SlideShare a Scribd company logo
当資料はアセットマネジメントOne株式会社がお客様の理解を深めていただくために情報提供を目的として作成したものであり、投資家に対する投資勧誘を目的とするものではありません。
アセットマネジメントOne株式会社は、投資家に対する投資勧誘は行いません。
商 号 等: アセットマネジメントOne株式会社
金融商品取引業者 関東財務局長(金商)第324号
加入協会: 一般社団法人投資信託協会
一般社団法人日本投資顧問業協会
セミナー用資料
2018年6月
株式運用におけるディープラーニング導入事例
1
アセットマネジメントOneのご紹介
1
みずほ信託銀行
(資産運用部門)
新光投信
※2017年12月末時点、時価ベース。
※信託銀行を除きます。
出所:一般社団法人投資信託協会、一般社団法人日本投資顧問業協会のデータをもとにアセットマネジメントOne作成
【 国内系資産運用会社の運用資産残高ランキング 】
◆アセットマネジメントOneは、2016年10月にDIAMアセットマネジメント、みずほ信託銀行
(資産運用部門)、みずほ投信投資顧問および新光投信の4社が統合し、発足しました。
◆日本で最大の運用資産規模を誇る資産運用会社で、国内外のお客さまからお預かりした50兆円
を超える資産を日々運用しています。(2017年12月末時点)
DIAMアセット
マネジメント
みずほ
投信投資顧問
【 アセットマネジメントOne発足のイメージ 】
アセット
マネジメント
One
※上記は過去の情報であり、将来の運用成果等を示唆・保証するものではありません。
<株主>
・株式会社みずほフィナンシャルグループ
・第一生命ホールディングス株式会社
(単位:兆円)
順位 社名
運用資産残高
(年金運用資金残高含む)
1 アセットマネジメントOne 58.47
2 A社 47.77
3 B社 22.12
4 C社 17.83
5 D社 14.23
6 E社 11.63
7 F社 11.59
8 G社 9.73
9 H社 6.91
10 I社 6.27
2
アセットマネジメントOneの計量モデル運用
アセットマネジメントOneは、年金運用などにおける計量モデル運用で約30年の経験を持っていま
す。
2
3
アセットマネジメントOneにおけるAI関連プロジェクト
3
ITインフラの整備
ビッグデータの拡充
• オルタナティブ・データの情報ベンダーとデータ
提供契約を締結
• 直近を含む過去20年以上の日本語・英語のニュ
ース記事が分析可能
• ニュースの個別銘柄ひも付
計算キャパシティの拡充
• GPUコンピューティング
• クラウドサービス
関連分野の基礎研究
ディープラーニングに関するリサーチ
• 資産運用において、ディープラーニングの
技術を使ったモデルを試作・検証すること
で技術を習得
自然言語解析のリサーチ
• ニュースヘッドラインを中心に自然言語解
析を行い、資産運用への適用可能性を検証
2015年
2017年
2016年
全社プロジェクトの展開
経営陣の強いコミットメント
• 当社の経営計画に「AIの活用」を
明文化
AIタスクフォースの結成
• ビッグデータ/AIの活用によるアルファ
創造能力の向上
• ファンドマネジャーとAIによるハイブリ
ッド戦略の確立
2014年 イノベーションタスクフォースの結成
AIタスクフォースの結成(2017/4/1)
フィナンシャル・イノベーション・チーム設置(2017/10/1)
フィナンシャル・イノベーション部創設(2018/4/1)
2018年
取組みの加速、推進
• グループ企業との連携強化
• 大学との共同研究
※アセットマネジメントOneは2016年10月に発足しており、それ以前の情報については統合前の会社における情報です。
4
市場には様々なタイプの「AIファンド」が存在
4
第一世代
AIやロボット関連企業の株式に投資
を行うファンド
第二世代
ビッグデータ、非構造化データを
既存のクオンツ運用のインプット
の一部として運用を行うファンド
従来の運用手法でロボット関連の
新しい分野に投資
従来とは異なる要素(データ)を
加えた運用
第三世代
ディープラーニングを個
別銘柄選定に活用し運用
を行うファンド
ディープラーニングモデル
を用いた運用手法
5
何に着目するか、
何をインプットデータとし、
それぞれのインプットデータにどう重み付けをし、
1
2
3
既存の定量分析に基づく投資モデル構築の問題点
5
それぞれのデータをどう組み合わせ、4
如何にそのモデルをメンテナンスし続けるのか?5
加えて、如何にオーバーフィッティングを回避するか?6
6
データ(株価・財務諸表・利益予想・ニュースデータ等)
株価・財務諸表
利益予想 等
ニュースデータ 等
プレポートフォリオ
構築
運用チームによる
定性分析
最終ポートフォリオ
構築
ディープラーニングモデルによる
銘柄のスコアリング
テキスト解析
プロダクト全体におけるディープラーニングの位置(一例)
6
7
ディープラーニングによる評価と人による評価
ディープラーニングを活用した銘柄選択モデルでは、過去に蓄積された企業の膨大な株価・財務
データ等をもとに、銘柄の魅力度をAI自ら判断します。
企業の株価・財務データ等
による企業分析(例)
企業に関する財務データ等の中から、株価と関係が
あると思われる指標を取捨選択し、それを判断基準
に株価が上昇するような銘柄を選出します。
企業の株価・財務データ等
・運用者の経験や知識等に基づいた分析、判断
が行われる
・処理できるデータ量に限界がある
・投資における着目点は運用者の主観による
主な特徴
入力
株価が相対的に優位に推移
すると期待される
銘柄の特徴を学習
知識・経験等をも
とに株価予想に適
した指標に限定し、
それを用いて銘柄
を選ぶ
約4,000銘柄の
約20年間のデータを分析
を活用した企業分析
分析
ディープラーニングを活用した銘柄選択モデルでは、約20年にもおよぶ過
去の株価・財務データ等をもとにAIが銘柄の投資魅力度を自ら判断し、将
来の株価の動きが相対的に優位であると考えられる銘柄を選別します。
・膨大なデータを処理することができる
・
主な特徴
・プログラムに基づいた分析、処理が行われるため、再現性がある
・膨大なデータを分析材料にした判断が行われる
・自ら学習し、人が気付かないような特徴(着目点)を捉えることが出
来る可能性がある
人ディープ
ラーニング
7
AIは何を学んだのか? その一例
8
-1.00
-0.80
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
1.00
2006/06 2008/06 2010/06 2012/06 2014/06
Rank1 Rank2 Rank3 Rank4 Rank5
-1.00
-0.80
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
1.00
2006/06 2008/06 2010/06 2012/06 2014/06
Rank1 Rank2 Rank3 Rank4 Rank5
-1.00
-0.80
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
1.00
2006/06 2008/06 2010/06 2012/06 2014/06
Rank1 Rank2 Rank3 Rank4 Rank5
-1.00
-0.80
-0.60
-0.40
-0.20
0.00
0.20
0.40
0.60
0.80
1.00
2006/06 2008/06 2010/06 2012/06 2014/06
Rank1 Rank2 Rank3 Rank4 Rank5
成長: 成長していない企業は魅力的ではない 流動性: 流動性が相対的に低い銘柄群は魅力的
株価モーメンタム: モーメンタムへの選好性は時により変化する 株価変動率: ボラティリティの低い銘柄群は魅力的
期間: 2006/06-2015/12(四半期) 出所:Factset, Axioma, Asset Management One Co., Ltd.
Rank 5 (成長率の相対的に低い銘柄群)
Rank 5 (流動性が高い銘柄群)
Rank 1 (流動性が相対的に低い銘柄群)
Rank 5 (ボラティリティが高い)
Rank 1 (ボラティリティ低い)
Rank 5 (モーメンタム低い)
Rank 1 (モーメンタム高い)
対象: MSCI World ex Japan
成長性高い
成長性低い
流動性高い
流動性低い
価格変動率高い
価格変動率低い
株価モーメンタム高い
株価モーメンタム低い
AIが魅力的に感じる順番に上から分位ポートフォリオを構築(Rank1:魅力的⇔Rank5:魅力的でない)
9
※上記グラフは一定の前提に基づくシミュレーション結果です。また、いかなるファンドの将来の投資成果等を示唆・保証するものではありません。
※前提条件は次の通り。MSCIワールドインデックス(除く日本、税引き前配当込、為替は現地通貨ベース)採用銘柄を対象に、3ヵ月毎にリバランスを実施。銘柄抽出の際は、その時点
において知りうる情報のみ入力。パフォーマンスは費用・税金等控除前、現地通貨円ベース。
※期間:2006年3月末~2015年12月末(四半期)
出所:FactsetのデータをもとにアセットマネジメントOne作成
9
0
50
100
150
200
250
300
350
Rank 1 Rank 2 Rank 3 Rank 4 Rank 5
Rank 6 Rank 7 Rank 8 Rank 9 Rank 10
0
50
100
150
200
250
300
350
Rank 1 Rank 2 Rank 3 Rank 4 Rank 5
Rank 6 Rank 7 Rank 8 Rank 9 Rank 10
ディープ・ラーニング・モデルによるマルチファクターモデル 従来型マルチファクターモデル
10分位パフォーマンス
10
0
50
100
150
200
250
07年6月 09年6月 11年6月 13年6月 15年6月 17年6月
ディープラーニングモデル
(ご参考)世界株式
-100
-50
0
50
100
2007年 2008年 2009年 2010年 2011年 2012年 2013年 2014年 2015年 2016年 2017年
ディープラーニングモデル
(ご参考)世界株式
※上記グラフは一定の前提に基づくシミュレーション結果であり、実在するファンドの運用実績ではありません。また、いかなるファンドの将来の投資成果等を示唆・保証するものではありません。
※前提条件は次の通り。世界の上場銘柄(除く日本)のうち、直近20日平均売買代金が5億円以上の銘柄が対象。3ヵ月毎にリバランスを実施。銘柄抽出の際は、その時点において知りう
る情報のみ入力。パフォーマンスは費用・税金等控除前、円ベース。
※期間:ディープラーニングモデルによるシミュレーション(月次)は2007年6月末~2017年6月末、年間リターンは2007年~2017年(年次、ただし2007年は6月末~12月末、2017年
は2016年12月末~2017年6月末)
※世界株式はMSCI AC ワールドインデックス(除く日本、税引前配当込、円ベース)を使用しています。ディープラーニングモデルとの値動きの違いをご理解いただくための一助とする
ことを目的としています。
出所:ブルームバーグのデータをもとにアセットマネジメントOne作成
ディープラーニングモデルによるシミュレーション
ディープラーニングモデルの年間リターン
(%)
231
142
10
11
新興国株式と先進国株式のパフォーマンス比較
※期間:2006年3月末~2018年6月末(月次)
※2006年3月末を100として指数化
出所:ブルームバーグのデータをもとにアセットマネジメント作成 11
ディープラーニングモデルの先進国・新興国投資比率
※期間:2007年3月末~2017年6月末(四半期)
出所:ブルームバーグのデータをもとにアセットマネジメントOne作成
(%)
60
80
100
120
140
160
180
200
2006/3 2007/3 2008/3 2009/3 2010/3 2011/3 2012/3 2013/3 2014/3 2015/3 2016/3 2017/3
先進国(MSCI Kokusai)
新興国(MSCI EM)
0
20
40
60
80
100
2006/3 2007/3 2008/3 2009/3 2010/3 2011/3 2012/3 2013/3 2014/3 2015/3 2016/3 2017/3
先進国 新興国
世界株式指数における
新興国比率
12%(期間平均)
※上記グラフは一定の前提に基づくシミュレーション結果であり、実在するファンドの運用実績ではありません。また、いかなるファンドの将来の投資成果等を示唆・保証するものではありません。
※前提条件は次の通り。世界の上場銘柄(除く日本)のうち、直近20日平均売買代金が5億円以上の銘柄が対象。3ヵ月毎にリバランスを実施。銘柄抽出の際は、その時点において知りう
る情報のみ入力。パフォーマンスは費用・税金等控除前、円ベース。
12
ディープラーニングを活用することが前提ではなく、実務の問題からのアプローチをご紹介。
AIは人が直感的には気付かないような視点で投資モデルを自ら構築。
人は投資モデルを構築する際の多くのジャッジメントから解放され、有意なデータを探索
することに集中。
1
2
3
サマリー
12
投資モデルは時間の経過とともに自己補正的に変化していくため、人はメンテナンスに係
る多くの問題点からも解放される。
4
完全なブラックボックスではないものの、グレーボックスは存在し、それを受入れる必要
あり、金融分野においては説明責任の果たし方に考慮の余地あり。
5
人とAIではそれぞれの得意分野で棲み分ける可能性。
(運用の世界では、人による運用とAIによる運用とでの分散投資が有意になる?)
6
13
投資信託にかかるリスクと費用
13
投資信託に係るリスクについて
投資信託は、株式、債券および不動産投資信託証券(リート)などの値動きのある有価証券等(外貨建資産には為替リスクもあります。)に投資をしますので、市場環境、組入有価証券の発行
者に係る信用状況等の変化により基準価額は変動します。このため、投資者の皆さまの投資元本は保証されているものではなく、基準価額の下落により、損失を被り、投資元本を割り込むことがあり
ます。ファンドの運用による損益はすべて投資者の皆さまに帰属します。また、投資信託は預貯金とは異なります。
投資信託に係る費用について
[ご投資いただくお客さまには以下の費用をご負担いただきます。]
■お客さまが直接的に負担する費用
購入時手数料 :上限3.78%(税込)
換金時手数料:換金の価額の水準等により変動する場合があるため、あらかじめ上限の料率等を示すことができません。
信託財産留保額:上限0.5%
■お客さまが信託財産で間接的に負担する費用
運用管理費用(信託報酬):上限 年率2.6824%(税込)
※上記は基本的な料率の状況を示したものであり、成功報酬制を採用するファンドについては、成功報酬額の加算によってご負担いただく費用が上記の上限を超過する
場合があります。成功報酬額は基準価額の水準等により変動するため、あらかじめ上限の額等を示すことができません。
その他費用・手数料:上記以外に保有期間等に応じてご負担いただく費用があります。投資信託説明書(交付目論見書)等でご確認ください。その他費用・手数料については定期的に見直
されるものや売買条件等により異なるため、あらかじめ当該費用(上限額等を含む)を表示することはできません。
※手数料等の合計額については、購入金額や保有期間等に応じて異なりますので、あらかじめ表示することはできません。
※上記に記載しているリスクや費用項目につきましては、一般的な投資信託を想定しております。費用の料率につきましては、アセットマネジメントOne株式会社が運用する
すべての投資信託のうち、徴収するそれぞれの費用における最高の料率を記載しております。
※投資信託は、個別の投資信託ごとに投資対象資産の種類や投資制限、取引市場、投資対象国が異なることから、リスクの内容や性質、費用が異なります。投資信託をお申し
込みの際は、販売会社から投資信託説明書(交付目論見書)をあらかじめ、または同時にお渡ししますので、必ずお受け取りになり、内容をよくお読みいただきご確認のう
え、お客さまご自身が投資に関してご判断ください。
※税法が改正された場合等には、税込手数料等が変更となることがあります。
14
指数の著作権等
 当資料は、アセットマネジメントOne株式会社が作成したものです。
 当資料は情報提供を目的とするものであり、投資家に対する投資勧誘を目的とするものではありません。
 投資信託は、株式や債券等の値動きのある有価証券(外貨建資産には為替リスクもあります)に投資をしますので、市場環境、組入有価証券の発行者に係る信用状況等の変化により基準
価額は変動します。このため、投資者の皆さまの投資元本は保証されているものではなく、基準価額の下落により、損失を被り、投資元本を割り込むことがあります。ファンドの運用による損益は全
て投資者の皆さまに帰属します。また、投資信託は預貯金とは異なります。
 当資料は、アセットマネジメントOne株式会社が信頼できると判断したデータにより作成しておりますが、その内容の完全性、正確性について、同社が保証するものではありません。また掲載データは
過去の実績であり、将来の運用成果を保証するものではありません。
 当資料における内容は作成時点(2018年 6月 4日)のものであり、今後予告なく変更される場合があります。
 投資信託は、
1.預金等や保険契約ではありません。また、預金保険機構および保険契約者保護機構の保護の対象ではありません。加えて証券会社を通して購入していない場合には投資者保護基金の対象
ではありません。
2.購入金額について元本保証および利回り保証のいずれもありません。
3.投資した資産の価値が減少して購入金額を下回る場合がありますが、これによる損失は購入者が負担することとなります。
■MSCI AC ワールドインデックス、MSCIチャイナ・インデックス、MSCIエマージング・マーケット・インデックスは、MSCI Inc.が公表しているインデックスで、当指数に関する著作権、知的所有権その他一切
の権利はMSCI Inc.に属しており、また、MSCI Inc.は同指数の内容を変更する権利および公表を停止する権利を有しています。
■S&P500種指数は、S&Pダウ・ジョーンズ・インデックスLLCまたはその関連会社の商品であり、これを利用するライセンスが委託会社に付与されています。S&Pダウ・ジョーンズ・インデックスLLC、ダウ・
ジョーンズ・トレードマーク・ホールディングズLLCまたはその関連会社は、いかなる指数の資産クラスまたは市場セクターを正確に代表する能⼒に関して、明示または黙示を問わずいかなる表明または保
証もしません。また、S&P500種指数のいかなる過誤、遺漏、または中断に対しても一切責任を負いません。
■世界産業分類基準(GICS)は、MSCI Inc.(MSCI)およびStandard & Poor’s Financial Services LLC(S&P)により開発された、MSCIおよびS&Pの独占的権利およびサービスマーク
であり、アセットマネジメントOne株式会社に対し、その使用が許諾されたものです。MSCI、S&P、およびGICSまたはGICSによる分類の作成または編纂に関与した第三者のいずれも、かかる基準およ
び分類(並びにこれらの使用から得られる結果)に関し、明示黙示を問わず、一切の表明保証をなさず、これらの当事者は、かかる基準および分類に関し、その新規性、正確性、完全性、商品性お
よび特定目的への適合性についての一切の保証を、ここに明示的に排除します。上記のいずれをも制限することなく、MSCI、S&P、それらの関係会社、およびGICSまたはGICSによる分類の作成また
は編纂に関与した第三者は、いかなる場合においても、直接、間接、特別、懲罰的、派生的損害その他一切の損害(逸失利益を含みます。)につき、かかる損害の可能性を通知されていた場合で
あっても、一切の責任を負うものではありません。
14
ご注意事項
ご注意事項等

More Related Content

What's hot

PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
Preferred Networks
 
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
NVIDIA Japan
 
[DL輪読会]Learning convolutional neural networks for graphs
[DL輪読会]Learning convolutional neural networks for graphs[DL輪読会]Learning convolutional neural networks for graphs
[DL輪読会]Learning convolutional neural networks for graphs
Deep Learning JP
 
Tesseract ocr
Tesseract ocrTesseract ocr
Tesseract ocr
Takuya Minagawa
 
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII
 
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
Rakuten Group, Inc.
 
ポーカーAIの最新動向 20171031
ポーカーAIの最新動向 20171031ポーカーAIの最新動向 20171031
ポーカーAIの最新動向 20171031
Jun Okumura
 
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnetNagi Teramo
 
報酬設計と逆強化学習
報酬設計と逆強化学習報酬設計と逆強化学習
報酬設計と逆強化学習
Yusuke Nakata
 
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)
 
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
 
Deep Learningで似た画像を見つける技術 | OHS勉強会#5
Deep Learningで似た画像を見つける技術 | OHS勉強会#5Deep Learningで似た画像を見つける技術 | OHS勉強会#5
Deep Learningで似た画像を見つける技術 | OHS勉強会#5
Toshinori Hanya
 
データ分析の目的に応じた人事、分析組織づくり、データ人材の評価
データ分析の目的に応じた人事、分析組織づくり、データ人材の評価データ分析の目的に応じた人事、分析組織づくり、データ人材の評価
データ分析の目的に応じた人事、分析組織づくり、データ人材の評価
Takeaki Ohi
 
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
Eiji Uchibe
 
いろんなバンディットアルゴリズムを理解しよう
いろんなバンディットアルゴリズムを理解しよういろんなバンディットアルゴリズムを理解しよう
いろんなバンディットアルゴリズムを理解しよう
Tomoki Yoshida
 
ベータ分布の謎に迫る
ベータ分布の謎に迫るベータ分布の謎に迫る
ベータ分布の謎に迫る
Ken'ichi Matsui
 
複数のGNSSを用いたポーズグラフ最適化
複数のGNSSを用いたポーズグラフ最適化複数のGNSSを用いたポーズグラフ最適化
複数のGNSSを用いたポーズグラフ最適化
TaroSuzuki15
 
分散型強化学習手法の最近の動向と分散計算フレームワークRayによる実装の試み
分散型強化学習手法の最近の動向と分散計算フレームワークRayによる実装の試み分散型強化学習手法の最近の動向と分散計算フレームワークRayによる実装の試み
分散型強化学習手法の最近の動向と分散計算フレームワークRayによる実装の試み
SusumuOTA
 
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)Shintaro Fukushima
 
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
 

What's hot (20)

PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
PyData.Tokyo Meetup #21 講演資料「Optuna ハイパーパラメータ最適化フレームワーク」太田 健
 
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
最新の HPC 技術を生かした AI・ビッグデータインフラの東工大 TSUBAME3.0 及び産総研 ABCI
 
[DL輪読会]Learning convolutional neural networks for graphs
[DL輪読会]Learning convolutional neural networks for graphs[DL輪読会]Learning convolutional neural networks for graphs
[DL輪読会]Learning convolutional neural networks for graphs
 
Tesseract ocr
Tesseract ocrTesseract ocr
Tesseract ocr
 
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
SSII2021 [TS2] 深層強化学習 〜 強化学習の基礎から応用まで 〜
 
企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル企業におけるデータ分析プロジェクトと求められるスキル
企業におけるデータ分析プロジェクトと求められるスキル
 
ポーカーAIの最新動向 20171031
ポーカーAIの最新動向 20171031ポーカーAIの最新動向 20171031
ポーカーAIの最新動向 20171031
 
5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet5分でわかるかもしれないglmnet
5分でわかるかもしれないglmnet
 
報酬設計と逆強化学習
報酬設計と逆強化学習報酬設計と逆強化学習
報酬設計と逆強化学習
 
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
 
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
 
Deep Learningで似た画像を見つける技術 | OHS勉強会#5
Deep Learningで似た画像を見つける技術 | OHS勉強会#5Deep Learningで似た画像を見つける技術 | OHS勉強会#5
Deep Learningで似た画像を見つける技術 | OHS勉強会#5
 
データ分析の目的に応じた人事、分析組織づくり、データ人材の評価
データ分析の目的に応じた人事、分析組織づくり、データ人材の評価データ分析の目的に応じた人事、分析組織づくり、データ人材の評価
データ分析の目的に応じた人事、分析組織づくり、データ人材の評価
 
強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習強化学習と逆強化学習を組み合わせた模倣学習
強化学習と逆強化学習を組み合わせた模倣学習
 
いろんなバンディットアルゴリズムを理解しよう
いろんなバンディットアルゴリズムを理解しよういろんなバンディットアルゴリズムを理解しよう
いろんなバンディットアルゴリズムを理解しよう
 
ベータ分布の謎に迫る
ベータ分布の謎に迫るベータ分布の謎に迫る
ベータ分布の謎に迫る
 
複数のGNSSを用いたポーズグラフ最適化
複数のGNSSを用いたポーズグラフ最適化複数のGNSSを用いたポーズグラフ最適化
複数のGNSSを用いたポーズグラフ最適化
 
分散型強化学習手法の最近の動向と分散計算フレームワークRayによる実装の試み
分散型強化学習手法の最近の動向と分散計算フレームワークRayによる実装の試み分散型強化学習手法の最近の動向と分散計算フレームワークRayによる実装の試み
分散型強化学習手法の最近の動向と分散計算フレームワークRayによる実装の試み
 
Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)Rにおける大規模データ解析(第10回TokyoWebMining)
Rにおける大規模データ解析(第10回TokyoWebMining)
 
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
 

Similar to 資産運用とビッグデータ解析_1

ヘッジファンドダイレクト事業紹介プレゼンテーション
ヘッジファンドダイレクト事業紹介プレゼンテーションヘッジファンドダイレクト事業紹介プレゼンテーション
ヘッジファンドダイレクト事業紹介プレゼンテーション
Soichiro Takaoka
 
7月3日放送分
7月3日放送分7月3日放送分
7月3日放送分
MarketView2017
 
11月27日放送分
11月27日放送分11月27日放送分
11月27日放送分
MarketView2017
 
Guidablejobsjigyosetsumeisiryo.20240417pdf
Guidablejobsjigyosetsumeisiryo.20240417pdfGuidablejobsjigyosetsumeisiryo.20240417pdf
Guidablejobsjigyosetsumeisiryo.20240417pdf
koheiwada3
 
1月8日齋藤
1月8日齋藤1月8日齋藤
1月8日齋藤
MarketView2017
 
データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料
The Japan DataScientist Society
 
1月8日山口
1月8日山口1月8日山口
1月8日山口
MarketView2017
 
ラオス現地事情セミナー 「ラオスの経済事情と事業機会・投資機会」(2017)
ラオス現地事情セミナー 「ラオスの経済事情と事業機会・投資機会」(2017)ラオス現地事情セミナー 「ラオスの経済事情と事業機会・投資機会」(2017)
ラオス現地事情セミナー 「ラオスの経済事情と事業機会・投資機会」(2017)
Hiroshi ISOJIMA
 
Venture Capital Industry: History and Structure in the U.S. and Japan
Venture Capital Industry: History and Structure in the U.S. and Japan Venture Capital Industry: History and Structure in the U.S. and Japan
Venture Capital Industry: History and Structure in the U.S. and Japan
Josai University
 
クラウドファンディングの研究会 【ファイナンス支援実務研究会】 第1回研修資料
クラウドファンディングの研究会 【ファイナンス支援実務研究会】 第1回研修資料クラウドファンディングの研究会 【ファイナンス支援実務研究会】 第1回研修資料
クラウドファンディングの研究会 【ファイナンス支援実務研究会】 第1回研修資料
DAN Venture Capital
 
ソーシャルファイナンス講演資料 20110425
ソーシャルファイナンス講演資料 20110425ソーシャルファイナンス講演資料 20110425
ソーシャルファイナンス講演資料 20110425
Marie Goto
 
Z Venture Capital採用_221009.pptx
Z Venture Capital採用_221009.pptxZ Venture Capital採用_221009.pptx
Z Venture Capital採用_221009.pptx
ShogoTakahashi1
 
Z Venture Capital採用_220930.pptx
Z Venture Capital採用_220930.pptxZ Venture Capital採用_220930.pptx
Z Venture Capital採用_220930.pptx
ShinichiroHori2
 
2018年1月15日放送分
2018年1月15日放送分2018年1月15日放送分
2018年1月15日放送分
MarketView2017
 
2018年2月12日放送分
2018年2月12日放送分2018年2月12日放送分
2018年2月12日放送分
MarketView2017
 
コーポレートベンチャーキャピタルに関して / FVC
コーポレートベンチャーキャピタルに関して / FVCコーポレートベンチャーキャピタルに関して / FVC
コーポレートベンチャーキャピタルに関して / FVC
01Booster
 
Financial accounting for public interest corporation
Financial accounting for public interest corporationFinancial accounting for public interest corporation
Financial accounting for public interest corporationNPOサポートセンター
 
データサイエンティストってどこへ行ったのか???
データサイエンティストってどこへ行ったのか???データサイエンティストってどこへ行ったのか???
データサイエンティストってどこへ行ったのか???
Izumi Akiyama
 
オンライン説明会「G検定の疑問・質問全部答えます!」
オンライン説明会「G検定の疑問・質問全部答えます!」オンライン説明会「G検定の疑問・質問全部答えます!」
オンライン説明会「G検定の疑問・質問全部答えます!」
日本ディープラーニング協会(JDLA)
 

Similar to 資産運用とビッグデータ解析_1 (20)

ヘッジファンドダイレクト事業紹介プレゼンテーション
ヘッジファンドダイレクト事業紹介プレゼンテーションヘッジファンドダイレクト事業紹介プレゼンテーション
ヘッジファンドダイレクト事業紹介プレゼンテーション
 
7月3日放送分
7月3日放送分7月3日放送分
7月3日放送分
 
11月27日放送分
11月27日放送分11月27日放送分
11月27日放送分
 
Guidablejobsjigyosetsumeisiryo.20240417pdf
Guidablejobsjigyosetsumeisiryo.20240417pdfGuidablejobsjigyosetsumeisiryo.20240417pdf
Guidablejobsjigyosetsumeisiryo.20240417pdf
 
1月8日齋藤
1月8日齋藤1月8日齋藤
1月8日齋藤
 
データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料データサイエンティスト協会 会員制度説明資料
データサイエンティスト協会 会員制度説明資料
 
1月8日山口
1月8日山口1月8日山口
1月8日山口
 
ラオス現地事情セミナー 「ラオスの経済事情と事業機会・投資機会」(2017)
ラオス現地事情セミナー 「ラオスの経済事情と事業機会・投資機会」(2017)ラオス現地事情セミナー 「ラオスの経済事情と事業機会・投資機会」(2017)
ラオス現地事情セミナー 「ラオスの経済事情と事業機会・投資機会」(2017)
 
Venture Capital Industry: History and Structure in the U.S. and Japan
Venture Capital Industry: History and Structure in the U.S. and Japan Venture Capital Industry: History and Structure in the U.S. and Japan
Venture Capital Industry: History and Structure in the U.S. and Japan
 
クラウドファンディングの研究会 【ファイナンス支援実務研究会】 第1回研修資料
クラウドファンディングの研究会 【ファイナンス支援実務研究会】 第1回研修資料クラウドファンディングの研究会 【ファイナンス支援実務研究会】 第1回研修資料
クラウドファンディングの研究会 【ファイナンス支援実務研究会】 第1回研修資料
 
ソーシャルファイナンス講演資料 20110425
ソーシャルファイナンス講演資料 20110425ソーシャルファイナンス講演資料 20110425
ソーシャルファイナンス講演資料 20110425
 
Z Venture Capital採用_221009.pptx
Z Venture Capital採用_221009.pptxZ Venture Capital採用_221009.pptx
Z Venture Capital採用_221009.pptx
 
Nemoto hiroyuki aug.2, 2013
Nemoto hiroyuki aug.2, 2013Nemoto hiroyuki aug.2, 2013
Nemoto hiroyuki aug.2, 2013
 
Z Venture Capital採用_220930.pptx
Z Venture Capital採用_220930.pptxZ Venture Capital採用_220930.pptx
Z Venture Capital採用_220930.pptx
 
2018年1月15日放送分
2018年1月15日放送分2018年1月15日放送分
2018年1月15日放送分
 
2018年2月12日放送分
2018年2月12日放送分2018年2月12日放送分
2018年2月12日放送分
 
コーポレートベンチャーキャピタルに関して / FVC
コーポレートベンチャーキャピタルに関して / FVCコーポレートベンチャーキャピタルに関して / FVC
コーポレートベンチャーキャピタルに関して / FVC
 
Financial accounting for public interest corporation
Financial accounting for public interest corporationFinancial accounting for public interest corporation
Financial accounting for public interest corporation
 
データサイエンティストってどこへ行ったのか???
データサイエンティストってどこへ行ったのか???データサイエンティストってどこへ行ったのか???
データサイエンティストってどこへ行ったのか???
 
オンライン説明会「G検定の疑問・質問全部答えます!」
オンライン説明会「G検定の疑問・質問全部答えます!」オンライン説明会「G検定の疑問・質問全部答えます!」
オンライン説明会「G検定の疑問・質問全部答えます!」
 

More from Deep Learning Lab(ディープラーニング・ラボ)

Edge AI ソリューションを支える Azure IoT サービス
Edge AI ソリューションを支える Azure IoT サービスEdge AI ソリューションを支える Azure IoT サービス
Edge AI ソリューションを支える Azure IoT サービス
Deep Learning Lab(ディープラーニング・ラボ)
 
DLLAB Healthcare Day 2021 Event Report
DLLAB Healthcare Day 2021 Event ReportDLLAB Healthcare Day 2021 Event Report
DLLAB Healthcare Day 2021 Event Report
Deep Learning Lab(ディープラーニング・ラボ)
 
ICTを用いた健康なまちづくりの 取り組みとAI活用への期待​
ICTを用いた健康なまちづくりの 取り組みとAI活用への期待​ICTを用いた健康なまちづくりの 取り組みとAI活用への期待​
ICTを用いた健康なまちづくりの 取り組みとAI活用への期待​
Deep Learning Lab(ディープラーニング・ラボ)
 
医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発
Deep Learning Lab(ディープラーニング・ラボ)
 
Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Intel AI in Healthcare 各国事例からみるAIとの向き合い方Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Deep Learning Lab(ディープラーニング・ラボ)
 
厚生労働分野におけるAI技術の利活用について
厚生労働分野におけるAI技術の利活用について厚生労働分野におけるAI技術の利活用について
厚生労働分野におけるAI技術の利活用について
Deep Learning Lab(ディープラーニング・ラボ)
 
先端技術がもたらす「より良いヘルスケアのかたち」
先端技術がもたらす「より良いヘルスケアのかたち」先端技術がもたらす「より良いヘルスケアのかたち」
先端技術がもたらす「より良いヘルスケアのかたち」
Deep Learning Lab(ディープラーニング・ラボ)
 
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
Deep Learning Lab(ディープラーニング・ラボ)
 
「言語」×AI Digital Device
「言語」×AI Digital Device「言語」×AI Digital Device
深層強化学習と実装例
深層強化学習と実装例深層強化学習と実装例
深層強化学習を用いた複合機の搬送制御
深層強化学習を用いた複合機の搬送制御深層強化学習を用いた複合機の搬送制御
深層強化学習を用いた複合機の搬送制御
Deep Learning Lab(ディープラーニング・ラボ)
 
Azure ML 強化学習を用いた最新アルゴリズムの活用手法
Azure ML 強化学習を用いた最新アルゴリズムの活用手法Azure ML 強化学習を用いた最新アルゴリズムの活用手法
Azure ML 強化学習を用いた最新アルゴリズムの活用手法
Deep Learning Lab(ディープラーニング・ラボ)
 
Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備
Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備
Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備
Deep Learning Lab(ディープラーニング・ラボ)
 
Jetson x Azure ハンズオン DeepStream With Azure IoT
Jetson x Azure ハンズオン DeepStream With Azure IoTJetson x Azure ハンズオン DeepStream With Azure IoT
Jetson x Azure ハンズオン DeepStream With Azure IoT
Deep Learning Lab(ディープラーニング・ラボ)
 
Jetson x Azure ハンズオン DeepStream Azure IoT
Jetson x Azure ハンズオン DeepStream Azure IoTJetson x Azure ハンズオン DeepStream Azure IoT
Jetson x Azure ハンズオン DeepStream Azure IoT
Deep Learning Lab(ディープラーニング・ラボ)
 
Jetson 活用による スタートアップ企業支援
Jetson 活用による スタートアップ企業支援Jetson 活用による スタートアップ企業支援
Jetson 活用による スタートアップ企業支援
Deep Learning Lab(ディープラーニング・ラボ)
 
[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~
[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~
[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~
Deep Learning Lab(ディープラーニング・ラボ)
 
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
Deep Learning Lab(ディープラーニング・ラボ)
 
[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[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)
 
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
Deep Learning Lab(ディープラーニング・ラボ)
 

More from Deep Learning Lab(ディープラーニング・ラボ) (20)

Edge AI ソリューションを支える Azure IoT サービス
Edge AI ソリューションを支える Azure IoT サービスEdge AI ソリューションを支える Azure IoT サービス
Edge AI ソリューションを支える Azure IoT サービス
 
DLLAB Healthcare Day 2021 Event Report
DLLAB Healthcare Day 2021 Event ReportDLLAB Healthcare Day 2021 Event Report
DLLAB Healthcare Day 2021 Event Report
 
ICTを用いた健康なまちづくりの 取り組みとAI活用への期待​
ICTを用いた健康なまちづくりの 取り組みとAI活用への期待​ICTを用いた健康なまちづくりの 取り組みとAI活用への期待​
ICTを用いた健康なまちづくりの 取り組みとAI活用への期待​
 
医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発医学と工学の垣根を越えた医療AI開発
医学と工学の垣根を越えた医療AI開発
 
Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Intel AI in Healthcare 各国事例からみるAIとの向き合い方Intel AI in Healthcare 各国事例からみるAIとの向き合い方
Intel AI in Healthcare 各国事例からみるAIとの向き合い方
 
厚生労働分野におけるAI技術の利活用について
厚生労働分野におけるAI技術の利活用について厚生労働分野におけるAI技術の利活用について
厚生労働分野におけるAI技術の利活用について
 
先端技術がもたらす「より良いヘルスケアのかたち」
先端技術がもたらす「より良いヘルスケアのかたち」先端技術がもたらす「より良いヘルスケアのかたち」
先端技術がもたらす「より良いヘルスケアのかたち」
 
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
AIによる細胞診支援技術の紹介と、AI人材が考える医療バイオ領域における参入障壁の乗り越え方
 
「言語」×AI Digital Device
「言語」×AI Digital Device「言語」×AI Digital Device
「言語」×AI Digital Device
 
深層強化学習と実装例
深層強化学習と実装例深層強化学習と実装例
深層強化学習と実装例
 
深層強化学習を用いた複合機の搬送制御
深層強化学習を用いた複合機の搬送制御深層強化学習を用いた複合機の搬送制御
深層強化学習を用いた複合機の搬送制御
 
Azure ML 強化学習を用いた最新アルゴリズムの活用手法
Azure ML 強化学習を用いた最新アルゴリズムの活用手法Azure ML 強化学習を用いた最新アルゴリズムの活用手法
Azure ML 強化学習を用いた最新アルゴリズムの活用手法
 
Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備
Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備
Jetson x Azure ハンズオン DeepStream With Azure IoT 事前準備
 
Jetson x Azure ハンズオン DeepStream With Azure IoT
Jetson x Azure ハンズオン DeepStream With Azure IoTJetson x Azure ハンズオン DeepStream With Azure IoT
Jetson x Azure ハンズオン DeepStream With Azure IoT
 
Jetson x Azure ハンズオン DeepStream Azure IoT
Jetson x Azure ハンズオン DeepStream Azure IoTJetson x Azure ハンズオン DeepStream Azure IoT
Jetson x Azure ハンズオン DeepStream Azure IoT
 
Jetson 活用による スタートアップ企業支援
Jetson 活用による スタートアップ企業支援Jetson 活用による スタートアップ企業支援
Jetson 活用による スタートアップ企業支援
 
[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~
[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~
[Track 4-6] ディープラーニングxものづくりが日本を強くする ~高専DCONの挑戦~
 
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
[Track3-2] AI活用人材の社内育成に関する取り組みについて ~ダイキン情報技術大学~
 
[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[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
 
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
[Track1-2] ディープラーニングを用いたワインブドウの収穫量予測
 

Recently uploaded

ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMMハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
osamut
 
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
Yuki Miyazaki
 
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライドHumanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
tazaki1
 
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
Osaka University
 
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language ModelsGenerating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
harmonylab
 
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
Toru Tamaki
 
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
嶋 是一 (Yoshikazu SHIMA)
 
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobodyロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
azuma satoshi
 
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
sugiuralab
 

Recently uploaded (9)

ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMMハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
ハイブリッドクラウド研究会_Hyper-VとSystem Center Virtual Machine Manager セッションMM
 
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
無形価値を守り育てる社会における「デー タ」の責務について - Atlas, Inc.
 
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライドHumanoid Virtual Athletics Challenge2024 技術講習会 スライド
Humanoid Virtual Athletics Challenge2024 技術講習会 スライド
 
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
生成AIがもたらすコンテンツ経済圏の新時代  The New Era of Content Economy Brought by Generative AI
 
Generating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language ModelsGenerating Automatic Feedback on UI Mockups with Large Language Models
Generating Automatic Feedback on UI Mockups with Large Language Models
 
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
論文紹介:Deep Learning-Based Human Pose Estimation: A Survey
 
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
「進化するアプリ イマ×ミライ ~生成AIアプリへ続く道と新時代のアプリとは~」Interop24Tokyo APPS JAPAN B1-01講演
 
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobodyロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
ロジックから状態を分離する技術/設計ナイト2024 by わいとん @ytnobody
 
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
ヒアラブルへの入力を想定したユーザ定義型ジェスチャ調査と IMUセンサによる耳タッチジェスチャの認識
 

資産運用とビッグデータ解析_1