「機械学習」に関連する技術ブログ

企業やコミュニティが発信する「機械学習」に関連する技術ブログの一覧です。

roboflow体験記 ~ 画像認識AIモデルを活用する

この記事は、リレーブログ企画「24新卒リレーブログ」の記事です。 はじめまして。 新卒1年目でジョブローテーション中の山本です。 今回、24卒のブログリレー企画で、テーマは「 自由 」ということなので、私が先日 Vision AI Expo 2024 に参加した際に知った「 roboflow 」という画像認識ツールの体験記について執筆させていただきました。 AIの知識がまったくない、、、と

コンテキストウィンドウオーバーフローとその対策

本ブログは「 Context window overflow: Breaking the barrier 」を翻訳したものとなります。 生成 AI モデルの複雑な動作、特に生成 AI モデルがどのように処理して返答を生成するかについて考えたことはありますか?この魅力的なプロセスの中心には「コンテキストウィンドウ」と呼ばれる重要な要素があり、これは生成 AI モデルが与えられた時間で処理できる情報量を決定します

消費者体験の向上を目指して,実験用のスマートなカゴを作ってみた

こんにちは.協業リテールメディアdivでデータサイエンティストをしている須ヶ﨑です.本日は珍しい話題 ...

【E2E連載企画 第1回】End-to-end 自動運転という新しいパラダイム

はじめに Turing の End-to-End(E2E) 自動運転チームでチームマネージャをやっている棚橋です。今回はE2E自動運転チームでブログの連載企画を行います。本連載企画ではEnd-to-End(E2E)自動運転の最新技術やTuringの取り組みを紹介します。第一回はTuringで取り組んでいるE2E自動運転の概要と課題について取り上げます。 End-to-end自動運転とは? Turing が取り組んでいる自動運転の方式

Stable Diffusionの使い方と追加学習によるLoRAの作成 〜GPUコンテナサービス "高火力 DOK" の活用〜

この記事は、2024年6月29日(土)に行われたオープンソースカンファレンス2024 Hokkaidoにおけるセミナーを、さくナレ編集部にて記事化したものです。 はじめに さくらインターネットの江草と申します。今日は、つ […]

生成AI時代のメディカルコンテンツ作成

このブログは “ Medical content creation in the age of generative AI ” を翻訳したものです。 生成AI やトランスフォーマーを活用した大規模言語モデル(LLM)が最近の大きなニュースになっています。これらのモデルは、質問への回答、文章の要約、コードおよびテキストの生成において優れた性能を発揮しています。現在、LLMは、規制の厳しいヘルスケア・ライフサイエンス業界

Google Cloud に機械学習 API をデプロイするとき、Cloud Run と Vertex AI Endpoint のどちらを選ぶべきか?

こんにちは。2024年6月に中途入社した機械学習エンジニアの深澤(@fukkaa1225)です。新しいエキサイティングな環境を毎日楽しんでます! 本記事では機械学習 API をデプロイする際、コストの観点からどのようなサービスを選ぶべきかについて述べたいと思います。

IT ワークロードの環境持続可能性を向上させるための IDC からのヒント

このブログは 2024 年 4 月 23 日に Jenna Leiner によって執筆された内容を翻訳したものです。原文は こちら を参照して下さい。 世界のデジタル化が進むにつれ、企業はデジタルトランスフォーメーションを推進するために電力を大量に消費する IT インフラストラクチャと、環境の持続可能性を両立させる複雑な課題に直面しています。このような相反する要求により、デー

AWSのDMSやブルー/グリーンデプロイを使ってMySQL8.0へ移行した話

はじめに Data Strategyチーム(以下、DSチーム)でDWHやBIツールの運用をしている@shota.imazekiと不正検知やAWS基盤運用をしている @tawamura です。 Aurora MySQL v2(MySQL5.7互換)が2024/10/31に標準サポート終了となるため、DSチームでは2024年6月にAurora MySQL v3(MySQL8.0互換)へのアップグレードを実施しました。 その際に得られた課題や知見について紹介していきます。主に AWS DMS や Amaz

Amazon Connect アップデート まとめ – 2024年7月

みなさんこんにちは。Amazon Connect ソリューションアーキテクトの坂田です。2017年(東京リージョンでは2018年)にサービス提供を開始した Amazon Connect は、その後、Amazon Connect Contact Lens や タスク、Voice ID、Step-by-Step ガイド、in-app & web calling など、様々な機能追加が行われてきました。これらの機能追加の95%はお客様からのフィードバックに基づいており、年々機能追加

AppSheet 導入戦略と料金プランのベストプラクティス

AppSheet とは? AppSheet は、Google が提供するノーコード開発プラットフォームです。プログラミング不要で、誰でも簡単に業務アプリを作成できます。スプレッドシートなどのデータと連携し、モバイルやWebで使えるアプリをドラッグ&ドロップなどの操作で開発できます。

Cloud FunctionsのCloud Storageトリガーをフォルダレベルで指定したい!!

こんにちは!SCSKの江木です。 先日、Dialogflow CXのAgentからのテストケース作成を自動化していて、「あるフォルダにファイルがアップロードされたら起動するCloud Functionsを作りたい」とふと思いました。(テストケース作成自動化について知りたい方は以下のブログを参照ください。) Dialogflow CX Agentからの単体テストケース作成を自動化してみる 今回はテストケース作成

期待情報利得計算の変分ベイズ法の適用について

init_mathjax = function() { if (window.MathJax) { // MathJax loaded MathJax.Hub.Config({ TeX: { equationNumbers: { autoNumber: "AMS", useLabelIds: true } }, tex2jax: { inlineMath: [ ['$','$'], ["\\(","\\)"] ], displayMath: [ ['$$','$$'], ["\\[","\\]"] ], processEscapes: true, processEnvironments: true }, displayAlign: 'left', CommonHTML: { linebreaks: { automatic: true } } }); MathJax.Hub.Queue(["Typeset", MathJax.Hub]); } } init_mathjax(); addEventListener("DOMContentLoaded",function(){var a=do

世界で一番くわしい、Pandas ⇔ TabularData変換表

こんにちは、 電通 総研、X イノベーション 本部 AIトランスフォーメーションセンター所属の徳原光です。 以前、 Android スマホ でAIモデルを運用するために、Pandasの特徴量計算のコードをKotlin DataFrameを使用してKotlinに移植するための変換表を公開しました。 今度は、特徴量計算のコードをSwiftに移植するため、pandasと TabularData の変換表を作成しました。 Pandas ⇔ TabularData

Google Cloud Next Tokyo '24 速報レポート(競争環境の変化に適応!Google Cloud で実現する LION 流需要予測と生成 AI 活用)

G-gen の奥田です。本記事は Google Cloud Next Tokyo '24の1日目に行われた AI と機械学習のセッション「 競争環境の変化に適応!Google Cloud で実現する LION 流需要予測と生成 AI 活用 」に関する速報レポートをお届けします。 他の Google Cloud Next Tokyo '24 関連記事は Google Cloud Next Tokyo '24 の記事一覧 からご覧いただけます。 概要 なぜ需要予測を行うのか 需要予測のアーキテクチャ 生
技術ブログを絞り込む

TECH PLAY でイベントをはじめよう

グループを作れば、無料で誰でもイベントページが作成できます。情報発信や交流のためのイベントをTECH PLAY で公開してみませんか?