Search Results プロバイダー

『今日、企業が実装できる５つのジェネレーティブAIのユースケース』

様々な産業で、エグゼクティブたちはデータリーダーにAIを活用した製品を作り上げるよう求めていますそれにより時間の節約や収益の促進、競争上の優位性の獲得を目指していますまた、OpenAIのようなテックジャイアントも同様です…

AI（人工知能）開発の先頭を走る13の企業

AIの未来は今日作られています！ODSCウエストのAIエキスポでは、未来がどのように展開し、AIの軌道がこれからの数年間でどのようになるかがわかる絶好の機会ですなので、いくつかの会社が基礎を築いている様子を見てみましょう

West 2023

「Azureのコストを最適化するための10の方法」

この記事では、Azureのコスト削減のヒントを提供し、組織がAzureの支出を削減するためのさまざまな方法と予算の追跡方法を説明します

『Amazon Bedrockの一般提供が発表されました』

Amazon Bedrockをご紹介しますこれは画期的な開発であり、Amazonは人工知能の景色を再構築すると約束しています4月に発表されたAmazon Bedrockは、革新的なAIモデルを完全に管理されたサービスとして提供し、組織の運営にシームレスに統合しますこの発表については、データおよび...

「ゲームを一段と盛り上げる：スタートアップのスポーツビジョンAIが世界中にアスレチックを放送」

Pixellotは、ビジョンAIによって得点を稼いでおり、各国の視聴者にリアルタイムのスポーツ放送と分析を提供する組織にとって容易になりました。テルアビブ近郊に拠点を置くNVIDIA MetropolisビジョンAIパートナーエコシステムのメンバーであるこの会社は、スポーツイベントのキャプチャ、ストリーミング、分析を自動化するAIパワードプラットフォームを提供しています。それは、バスケットボールやサッカーだけでなく、ラグビーやハンドボールなど、約20種類のさまざまなスポーツのファン、コーチ、プレイヤーにゲームを提供し、その分析を70以上の国の30,000以上の会場から提供しています。米国では、Pixellotはストリーミングおよびオンデマンドのハイスクールスポーツを提供するリーダーであるNFHSネットワークとのパートナーシップを通じて、毎年100万試合以上の放送を実施しています。 NFHSネットワーク、MLBなどの放送パートナーを通じて、Pixellotはジャージー番号ごとのショットチャートやヒートマップを使ったプロの分析、試合後の詳細な分析、ハイライトを提供します。これにより、学校やプロのアスリートがムーブを研究し、ゲームのレベルアップを図るために特に役立ちます。また、ユーザーにはビューフレームの操作や独自のハイライトの作成など、インタラクティブな体験も可能です。最近、南アフリカのケープタウンに拠点を置くSuperSport Schoolsは、Pixellotプラットフォームを活用して、全国に学生のスポーツを放送するアプリを展開しました。南アフリカでは、1,500以上の高校がスポーツ活動に参加しています。「私たちの目標は、AIと自動化の助けを借りて、スポーツの報道を民主化することです」とPixellotのマーケティングを担当しているYossi Tarablusは語ります。Pixellotは、新進気鋭のスタートアップの一員であるNVIDIA Inceptionプログラムのメンバーです。「エッジAIのためのNVIDIA Jetsonプラットフォームを使用することで、Pixellotは強力なテクノロジーを提供し、世界最遠隔地にもスポーツの放送と分析をもたらします。」 Pixellotの動作原理 Tarablusによれば、ピーク時のスポーツシーズンには、月間約20万試合がPixellotプラットフォームを通じて全世界で放送されています。 NVIDIA Jetsonによってパワードされた軽量のPixellotカメラは、ゲームや試合、さらに練習の高品質なビデオをキャプチャし、リアルタイムで高精細な映像をオーバーレイされたスコアボード、ライブスタッツ、解説などを通じてアプリを介してユーザーにライブストリーミングします。このプラットフォームは、カメラオペレータをシミュレートする自動ビューフレームを作成し、NVIDIA RTXのレイトレーシング技術を使用して映像を最適化し、シーンの照明を補正します。さらに、このプラットフォームは、スポーツの収益化と視聴者へのアクセス性向上を支援し、オーバー・ザ・トップ（OTT）ストリーミングを可能にします。OTTストリーミングとは、従来のケーブルや衛星テレビプロバイダーを必要とせず、インターネットを介して直接ストリーミングを行うものです。すべてのカメラセットアップにおいて、このMetropolisメンバーは、AIパワードのビデオストリーミング分析のためのNVIDIA DeepStreamソフトウェア開発キットを実行しています。また、高性能なディープラーニング推論には、NVIDIA TensorRT SDKに頼っています。 Pixellotの共同創設者で最高技術責任者のGal Ozは、「NVIDIA…

アンソニー・グーネティレケ氏は、Amdocsのグループ社長であり、テクノロジー部門および戦略部門の責任者です- インタビューシリーズ

アンソニー・グーネティレーケは、Amdocsでグループ社長、テクノロジーと戦略担当です彼と企業戦略チームは、会社の戦略を策定し、会社の目的とビジョンに合致した長期的な成長計画の立案と実行を担当していますアンソニーはまた、同社の製品およびテクノロジーグループも率いており、以下の責任を負っています[...]

「AIが主要な組織の収益サイクル管理を最適化する10の方法」

様々な分野での人工知能（AI）の革命は、収益循環管理（RCM）においても変革を証明しています日常業務の自動化や正確な分析の提供能力により、AIはこの分野において重要な改善をもたらしています患者の関与を向上させ、ワークフローの効率化を図ることから、AIは時間を節約するだけでなく、収益循環管理を最適化する上でリーディングな組織に大きな助けとなっています詳しくはこちらをご覧ください

Tech

コールセンターを外部委託するメリット：コスト削減とそれ以上

企業は常に効率を最大化しリソースを最適化する方法を求めています多くの企業が採用している重要な戦略的な選択肢の一つは、コールセンターの外部委託です多くの人にとって最初に思い浮かぶのは、コスト削減の利点ですが、コールセンターの外部委託には他にもいくつかの利点がありますここでは、コールセンターの外部委託のメリットについて詳しく説明します詳しくは記事を読んでください

Tech

MailchimpにおけるMLプラットフォーム構築の教訓

この記事はもともと、「MLプラットフォームポッドキャスト」という番組のエピソードでしたこの番組では、ピオトル・ニェジヴィエツとアウリマス・グリチューナスが、MLプラットフォームの専門家たちと一緒に、設計の選択肢、ベストプラクティス、サンプルのツールスタック、そして最高のMLプラットフォームの専門家たちからの実際の学びを話し合っていますこのエピソードでは、ミキコ・バゼリーがMLの構築から学んだことを共有します...

MLOps

In Japan, the concept of FinTech is gaining popularity rapidly, and many businesses are starting to incorporate data science into this field. Data science involves the analysis and interpretation of large amounts of data to gain insights and make informed

イントロダクション現代のダイナミックな金融の景色において、データサイエンスは< a href=”https://www.voagi.com/comparing-chatgpts-and-bards-free-versions.html” >フィンテックとバンキング業界の要石となりました。これは、情報に基づいた意思決定の駆動力となり、顧客と金融業界全体の両方に利益をもたらしています。信用情報機関のTransUnionのような機関は、クレジットスコアリングや顧客セグメンテーションなどの手法を用いて、このデータに基づく意思決定をサポートしています。これにより、この領域での機械学習モデルの開発と実装が増えています。本記事では、データサイエンスが金融の世界を形作る上で果たす重要な役割について掘り下げます。クレジットスコアリングの基本的な意義からデータガバナンスの複雑さ、および顧客セグメンテーションの変革的な力まで、この探求は金融機関がデータに基づく意思決定を行うためにどのようにデータサイエンスを活用しているかを強調しています。学習目標：フィンテックにおけるクレジットスコアリングの役割と重要性を理解する。データガバナンスについて学び、金融データの安全性における重要性を理解する。顧客セグメンテーションが金融の意思決定に与える影響を発見する。フィンテックにおけるクレジットスコアリングと金融データ分析クレジットスコアリングはフィンテックの景色において基本的な要石です。クレジットスコアは、銀行がローンや各種金融商品の対象性を評価するために頼るものです。それはあなたの金融的な健全性を数値で表示したものです。しかし、それは単純な数字ではなく、年齢、収入、資産などの多くの要素に影響を受ける複雑な計算です。フィンテックの領域では、このクレジットスコアは、顧客がローンやクレジットカードの返済を滞納する可能性があるかどうかを評価する上で重要な役割を果たします。返済滞納の履歴がある顧客は、望ましくない「拒否」カテゴリーに置かれるかもしれません。対照的に、好意的なクレジットスコアを持つ顧客は、さまざまな金融商品にアクセスすることができます。この微調整されたプロセスは、責任ある貸し出しの基盤となるデータ分析および予測モデリングに基づいています。特徴量選択とモデル展開利用可能な膨大な金融データがあるため、予測モデルの構築に使用する情報を絞り込むことは重要です。特徴量選択はデータ分析の鍵となるステップであり、データセットを最も関連性の高い変数に絞り込むのに役立ちます。このプロセスは、高度に相関する特徴を特定し、最も情報量の豊富な特徴のみを残すための統計的手法を使用することを含みます。これにより、モデルの精度が向上し、計算コストと時間も削減されます。特徴が選択されると、予測モデルは新しい顧客の信用力を評価するために展開されます。これは、ローン返済のリスクを最小限に抑え、責任ある貸し出しを確保するための重要なステップです。これらのモデルの性能は、分類器の予測能力を測るROC曲線などのメトリクスを使用して評価されます。フィンテックでは、AUC（曲線下面積）が0.75以上であり、頑健なモデルを示すことが業界の標準です。モデル評価とメトリクス予測モデルが作成されたら、その精度と信頼性を評価することが重要です。銀行の領域では、顧客がローンを返済する可能性の予測など、モデルが結果を予測する能力にかかっています。正解率、適合率、再現率などの伝統的なメトリクスが役割を果たしますが、詳細な分析はこれらの基本的なメトリクスを超えたものです。 2つの重要なメトリクスとして、コルモゴロフ・スミルノフ（KS）テストとジニ係数がよく使用されます。KSは、陽性クラスと陰性クラスの累積分布関数の間の分離度を測定します。要するに、モデルが製品（例えば、クレジットカード）を購入するかどうかを区別する能力を示します。注目すべきは、KSが正規分布を要求しないため、さまざまなシナリオに適応できることです。一方、ジニ係数は受信者操作特性（ROC）曲線とベースラインの間の領域を評価します。これは、ROC曲線により深く入り込み、分類器のパフォーマンスについての洞察を提供します。これらのメトリクスは、特定の顧客セグメントを対象とする場合に特に重要です。なぜなら、彼らの行動を理解することは金融の意思決定において重要だからです。モデルのモニタリングモデルのモニタリングは、特に金融テクノロジーの急速な世界では継続的なプロセスです。過去に構築されたモデルは、顧客行動の進化、市場のダイナミクス、規制の変化により、すぐに時代遅れになることがあります。ここでモニタリングが重要な役割を果たします。定期的に、現在のデータを使用してKSやGiniなどのメトリックが計算され、開発フェーズからのそれらと比較されます。これらのメトリックの差異は、モデルのパフォーマンスを示す指標となります。ビジネス上の考慮事項によって決定されるしきい値は、モデルに介入が必要かどうかを判断するのに役立ちます。例えば、差異が10%または20%を超える場合は、詳細な調査が必要です。このような重要な差異がある場合、モデルの正確性を調整するための2つの方法があります：再校正と再開発。…

Learn more about Search Results プロバイダー - Page 12