Search Results ML

「機械学習モデルが医学的診断と治療において不公平を増幅する方法」

「MITの研究者たちは、代表的でないグループの間の医療格差の原因を調査しています」

「初心者のためのPandasを使ったデータフォーマットのナビゲーション」

はじめに Pandasとは、名前だけではありません – それは「パネルデータ」の略です。では、それが具体的に何を意味するのでしょうか？経済学や統計学におけるPandasのデータ形式を使用します。それは、異なるエンティティや主体に対して複数の期間にわたる観察を保持する構造化されたデータセットを指します。現代では、人々はさまざまなファイル形式でデータを保存し、アクセス可能な形式に変換する必要があります。これは、データサイエンスプロジェクトの最初のステップであり、この記事の主な話題になります。この記事は、データサイエンスブログマラソンの一環として公開されました。 Pandasのデータサイエンスの成功の要素簡単なデータ処理： pandasの特筆すべき機能の一つは、複雑なデータタスクを簡単に処理できることです。以前は複雑なコードだったものが、pandasの簡潔な関数によってスムーズに処理されるようになりました。完璧なデータの調和： pandasは、NumPy、Matplotlib、SciPy、Scikit Learnなどの高度なライブラリとシームレスに組み合わさり、より大規模なデータサイエンスの一部として効率的に機能します。データ収集の適応性： pandasは、さまざまなソースからデータを収集する柔軟性を持っています。CSVファイル、Excelシート、JSON、またはSQLデータベースであっても、pandasはすべて対応します。この適応性により、データのインポートが簡素化され、形式変換の頭痛から解放されます。要するに、pandasの成功は、ユーザーフレンドリーな構造、データの管理能力、他のツールとの統合、さまざまなデータソースの処理能力から生まれています。これにより、データ愛好家はデータセットに隠された潜在能力を引き出し、データサイエンスの景観を再構築することができます。 Pandasはデータをきれいに整理する方法 pandasをデータ整理のオーガナイザーとして想像してみてください。pandasは、「Series」と「DataFrame」という2つのすばらしい構造を使用してデータを処理します。それらはデータストレージのスーパーヒーローのようなものです！ Series： Seriesは、データが配置される直線のようなものです。それは数字から単語まで、あらゆるものを保持することができます。各データには、インデックスと呼ばれる特別なラベルが付いています。それは名札のようなものです – データを簡単に見つけるのに役立ちます。Seriesは、単一の列のデータを扱うときに非常に便利です。計算や分析などのトリックを実行することができます。 DataFrame： DataFrameは、ミニスプレッドシートまたはファンシーテーブルのようなものです。Excelで見るような行と列があります。各列はSeriesです。したがって、「Numbers」列、「Names」列などが持てます。DataFrameは完全なパッケージのようなものです。数値、単語など、さまざまなデータを処理するのに非常に優れています。さらに、探索やデータの整理、データの変更などの便利な機能を備えています。DataFrameの各列はSeriesです！…

「spaCyを使用したNLPパイプラインの強化」

はじめに spaCyは、自然言語処理（NLP）のためのPythonライブラリです。spaCyを使用したNLPパイプラインは無料でオープンソースです。開発者は、Cythonのように情報抽出や自然言語理解システムを作成するためにそれを使用します。このツールは、コンパクトで使いやすいAPIを持つ製品のために使用します。テキストを大量に扱う場合は、それについてもっと学びたいと思うでしょう。例えば、それは何についてですか？どの文脈で用語は意味を持ちますか？誰に対して何が行われていますか？どのビジネスや商品が言及されていますか？どのテキストが互いに比較できますか？ spaCyは、本番使用を想定しており、膨大な量のテキストを処理して「理解」するアプリケーションの開発を支援します。情報抽出システム、自然言語解釈、深層学習のためのテキストの前処理など、さまざまなタスクに対応できます。学習目標トークン化、品詞タグ付け、固有名詞の識別など、spaCyの基礎を学ぶ。効率的かつ高速なテキスト処理アーキテクチャであるspaCyのテキスト処理アーキテクチャを理解し、大規模なNLPジョブに適している。 spaCyでは、NLPパイプラインを探索し、特定のタスクに特化したカスタムパイプラインを作成できます。ルールベースのマッチング、構文解析、エンティティリンクなど、spaCyの高度な機能を探索する。 spaCyで利用可能な多数の事前学習済み言語モデルについて学び、さまざまなNLPアプリケーションでそれらを利用する方法を学ぶ。 spaCyを使用してテキスト内のエンティティを識別し、分類するための固有名詞認識（NER）戦略を学ぶ。この記事は、データサイエンスブログマラソンの一環として公開されました。統計モデル一部のspaCyの機能は自律的に機能しますが、他の機能は統計モデルのロードが必要です。これらのモデルにより、spaCyは単語が動詞か名詞かを決定するなど、言語の注釈を予測することができます。現在、spaCyはさまざまな言語の統計モデルを提供しており、それらを個別のPythonモジュールとしてインストールすることができます。通常、以下の要素を組み込んでいます：品詞タガー、依存パーサー、固有名詞認識器に対してバイナリの重みを割り当てることで、それらの注釈を文脈で予測します。語彙中の形態素とその文脈に依存しない特徴（形式や綴りなど）を含む語彙項目。レンマ化のルールやルックアップテーブルなどのデータファイル。単語の多次元の意味表現である単語ベクトルで、単語間の類似性を特定することができます。モデルのロード時に、言語や処理パイプラインの設定などの設定オプションを使用してspaCyを適切な状態にすることができます。モデルをインポートするには、以下のようにspacy.load(‘モデル名’)を実行します： !python -m spacy download…

「Microsoft Azureは、企業向けAIのためのChatGPTをリリースしました」

マイクロソフトAzureは、ChatGPTを導入することにより、エンタープライズAIの大きな飛躍を遂げています。Azure OpenAI Serviceのプレビューで利用できるようになったChatGPTは、企業がネットワーク内で実行できるようにする画期的な進化です。この画期的な進展により、ビジネスは作業体験を向上させ、生産性を向上させ、さまざまな強力な機能を提供することができます。マイクロソフトAzure ChatGPTが企業が人工知能を活用する方法を変革する様子を詳しく見てみましょう。また、IBMはWatsonxプラットフォームを使用して、エンタープライズAIの景観を革新しています。スムーズなワークフローのためのシームレスな統合 ChatGPTがAzure OpenAI Serviceに統合されることで、組織はGPT-3.5やCodexなど、さまざまな高度なAIモデルにアクセスできるようになります。この統合により、1,000以上の顧客が最先端のAIを革新的な方法で活用することができます。ChatGPTはコードブロックの修正やさまざまなタスクの実行能力を持ち、作業プロセスを向上させ、チームの効果的な協力を可能にします。また、マイクロソフトのAI Copilotは、オフィス、GitHub、Bing、サイバーセキュリティを強化することで、ワークフローを向上させます。マイクロソフトのオープンソースのアプローチマイクロソフトは、Azure ChatGPTをプライベートなAzureホスティングでGitHubにアップロードすることにより、新たな地盤を築いています。このアプローチにより、透明性とアクセシビリティが確保され、組織はチャットボットを既存のインフラストラクチャにシームレスに統合することができます。また、Metaはすべての有望なプロジェクトをオープンソース化しています。その理由を知りましょう。 Azureユーザー向けの簡単な展開 Azureを既に使用している企業は、新機能の追加が簡単なプロセスです。GitHubのページには、インストールと展開のための包括的な手順が記載されており、組織は素早くMicrosoft Azure ChatGPTをワークフローに統合することができます。プライベートChatGPTの力を解き放つ ChatGPTの人気は世界的に急速に広がっており、ビジネスユーザーは生産性を向上させるためのポテンシャルをますます活用しています。マイクロソフトのAzureソリューションアクセラレータは、このポテンシャルをさらに活かすためにAIモデルをエンタープライズオプションとして提供しています。このプライベートなChatGPTソリューションは、ユーザーに馴染みのあるチャットボット体験を提供しながら、データのプライバシーとセキュリティを確保します。また、OpenAIは6つのエキサイティングなChatGPTの機能を発表し、ユーザーエクスペリエンスを革新します。 Microsoft Azure…

VoAGI ニュース、8月16日：テキストをパワーポイントプレゼンテーションに変換するための ChatGPT の利用 • ジェネラティブ AI アプリケーションを構築するための最高の Python ツールチートシート

テキストをパワーポイントプレゼンテーションに変換する方法 • ジェネレーティブAIアプリケーションのための最高のPythonツールチートシート • テックウィンターを生き残るためにデータサイエンティストは専門化する必要がある • Pythonベクトルデータベースとベクトルインデックス LLMアプリケーションのアーキテクチャ設計 • SQLクエリの高速化方法...

NEWS

効率化の解除：Amazon SageMaker Pipelinesでの選択的な実行の活用

MLOpsは、しばしば機械学習（ML）モデルを本番環境で展開するための重要な学問分野ですトレーニングと展開をしたい単一のモデルに焦点を当てるのは自然なことですしかし、現実には、数十、または数百のモデルを扱うことがあり、そのプロセスには複数の複雑なステップが関与する場合もありますそのため、重要なのは...

「AIプロジェクトはどのように異なるのか」

「私はよく見込み客から人工知能（AI）ソフトウェアのプロセスを説明するように求められます最近では、ソフトウェア開発とデータサイエンスの広範な知識を持つマネージャーからも質問を受けました...」

トムソン・ロイターが6週間以内に開発したエンタープライズグレードの大規模言語モデルプレイグラウンド、Open Arena

この記事では、トムソン・ロイター・ラボがAWSとの協力のもとで開発したトムソン・ロイターの企業全体で使用される大規模言語モデル（LLM）のプレイグラウンド、Open Arenaについて説明しますオリジナルのコンセプトは、Simone Zucchet（AWSソリューションアーキテクト）とTim Precious（AWSアカウントマネージャー）のサポートを受けたAI/MLハッカソンで生まれ、AWSのサービスを使用して6週間以内に本番環境に開発されましたAWS Lambda、Amazon DynamoDB、Amazon SageMakerなどのAWS管理サービス、および事前に構築されたHugging Face Deep Learning Containers（DLC）がイノベーションのスピードに貢献しました

Amazon SageMakerを使用して、オーバーヘッドイメージで自己教師ありビジョン変換モデルをトレーニングする

この記事では、Amazon SageMakerを使用して、オーバーヘッドのイメージに対して自己教師ありビジョン変換器をトレーニングする方法を示しますトラベラーズは、Amazon Machine Learning Solutions Lab（現在はGenerative AI Innovation Centerとして知られています）と協力して、このフレームワークを開発し、航空写真モデルのユースケースをサポートおよび強化しました

Learn more about Search Results ML - Page 297