
研究室紹介用ポスター
研究室紹介用ポスター
Yoshinari Fujinuma
コミュニケーション行動のモデル化 1. コミュニケーションのモデル化(概念) 2. 対人インタラクションロボット 3. 保育士の行動決定モデル 4. 改良プレイメイトロボットによる遊び実験 5. 戦略的インタラクション: 興味の誘導による遊び 6. まとめ
子ども-大人インタラクションの認知科学的分析とモデル化に向けて(大森 隆司)
子ども-大人インタラクションの認知科学的分析とモデル化に向けて(大森 隆司)
KIT Cognitive Interaction Design
第1回会合の資料です。
第1回 ネットワーク図について語る会 2015-08-27
第1回 ネットワーク図について語る会 2015-08-27
Yasuo Igano
【問題定義】 自分の作った/設計した「IPネットワーク」をドキュメントとしてわかり易く表現する方法に関して、標準がなかったりする
誰にでも分かる「IPネットワーク」の図の描き方がない!?
誰にでも分かる「IPネットワーク」の図の描き方がない!?
Yasuo Igano
Empfohlen
難しい言葉を使わずに、ざっくり分かる人工知能
人工知能は怖い?
人工知能は怖い?
弘実 佐野
初心者向け、Pythonで始める人工知能入門の資料です。 人工知能の説明と、ニューラルネットワーク の解説、簡単な画像識別装置を Google の Colab と Keras を使った実装の仕方を紹介しています。
Py conkyushu2018
Py conkyushu2018
ssuseraac758
背景と概要: ヒューマンエージェントインタラクションとは? ロボット研究の背景と現状、将来像 私が関わってきたロボット研究: コミュニケーションロボットの実装とフィールド実験 ソフトウェアロボット(エージェント)の実現 アンドロイドロボットの実現と評価 肩のりロボットによる遠隔地コミュニケーションの支援 環境知能システムのデザイン: 複数ロボットの共同注視を用いた注意誘導システム 社会的関係性に基づく文脈適応的インタフェース
エージェントを用いた環境知能システムのデザイン(小野 哲雄)
エージェントを用いた環境知能システムのデザイン(小野 哲雄)
KIT Cognitive Interaction Design
うなずきや身振りなどの身体的リズムの引き込みをロボットやCGキャラクタのメ ディアに導入することで、対話者相互の身体性が共有でき、一体感が実感できる身体的コミュニケーション技術と、メディア場にはたらきかけることで場を盛り上げる身体性メディア場の生成・制御技術を研究開発している。これらの身体的引き込みメディア技術は、人とのインタラクション・コミュニケーションの解析理解と創出支援技術であり、高度メディア社会の生活情報技術である。とくに音声から豊かなコミュニケーション動作を自動生成する技術は、人とかかわるロボット・玩具、メディアコンテンツ、e-Learningやゲームソフト等に導入・実用化されており、教育・福祉・エンタテインメントなど広範囲な応用が容易に可能で、その応用事例も紹介する。
人を引き込む身体的コミュニケーション技術, 渡辺富夫
人を引き込む身体的コミュニケーション技術, 渡辺富夫
KIT Cognitive Interaction Design
研究室紹介用ポスター
研究室紹介用ポスター
Yoshinari Fujinuma
コミュニケーション行動のモデル化 1. コミュニケーションのモデル化(概念) 2. 対人インタラクションロボット 3. 保育士の行動決定モデル 4. 改良プレイメイトロボットによる遊び実験 5. 戦略的インタラクション: 興味の誘導による遊び 6. まとめ
子ども-大人インタラクションの認知科学的分析とモデル化に向けて(大森 隆司)
子ども-大人インタラクションの認知科学的分析とモデル化に向けて(大森 隆司)
KIT Cognitive Interaction Design
第1回会合の資料です。
第1回 ネットワーク図について語る会 2015-08-27
第1回 ネットワーク図について語る会 2015-08-27
Yasuo Igano
【問題定義】 自分の作った/設計した「IPネットワーク」をドキュメントとしてわかり易く表現する方法に関して、標準がなかったりする
誰にでも分かる「IPネットワーク」の図の描き方がない!?
誰にでも分かる「IPネットワーク」の図の描き方がない!?
Yasuo Igano
こちらは後輩にAIの学習方法を教える時に用いたものです。
ソフトウェア工学におけるAIの学習方法
ソフトウェア工学におけるAIの学習方法
mack05410
• 人とロボットのインタラクション • コミュニケーションにロボットを用いる意義 • ロボットとのコミュニケーションの難しさ • ロボットのコミュニケーションのデザイン • ロボットの社会性を考える
ロボットのための認知的インタラクションデザイン(今井 倫太)
ロボットのための認知的インタラクションデザイン(今井 倫太)
KIT Cognitive Interaction Design
2018年9月30日の日本大学文理学部オープンキャンパスにおいて、情報科学科の模擬授業(講義の扉)で使用したスライドです。
平成30年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?
平成30年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?
kthrlab
非理系学部3年生向けに「機械学習と深層学習入門」というタイトルで研究室内発表した際のスライドです。
機械学習と深層学習入門
機械学習と深層学習入門
Yuta Takahashi
英論文: Building Watson:An Overview of theDeepQA Project を全くAIについての素養が無い方々向けに紹介したスライドです。
論文読解:クイズ王ワトソン
論文読解:クイズ王ワトソン
T2C_
1.ディープラーニング(深層学習)ってなに? 2.人の脳に存在するニューロンとは? 3.脳のニューロンをまねた、人工ニューロンとは? 4.ニューロンをつなげた、ニューラルネットワークとは? 5.ニューラルネットワークの学習方法は? 6.ニューラルネットワークを利用して、答えられる問題は? 7.ニューラルネットワークが実際に使われている分野は?
ディープラーニングのしくみと、どのように活用できるか?
ディープラーニングのしくみと、どのように活用できるか?
Katsuya Yamada
4/4に内閣官房日本経済再生本部での「AI人材」に関する議論で話す内容です。
構造改革徹底推進会合におけるプレゼン
構造改革徹底推進会合におけるプレゼン
Hiroshi Maruyama
COCNフォーラムにおけるプレゼンテーションです。
20180719 cocn dist
20180719 cocn dist
Hiroshi Maruyama
2019 Society of Kansei Engineering
2019 感性工学会
2019 感性工学会
Kamina Ueda
2017年のオープンキャンパスの模擬授業で使用したスライドです。
平成29年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?」
平成29年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?」
kthrlab
自民党AI本部でプレゼンした内容です。
20181120 ldp ai
20181120 ldp ai
Hiroshi Maruyama
•擬人化とインタフェース –人間らしさの探索と応用 •社会的知能 –シミュレーション・コミュニケーションゲーム
知能が作る社会・社会が作る知能:HAI研究による知能と社会のデザイン(大澤 博隆)
知能が作る社会・社会が作る知能:HAI研究による知能と社会のデザイン(大澤 博隆)
KIT Cognitive Interaction Design
Representations are base of intelligent process in AI and is grounded to the outside world. In old days, they are designed by hand, but they are learned from data in today. So, we need the new technical base for handling learned representations. We need to understand and to formulate them. We need to study construction / learning method and utilization method. I started to call this field Representation Engineering. Theoretical foundation of this field will be such as categorical theory, algorithm information theory, ontology. Research will be advance by referring cognitive science / neuroscience etc.
Rise of Representation Engineering
Rise of Representation Engineering
The Whole Brain Architecture Initiative
機械学習と予測モデルコンペティション 講師:鹿島 久嗣 (京都大学大学院 情報学研究科 知能情報学専攻 教授) 2016年7月6日「DDBJデータ解析チャレンジ 2016 キックオフ講習会」 @国立研究開発法人 科学技術振興機構 東京本部別館 YouTube:https://www.youtube.com/watch?v=ndJ735cJJco DDBJデータ解析チャレンジ:http://www.ddbj.nig.ac.jp/ddbj-challenge2016-j.html
[DDBJ Challenge 2016] 機械学習と予測モデルコンペティション
[DDBJ Challenge 2016] 機械学習と予測モデルコンペティション
DNA Data Bank of Japan center
【トピックス】 コンピュータサイエンスで学ぶこと, 無料ソフトウエア, 無料データ, エコシステム, 情報工学の世界, Scratch プログラミング, Scratch のキャラクタ, Scratch のキャラクタの制御 【概要】 コンピュータは人間の知的能力を増幅し、 プログラミングなどによる創造的な活動を可能にする強力なツールであり、社会に大きな影響を及ぼす。 その一方で、コンピュータの計算には誤差が含まれる可能性があり、バグを完全に認識できないなど注意点もある。 情報化・AI化社会では情報の価値が増す。 データベースシステムを通じて大量のデータが簡単に共有、管理できる。 データを整理・可視化・統計処理することで多方面に活用できる。 プログラムはコンピュータに命令する手法である。 知的財産はデジタルのものも法律で保護され、無料のソフトウェア・データの利用では利用条件の確認と著作権尊重が他おせちであり。 プログラミングはコンピュータの自由な操作、創造力・論理思考の養成、そして将来的なキャリア構築に役立つスキルである。 【関連するページ等】 ・コンピューターサイエンス(全15回) https://www.kkaneko.jp/cc/cs/index.html ・金子邦彦研究室ホームページ https://www.kkaneko.jp/index.html ・YouTube 動画 https://youtu.be/k8VwaW2GI5g 【関係する外部ページ】 ・Scratch https://scratch.mit.edu/
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
kunihikokaneko1
Lab introduction 2014
Lab introduction 2014
nlab_utokyo
カラビナテクノロジーで発表したLTのdeeplearningの資料です。 AlexNetをチューニングし,10層のネットワークで10次元のベクトルを作りました。
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
taichi nishimura
2017/7/1 db analytics showcase Sapporoで講演したときの資料です。 フルスクラッチから機械学習アルゴリズムの実装をしたい人向けです。
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
Kimikazu Kato
Chainer Meetup #03 2016年7月2日
マシンパーセプション研究におけるChainer活用事例
マシンパーセプション研究におけるChainer活用事例
nlab_utokyo
ITシステムの開発を主にやっています。為安圭介です。 数年間、ITシステム開発のリーダという役割をいただいて、数十名のチーム運営を経験してきました。 今回、遅ればせながらAIに関する勉強を始めました。なんとなくわかった気になっていたAIについて、自分でまとめてみると驚くほど知らないことが多かったように感じます。 今さらですが、書店にあって立ち読みで済ませていた 「松尾 豊(著)@KADOKAWA『人工知能は人間を超えるか』」を購入し、その内容を自分の理解の範囲で簡単にまとめてみました。 これからAIについてビジネスを始めるITエンジニアの方々にも少しは理解できるものになっていると思います。 さて、このスライドをまとめるための時間は、最近アニメが復活したという噂を聞いてなんとなく読み直した「封神演義 ※崑崙山VS金鰲島~紂王が我に返るまで」+「DQ11 セーニャを仲間にする(2)まで」でした。 十二仙でも歯が立たなかった無敵の聞仲と崑崙の教主、元始天尊の戦いは熱かった。その後の武成王と聞仲のやり取りから、太公望との原始的な戦い・・・ DQ11をやったことがある人なら、この『(2)』の意味もわかるでしょう。個人的には1の方が良かったのですが。デルカダール神殿をクリアしたのが8月だったのに、2ヶ月経った今もまだセーニャとは・・・
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
Keisuke Tameyasu
金子邦彦研究室紹介 ホームページ: https://www.kkaneko.jp/index.html
kaneko202304.pptx
kaneko202304.pptx
kunihikokaneko1
Tokyo Tech Campus Visit 2014
Computer vision, human vision, and your vision
Computer vision, human vision, and your vision
Masayuki Tanaka
Weitere ähnliche Inhalte
Was ist angesagt?
こちらは後輩にAIの学習方法を教える時に用いたものです。
ソフトウェア工学におけるAIの学習方法
ソフトウェア工学におけるAIの学習方法
mack05410
• 人とロボットのインタラクション • コミュニケーションにロボットを用いる意義 • ロボットとのコミュニケーションの難しさ • ロボットのコミュニケーションのデザイン • ロボットの社会性を考える
ロボットのための認知的インタラクションデザイン(今井 倫太)
ロボットのための認知的インタラクションデザイン(今井 倫太)
KIT Cognitive Interaction Design
2018年9月30日の日本大学文理学部オープンキャンパスにおいて、情報科学科の模擬授業(講義の扉)で使用したスライドです。
平成30年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?
平成30年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?
kthrlab
非理系学部3年生向けに「機械学習と深層学習入門」というタイトルで研究室内発表した際のスライドです。
機械学習と深層学習入門
機械学習と深層学習入門
Yuta Takahashi
英論文: Building Watson:An Overview of theDeepQA Project を全くAIについての素養が無い方々向けに紹介したスライドです。
論文読解:クイズ王ワトソン
論文読解:クイズ王ワトソン
T2C_
1.ディープラーニング(深層学習)ってなに? 2.人の脳に存在するニューロンとは? 3.脳のニューロンをまねた、人工ニューロンとは? 4.ニューロンをつなげた、ニューラルネットワークとは? 5.ニューラルネットワークの学習方法は? 6.ニューラルネットワークを利用して、答えられる問題は? 7.ニューラルネットワークが実際に使われている分野は?
ディープラーニングのしくみと、どのように活用できるか?
ディープラーニングのしくみと、どのように活用できるか?
Katsuya Yamada
4/4に内閣官房日本経済再生本部での「AI人材」に関する議論で話す内容です。
構造改革徹底推進会合におけるプレゼン
構造改革徹底推進会合におけるプレゼン
Hiroshi Maruyama
COCNフォーラムにおけるプレゼンテーションです。
20180719 cocn dist
20180719 cocn dist
Hiroshi Maruyama
2019 Society of Kansei Engineering
2019 感性工学会
2019 感性工学会
Kamina Ueda
2017年のオープンキャンパスの模擬授業で使用したスライドです。
平成29年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?」
平成29年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?」
kthrlab
自民党AI本部でプレゼンした内容です。
20181120 ldp ai
20181120 ldp ai
Hiroshi Maruyama
•擬人化とインタフェース –人間らしさの探索と応用 •社会的知能 –シミュレーション・コミュニケーションゲーム
知能が作る社会・社会が作る知能:HAI研究による知能と社会のデザイン(大澤 博隆)
知能が作る社会・社会が作る知能:HAI研究による知能と社会のデザイン(大澤 博隆)
KIT Cognitive Interaction Design
Representations are base of intelligent process in AI and is grounded to the outside world. In old days, they are designed by hand, but they are learned from data in today. So, we need the new technical base for handling learned representations. We need to understand and to formulate them. We need to study construction / learning method and utilization method. I started to call this field Representation Engineering. Theoretical foundation of this field will be such as categorical theory, algorithm information theory, ontology. Research will be advance by referring cognitive science / neuroscience etc.
Rise of Representation Engineering
Rise of Representation Engineering
The Whole Brain Architecture Initiative
Was ist angesagt?
(13)
ソフトウェア工学におけるAIの学習方法
ソフトウェア工学におけるAIの学習方法
ロボットのための認知的インタラクションデザイン(今井 倫太)
ロボットのための認知的インタラクションデザイン(今井 倫太)
平成30年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?
平成30年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?
機械学習と深層学習入門
機械学習と深層学習入門
論文読解:クイズ王ワトソン
論文読解:クイズ王ワトソン
ディープラーニングのしくみと、どのように活用できるか?
ディープラーニングのしくみと、どのように活用できるか?
構造改革徹底推進会合におけるプレゼン
構造改革徹底推進会合におけるプレゼン
20180719 cocn dist
20180719 cocn dist
2019 感性工学会
2019 感性工学会
平成29年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?」
平成29年度 日本大学文理学部オープンキャンパス 「人工知能ってどんな仕組み?」
20181120 ldp ai
20181120 ldp ai
知能が作る社会・社会が作る知能:HAI研究による知能と社会のデザイン(大澤 博隆)
知能が作る社会・社会が作る知能:HAI研究による知能と社会のデザイン(大澤 博隆)
Rise of Representation Engineering
Rise of Representation Engineering
Ähnlich wie 機械学習
機械学習と予測モデルコンペティション 講師:鹿島 久嗣 (京都大学大学院 情報学研究科 知能情報学専攻 教授) 2016年7月6日「DDBJデータ解析チャレンジ 2016 キックオフ講習会」 @国立研究開発法人 科学技術振興機構 東京本部別館 YouTube:https://www.youtube.com/watch?v=ndJ735cJJco DDBJデータ解析チャレンジ:http://www.ddbj.nig.ac.jp/ddbj-challenge2016-j.html
[DDBJ Challenge 2016] 機械学習と予測モデルコンペティション
[DDBJ Challenge 2016] 機械学習と予測モデルコンペティション
DNA Data Bank of Japan center
【トピックス】 コンピュータサイエンスで学ぶこと, 無料ソフトウエア, 無料データ, エコシステム, 情報工学の世界, Scratch プログラミング, Scratch のキャラクタ, Scratch のキャラクタの制御 【概要】 コンピュータは人間の知的能力を増幅し、 プログラミングなどによる創造的な活動を可能にする強力なツールであり、社会に大きな影響を及ぼす。 その一方で、コンピュータの計算には誤差が含まれる可能性があり、バグを完全に認識できないなど注意点もある。 情報化・AI化社会では情報の価値が増す。 データベースシステムを通じて大量のデータが簡単に共有、管理できる。 データを整理・可視化・統計処理することで多方面に活用できる。 プログラムはコンピュータに命令する手法である。 知的財産はデジタルのものも法律で保護され、無料のソフトウェア・データの利用では利用条件の確認と著作権尊重が他おせちであり。 プログラミングはコンピュータの自由な操作、創造力・論理思考の養成、そして将来的なキャリア構築に役立つスキルである。 【関連するページ等】 ・コンピューターサイエンス(全15回) https://www.kkaneko.jp/cc/cs/index.html ・金子邦彦研究室ホームページ https://www.kkaneko.jp/index.html ・YouTube 動画 https://youtu.be/k8VwaW2GI5g 【関係する外部ページ】 ・Scratch https://scratch.mit.edu/
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
kunihikokaneko1
Lab introduction 2014
Lab introduction 2014
nlab_utokyo
カラビナテクノロジーで発表したLTのdeeplearningの資料です。 AlexNetをチューニングし,10層のネットワークで10次元のベクトルを作りました。
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
taichi nishimura
2017/7/1 db analytics showcase Sapporoで講演したときの資料です。 フルスクラッチから機械学習アルゴリズムの実装をしたい人向けです。
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
Kimikazu Kato
Chainer Meetup #03 2016年7月2日
マシンパーセプション研究におけるChainer活用事例
マシンパーセプション研究におけるChainer活用事例
nlab_utokyo
ITシステムの開発を主にやっています。為安圭介です。 数年間、ITシステム開発のリーダという役割をいただいて、数十名のチーム運営を経験してきました。 今回、遅ればせながらAIに関する勉強を始めました。なんとなくわかった気になっていたAIについて、自分でまとめてみると驚くほど知らないことが多かったように感じます。 今さらですが、書店にあって立ち読みで済ませていた 「松尾 豊(著)@KADOKAWA『人工知能は人間を超えるか』」を購入し、その内容を自分の理解の範囲で簡単にまとめてみました。 これからAIについてビジネスを始めるITエンジニアの方々にも少しは理解できるものになっていると思います。 さて、このスライドをまとめるための時間は、最近アニメが復活したという噂を聞いてなんとなく読み直した「封神演義 ※崑崙山VS金鰲島~紂王が我に返るまで」+「DQ11 セーニャを仲間にする(2)まで」でした。 十二仙でも歯が立たなかった無敵の聞仲と崑崙の教主、元始天尊の戦いは熱かった。その後の武成王と聞仲のやり取りから、太公望との原始的な戦い・・・ DQ11をやったことがある人なら、この『(2)』の意味もわかるでしょう。個人的には1の方が良かったのですが。デルカダール神殿をクリアしたのが8月だったのに、2ヶ月経った今もまだセーニャとは・・・
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
Keisuke Tameyasu
金子邦彦研究室紹介 ホームページ: https://www.kkaneko.jp/index.html
kaneko202304.pptx
kaneko202304.pptx
kunihikokaneko1
Tokyo Tech Campus Visit 2014
Computer vision, human vision, and your vision
Computer vision, human vision, and your vision
Masayuki Tanaka
大学4年時の研究 電子情報通信学会総合大会(2017/3/22)発表 大学院1年の研究 電子情報通信学会ソサエティ大会(2017/9/14)発表
研究スライド
研究スライド
Kenta Hando
HCD-Netフォーラム2017( #hcdnet ) 2017/7/23 長谷川さんのスライドはこちら: https://www.slideshare.net/atsushi/hcd-and-next-design
参加型デザインとソーシャルファブリケーション
参加型デザインとソーシャルファブリケーション
hiroyeah
2023/3/16作成
関口文武_PR.pdf
関口文武_PR.pdf
sekihumi
河野ゼミの研究紹介『社会的課題をITを駆使して解決する』 2018.7.2
河野ゼミ研究紹介20180702
河野ゼミ研究紹介20180702
義広 河野
第3回ウェブサイエンス研究会 招待講演資料 http://sigwebsci.tumblr.com/post/166061452488/%E7%AC%AC3%E5%9B%9E%E3%82%A6%E3%82%A7%E3%83%96%E3%82%B5%E3%82%A4%E3%82%A8%E3%83%B3%E3%82%B9%E7%A0%94%E7%A9%B6%E4%BC%9A%E3%81%94%E6%A1%88%E5%86%85
ソーシャルビッグデータ・オープンデータによる社会構造変化の発見
ソーシャルビッグデータ・オープンデータによる社会構造変化の発見
Masanori Takano
PyLadies Tokyo 一周年記念パーティーでのプレゼンです。
正しいプログラミング言語の覚え方
正しいプログラミング言語の覚え方
Kimikazu Kato
Python のインストールなど
データサイエンスことはじめ
データサイエンスことはじめ
大貴 末廣
ディープラーニング(スライドとプログラム例,Python を使用)(全15回) トピックス:画像理解, 物体検出, セグメンテーション, セグメンテーションの仕組み, セグメンテーションの種類, ディープラーニング, 人工知能 https://www.kkaneko.jp/ai/ae/index.html 金子邦彦研究室ホームページ https://www.kkaneko.jp/index.html
ae-5. 物体検出,セグメンテーション
ae-5. 物体検出,セグメンテーション
kunihikokaneko1
ディープラーニングを使った時系列データの異常検知の手法の紹介と適用例を示します。
ディープラーニングによる時系列データの異常検知
ディープラーニングによる時系列データの異常検知
Core Concept Technologies
医療とテクノロジーの未来について〜医療系学生なら知っておきたい最新技術の話〜 イベント開催 2017/04/01
マイクロソフトが創る未来 医療編 20170401
マイクロソフトが創る未来 医療編 20170401
Aya Tokura
トピックス:ニューラルネットワークの歴史, ニューラルネットワークの種類, ニューラルネットワークの応用分野, ディープラーニング, 人工知能 ディープラーニング(スライドとプログラム例,Python を使用)(全15回) https://www.kkaneko.jp/ai/ae/index.html 金子邦彦研究室ホームページ https://www.kkaneko.jp/index.html
ae-1. 人工知能の歴史, 種類,応用分野
ae-1. 人工知能の歴史, 種類,応用分野
kunihikokaneko1
Ähnlich wie 機械学習
(20)
[DDBJ Challenge 2016] 機械学習と予測モデルコンペティション
[DDBJ Challenge 2016] 機械学習と予測モデルコンペティション
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
cs-1. 無料ソフトウエア,無料データ,エコシステム,Scratch プログラミング,Scratch のキャラクタ
Lab introduction 2014
Lab introduction 2014
Deeplearningと髪型レコメンドへの応用
Deeplearningと髪型レコメンドへの応用
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
マシンパーセプション研究におけるChainer活用事例
マシンパーセプション研究におけるChainer活用事例
今さら聞けないITエンジニアのための人工知能
今さら聞けないITエンジニアのための人工知能
kaneko202304.pptx
kaneko202304.pptx
Computer vision, human vision, and your vision
Computer vision, human vision, and your vision
研究スライド
研究スライド
参加型デザインとソーシャルファブリケーション
参加型デザインとソーシャルファブリケーション
関口文武_PR.pdf
関口文武_PR.pdf
河野ゼミ研究紹介20180702
河野ゼミ研究紹介20180702
ソーシャルビッグデータ・オープンデータによる社会構造変化の発見
ソーシャルビッグデータ・オープンデータによる社会構造変化の発見
正しいプログラミング言語の覚え方
正しいプログラミング言語の覚え方
データサイエンスことはじめ
データサイエンスことはじめ
ae-5. 物体検出,セグメンテーション
ae-5. 物体検出,セグメンテーション
ディープラーニングによる時系列データの異常検知
ディープラーニングによる時系列データの異常検知
マイクロソフトが創る未来 医療編 20170401
マイクロソフトが創る未来 医療編 20170401
ae-1. 人工知能の歴史, 種類,応用分野
ae-1. 人工知能の歴史, 種類,応用分野
Kürzlich hochgeladen
LoRaWANスマート距離検出センサー DS20Lカタログ
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
2024年5月8日 Power Platform 勉強会 #1 LT資料
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
sn679259
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Syed Talal Wasim, Muzammal Naseer, Salman Khan, Ming-Hsuan Yang, Fahad Shahbaz Khan , "Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding" arXiv2024 https://arxiv.org/abs/2401.00901v2
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
This is an introduction to MAPPO's paper.
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
Jue Wang, Wentao Zhu, Pichao Wang, Xiang Yu, Linda Liu, Mohamed Omar, Raffay Hamid, " Selective Structured State-Spaces for Long-Form Video Understanding" CVPR2023 https://openaccess.thecvf.com/content/CVPR2023/html/Wang_Selective_Structured_State-Spaces_for_Long-Form_Video_Understanding_CVPR_2023_paper.html
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
Key topics covered: - Understanding Ballerina's role in integrations: features and advantages - Designing and implementing REST APIs for integration - Designing and implementing GraphQL services with Ballerina - Monitoring and observing applications - Introduction to data integration
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
WSO2
Kürzlich hochgeladen
(10)
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
機械学習
1.
機械学習とDeep Learning 新卒勉強会2回目 2020/05/28 Song Yeongjin 1
2.
2自己紹介 Song Yeongjin(ソン・ヨンジン) クラスメソッド株式会社 ES部 新卒エンジニア Facebook:
송영진 専攻: コンピューターサイエンス 研究: Deep Learning 趣味: 野球を見ること、寝ること
3.
3今日話す内容 • 人工知能?機械学習?Deep Learning? •
機械学習の歴史
4.
人工知能(Artificial Intelligence) 3 人工知能とは、「『計算(computation)』という概念 と『コンピュータ(computer)』という道具を用いて 『知能』を研究する計算機科学(computer
science)の 一分野」を指す語。「言語の理解や推論、問題解決などの 知的行動を人間に代わってコンピューターに行わせる技 術」、または、「計算機(コンピュータ)による知的な情 報処理システムの設計や実現に関する研究分野」ともされ る。 https://ja.wikipedia.org/wiki/人工知能
5.
人工知能(Artificial Intelligence) 4 一般人の認識: 自然言語処理ができる 人工性格 …を人間の外形にしたもの
6.
6実際は? Inputデータから Outputデータを出す 関数を作ること
7.
7こんなものはどうやって作る? 画像ファイルを見て オブジェクトを分割する関す INPUT =
8.
8Image Processing Edge Detection
Sobel Mask
9.
9他の分野は?
10.
10機械学習(Machine Learning) 明示的な指示を用いることなく、その代わりにパターンと推論 に依存して、特定の課題を効率的に実行するためにコンピュー タシステムが使用するアルゴリズムおよび統計モデル
11.
11機械学習(Machine Learning) 人間が勉強したアルゴリズムを 利用してプログラミングする モデルがデータを見て 勉強するようにする アルゴリズムをプログラミング
12.
12WHY? 物凄い分野の専門家達が言及して 発見した法則や相関関係があるけれど まだまだわからないものが多い コンピューターが自分でデータを見て 規則を立ててテータの中でパターンを 見つけること 未来を予測する記述になる
13.
13WHAT? データから学習! …で、どんな学習? • 教師あり学習(Supervised) :
インプットと正解がある • 分類(Classification)、回帰(Regression) • 教師なし学習(Unsupervised) : インプットだけ正解なし • 群集(Clustering) • 強化学習(Reinforcement) : インプット(Action)に評価をする
14.
14Classification
15.
15HOW? • 統計学(Statistics) : ベイズ理論に基盤した アルゴリズム •
Naive Bayes Classifiers • Hidden Markov Model
16.
16Naive Bayes Classifiers
17.
17HOW? • 幾何学(Geometry) :
データをベクターにして 幾何学的な関係を見つける • K-Means Clustering • K-Nearest Neighbors(kNN) • Support Vector Machine(SVM)
18.
18K-Means Clustering
19.
19K-Nearest Neighbors(kNN)
20.
20Support Vector Machine(SVM)
21.
21HOW? • 人工ニューラルネットワーク(Artificial Neural
Network) : 人間の神経細胞(ニューロン)を模倣したモデル(1957)
22.
22Perceptronの限界
23.
23Multi-Layer Perceptronの登場(1980)
24.
24MLPの限界 • XOR問題は解決 • ノイズに弱い •
Layerが増えると学習が 重くなる • 性能があまり上がらない • データのPreprocessingが必要
25.
25Deep Neural Networkの登場 •
Layerの学習が早くなる方法アルゴリズム • HWで学習が加速(GPU) • 性能を上げるためにBigData • モデル自体でデータからFeature Extraction
26.
26Convolutional Neural Network Inputに近いNodeはLow-levelの概念を Outputに近いNodeはHigh-level概念をAbstractionする
27.
27結果?
28.
28今は? • GAN(Generative Adversarial
Networks)
29.
29今は? • AutoML
30.
30今は? • Meta Learning
31.
31
Jetzt herunterladen