Submit Search
Upload
固有表現抽出と適用例のご紹介
•
Download as PPTX, PDF
•
0 likes
•
2,707 views
Core Concept Technologies
Follow
文章中から人名や地名などといった情報を抽出する技術として固有表現抽出というものがあります。この固有表現抽出を機械学習によっておこない、適用した例についてご紹介します。
Read less
Read more
Technology
Report
Share
Report
Share
1 of 13
Download now
Recommended
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習 6月11日 (木) 11:00 - 12:30 メイン会場(vimeo + slido) 登壇者:片岡 裕雄 氏(産業技術総合研究所) 概要:高品質な教師ラベルを含む大規模画像データセットを学習に用いた場合は成功がほぼ確約されていると言っても差し支えないが、ラベル付けのコストは計り知れない。本発表では、SNS からの画像データ収集や弱教師によるラベル付けを含め、最小限の手間で大規模データセットを構築する方法を紹介する。800万超の人物ラベルを含む大規模データセットを人物検出のための事前学習に用いた場合、ベースラインである教師ありの事前学習手法を凌駕する検出率を実現した。
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII
[第3回分析コンペLT会 、オンライン開催] (https://kaggle-friends.connpass.com/event/220927/) での発表資料です。 画像コンペに出るうえで便利過ぎる timm(pytorch image models) の紹介をしました。
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
社内勉強会での発表資料です。 「失敗事例を通じて、機械学習の検討で抑えるべきポイントを学ぶ」をコンセプトに作成しました。AI・機械学習を検討する広くの方々に活用していただけると幸いです。 あとがきを下記に書きました。よければこちらもご参照ください。 https://qiita.com/bezilla/items/1e1abac767e10d0817d1
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
株式会社電通国際情報サービス 小川雄太郎 氏
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
Deep Learning Lab(ディープラーニング・ラボ)
・自己教師あり学習 ・半教師あり学習 ・転移学習 ・メタ学習 ・模倣学習 ・逆強化学習 ・能動学習(Active Learning) について 「概要」、「代表的アルゴリズム名」、 「各内容を学ぶためのおすすめチュートリアル動画」を解説しています 2020年9月25日 理系ナビ DLエンジニアトレーニングプログラム
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
小川 雄太郎
2021/12/03 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
Deep Learning JP
「MLOpsとはなにか?」という質問に対し、「データサイエンティストが、システム開発において、やらないことすべて」と定義した上で、MLOpsの説明、海外事例、「JapanTaxi」アプリでの事例を説明します
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
Recommended
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習 6月11日 (木) 11:00 - 12:30 メイン会場(vimeo + slido) 登壇者:片岡 裕雄 氏(産業技術総合研究所) 概要:高品質な教師ラベルを含む大規模画像データセットを学習に用いた場合は成功がほぼ確約されていると言っても差し支えないが、ラベル付けのコストは計り知れない。本発表では、SNS からの画像データ収集や弱教師によるラベル付けを含め、最小限の手間で大規模データセットを構築する方法を紹介する。800万超の人物ラベルを含む大規模データセットを人物検出のための事前学習に用いた場合、ベースラインである教師ありの事前学習手法を凌駕する検出率を実現した。
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習
SSII
[第3回分析コンペLT会 、オンライン開催] (https://kaggle-friends.connpass.com/event/220927/) での発表資料です。 画像コンペに出るうえで便利過ぎる timm(pytorch image models) の紹介をしました。
backbone としての timm 入門
backbone としての timm 入門
Takuji Tahara
社内勉強会での発表資料です。 「失敗事例を通じて、機械学習の検討で抑えるべきポイントを学ぶ」をコンセプトに作成しました。AI・機械学習を検討する広くの方々に活用していただけると幸いです。 あとがきを下記に書きました。よければこちらもご参照ください。 https://qiita.com/bezilla/items/1e1abac767e10d0817d1
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
Hiroyuki Masuda
株式会社電通国際情報サービス 小川雄太郎 氏
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
Deep Learning Lab(ディープラーニング・ラボ)
・自己教師あり学習 ・半教師あり学習 ・転移学習 ・メタ学習 ・模倣学習 ・逆強化学習 ・能動学習(Active Learning) について 「概要」、「代表的アルゴリズム名」、 「各内容を学ぶためのおすすめチュートリアル動画」を解説しています 2020年9月25日 理系ナビ DLエンジニアトレーニングプログラム
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
小川 雄太郎
2021/12/03 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
【DL輪読会】SimCSE: Simple Contrastive Learning of Sentence Embeddings (EMNLP 2021)
Deep Learning JP
「MLOpsとはなにか?」という質問に対し、「データサイエンティストが、システム開発において、やらないことすべて」と定義した上で、MLOpsの説明、海外事例、「JapanTaxi」アプリでの事例を説明します
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
2019年度 小町研 研究会 チュートリアル資料 本間
2019年度チュートリアルBPE
2019年度チュートリアルBPE
広樹 本間
マルチモーダル深層学習の研究動向をまとめました。
マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向
Koichiro Mori
言語処理学会第28回年次大会(NLP2022)のチュートリアルでの講演資料です。 https://www.anlp.jp/nlp2022/#tutorial
ゼロから始める転移学習
ゼロから始める転移学習
Yahoo!デベロッパーネットワーク
2022年11月にMobilityTechnologiesで実施した社内勉強会の資料です。
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究
Fumihiko Takahashi
2021/09/17 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
Deep Learning JP
2018/10/19 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]BERT: Pre-training of Deep Bidirectional Transformers for Language Und...
[DL輪読会]BERT: Pre-training of Deep Bidirectional Transformers for Language Und...
Deep Learning JP
社内勉強会でAndrew Ng先生が提唱するData-Centric AIについて紹介した際の資料です。
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
機械学習におけるコード設計のベストプラクティスについて
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
第1回Webインテリジェンスとインタラクションセミナー(いまさら訊けないシリーズ「言語処理技術」)での発表資料です。 https://www.sigwi2.org/next-sig
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
2023/7/21 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
Deep Learning JP
https://math-coding.connpass.com/event/147508/ Math&coding#6 の発表資料
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
Neural Network with Attention Mechanism for Natural Language Processing: survey
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
NAIST知能コミュニケーション研究室で行われたM1勉強会(2018)の「論文の読み方・書き方」で発表したスライドです 訂正:p.16のCHI勉強会のリンクが間違ってました。正しくはこちらです(http://sigchi.jp/seminar/chi2018/)
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
Shinagawa Seitaro
物体検出やセグメンテーションタスクに利用可能な階層的Vision Transformerのサーベイ
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
2018/09/21 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]大規模分散強化学習の難しい問題設定への適用
[DL輪読会]大規模分散強化学習の難しい問題設定への適用
Deep Learning JP
お茶の水女子大学伊藤研究室ゼミ資料 関連資料として以下が参考になります https://note.com/sick4989hack/n/n928f78d3d33f
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
人工知能学会 SWO研究会ワークショップ 「ナレッジグラフ推論チャレンジ2019技術勉強会」 https://kgrc2019ws.peatix.com/
ナレッジグラフ入門
ナレッジグラフ入門
KnowledgeGraph
2022/02/04 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
Deep Learning JP
2022/10/14 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
Deep Learning JP
MLOpsという言葉からは運用という印象を受けますが、MLOps製品の機能やMLOpsカンファレンスの発表内容をみると、印象とは異なります。本スライドではなぜMLOpsがバズワードなのか紹介します
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
Domain Adaptationについてこれまでの発展と動向をまとめたサーベイ資料です。Adversarial Learning(敵対学習)が用いられたり、セマンティックな情報を保持するためにReconstruction-LOSSが導入されたり、今年のICMLではクラス重心を用いた手法が提案されたりと、目覚ましい発展を続けています。
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
高専を卒業して一回りしました
高専を卒業して一回りしました
Tomokatsu Yoshizawa
More Related Content
What's hot
2019年度 小町研 研究会 チュートリアル資料 本間
2019年度チュートリアルBPE
2019年度チュートリアルBPE
広樹 本間
マルチモーダル深層学習の研究動向をまとめました。
マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向
Koichiro Mori
言語処理学会第28回年次大会(NLP2022)のチュートリアルでの講演資料です。 https://www.anlp.jp/nlp2022/#tutorial
ゼロから始める転移学習
ゼロから始める転移学習
Yahoo!デベロッパーネットワーク
2022年11月にMobilityTechnologiesで実施した社内勉強会の資料です。
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究
Fumihiko Takahashi
2021/09/17 Deep Learning JP: http://deeplearning.jp/seminar-2/
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
Deep Learning JP
2018/10/19 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]BERT: Pre-training of Deep Bidirectional Transformers for Language Und...
[DL輪読会]BERT: Pre-training of Deep Bidirectional Transformers for Language Und...
Deep Learning JP
社内勉強会でAndrew Ng先生が提唱するData-Centric AIについて紹介した際の資料です。
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
機械学習におけるコード設計のベストプラクティスについて
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
第1回Webインテリジェンスとインタラクションセミナー(いまさら訊けないシリーズ「言語処理技術」)での発表資料です。 https://www.sigwi2.org/next-sig
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
Yahoo!デベロッパーネットワーク
2023/7/21 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
Deep Learning JP
https://math-coding.connpass.com/event/147508/ Math&coding#6 の発表資料
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
Neural Network with Attention Mechanism for Natural Language Processing: survey
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
Yuta Kikuchi
NAIST知能コミュニケーション研究室で行われたM1勉強会(2018)の「論文の読み方・書き方」で発表したスライドです 訂正:p.16のCHI勉強会のリンクが間違ってました。正しくはこちらです(http://sigchi.jp/seminar/chi2018/)
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
Shinagawa Seitaro
物体検出やセグメンテーションタスクに利用可能な階層的Vision Transformerのサーベイ
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
2018/09/21 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]大規模分散強化学習の難しい問題設定への適用
[DL輪読会]大規模分散強化学習の難しい問題設定への適用
Deep Learning JP
お茶の水女子大学伊藤研究室ゼミ資料 関連資料として以下が参考になります https://note.com/sick4989hack/n/n928f78d3d33f
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
人工知能学会 SWO研究会ワークショップ 「ナレッジグラフ推論チャレンジ2019技術勉強会」 https://kgrc2019ws.peatix.com/
ナレッジグラフ入門
ナレッジグラフ入門
KnowledgeGraph
2022/02/04 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
Deep Learning JP
2022/10/14 Deep Learning JP http://deeplearning.jp/seminar-2/
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
Deep Learning JP
MLOpsという言葉からは運用という印象を受けますが、MLOps製品の機能やMLOpsカンファレンスの発表内容をみると、印象とは異なります。本スライドではなぜMLOpsがバズワードなのか紹介します
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
What's hot
(20)
2019年度チュートリアルBPE
2019年度チュートリアルBPE
マルチモーダル深層学習の研究動向
マルチモーダル深層学習の研究動向
ゼロから始める転移学習
ゼロから始める転移学習
Active Learning の基礎と最近の研究
Active Learning の基礎と最近の研究
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
【DL輪読会】Perceiver io a general architecture for structured inputs & outputs
[DL輪読会]BERT: Pre-training of Deep Bidirectional Transformers for Language Und...
[DL輪読会]BERT: Pre-training of Deep Bidirectional Transformers for Language Und...
Data-Centric AIの紹介
Data-Centric AIの紹介
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
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
深層学習による自然言語処理入門: word2vecからBERT, GPT-3まで
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
【DL輪読会】"Secrets of RLHF in Large Language Models Part I: PPO"
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
[DL輪読会]大規模分散強化学習の難しい問題設定への適用
[DL輪読会]大規模分散強化学習の難しい問題設定への適用
研究分野をサーベイする
研究分野をサーベイする
ナレッジグラフ入門
ナレッジグラフ入門
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
MLOpsはバズワード
MLOpsはバズワード
Similar to 固有表現抽出と適用例のご紹介
Domain Adaptationについてこれまでの発展と動向をまとめたサーベイ資料です。Adversarial Learning(敵対学習)が用いられたり、セマンティックな情報を保持するためにReconstruction-LOSSが導入されたり、今年のICMLではクラス重心を用いた手法が提案されたりと、目覚ましい発展を続けています。
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Yamato OKAMOTO
高専を卒業して一回りしました
高専を卒業して一回りしました
Tomokatsu Yoshizawa
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
新潟コンサルタント横田秀珠
田舎で5年間会社をやってきて感じたことをまとめてみました。
クラウドとコミュニティで起きた田舎の会社のゲームチェンジ
クラウドとコミュニティで起きた田舎の会社のゲームチェンジ
Takuya Tachibana
社内でAI・データ分析プロジェクトを推進する立場になって感じたこと、特に周囲を巻き込むために実施したことを中心にお話しします。参考になった書籍なども紹介しますので、実際にAIを始めたい方の参考になるような話をします
AIプロジェクトを始めるための周囲の巻き込み方
AIプロジェクトを始めるための周囲の巻き込み方
Daisuke Okamoto
平成27年6月22日(月)に東京大学駒場第Ⅱキャンパスで行われました、シンポジウムでの講演資料です。
【UDC2015】アーバンデータチャレンジ2015 - 中川祐治・兼久信次郎
【UDC2015】アーバンデータチャレンジ2015 - 中川祐治・兼久信次郎
CSISi
株式会社UEI 代表取締役社長兼CEO 清水亮
実用としての深層学習 ~深層学習の利用事例と展望~
実用としての深層学習 ~深層学習の利用事例と展望~
Hirono Jumpei
2018/08/03 中央線Meetup #1 でのLTスライドです
このスマートスピーカーとIFTTTの組み合わせがすごい
このスマートスピーカーとIFTTTの組み合わせがすごい
英明 伊藤
20160310_10_株式会社アドダイス
20160310_10_株式会社アドダイス
20160310_10_株式会社アドダイス
IoTビジネス共創ラボ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
新潟コンサルタント横田秀珠
Talk 3: 「明日から使える AIシステム開発シナリオ 事例特選10 〜pythonを使ったAI開発」 井原 渉(澪標アナリティクス)
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
2枚目の名刺を作ったので、もらってください 帰り道ごくごく会でのLT
20190215 lt
20190215 lt
m_miyamoto
Data-Centric AI開発における データ生成の取り組みを紹介します。画像生成、3DCGなどさまざま考えられますが、今回Blender/BlenderProcを活用した取り組みをご紹介します。
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
Takeshi Suzuki
2018.05.16 DOA 朝会トークのスライド資料
2018.05.16 DOA 朝会トーク | 自己紹介&勉強会のすゝめ
2018.05.16 DOA 朝会トーク | 自己紹介&勉強会のすゝめ
Koichiro Oki
2018/03/23開催 IoT縛りの勉強会/SIer主催版 SIer IoTLT vol6 with Tech Night! https://iotlt.connpass.com/event/77643/ #isaax #xshell
本番稼働した IoT システムのツラミ
本番稼働した IoT システムのツラミ
Tomoyuki Sugita
みんなのAIキャリアカレッジ#2(2017年3月27日開催) 株式会社ホットリンク 榊 剛史様によるご講演資料です。
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
Leading Edge Co.,Ltd.
2018/1/24に開催したさくらの夕べで発表した、さくらで実施予定のデータ流通実証実験に関する資料です。
データ流通実証実験について-20180207
データ流通実証実験について-20180207
Shunsuke Kikuchi
Japanese meetup app osaka@8 の資料です。 生成AIに関するリスクと対処方法を「AIリスク教本 攻めのディフェンスで危機回避&ビジネス加速」から説明して議論を行うための資料
AIのリスクを一緒におさらいしましょう(推し技術:生成AI)Let's review the risks of AI together
AIのリスクを一緒におさらいしましょう(推し技術:生成AI)Let's review the risks of AI together
Chuki ちゅき
2015-11-07に行われたワークショップの資料。東京都千駄ヶ谷にあるアニメイトラボさんのオフィスをお借りして開催し、20〜30名ほど集まりました。
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
ayumi kizuka
2020/5/13 18:15 - 19:45 早稲田大学 イノベーションとテクノロジー基礎 α 第1回
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
Yuto Takei
Similar to 固有表現抽出と適用例のご紹介
(20)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
Domain Adaptation 発展と動向まとめ(サーベイ資料)
高専を卒業して一回りしました
高専を卒業して一回りしました
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
IoTセミナー(山形県)酒田法人会チラシ:講演講師ネットビジネスアナリスト・横田秀珠
クラウドとコミュニティで起きた田舎の会社のゲームチェンジ
クラウドとコミュニティで起きた田舎の会社のゲームチェンジ
AIプロジェクトを始めるための周囲の巻き込み方
AIプロジェクトを始めるための周囲の巻き込み方
【UDC2015】アーバンデータチャレンジ2015 - 中川祐治・兼久信次郎
【UDC2015】アーバンデータチャレンジ2015 - 中川祐治・兼久信次郎
実用としての深層学習 ~深層学習の利用事例と展望~
実用としての深層学習 ~深層学習の利用事例と展望~
このスマートスピーカーとIFTTTの組み合わせがすごい
このスマートスピーカーとIFTTTの組み合わせがすごい
20160310_10_株式会社アドダイス
20160310_10_株式会社アドダイス
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
IoT講演(モノのインターネット)セミナー講師(千葉県)習志野商工会議所チラシ
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
20190215 lt
20190215 lt
Data-Centric AI開発における データ生成の取り組み
Data-Centric AI開発における データ生成の取り組み
2018.05.16 DOA 朝会トーク | 自己紹介&勉強会のすゝめ
2018.05.16 DOA 朝会トーク | 自己紹介&勉強会のすゝめ
本番稼働した IoT システムのツラミ
本番稼働した IoT システムのツラミ
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
「今後現場で求められるAIエンジニア像とは?」株式会社ホットリンク 榊 剛史
データ流通実証実験について-20180207
データ流通実証実験について-20180207
AIのリスクを一緒におさらいしましょう(推し技術:生成AI)Let's review the risks of AI together
AIのリスクを一緒におさらいしましょう(推し技術:生成AI)Let's review the risks of AI together
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
ブロックチェーンと仮想通貨 -- 新しいビジネスに挑戦
More from Core Concept Technologies
【自動化】センシングサイエンティストとはセンサを使っていろいろなものを計測し、産業や日常生活の発展に貢献する人です。今回は経費精算の自動化にトライしてみました。
センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなった
Core Concept Technologies
【高速化】C#コンパイラとランタイムのJITとフレームワークの実装に焦点を合わせて、高速なコードの書き方についてTipsを紹介します。C#で基盤やライブラリを作る人向けです。
C#で速度を極めるいろは
C#で速度を極めるいろは
Core Concept Technologies
【DI】以下概要をご紹介します。・ASP.NETで使われているDIの仕組みはコンソールアプリケーションでも使えるよ(つまりAWS Lambda等で使えるよ)・DIをうまく使うとテスタビリティが向上するよ・何をDIすれば嬉しいかを考えるよ
コンソールアプリケーションでDIを使う
コンソールアプリケーションでDIを使う
Core Concept Technologies
【開発環境移行】Windows一筋のC#開発者が、C#開発環境をMacに移行してみました。(現在進行形) Visual Studio,Azure,SQLServer,VSCodeとの付き合い方についてお話します。
開発環境をWindowsからMacに移行してみた話
開発環境をWindowsからMacに移行してみた話
Core Concept Technologies
【LINQ入門】C#のイケてるリスト操作機能LINQの入門編です。各種操作とその実効速度比較してみました。
Linqの速度測ってみた
Linqの速度測ってみた
Core Concept Technologies
【GridView】GridViewでデータソースをLinqDataSourceにした場合、OnSelectingイベントで任意の処理を挿入したい場合、データの取得が遅くなりがちです。LINQ to SQLでデータを取得している場合を例にして、高速化を行います。
データソースにLinqDataSourceを使った場合のGridViewの高速化
データソースにLinqDataSourceを使った場合のGridViewの高速化
Core Concept Technologies
【ロボット活用】工場では頻繁に使われているロボットアーム。もっと日常生活にも入り込んできて欲しい!という願いを込めてみんな大好きPythonでロボットアームCobottaを動かします。
ロボットアームをPythonで動かす
ロボットアームをPythonで動かす
Core Concept Technologies
【ディープラーニング】何かと話題になるディープラーニングをPythonを使ってはじめてみたいと思っても、ディープラーニングに適したコンピュータが手元になかったり、何のライブラリを使ったらいいかわからない、そもそも何からはじめればいいのかわからないなど、色々困ることはあると思います。自分がディープラーニングをはじめたころのことを踏まえながら、どのようにはじめていけば良さそうかについてお話します。
Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目
Core Concept Technologies
【動画解析】動画解析ってそもそもどんな事ができるのかもよくわからない。そんな疑問に動画解析の概要から説明していきます。また、Pythonを使った動画解析でよく使用されるOpenCVを使った実演も予定しています。
Pythonで簡単動画解析
Pythonで簡単動画解析
Core Concept Technologies
【統計・分析】データの分析をエクセルでやる方も多いと思いますが、今回はPythonを使って簡単な統計・分析を行ってみたいと思います。
Pythonで簡単な統計・分析をしてみよう!
Pythonで簡単な統計・分析をしてみよう!
Core Concept Technologies
【環境構築】Python実行環境について、初心者がつまづきやすい環境構築などを解決。今回はGoogle Colab環境でPythonを使ったスクレイピングをしてみます。
Google Colab環境でPythonスクレイピング
Google Colab環境でPythonスクレイピング
Core Concept Technologies
今回はCTOの田口がIoT Newsで受けたインタビュー記事を解説。記事からは分かりにくい背景などをご紹介。(参照記事「取得した数値データをどう見るか、そして可視化の先にあるものとは -東芝デジタルソリューションズ福本氏、コアコンセプト・テクノロジー田口氏インタビュー」
可視化の先にあるものとは
可視化の先にあるものとは
Core Concept Technologies
実際に協働ロボットCOBOTTAと一緒に働いてみて、 ”今”をどう変えられそうなのかトライします。 詳細はLT会で報告します。
ロボットと協働生活中に試行錯誤したこと
ロボットと協働生活中に試行錯誤したこと
Core Concept Technologies
弊社製品の3D Viewerに組み込まれている3Dモデル類似検索の紹介と機会学習を活用した類似検索などの仕組みを説明します。
3Dモデル類似検索
3Dモデル類似検索
Core Concept Technologies
機械学習の手法を用いた動画の異常検知手法を紹介します。シンプルに最適化されたアルゴリズムによって高価なGPUサーバを必要とせず、初期費用の大幅な削減を実現しました。耐久試験場での試験体の異常動作監視や製品形状の定量評価など製造現場での活用事例を交えて説明します。
GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知
Core Concept Technologies
【深層強化学習】 2016年、GoogleのAlphaGoが囲碁の名人に勝利しました。このAlphaGoでも使われている深層強化学習について、ほんの入り口だけを紹介します。
深層強化学習入門
深層強化学習入門
Core Concept Technologies
【スペシャルコンテンツ】 世の中の数々のIoTプロジェクトは成功しているのか、それとも失敗しているのか。どの程度の割合なのか、そして成功とはなんなのかを自社での開発経験を踏まえてご紹介します。
なぜIoTプロジェクトは途中でとまってしまうのか。
なぜIoTプロジェクトは途中でとまってしまうのか。
Core Concept Technologies
【センサ活用】 IoTわからないときは、とりあえずセンサ使ってみましょ~。 でも、時間ない、予算ない、セキュリティ対策ない・・・。 そんな方々のためにセンサに関する最低限の知識と、 専門家が勧める入門センサを紹介します。
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
Core Concept Technologies
【AIの活用方法とレコメンドの仕組み】 AIを活用してどのようなことが出来るのか他社事例などをご紹介。さらに、AIを用いたブログや商品のレコメンドシステムの概要、開発事例を説明した上で、機械学習のアルゴリズムを用いた簡単なレコメンドシステムの実装方法を紹介する。
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装
Core Concept Technologies
【IoTの活用・導入事例】 Orizuru IoTの導入事例をもとに製造現場においてIoTをどう活用すべきかを考える。
Orizuru IoTは何を変えたのか
Orizuru IoTは何を変えたのか
Core Concept Technologies
More from Core Concept Technologies
(20)
センシングサイエンティストが経費精算を自動化したらこうなった
センシングサイエンティストが経費精算を自動化したらこうなった
C#で速度を極めるいろは
C#で速度を極めるいろは
コンソールアプリケーションでDIを使う
コンソールアプリケーションでDIを使う
開発環境をWindowsからMacに移行してみた話
開発環境をWindowsからMacに移行してみた話
Linqの速度測ってみた
Linqの速度測ってみた
データソースにLinqDataSourceを使った場合のGridViewの高速化
データソースにLinqDataSourceを使った場合のGridViewの高速化
ロボットアームをPythonで動かす
ロボットアームをPythonで動かす
Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目
Pythonで簡単動画解析
Pythonで簡単動画解析
Pythonで簡単な統計・分析をしてみよう!
Pythonで簡単な統計・分析をしてみよう!
Google Colab環境でPythonスクレイピング
Google Colab環境でPythonスクレイピング
可視化の先にあるものとは
可視化の先にあるものとは
ロボットと協働生活中に試行錯誤したこと
ロボットと協働生活中に試行錯誤したこと
3Dモデル類似検索
3Dモデル類似検索
GPUいらずの高速動画異常検知
GPUいらずの高速動画異常検知
深層強化学習入門
深層強化学習入門
なぜIoTプロジェクトは途中でとまってしまうのか。
なぜIoTプロジェクトは途中でとまってしまうのか。
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
工場に!オフィスに!明日、お安く、安全に導入できるセンサー紹介します
AIによる簡単レコメンドシステム実装
AIによる簡単レコメンドシステム実装
Orizuru IoTは何を変えたのか
Orizuru IoTは何を変えたのか
Recently uploaded
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
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.
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
NewSQLの可用性構成パターン (OCHaCafe Season 8 #4 発表資料) 2024年5月8日(水) NTTデータグループ 技術開発本部 小林 隆浩
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
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.
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
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.
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
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
2022年10月27日に社内向けに開催した勉強会資料の社外公開版です(発表8分程度)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
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.
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.
Recently uploaded
(12)
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
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
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...
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
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。
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
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:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
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
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
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。
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
固有表現抽出と適用例のご紹介
1.
固有表現抽出と 適用例のご紹介 2019/4/5 @LT会
2.
自己紹介 IoT/AIソリューション事業部所属のAIの担当 学生時代: 高専から大学院まで情報系だったが、 機械学習という名前に興味が持てず AIに関係する授業をあまり受講しない学生生活 入社後: 入社してからはずっとAI関連の仕事をすることに (画像、動画、自然言語、波形データの解析、レコメンドなど) こういうのは いいかな 学生時代
3.
固有表現抽出とは? 固有表現抽出は文から人名や組織名、地名、日付等を抽出する方法 【例】 入力文:CCTは2009年に設立された新宿の会社 組織名 日付 地名ラベル:
*住所は渋谷区… 固有表現抽出による抽出結果
4.
固有表現抽出をどう活用する?① プライバシー保護(弊社事例) 【例】 入力文:山田太郎さんは持病があり、茨城から通院している ■■さんは持病があり、■■から通院している 個人情報等を隠した文へ 個人情報が隠された文にして、関係者以外でも閲覧可能な形へ 人名 地名
5.
固有表現抽出をどう活用する?② 対話システム(弊社事例) 【例】 入力文:新宿駅近くのマクドナルドの住所は? 組織名地名 コンピュータが新宿駅近くの マクドナルドを検索して、住所をユーザーに提示
6.
固有表現抽出をどう活用する?③④ Sansan様の例: ネットニュースから企業名を抽出しておき、 名刺交換した相手の企業のニュースを配信1 クックパッド様の例: 特売品の情報の文章から商品名を抽出2 [1]https://speakerdeck.com/sansanbuildersbox/introduction-of-ner-survey-paper-and-practical- example-of-organization-extraction [2]https://www.slideshare.net/abicky/ss-52441786
7.
固有表現抽出の実現方法 1. ルールベース どの単語がどれに該当するかをあらわす辞書や、 単語があらわれる文脈によってどう判定するべきかのルールを 人間が頑張って作り、これらをもとに固有表現抽出をおこなう 2. 機械学習 学習に使うデータをたくさん用意することで ルールを自動で学ばせることができる! 新しい単語も対応可能! 最近はディープラーニングを利用 単語、ルールを網羅しようとするのは大変 新しい単語ができたら都度対応が必要
8.
学習データの用意 機械学習を使う場合にはラベル付きの学習データが必要 基本的には人間が頑張って用意する 佐賀駅から会場となる市村記念体育館までの通りには、 佐賀にゆかりのある偉人の銅像が建てられ、 中には佐賀藩主の鍋島直正や、幕末維新期に活躍した大隈重信 などが姿を現します。 【学習データの例】 地名 地名 地名 地名 人名 人名
9.
実験 固有表現抽出には機械学習(ディープラーニング)を利用 学習データとして2000個のニュース記事を使用 ラベル付の体力の限界のため今回は 2000個ですが、実際の問題では もっと沢山あったほうが良いです ラベルは組織名、人名、地名の3つのみ
10.
抽出した結果 【例1】 水戸藩の二代藩主、徳川光圀などがまつられている水戸市の常磐神社で、 ことし1年間にたまったほこりを落とし、新年を迎えるための すす払いが行われました。 地名 人名 地名
失敗 引用元:https://www3.nhk.or.jp/lnews/mito/ 20181213/1070004942.html
11.
抽出した結果 【例2】 ヤクルト・奥村展征内野手(23)が13日、東京・北青山の 球団事務所で契約更改交渉を行い、現状維持の950万円でサインした。 人名 地名組織名 引用元:https://www.sanspo.com/baseball/ news/20181213/swa18121313340005-n1.html
12.
抽出した結果 【例3】 千葉県の千葉市在住の千葉さんは千葉の魅力をアピールした。 人名地名 地名 地名 同じ単語でも 文脈で異なるラベル
13.
まとめ 固有表現抽出と活用例、 ニュース記事に適用した実験結果をご紹介しました 文章データをたくさんお持ちの企業様は 固有表現抽出を使って面白いことができるかもしれません! 固有表現抽出以外にもAIを使ってやりたいことなどあれば 懇親会でご相談ください 【宣伝】 今回の発表内容は弊社のブログでも掲載しています! https://orizuru.io/challenge/005_ai_extract-word/
Download now