Suche senden
Hochladen
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
•
3 gefällt mir
•
2,077 views
Takahiro Kubo
Folgen
人工知能や機械学習など、最近トピックとなっている話題の整理をしたのち、kintone x 機械学習の技術を組み合わせて、簡単に名刺管理ができるシステムを作成していきます。
Weniger lesen
Mehr lesen
Daten & Analysen
Melden
Teilen
Melden
Teilen
1 von 36
Jetzt herunterladen
Downloaden Sie, um offline zu lesen
Empfohlen
「人工知能」との正しい付き合い方
「人工知能」との正しい付き合い方
Takahiro Kubo
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
Takahiro Kubo
機械学習技術の紹介
機械学習技術の紹介
Takahiro Kubo
「人工知能」をあなたのビジネスで活用するには
「人工知能」をあなたのビジネスで活用するには
Takahiro Kubo
機械学習を用いた会議診断システムの開発
機械学習を用いた会議診断システムの開発
Takahiro Kubo
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
Takahiro Kubo
Machine Learning Bootstrap
Machine Learning Bootstrap
Takahiro Kubo
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
Takahiro Kubo
Empfohlen
「人工知能」との正しい付き合い方
「人工知能」との正しい付き合い方
Takahiro Kubo
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
kintone Café 大阪 Vol.13 〜karuraで学ぶ、機械学習の活かし方〜
Takahiro Kubo
機械学習技術の紹介
機械学習技術の紹介
Takahiro Kubo
「人工知能」をあなたのビジネスで活用するには
「人工知能」をあなたのビジネスで活用するには
Takahiro Kubo
機械学習を用いた会議診断システムの開発
機械学習を用いた会議診断システムの開発
Takahiro Kubo
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
文章を読み、理解する機能の獲得に向けて-Machine Comprehensionの研究動向-
Takahiro Kubo
Machine Learning Bootstrap
Machine Learning Bootstrap
Takahiro Kubo
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
機械学習を活用するための、3本の柱~教育型の機械学習ツールの必要性~
Takahiro Kubo
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
Takahiro Kubo
Machine learningbootstrap For Business
Machine learningbootstrap For Business
Takahiro Kubo
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
Takahiro Kubo
TISにおける、研究開発のメソッド
TISにおける、研究開発のメソッド
Takahiro Kubo
ACL2018の歩き方
ACL2018の歩き方
Takahiro Kubo
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
Takahiro Kubo
Reinforcement Learning Inside Business
Reinforcement Learning Inside Business
Takahiro Kubo
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
Takahiro Kubo
Deep learningの世界に飛び込む前の命綱
Deep learningの世界に飛び込む前の命綱
Junya Kamura
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
Takahiro Kubo
TIS INTERNSHIP 2016 SUMMER
TIS INTERNSHIP 2016 SUMMER
Takahiro Kubo
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
Pythonではじめる OpenAI Gymトレーニング
Pythonではじめる OpenAI Gymトレーニング
Takahiro Kubo
vCenter Operations Management Suite 検証支援プログラム結果報告とその後
vCenter Operations Management Suite 検証支援プログラム結果報告とその後
Recruit Technologies
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
Deep Learning Lab(ディープラーニング・ラボ)
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
Recruit Technologies
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
Takashi Kaneda
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
対話破綻検出チャレンジ2016: NCMを用いた対話と破綻の同時学習
対話破綻検出チャレンジ2016: NCMを用いた対話と破綻の同時学習
Takahiro Kubo
Weitere ähnliche Inhalte
Was ist angesagt?
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
Takahiro Kubo
Machine learningbootstrap For Business
Machine learningbootstrap For Business
Takahiro Kubo
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
Takahiro Kubo
TISにおける、研究開発のメソッド
TISにおける、研究開発のメソッド
Takahiro Kubo
ACL2018の歩き方
ACL2018の歩き方
Takahiro Kubo
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
Takahiro Kubo
Reinforcement Learning Inside Business
Reinforcement Learning Inside Business
Takahiro Kubo
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
Takahiro Kubo
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
Takahiro Kubo
Deep learningの世界に飛び込む前の命綱
Deep learningの世界に飛び込む前の命綱
Junya Kamura
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
Takahiro Kubo
TIS INTERNSHIP 2016 SUMMER
TIS INTERNSHIP 2016 SUMMER
Takahiro Kubo
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Takahiro Kubo
Pythonではじめる OpenAI Gymトレーニング
Pythonではじめる OpenAI Gymトレーニング
Takahiro Kubo
vCenter Operations Management Suite 検証支援プログラム結果報告とその後
vCenter Operations Management Suite 検証支援プログラム結果報告とその後
Recruit Technologies
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
Recruit Technologies
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
Deep Learning Lab(ディープラーニング・ラボ)
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
Recruit Technologies
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
Takashi Kaneda
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Recruit Technologies
Was ist angesagt?
(20)
TIS 戦略技術センター AI技術推進室紹介
TIS 戦略技術センター AI技術推進室紹介
Machine learningbootstrap For Business
Machine learningbootstrap For Business
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
言葉のもつ広がりを、モデルの学習に活かそう -one-hot to distribution in language modeling-
TISにおける、研究開発のメソッド
TISにおける、研究開発のメソッド
ACL2018の歩き方
ACL2018の歩き方
機械学習の力を引き出すための依存性管理
機械学習の力を引き出すための依存性管理
Reinforcement Learning Inside Business
Reinforcement Learning Inside Business
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
Deep learningの世界に飛び込む前の命綱
Deep learningの世界に飛び込む前の命綱
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
画像認識モデルを自動的に作る。1日以内に。~Simple And Efficient Architecture Search for Convolutio...
TIS INTERNSHIP 2016 SUMMER
TIS INTERNSHIP 2016 SUMMER
モデルではなく、データセットを蒸留する
モデルではなく、データセットを蒸留する
Pythonではじめる OpenAI Gymトレーニング
Pythonではじめる OpenAI Gymトレーニング
vCenter Operations Management Suite 検証支援プログラム結果報告とその後
vCenter Operations Management Suite 検証支援プログラム結果報告とその後
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
リクルートのビッグデータ活用基盤とデータ活用に向けた取組み
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
[Track1-1] AIの売上予測を発注システムに組み込んだリンガーハットのデータ活用戦略
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
3万人が利用するリクルートのワイヤレス環境 ~リアクティブからプロアクティブへ~
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
物体認識 IoT サービスを支える技術 〜クラウドアーキテクチャから組込み深層学習まで〜
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
Andere mochten auch
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
対話破綻検出チャレンジ2016: NCMを用いた対話と破綻の同時学習
対話破綻検出チャレンジ2016: NCMを用いた対話と破綻の同時学習
Takahiro Kubo
Tech-Circle #18 Pythonではじめる強化学習 OpenAI Gym 体験ハンズオン
Tech-Circle #18 Pythonではじめる強化学習 OpenAI Gym 体験ハンズオン
Takahiro Kubo
開発の本質:チケット数を1/100にする方法
開発の本質:チケット数を1/100にする方法
Takahiro Kubo
技術文書を書く際の、心技体
技術文書を書く際の、心技体
Takahiro Kubo
マルチモーダル対話システムのスゝメ
マルチモーダル対話システムのスゝメ
Takahiro Kubo
Pythonで始めるWebアプリケーション開発
Pythonで始めるWebアプリケーション開発
Takahiro Kubo
知識ベース型推薦の解説
知識ベース型推薦の解説
Takahiro Kubo
Convolutional Neural Netwoks で自然言語処理をする
Convolutional Neural Netwoks で自然言語処理をする
Daiki Shimada
Improving Distributional Similarity with Lessons Learned from Word Embeddings
Improving Distributional Similarity with Lessons Learned from Word Embeddings
Hiroki Nakayama
個人事業者でも活用できるkintone
個人事業者でも活用できるkintone
Sakae Saito
論文輪読: Order-Embeddings of Images and Language
論文輪読: Order-Embeddings of Images and Language
mmisono
CV勉強会@関東 3巻3章4節 画像表現
CV勉強会@関東 3巻3章4節 画像表現
Yusuke Uchida
論文輪読: Coordinated and Efficient Huge Page Management with Ingens
論文輪読: Coordinated and Efficient Huge Page Management with Ingens
mmisono
論文輪読: Data-Dependent Initializations of Convolutional Neural Networks / All Y...
論文輪読: Data-Dependent Initializations of Convolutional Neural Networks / All Y...
mmisono
Marketing Plan Presentation
Marketing Plan Presentation
Mike Ditch Jr.
全文検索入門
全文検索入門
antibayesian 俺がS式だ
Beliefs and Biases in Web Search (SIGIR'13 Best paper)読んだ
Beliefs and Biases in Web Search (SIGIR'13 Best paper)読んだ
Yusuke Uchida
Image Retrieval with Fisher Vectors of Binary Features (MIRU'14)
Image Retrieval with Fisher Vectors of Binary Features (MIRU'14)
Yusuke Uchida
論文輪読: Generative Adversarial Text to Image Synthesis
論文輪読: Generative Adversarial Text to Image Synthesis
mmisono
Andere mochten auch
(20)
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
対話破綻検出チャレンジ2016: NCMを用いた対話と破綻の同時学習
対話破綻検出チャレンジ2016: NCMを用いた対話と破綻の同時学習
Tech-Circle #18 Pythonではじめる強化学習 OpenAI Gym 体験ハンズオン
Tech-Circle #18 Pythonではじめる強化学習 OpenAI Gym 体験ハンズオン
開発の本質:チケット数を1/100にする方法
開発の本質:チケット数を1/100にする方法
技術文書を書く際の、心技体
技術文書を書く際の、心技体
マルチモーダル対話システムのスゝメ
マルチモーダル対話システムのスゝメ
Pythonで始めるWebアプリケーション開発
Pythonで始めるWebアプリケーション開発
知識ベース型推薦の解説
知識ベース型推薦の解説
Convolutional Neural Netwoks で自然言語処理をする
Convolutional Neural Netwoks で自然言語処理をする
Improving Distributional Similarity with Lessons Learned from Word Embeddings
Improving Distributional Similarity with Lessons Learned from Word Embeddings
個人事業者でも活用できるkintone
個人事業者でも活用できるkintone
論文輪読: Order-Embeddings of Images and Language
論文輪読: Order-Embeddings of Images and Language
CV勉強会@関東 3巻3章4節 画像表現
CV勉強会@関東 3巻3章4節 画像表現
論文輪読: Coordinated and Efficient Huge Page Management with Ingens
論文輪読: Coordinated and Efficient Huge Page Management with Ingens
論文輪読: Data-Dependent Initializations of Convolutional Neural Networks / All Y...
論文輪読: Data-Dependent Initializations of Convolutional Neural Networks / All Y...
Marketing Plan Presentation
Marketing Plan Presentation
全文検索入門
全文検索入門
Beliefs and Biases in Web Search (SIGIR'13 Best paper)読んだ
Beliefs and Biases in Web Search (SIGIR'13 Best paper)読んだ
Image Retrieval with Fisher Vectors of Binary Features (MIRU'14)
Image Retrieval with Fisher Vectors of Binary Features (MIRU'14)
論文輪読: Generative Adversarial Text to Image Synthesis
論文輪読: Generative Adversarial Text to Image Synthesis
Ähnlich wie kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
知礼 八子
AIとの付き合い方
AIとの付き合い方
Deep Learning Lab(ディープラーニング・ラボ)
20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)
マジセミ by (株)オープンソース活用研究所
ゼロから学ぶAI
ゼロから学ぶAI
DIVE INTO CODE Corp.
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
DIVE INTO CODE Corp.
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
Sei Kato (加藤 整)
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
Takeshi Akutsu
20190614_awssummit_stockmark
20190614_awssummit_stockmark
KosukeArima
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
DIVE INTO CODE Corp.
NRIが全社利用するビジネスチャットツールMattermostのご紹介
NRIが全社利用するビジネスチャットツールMattermostのご紹介
aslead
日本におけるIT自動化導入の特殊な事情 - 菅原 亮、株式会社NTTデータ
日本におけるIT自動化導入の特殊な事情 - 菅原 亮、株式会社NTTデータ
Puppet
2016年12月期 決算説明資料
2016年12月期 決算説明資料
SIOS Corporation
IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開
Miki Yutani
不足するAI人材に対する「パソナテックの人材育成ソリューション」
不足するAI人材に対する「パソナテックの人材育成ソリューション」
Natsutani Minoru
「IoTで広がる未来への可能性」熊本IoTアライアンスキックオフセミナー 170112
「IoTで広がる未来への可能性」熊本IoTアライアンスキックオフセミナー 170112
知礼 八子
2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)
Code for Japan
【kintone hive 上海】ウィングアーク上海講演資料_160918
【kintone hive 上海】ウィングアーク上海講演資料_160918
Cybozucommunity
クラウド事業者に求めるビジネス要件
クラウド事業者に求めるビジネス要件
雄哉 吉田
kintone Café Akita Vol.1 対面開発
kintone Café Akita Vol.1 対面開発
kintone papers
第30回八子クラウド座談会 MaaS特集 事前配付資料
第30回八子クラウド座談会 MaaS特集 事前配付資料
知礼 八子
Ähnlich wie kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
(20)
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
「IoTビジネスの嘘とホント~必要な検討事項と技術検証~」Developer Summit kansai 20160915
AIとの付き合い方
AIとの付き合い方
20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)
ゼロから学ぶAI
ゼロから学ぶAI
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
ポストAiを見据えた日本企業の経営戦略 加藤整 20171020_v1.2
みんなのPython勉強会#21 澪標アナリティクス 井原様
みんなのPython勉強会#21 澪標アナリティクス 井原様
20190614_awssummit_stockmark
20190614_awssummit_stockmark
第4次産業革命 AIでビジネスの現場が変わる
第4次産業革命 AIでビジネスの現場が変わる
NRIが全社利用するビジネスチャットツールMattermostのご紹介
NRIが全社利用するビジネスチャットツールMattermostのご紹介
日本におけるIT自動化導入の特殊な事情 - 菅原 亮、株式会社NTTデータ
日本におけるIT自動化導入の特殊な事情 - 菅原 亮、株式会社NTTデータ
2016年12月期 決算説明資料
2016年12月期 決算説明資料
IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開
不足するAI人材に対する「パソナテックの人材育成ソリューション」
不足するAI人材に対する「パソナテックの人材育成ソリューション」
「IoTで広がる未来への可能性」熊本IoTアライアンスキックオフセミナー 170112
「IoTで広がる未来への可能性」熊本IoTアライアンスキックオフセミナー 170112
2016年度コーポレートフェローシップ活動報告(山本さん)
2016年度コーポレートフェローシップ活動報告(山本さん)
【kintone hive 上海】ウィングアーク上海講演資料_160918
【kintone hive 上海】ウィングアーク上海講演資料_160918
クラウド事業者に求めるビジネス要件
クラウド事業者に求めるビジネス要件
kintone Café Akita Vol.1 対面開発
kintone Café Akita Vol.1 対面開発
第30回八子クラウド座談会 MaaS特集 事前配付資料
第30回八子クラウド座談会 MaaS特集 事前配付資料
Mehr von Takahiro Kubo
自然言語処理による企業の気候変動対策分析
自然言語処理による企業の気候変動対策分析
Takahiro Kubo
国際会計基準(IFRS)適用企業の財務評価方法
国際会計基準(IFRS)適用企業の財務評価方法
Takahiro Kubo
自然言語処理で新型コロナウィルスに立ち向かう
自然言語処理で新型コロナウィルスに立ち向かう
Takahiro Kubo
財務・非財務一体型の企業分析に向けて
財務・非財務一体型の企業分析に向けて
Takahiro Kubo
自然言語処理で読み解く金融文書
自然言語処理で読み解く金融文書
Takahiro Kubo
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
Takahiro Kubo
ESG評価を支える自然言語処理基盤の構築
ESG評価を支える自然言語処理基盤の構築
Takahiro Kubo
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Takahiro Kubo
あるべきESG投資の評価に向けた、自然言語処理の活用
あるべきESG投資の評価に向けた、自然言語処理の活用
Takahiro Kubo
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
Takahiro Kubo
Curiosity may drives your output routine.
Curiosity may drives your output routine.
Takahiro Kubo
EMNLP2018 Overview
EMNLP2018 Overview
Takahiro Kubo
2018年12月4日までに『呪術廻戦』を読む理由
2018年12月4日までに『呪術廻戦』を読む理由
Takahiro Kubo
Graph Attention Network
Graph Attention Network
Takahiro Kubo
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018
Takahiro Kubo
TISにおける、研究開発の方針とメソッド 2018
TISにおける、研究開発の方針とメソッド 2018
Takahiro Kubo
感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析
Takahiro Kubo
技術文書を書く際の、心技体<改訂版>
技術文書を書く際の、心技体<改訂版>
Takahiro Kubo
kintone evangelist meetup 2017
kintone evangelist meetup 2017
Takahiro Kubo
Tech Circle #23 Next Music Productionby Google Magenta
Tech Circle #23 Next Music Productionby Google Magenta
Takahiro Kubo
Mehr von Takahiro Kubo
(20)
自然言語処理による企業の気候変動対策分析
自然言語処理による企業の気候変動対策分析
国際会計基準(IFRS)適用企業の財務評価方法
国際会計基準(IFRS)適用企業の財務評価方法
自然言語処理で新型コロナウィルスに立ち向かう
自然言語処理で新型コロナウィルスに立ち向かう
財務・非財務一体型の企業分析に向けて
財務・非財務一体型の企業分析に向けて
自然言語処理で読み解く金融文書
自然言語処理で読み解く金融文書
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
arXivTimes Review: 2019年前半で印象に残った論文を振り返る
ESG評価を支える自然言語処理基盤の構築
ESG評価を支える自然言語処理基盤の構築
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
Expressing Visual Relationships via Language: 自然言語による画像編集を目指して
あるべきESG投資の評価に向けた、自然言語処理の活用
あるべきESG投資の評価に向けた、自然言語処理の活用
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
nlpaper.challenge NLP/CV交流勉強会 画像認識 7章
Curiosity may drives your output routine.
Curiosity may drives your output routine.
EMNLP2018 Overview
EMNLP2018 Overview
2018年12月4日までに『呪術廻戦』を読む理由
2018年12月4日までに『呪術廻戦』を読む理由
Graph Attention Network
Graph Attention Network
機械学習で泣かないためのコード設計 2018
機械学習で泣かないためのコード設計 2018
TISにおける、研究開発の方針とメソッド 2018
TISにおける、研究開発の方針とメソッド 2018
感情の出どころを探る、一歩進んだ感情解析
感情の出どころを探る、一歩進んだ感情解析
技術文書を書く際の、心技体<改訂版>
技術文書を書く際の、心技体<改訂版>
kintone evangelist meetup 2017
kintone evangelist meetup 2017
Tech Circle #23 Next Music Productionby Google Magenta
Tech Circle #23 Next Music Productionby Google Magenta
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
1.
Copyright © 2016
TIS Inc. All rights reserved. kintone Café Japan 2016 kintone x 機械学習で実現する簡単名刺管理 戦略技術センター AI技術推進室 久保隆宏
2.
Copyright © 2016
TIS Inc. All rights reserved. 2 自己紹介 はじめに、キーワードの整理 「人工知能」とはそもそも何か 「機械学習」とはそもそも何か 「ディープラーニング」とはそもそも何か 「ディープラーニング」登場による変化 「人工知能」技術のビジネスへの波及 ビジネスへの波及の背景 「人工知能」をビジネスに活用するには おわりに ハンズオン 想定課題 システム構成 目次
3.
Copyright © 2016
TIS Inc. All rights reserved. 3 久保隆宏 TIS株式会社 戦略技術センター 化学系メーカーの業務コンサルタント出身 既存の技術では業務改善を行える範囲に限界があるとの実感から、戦 略技術センターへと異動 現在は機械学習や自然言語処理の研究・それらを用いたシステムのプ ロトタイピングを行う 自己紹介 人とロボットを連携させた接客シ ステムmaicoの発表 (@対話システムシンポジウム) OpenAI Gymを利用した、 強化学習に関する講演 (@PyConJP 2016) kintoneアプリ内にたまった データを簡単に学習・活用 (@Cybozu Days 2016)
4.
Copyright © 2016
TIS Inc. All rights reserved. 4 所属するチームのミッション chakki すべての人が、ティータイムに帰れるようにする すべての人が、ティータイム(15:00)に帰れる(茶帰) 社会を実現します。 この実現には、既存の仕事を効率化するのでなく、 根本的に「仕事の仕方」を変える必要があります。 しかし、慣れた仕事の仕方というのは簡単には変わ りません。だからこそ、実際に「体験」をし、効果 を「実感」してもらうことが重要になります。 そのため、私たちは先進的技術を用い、仕事の仕方が変 わる体験を提供していきます。
5.
Copyright © 2016
TIS Inc. All rights reserved. はじめに、キーワードの整理
6.
Copyright © 2016
TIS Inc. All rights reserved. 6 「人工知能」とはそもそも何か ねこ 犬 うさぎ 動物大百科 (教師データ) 学習 推論 「学習した結果をもとに、推論を行うことができるシステム」を総じて言う
7.
Copyright © 2016
TIS Inc. All rights reserved. 7 「機械学習」とはそもそも何か 学習 予測・分類 機械学習もまた、データから学習し予測する技術。ただ、対象が限定される 数値に変換できるものしか学 習できない (画像も言語も、数値に変換し ている) 数値データ 基本的には数値を予測するか、 データのカテゴリを分類する かしかできない。 予測・分類
8.
Copyright © 2016
TIS Inc. All rights reserved. 8 ディープ・ラーニングの登場 (2012~) ディープ・ラーニングはニューラルネットワークというモデルを、 多層にしたもの 今までは、多層にすると学習が進まなくなるという弱点があった 「ディープラーニング」とはそもそも何か(1/3) これはうさぎやで! 耳が長いのがうさぎや! 耳があれば?うさぎや みんなうさぎや 層が深いと、学習がうまくいかなかった ねこかな? (推論) ちゃう、うさぎや 推論とは逆向きに学習 (逆誤差伝搬法) ニューラルネットワークの仕組み ・・(たくさんの層)・・ 入力信号を前の層へと バケツリレーしていく 糸電話のように、糸を長くするほど(=層を深くす るほど)教えた内容が弱まり伝わりづらくなる
9.
Copyright © 2016
TIS Inc. All rights reserved. 9 ディープ・ラーニングの登場 (2012~) 事前学習という仕組みを導入することで、弱点を克服 弱点を克服するだけでなく、人の手を介さずに「特徴の抽出」がで きるようになった 「ディープラーニング」とはそもそも何か(2/3) 限られた表現で元の画像を復元で きるよう、学習する。 (イメージ的には、もとは10色の クレヨンでかかれたものを、3本で 再現しようとするという感じ) 事前学習の方法(AutoEncoder) 事前学習したものを組み合わせて、多層に 限られた表現で元の画像を復元できるよう学習 =画像の特徴を抽出している!はず +人による教示は不要 (元の画像を与えるだけ) 元の画像を返せるように 学習する(入力=出力) ・・(たくさんの層)・・ 二層目の事前学習には 一層目を事前学習した ものを使って・・・と どんどん重ねていく 教えた内容が弱まっても、事前学習済みだか ら大丈夫!(ただ、最近は層の工夫などによ り事前学習もいらなくなってきた) 数々のコンペで他を 圧倒する精度を出す
10.
Copyright © 2016
TIS Inc. All rights reserved. 10 ※学習が自動化されるわけではありません! 「ディープラーニング」とはそもそも何か(3/3) 例:ディープラーニングを用い、会話 を学習する実際に使用したコードの一 部の抜粋。 モデルの定義、また学習のために様々 なパラメーターが必要で、それは人が 「こんな感じかな」という風にチュー ニングしている(職人芸ともいわれる)。 また、データも人が用意する。 この辺りの自動化の研究は進んでいま すが、「人の手助け無しに勝手に学ん で賢くなる」というのは、少なくとも 現時点では完全な誤りです。
11.
Copyright © 2016
TIS Inc. All rights reserved. 11 ディープ・ラーニングの登場により変わったもの 「ディープラーニング」登場による変化(1/2) ねこ 犬 うさぎ 学習 より生に近いデータから学習でき、推論の精度も格段と向上した 事前学習により、よ り生に近いデータか らでも特徴を抽出し て学習できるように なってきた 精度が格段と向上 予測・分類
12.
Copyright © 2016
TIS Inc. All rights reserved. 12 ディープ・ラーニングが登場しても変わっていないもの 「ディープラーニング」登場による変化(2/2) 「教えたことがきっちりできるようになった」以上のことは起こっていない 学習 学習のためのデータ や環境は依然人が用 意する必要がある。 勝手に賢くなること はない ? 人には同じように見 えても、教えていな いことはわからない。 予測・分類 ねこ 犬 うさぎ
13.
何を学習させ、何を推論させるのか、それは人間が決める必要があります。 教えたもの以外から学ぶことはなく、教えたこと以外は答えられません。 ? ?
14.
Copyright © 2016
TIS Inc. All rights reserved. 「人工知能」技術のビジネスへの波及
15.
Copyright © 2016
TIS Inc. All rights reserved. 15 機械学習に代表される人工知能関連技術は、さまざまな領域で応用されて います。その利点は、以下3つに分けられます。 サービスの付加価値の向上 コスト削減 新規サービスの創出 「人工知能」技術のビジネスへの波及(1/2)
16.
Copyright © 2016
TIS Inc. All rights reserved. 16 「人工知能」技術のビジネスへの波及(2/2)
17.
from The current
state of machine intelligence 3.0
18.
Copyright © 2016
TIS Inc. All rights reserved. 18 なぜ近年、こうした「人工知能」関連技術の普及が進んでいるのか? その背景として、以下のような要因があります。 機械学習技術を利用したサービスの普及 研究開発のオープン化 ビジネスへの波及の背景
19.
Copyright © 2016
TIS Inc. All rights reserved. 19 機械学習技術を利用したサービスの普及(1/3) ~2014年 2015年 Azure Machine Learning Watson on Bluemix 日本マイクロソフトと竹中工務店 が IoT を活用した次世代建物管理 システムで連携(MS 14/10/15) IBMのWatsonが実戦デビュー、 三井住友銀行とみずほ銀行で年 明けにも(ITPro 14/12/15) 7月 10月 12月 4月 Amazon Machine Learning 大手のクラウドプラットフォームベンダーか ら、続々とサービスがリリース 事例が出るまでのスピードが速い
20.
Copyright © 2016
TIS Inc. All rights reserved. 20 すぐに使い始められて、費用は使った分だけ ERP、BIツール、ワークフローシステム・・・今までのいわゆる 「ソリューション」は、導入にかかる時間も費用も長く大きかった これに対し、Azure Machine LearningもWatsonも、使おうと思っ たら数分で使い始めることができる(個人でも利用可能)。費用は 使った分だけ(試す分程度は無料)。 機械学習技術を利用したサービスの普及(2/3) クラウド化の延長線上に生まれた、機械学習関連サービスの台頭
21.
Copyright © 2016
TIS Inc. All rights reserved. 21 時間がかかるカスタマイズ < すぐに試せるテンプレート Azure Machine Learning、Watson共に用途が決められたテンプ レート(API)が存在し、すぐに試せる。 逆に(2016/6現在)これがないAmazon Machine Learning、 Google Prediction APIはそれほど流行ってない(特にGoogleの方は 2010年リリースにもかかわらず)。 機械学習技術を利用したサービスの普及(3/3) クラウド化の延長線上に生まれた、機械学習関連サービスの台頭 文書分類、翻訳、音 声合成など、ありあ わせの機能を選んで 組み合わせてつける =バイキング方式
22.
Copyright © 2016
TIS Inc. All rights reserved. 22 教育リソース 2015年から、約一年の間に何 個もの深層学習用フレームワー クがリリースされる(それまで は数個しかない状態がずっと続 いていた)。 Coursera、UDACITYといった オンラインの講座で機械学習の 講座が続々と開講する。 研究開発のオープン化 2015/6 2015/6 2015/11 2016/1 DSSTNE amazon 2016/5 誰でも学べて、試すことができるようになった 実装フレームワーク
23.
ビジネスへの活用は、最近起こったのか?
24.
Copyright © 2016
TIS Inc. All rights reserved. 24 活用しているところは昔からやっている。 Amazonのレコメンド 特許の出願は1998年 コマツの位置情報を利用したサポートサービス(KOMTRAX) 2001年から標準装備 お掃除ロボットルンバ 初号機は2002年 現在の状況は、「ディープラーニングなどの最新技術により解決できる課 題が増えてきた」というよりも、「最新の技術が扱いやすくなり、問題解 決の一手段として選択可能になってきた」方が実態に近い。 今まで解決を見送ってきた課題に、再チャレンジする良い機会 ビジネスへの波及の背景
25.
Copyright © 2016
TIS Inc. All rights reserved. 「人工知能」をビジネスに活用するには
26.
ユーザーのデータ活用は 85%が失敗している @Hitachi Platform Solutions
World 2012
27.
Copyright © 2016
TIS Inc. All rights reserved. 27 機械学習は、データ活用の一貫です データ活用プロジェクトの85%は失敗しています つまり、機械学習の活用プロジェクトも同程度で失敗します 失敗の原因はさまざまなものがありますが、本質的には次の教訓に集約さ れます。 「人工知能」をビジネスに活用するには(1/3)
28.
Copyright © 2016
TIS Inc. All rights reserved. 28 業務への貢献が明確でない 「機械学習を使っているか」は現場の人間には関係ありません 効果が出る、という証明を最初に行うべきです。これなくして、忙 しい現場の方を巻き込むことはできません 導入=解決という希望的観測 新しい技術(もしくはパッケージ)を導入したら、現場が勝手に良く なるということはありません 導入後の普及・活用を推進する体制を用意すべきです。機械学習の 場合、特にデータをだれが用意・整備するのか、だれが定期的に学 習させるのかなどを決めておく必要があります。 利用するパッケージ・サービスありきになっている 新しい家具を買う際は、家の大きさに合うか調べると思います。シ ステムも同様で、「あなたの会社に合うか」が重要です。 「人工知能」をビジネスに活用するには(2/3)
29.
Copyright © 2016
TIS Inc. All rights reserved. 29 改善点の、定期的な収集を推奨します。 「人工知能」をビジネスに活用するには(3/3) 現場の方は、毎回毎回繰り返される「課題の調査」に概ねへきえきしてい ますし、急に「課題はないか」と聞かれてもなかなか出てきません。 気軽に不満点・改善点を投稿する仕組みがあれば、新しい手法が登場した 際に「あの課題の解決に使える」と思いつきやすくなります。
30.
データ活用・機械学習は、日々の積み重ねから
31.
Copyright © 2016
TIS Inc. All rights reserved. 31 将来的に、人間だけでは仕事が回らなくなる時代の到来が予測されます 1970年代に年間5000件程度だった企業への電話やメールの問い合わ せは、現在は50000件(10倍)にもなり、今後も増え続けていくことが 予想されます。 その一方で、生産年齢人口は減少傾向です ビジネスモデル自身には問題がなくとも、それを担う人的資源が枯渇する 可能性があります(2013年~)。 働き方の改革は急務であり、よって「実際に働いている人」の持って いる課題にフォーカスした改善を行っていく必要があります これまでのシステムより「人間的」な判断ができる「人工知能」技術 は、そのためにこそ有用な技術といえます おわりに
32.
Copyright © 2016
TIS Inc. All rights reserved. ハンズオン
33.
Copyright © 2016
TIS Inc. All rights reserved. 33 営業業務の最適化を行うため、各営業員が持つ人脈の 情報を、まずは一つに集約したいと考えています。 このために販売管理システム(CRM)を導入したのです が、ぜんぜん登録されません・・・ 想定課題(1/2) 営業員たちに聞いてみたところ、忙しくて入力する 暇がない、わざわざ社内に戻らないといけないなど、 いろんな声が寄せられました。 その一方で、営業員同士のコミュニケーションのた めに導入したチャットシステムは、手軽に使えるこ ともあり活発に使われているようです。
34.
Copyright © 2016
TIS Inc. All rights reserved. 34 そこで・・・ 想定課題(2/2) 営業員が簡単に、しかもどこでも築いた人脈を入力できるシステムを 作りたい 具体的には、普段コミュニケーションツールとして利用している チャットシステムから、簡単に情報を登録できるようにしたい!!
35.
Copyright © 2016
TIS Inc. All rights reserved. 35 ハンズオンで作るシステム Let's Make it!
36.
<免責事項> 本資料は、作成時点の法規制等に基づき、細心の注意を払い作成しておりますが、 その正確性、適用性、完全性、網羅性、有用性、最新性、知的財産権の非侵害などに 対して弊社は一切保証いたしません。また当該情報に起因するいかなる損害についても 弊社は責任を負いません。本資料より得られるいかなる情報も利用者ご自身の判断と 責任において利用していただくものとします。なお、本資料は特定の事項に関する 一般的な情報提供を目的としています。提供されている情報は、専門的アドバイザリー、 コンサルティング等のサービス提供を意図したものではありません。 <本資料の取り扱いに関して> 本資料は、著作権法及び不正競争防止法上の保護を受けております。資料の一部或いは 全てについて、TIS株式会社から許諾を得ずに、いかなる方法においても無断で複写、 複製、転記、転載、ノウハウの使用、企業秘密の開示等を行うことは禁じられて おります。本文記載の社名・製品名・ロゴは各社の商標または登録商標です。
Jetzt herunterladen