Submit Search
Upload
AI理論とビジネス 中井眞人氏 20171122
•
1 like
•
229 views
T
Team AI
Follow
AI理論とビジネス 中井眞人氏 20171122
Read less
Read more
Technology
Report
Share
Report
Share
1 of 19
Recommended
Team ai 3
Team ai 3
Masato Nakai
End to end training with deep visiomotor
End to end training with deep visiomotor
Masato Nakai
研究室勉強会資料「データ分析チュートリアル」
研究室勉強会資料「データ分析チュートリアル」
ymmt3-lab
GANsの最新動向: 応用領域でのGANs (CVPR 2018 完全読破チャレンジ報告会)
GANsの最新動向: 応用領域でのGANs (CVPR 2018 完全読破チャレンジ報告会)
cvpaper. challenge
NeurIPS2021読み会 Fairness in Ranking under Uncertainty
NeurIPS2021読み会 Fairness in Ranking under Uncertainty
Tatsuya Shirakawa
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
Ryosuke Okuta
Amazon Picking Challenge 結果報告
Amazon Picking Challenge 結果報告
Preferred Networks
画像認識と深層学習
画像認識と深層学習
Yusuke Uchida
Recommended
Team ai 3
Team ai 3
Masato Nakai
End to end training with deep visiomotor
End to end training with deep visiomotor
Masato Nakai
研究室勉強会資料「データ分析チュートリアル」
研究室勉強会資料「データ分析チュートリアル」
ymmt3-lab
GANsの最新動向: 応用領域でのGANs (CVPR 2018 完全読破チャレンジ報告会)
GANsの最新動向: 応用領域でのGANs (CVPR 2018 完全読破チャレンジ報告会)
cvpaper. challenge
NeurIPS2021読み会 Fairness in Ranking under Uncertainty
NeurIPS2021読み会 Fairness in Ranking under Uncertainty
Tatsuya Shirakawa
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
Ryosuke Okuta
Amazon Picking Challenge 結果報告
Amazon Picking Challenge 結果報告
Preferred Networks
画像認識と深層学習
画像認識と深層学習
Yusuke Uchida
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Preferred Networks
How to organize data science project (データサイエンスプロジェクトの始め方101)
How to organize data science project (データサイエンスプロジェクトの始め方101)
Yasuyuki Kataoka
(Pythonで作って学ぶ) Youtube の動画リストを作るアプリの開発 第4回
(Pythonで作って学ぶ) Youtube の動画リストを作るアプリの開発 第4回
Project Samurai
研究を加速するChainerファミリー
研究を加速するChainerファミリー
Deep Learning Lab(ディープラーニング・ラボ)
ICCV2019 report
ICCV2019 report
Tatsuya Shirakawa
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
【CVPR 2019】Do Better ImageNet Models Transfer Better?
【CVPR 2019】Do Better ImageNet Models Transfer Better?
cvpaper. challenge
MySQLで学ぶ機械学習ことはじめ.pdf
MySQLで学ぶ機械学習ことはじめ.pdf
Machiko Ikoma
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
Michitaka Yumoto
Deep learningの概要とドメインモデルの変遷
Deep learningの概要とドメインモデルの変遷
Taiga Nomi
IVS CTO Night & Day 2016 Tech Talk - AI
IVS CTO Night & Day 2016 Tech Talk - AI
Toshiaki Enami
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2...
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2...
cvpaper. challenge
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
【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
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
DataWorks Summit/Hadoop Summit
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
Recruit Technologies
ディープラーニング最近の発展とビジネス応用への課題
ディープラーニング最近の発展とビジネス応用への課題
Kenta Oono
Jsai2018
Jsai2018
MLSE
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
harmonylab
DQNからRainbowまで 〜深層強化学習の最新動向〜
DQNからRainbowまで 〜深層強化学習の最新動向〜
Jun Okumura
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
More Related Content
Similar to AI理論とビジネス 中井眞人氏 20171122
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Preferred Networks
How to organize data science project (データサイエンスプロジェクトの始め方101)
How to organize data science project (データサイエンスプロジェクトの始め方101)
Yasuyuki Kataoka
(Pythonで作って学ぶ) Youtube の動画リストを作るアプリの開発 第4回
(Pythonで作って学ぶ) Youtube の動画リストを作るアプリの開発 第4回
Project Samurai
研究を加速するChainerファミリー
研究を加速するChainerファミリー
Deep Learning Lab(ディープラーニング・ラボ)
ICCV2019 report
ICCV2019 report
Tatsuya Shirakawa
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
Daiyu Hatakeyama
【CVPR 2019】Do Better ImageNet Models Transfer Better?
【CVPR 2019】Do Better ImageNet Models Transfer Better?
cvpaper. challenge
MySQLで学ぶ機械学習ことはじめ.pdf
MySQLで学ぶ機械学習ことはじめ.pdf
Machiko Ikoma
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
Michitaka Yumoto
Deep learningの概要とドメインモデルの変遷
Deep learningの概要とドメインモデルの変遷
Taiga Nomi
IVS CTO Night & Day 2016 Tech Talk - AI
IVS CTO Night & Day 2016 Tech Talk - AI
Toshiaki Enami
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2...
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2...
cvpaper. challenge
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Preferred Networks
【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
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
DataWorks Summit/Hadoop Summit
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
Recruit Technologies
ディープラーニング最近の発展とビジネス応用への課題
ディープラーニング最近の発展とビジネス応用への課題
Kenta Oono
Jsai2018
Jsai2018
MLSE
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
harmonylab
DQNからRainbowまで 〜深層強化学習の最新動向〜
DQNからRainbowまで 〜深層強化学習の最新動向〜
Jun Okumura
Similar to AI理論とビジネス 中井眞人氏 20171122
(20)
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
Jubatus: 分散協調をキーとした大規模リアルタイム機械学習プラットフォーム
How to organize data science project (データサイエンスプロジェクトの始め方101)
How to organize data science project (データサイエンスプロジェクトの始め方101)
(Pythonで作って学ぶ) Youtube の動画リストを作るアプリの開発 第4回
(Pythonで作って学ぶ) Youtube の動画リストを作るアプリの開発 第4回
研究を加速するChainerファミリー
研究を加速するChainerファミリー
ICCV2019 report
ICCV2019 report
機械学習 - MNIST の次のステップ
機械学習 - MNIST の次のステップ
【CVPR 2019】Do Better ImageNet Models Transfer Better?
【CVPR 2019】Do Better ImageNet Models Transfer Better?
MySQLで学ぶ機械学習ことはじめ.pdf
MySQLで学ぶ機械学習ことはじめ.pdf
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
VentureCafe_第2回:SIerでのキャリアパスを考える_ござ先輩発表資料 V1.0
Deep learningの概要とドメインモデルの変遷
Deep learningの概要とドメインモデルの変遷
IVS CTO Night & Day 2016 Tech Talk - AI
IVS CTO Night & Day 2016 Tech Talk - AI
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2...
これからのコンピュータビジョン技術 - cvpaper.challenge in PRMU Grand Challenge 2016 (PRMU研究会 2...
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
Session4:「先進ビッグデータ応用を支える機械学習に求められる新技術」/比戸将平
【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
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT - the details and actual use cases of "Analytics & Artificial intelligen...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
A3RT -The details and actual use cases of“Analytics & Artificial intelligence...
ディープラーニング最近の発展とビジネス応用への課題
ディープラーニング最近の発展とビジネス応用への課題
Jsai2018
Jsai2018
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
Trainable Calibration Measures for Neural Networks from Kernel Mean Embeddings
DQNからRainbowまで 〜深層強化学習の最新動向〜
DQNからRainbowまで 〜深層強化学習の最新動向〜
Recently uploaded
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
UEHARA, Tetsutaro
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
FumieNakayama
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
博三 太田
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
FumieNakayama
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
sugiuralab
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
Recently uploaded
(12)
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
AI理論とビジネス 中井眞人氏 20171122
1.
理論 2017/11/22 @TeamAI mabonki0725
2.
自己紹介 • 分析 統計
構築15年以上 – 時間 経過 劣化 予測精度 驚 – 統計 興味 持 • 統計数理研究所 研究生 機械学習 – 5年前 難解 PRML 認識 機械学習 無 – PRML 含 殆 統計 C言語 実装 経験 持 SVM HMM EM 判別木 変分 粒子 GP CoxHazard 非線形計画法 深層学習(CNN RNN LSTM) 強化学習 • 現在 都立産業技術大学院学生 研究 – SLAM Openpose 用 逆強化学習 • AI論文 日一本読 目標 10本読 人 – 世界中 天才 参入 信 程 記述 多
3.
目次 1. 理論 推移 2.
推移 3. 問題点 4. 論文 読 方 5. 6. AI 機械学習 深層学習 強化学習 指
4.
AI理論 推移 衝撃的 革新技術
出現 築 既存技術 破綻 達磨落 過程
5.
1. AI理論 推移(2) •
1950年 1980年 手作 大型計算機 第2次AI 述語論理 (Plolog) 大失敗 日本 AI 停滞 一因 • 1980年 2000年 貴重 個人計算機 出現 頻度統計:識別 (現象 表 統計 解 重回帰分析 主成分分析 分析精度 検定指標 P値,AIC) 行 • 2000年 2010年 増加 計算機 性能 向上 統計:生成 (原因 現象 説明 ) 現象 隠 変数 暴 EM MCMC LDA HMM 粒子 分析精度 構築 試験 分離 試験 再現性 検証 • 2010年 豊富 並列計算機 性能 向上 深層学習 隠 変数 解 画像 音声 認識性能 飛躍的 向上 動画 認識 • 将来予想 自己強化学習 知覚性能 向上 高 報酬 求 計算機 自分 学習
6.
2. AI 推移 2000年 貴重
計算機 貧弱 感 経験 示 発展 医療診断 計画 時系列解析 統計 (SAS SPSS) 普及 欧米 多様 社会 適応 多様化推進 日本 品質管理 規格化推進 部品化 廉価 2000年 2010年 増加 個人計算機 性能 向上 統計 多様化 精度指標 無 向 豊富 Web 基 顧客分類 LDA 特定 情報配信 Gunosy Amazon) 豊富 前提 成果 出 xgboost xgboost 特徴量自動抽出 過学習防止 Free 夢 様 判別 2010年 豊富 並列計算機 性能 向上 深層学習 豊富 使 画像 動画 音声認識 高精度 結果 出 特 動画 成果 顕著 深層学習 成熟 初 AI 実現
7.
3 AI 問題点 •
深層学習 理論 未解明 一般人 構築 容易 – 深層学習 手作 成功 1000 失敗 岡谷貴之) – 成功 深層学習 構築先(大企業 主導権 持 – 成功 殆 Image-net等 学習済 成果 使 • 大学 公開 – 今日 隆盛 公開 大多数 成果 認知 – 導入評価報告 Kaggle 実績 待 知 • Google Softbank等 API 汎用的 競合相手 多 Image-net 深層構造
8.
• 月間2000本 発表 AI論文
Web 告知 性能 意義 早 察知 先 応用 考 鍵 – 論文 殆 追試 様 実験結果 – 早期 認 為 公開 増 (10%)程度 – 性能 手法 論文 読 必要 3.1 AI論文 公開 https://github.com/dennybritz/deeplearning-papernotes/ blob/master/README.md 月間 論文 件数推移
9.
3.2 公開 • 殆
python 多種 深層学習 存在) • 追試 性能 調 応用 一番早 • 著名 公開 例 – 強化学習 DQN Unreal – 生成画像 • VAE 本質(癖) 学習 画像 生成 • 本物 似 仮想 画像 生成 – 翻訳 pix2pix seq2seq – 画像言語変換 pix2seq seq2pix pix2pix Unreal pix2seq seq2pix VAE GAN
10.
4. AI論文 読
方 • AI論文 英語用語 400字程度 英語 読 様 – PDF 単語 合 訳 表示 – 論文以外 異 英語用語 読 限 • AI論文 論文推薦 国際会議 推薦 必 利用 https://github.com/dennybritz/deeplearning-papernotes/blob/master/README.md http://arxiv-sanity.com/discussions http://jeffhuang.com/best_paper_awards.html • AI論文 定 既約 最大 10頁程度 概要 導入 (比較研究) 手法 実験結果 (結論) (参照) • 最近 最適化計算 殆 深層学習 行 • 論文 内容 修士 大学院 聴講生 早 – 年間 万円 機械学習 研究室 連絡 許諾 • 手法 殆 最適化問題 微分 求 – 対数化 微分 解 対数化 理由 掛算 和算 対数化 最大値 不変 – 多変量 扱 線形代数 行列 掛算 理解 十分
11.
• 最適化問題 次
方法 限 – 変分 法 – EM – 条件付計画法 – SVM 4.1 AI 最適化 解法 EM 平均 期待値 交互 近似SVM 境界面 明瞭 様 分離 変分 法 修正 叙 近似 条件付計画法 条件内 勾配 下
12.
AI 5.0 AI拠点 5.1 画像 5.2
強化学習 5.3 5.4 自然言語
13.
5.0 AI 拠点 USC
berkrey: Abbeel CMU: 自然言語 Openpose Tront: Benjio & Hinton 深層学習 DeepMind: Hazavis Alpha碁 Amsterdam: Kingma VAE GoogleBrain: Goodfellow GAN Open-AI: Eronmask 自動運転
14.
5.1 画像 動画 •
画像 – VAE 好 (癖) 反映 服装 • RealTime 動画 自動運転 or 知覚用 – yolo (枠認識) – segnet (対象認識) – openpose (顔 指骨格認識) item teste
15.
• DeepMind – DQN
深層学習 強化学習 成功 Alpha碁 実現 – 発展 DQN 解 挑戦 • 倉庫問題 期先 • 迷路問題 UNREAL 並列Boosting 経験採用 • 複雑 画面 擬似報酬 • 会話応答 Neural Turing Machine – 派生 統合 Rainbow 5.2 強化学習
16.
5.3 • 自動運転 – SLAM(Simultaneous
Localization and Mapping) 運転中 刻 入 観測 車体 自己位置 地図 生成 – Patial Observation Marcov Decsition Process) 部分的 観測 最適 決定 行 • 制御 – 比 微細 制御 必要 最適 経路 維持 主流 – 実機 場合 理論 最適化 一致 逐次調整 必要 強化学習 TRPO 制御 Hamilton– Jacobi GPS (Guided Policy Search)
17.
5.4 自然言語 • word2vec
LSTM 大 進歩 様 見 • 自然言語 理解 壁 – 機械 対話 成長 強 AI 必要 – 日本語 対話 指標 整備 • Amazon 整備 • 機械 人間 対話 高 用途別 擬似 可能性 – 既存 22個 chatbot 統合 実用的 発表 A Deep Reinforcement Learning Chatbot
18.
• 現在 強
AI 入 口 – Alpha碁0 敵対 急速 自己成長 示 – 当面衝撃的 技術革新 続 • API 提供 AI 競合相手 多 • AI 公開 早 応用 有利 – python(深層学習 多様 版 存在 ) • caffee Theano TensorFlow keras pytroch chainer – 最適化問題 理解 – AI英語 習熟 • 好 癖 見抜 好 合 商品 提案 VAE • 深層学習 画像 動画 発展
19.
(2) • AI AI
統合 威力 増 – AR 拡張 SLAM+深層学習 D画像 – 自動運転 SLAM+深層学習+予測 – 深層学習 強化学習 最適制御 映画 D地図 D SLAM