Microsoft Azure の Data & AI 関連サービスの2020年4月のアップデート情報へのリンクを一覧にしました。
Azure の Apps & Infra 関連サービスについては、以下のURLに公開されています。
https://www.slideshare.net/ssuser2602c6/azure-app-infra-update-20204
Azure の最新情報が必要な方のお役に立てば幸いです。
【de:code 2020】 Power Platform で広がるデータ インテグレーションの世界 (1/2)日本マイクロソフト株式会社
あらゆるビジネスの過程でデータが発生し、最適なストレージに蓄積され、データサイエンティストが分析し、業務上で次に打つべきベストなアクションを起こす。このようなデジタル フィードバック ループは、一部の限られた企業のみが実現可能なものでしょうか?確かに「データが事業部門(LOB)毎に点在している」「データは溜まっているけど、活用できていない」などのお困り事が良く聞かれます。マイクロソフトのビジネスアプリケーションの基盤である Power Platform では、皆さまの企業において、あらゆるシステムからのデータを集約、統合し、データが分析されるまでの準備を簡単に行うことができます。Power Apps、CDS、ADLS、Power BI などをキーワードに、それらの最新のテクノロジを整理してご紹介します。
[Microsoft Cognitive Toolkit (CNTK) on Azure ハンズオン] Microsoft Azure の AI 関連サービスNaoki (Neo) SATO
Microsoft Cognitive Toolkit (CNTK) on Azure ハンズオン
https://satonaoki.wordpress.com/2017/08/06/cntk-hands-on/
Microsoft Cognitive Toolkit (CNTK) on Azure ハンズオン (2017/08/05)
https://jazug.connpass.com/event/61939/
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。
セル生産方式におけるロボットの活用には様々な問題があるが,その一つとして 3 体以上の物体の組み立てが挙げられる.一般に,複数物体を同時に組み立てる際は,対象の部品をそれぞれロボットアームまたは治具でそれぞれ独立に保持することで組み立てを遂行すると考えられる.ただし,この方法ではロボットアームや治具を部品数と同じ数だけ必要とし,部品数が多いほどコスト面や設置スペースの関係で無駄が多くなる.この課題に対して音𣷓らは組み立て対象物に働く接触力等の解析により,治具等で固定されていない対象物が組み立て作業中に運動しにくい状態となる条件を求めた.すなわち,環境中の非把持対象物のロバスト性を考慮して,組み立て作業条件を検討している.本研究ではこの方策に基づいて,複数物体の組み立て作業を単腕マニピュレータで実行することを目的とする.このとき,対象物のロバスト性を考慮することで,仮組状態の複数物体を同時に扱う手法を提案する.作業対象としてパイプジョイントの組み立てを挙げ,簡易な道具を用いることで単腕マニピュレータで複数物体を同時に把持できることを示す.さらに,作業成功率の向上のために RGB-D カメラを用いた物体の位置検出に基づくロボット制御及び動作計画を実装する.
This paper discusses assembly operations using a single manipulator and a parallel gripper to simultaneously
grasp multiple objects and hold the group of temporarily assembled objects. Multiple robots and jigs generally operate
assembly tasks by constraining the target objects mechanically or geometrically to prevent them from moving. It is
necessary to analyze the physical interaction between the objects for such constraints to achieve the tasks with a single
gripper. In this paper, we focus on assembling pipe joints as an example and discuss constraining the motion of the
objects. Our demonstration shows that a simple tool can facilitate holding multiple objects with a single gripper.
34. ビックデータストア 機械学習と分析 インテリジェンス
Cognitive Services
Bot Framework
Cortana
Machine Learning
Data Lake Analytics
HD Insight
Stream Analytics
Data Lake Store
SQL Data Warehouse
Cosmos DB
35. ビックデータストア 機械学習と分析 インテリジェンス
Cognitive Services
Bot Framework
Cortana
Machine Learning
Data Lake Analytics
HD Insight
Stream Analytics
Data Lake Store
SQL Data Warehouse
Cosmos DB
36. Session ID Title
DAL002
AI 時代を生き抜くためのビッグデータ基盤
~リコーの実案件で見えたAzure Data Lakeの勘所~
DAL007 IoT 戦国時代を生き抜くためにマイクロソフトの IoT ソリューションを活用しよう
DAL008
PowerBIに新たな価値を!
Microsoft Azureに完全対応した半定型エンタープライズBIソリューション
DAL009 脱「なんとなく」!Azure SQL Database で顧客動向を手軽に見える化しよう!
DAL010
【Tech Summit 2017 x ググらせないR?スマートプレート】
IoTならぬHoT(Hyperlink of Things)
モノのハイパーリンクで実現するスタンプラリー
37. ビックデータストア 機械学習と分析 インテリジェンス
Cognitive Services
Bot Framework
Cortana
Machine Learning
Data Lake Analytics
HD Insight
Stream Analytics
Analysis Services
Data Lake Store
SQL Data Warehouse
Cosmos DB
38. ビックデータストア 機械学習と分析 インテリジェンス
Cognitive Services
Bot Framework
Cortana
Machine Learning
Data Lake Analytics
HD Insight
Stream Analytics
Analysis Services
Data Lake Store
SQL Data Warehouse
Cosmos DB
42. Power BI
Azure
Analysis Services
モデリング 分析 可視化
クラウド
オンプレミス
オンプレミスデータゲートウェイ
Web
Embedded
in your apps
Mobile
SQL Server
Analysis Services
SQL Server
Reporting Services
Excel
Power BI
Desktop
Power BI Power BI
DATA
DATA
43. Session ID Title
MAI001 ディープラーニングの産業応用とそれを支える技術
MAI002 経験者が語る!Bot企画/運用のエッセンス ~ Bot framework + Azure の運用サイクル ~
MAI003 新生 Azure Machine Learning Services 徹底解説
MAI004 AI ディープ ラーニング入門
MAI005 SQL Server 2017 で実現される AI (ディープ ラーニング)のシステム モデルのご紹介
MAI006 ここから始めよう!Azure を活用した「IoT + AI」システム構築の基本
MAI013
共創がもたらす最前線のIoT活用シナリオ
~IoT&機械学習によるビジネス価値の創出~
MAI014 IoT×機械学習 畜産業における安定出荷に向けたAzure Machine Learning活用
44. ビックデータストア 機械学習と分析 インテリジェンス
Cognitive Services
Bot Framework
Cortana
Machine Learning
Data Lake Analytics
HD Insight
Stream Analytics
Data Lake Store
SQL Data Warehouse
Cosmos DB
45. ビックデータストア 機械学習と分析 インテリジェンス
Cognitive Services
Bot Framework
Cortana
Machine Learning
Data Lake Analytics
HD Insight
Stream Analytics
Data Lake Store
SQL Data Warehouse
Cosmos DB
46. Session ID Title
MAI001 ディープラーニングの産業応用とそれを支える技術
MAI002 経験者が語る!Bot企画/運用のエッセンス ~ Bot framework + Azure の運用サイクル ~
MAI003 新生 Azure Machine Learning Services 徹底解説
MAI004 AI ディープ ラーニング入門
MAI005 SQL Server 2017 で実現される AI (ディープ ラーニング)のシステム モデルのご紹介
MAI006 ここから始めよう!Azure を活用した「IoT + AI」システム構築の基本
MAI013
共創がもたらす最前線のIoT活用シナリオ
~IoT&機械学習によるビジネス価値の創出~
MAI014 IoT×機械学習 畜産業における安定出荷に向けたAzure Machine Learning活用