Search Results A

「Amazon SageMaker JumpStartを使用したゼロショットテキスト分類」

自然言語処理（NLP）は、機械学習（ML）の分野であり、コンピュータに人間と同じようにテキストや話された言葉を理解する能力を与えることに関心があります最近では、トランスフォーマーアーキテクチャなどの最先端のアーキテクチャが使用され、テキスト要約、テキスト分類、エンティティ認識などのNLP下流タスクでほぼ人間のパフォーマンスを実現するために使用されています

「あなたも使えるAIの実用的な5つの方法」

ChatGPTの公開に伴う一つの教訓は、AIはデータサイエンスの専門家に限定されていないということです労働者、マネージャー、学生、および他の業界の人々は、AIおよび生成AIツールを自分のツールキットに取り入れることの利点を発見していますこれらのツールは...

「ジェネラティブAIを用いたERPと大規模企業の拡張：フレームワークのステップ1」

編集者の注：ジェイソン・タンは、8月22日から23日にかけて行われるODSC APACのスピーカーです彼の講演「ジェネラティブAIアプリケーションの構築におけるフレームワークと得られた教訓」をぜひチェックしてください！AIのダイナミックな世界において、2022年11月30日のChatGPTの導入は画期的なターニングポイントとなりました...

APAC 2023

「ジェネレーティブAIを正しくする責任は誰にあるのか？」

「境界を超える技術の無限の可能性」

Artificial Intelligence

「Pandasのスケーリング入門」

編集者の注記ドリス・リーは、今年10月30日から11月2日に開催されるODSCウエストのスピーカーです彼女のトーク「たった1行のコードを変更してデータサイエンスのワークフローをスケーリングする方法」をぜひチェックしてください！pandasは現在最も人気のあるデータサイエンスライブラリの1つですある調査によると...

「GPT-5がOpenAIによって商標登録されました：それがChatGPTの未来について何を示しているのでしょうか？」

「GPT-5とは何ですか？また、OpenAIがなぜそれに商標を取得したのでしょうか？人工一般知能（AGI）に向けた次のステップとなる可能性のあるマルチモーダルAIについて調べてみましょうこの記事を読んで、GPT-5およびその商標の潜在的な機能、課題、および影響について詳しく知りましょう」

「ChatGPTを活用したデータクリーニングと前処理の自動化」

「ChatGPTを使用した実世界のデータセットのデータクリーニングと前処理のタスクのガイド」

Data science

Googleは、AIを搭載したブラウザベースの開発者の楽園である「Project IDX」を発表しました

AIのイノベーションを推進し、その限界を打ち破るために、Googleは最新プロジェクト「Project IDX」を発表しました。この野心的な事業は、人工知能（AI）の力を活用してコーディングを革新する、新たなウェブおよびマルチプラットフォームアプリ開発の時代を切り拓きます。開発プロセスを効率化すると約束するさまざまな機能を備えたProject IDXは、開発者の景色を変える準備ができています。また読む：プログラマを助けるためのコード生成が可能な10のAIツール開発者の力を引き出す：新たなAI対応フロンティア GoogleのProject IDXは、AI機能を組み込んだブラウザベースの開発環境を導入することで、コーディングの概念を新たな高みに押し上げます。このダイナミックなプラットフォームは、フルスタックのウェブおよびマルチプラットフォームアプリケーションの作成に特化しています。Project IDXは、Angular、Flutter、Next.js、React、Svelte、Vueなどのさまざまなフレームワークをサポートすることで、開発者が前例のない効率で作成できるように力を与えます。また読む：コーディングを革新する次世代AIチャットプログラムClaude 2をAnthropicが発表ビジョンから現実へ：AIがスーパーチャージされた開発 GoogleのIDXは、新しい統合開発環境（IDE）を作成するのではなく、Visual Studio Code – オープンソースの基盤を活用しています。この基盤に基づいて、GoogleはCodeyというパワフルなAI駆動のプログラミングモデルとのシームレスな統合に注力しています。この統合により、スマートなコード補完、ChatGPTパワードチャットボット、およびコンテキストに基づくコードアクションなど、先端の機能が利用可能となります。チャットボットの輝き：AIとの共同作業 Project IDXの中核には、ChatGPT/Bardに似たパワフルなチャットボットがあります。AIの能力を備えたこのチャットボットは、開発者の頼れる相棒です。一般的なコーディングの問い合わせに加えて、コードの具体的な内容にまで踏み込み、説明を提供します。さらに、チャットボットはコメントの追加など、文脈に即したコードアクションを可能にします。また読む：ChatGPTのコードインタプリター：知っておくべきすべて効率が向上：高品質なコードの作成 Project IDXの主な目的は、AIの力を活用して開発者の体験を向上させることです。Googleは、CodeyやPaLM 2などのAIイノベーションがコード作成の景色を再定義すると述べています。コード作成のスピードと精度を高めることで、Project…

「Microsoft AI Researchは、Pythonで直接ONNXモデルを作成するためのONNXスクリプトライブラリをオープンソース化しました」

機械学習の常に進化する風景の中で、ONNX（Open Neural Network Exchange）モデルは重要な技術として登場し、多様なハードウェアプラットフォームとランタイム環境にわたる標準化された柔軟な表現を提供しています。クラウドベースのスーパーコンピュータからスマートフォンやWebブラウザなどのリソース制約のあるエッジデバイスまで、ONNXモデルはスペクトラム全体でシームレスな実行を可能にします。 ONNXの力の中心は、通常Protobuf形式を使用して表されるグラフ形式です。しかし、ONNXは単なるグラフ表現以上のものです。それは一連の簡潔なプリミティブオペレータで構成されており、ランタイムとハードウェアベンダーによって普遍的に実装されています。広範なエコシステムを維持し、オーバーヘッドを最小限に抑えるため、ONNXは意図的にオペレータ数を低く保ち、ONNX関数を通じてモジュール性を促進します。機械学習モデルはしばしばPyTorchやTensorFlowなどの高レベルフレームワークを使用して構築されますが、それらを本番環境に展開するには移行が必要です。モデルはフレームワークが提供するツールを使用してONNXにエクスポートされ、その後、Oliveなどのツールを使用して特定のターゲットに最適化されます。 ONNXモデルを直接作成するためのマイクロソフトチームによって設計された革新的なオープンソースライブラリであるONNX Scriptに出会ってください。ONNX Scriptは、クリーンで独自のPython構文を優先し、ONNXネイティブの関数を通じて合成性を促進します。このアプローチにより、モデルの作成が簡素化され、既存のPythonツールとの統合が容易になり、可読性と生産性が向上します。重要なことは、ONNX Scriptが将来のPyTorch ONNXエクスポータの基盤であり、TorchDynamoをサポートしているということです。 ONNX Scriptの登場前は、ONNXモデルの作成には仕様とシリアル化形式の深い理解が必要でした。ヘルパーAPIがこのプロセスを改善しましたが、ONNXの複雑さに精通している必要がありました。ONNX Scriptは、Pythonに深く埋め込まれるという異なるアプローチを取ります。 1. オペレータのための型付きAPI：ONNX Scriptは、opset 19を含む現在の186のすべてのオペレータのための型付きAPIを提供します。これにより、標準のPythonツール、リンター、IDEが貴重なフィードバックを提供し、正確性を強制することができます。 2. 自然なPython構文：ONNX Scriptは、条件分岐、ループ、バイナリおよび単項演算子、スライシングなど、Pythonの言語機能をサポートしています。Pythonでは、`a + b`のような式は、ONNX Scriptでは`Add(a,…

Google AIがAdaTapeを導入：トランスフォーマーベースのアーキテクチャを持ち、適応的なテープトークンを通じてニューラルネットワークでの動的な計算を可能にする新しいAIアプローチ

人間は、さまざまな状況や条件に応じて思考や反応を適応させる能力を持っていますが、ニューラルネットワークは固定された関数と入力に制約されています。それらは提示されたサンプルの性質や複雑さに関わらず、常に同じ関数を実行します。この問題に対処するため、研究者たちは適応性を利用しています。適応性は、機械学習システムがシナリオや環境の変化に応じて振る舞いを調整する能力を指します。このパラダイムは、これらのモデルの下流の使用に柔軟性を与えるだけでなく、一部の難しい問題を解決するための強力な帰納的なバイアスとしても機能します。従来のニューラルネットワークは固定された関数と計算能力を持っていますが、適応的で動的な計算を行うモデルは、入力の複雑さに応じて処理に割り当てる計算予算を変調します。ニューラルネットワークでの適応的な計算は2つの理由で魅力的です。第一に、異なる深さの階層をモデル化する必要がある算術問題を解決する際に、異なる数の計算ステップを可能にする帰納的なバイアスを提供します。第二に、動的な計算によって柔軟性が増し、推論のコストを調整する能力を促進します。これらのモデルは新しい入力に対してより多くのFLOPを処理するように調整することができます。その結果、Googleの研究者たちは、適応的な計算を利用する新しいモデル、AdaTapeを提案しました。AdaTapeは、モデルの深さではなく入力シーケンスに適応性を直接注入するため非常に実装が簡単であり、また非常に正確です。AdaTapeは、入力の複雑さに基づいて各入力に追加されるさまざまなテープトークンを決定するために適応的なテープ読み取りメカニズムを使用します。 AdaTapeは、トランスフォーマベースのアーキテクチャであり、弾力性のある入力シーケンスを作成するために動的なトークンのセットを使用します。AdaTapeは適応関数を使用し、各入力を表すベクトル表現を使用して動的なサイズのテープトークンのシーケンスを選択します。 AdaTapeは「テープバンク」を使用して、モデルと相互作用するすべての候補テープトークンを保存します。テープバンクは、入力駆動型バンク（入力駆動型バンクは、生の入力を入力トークンのシーケンスにマッピングするために元のモデルトークナイザーとは異なるアプローチを使用して、入力からトークンのバンクを抽出します）と学習可能なバンク（学習可能なベクトルのセットをテープトークンとして使用してテープバンクを生成するより一般的な方法）の2つの異なる方法を使用して作成されます。その後、テープトークンは元の入力に追加され、トランスフォーマに送られます。そして、2つのフィードフォワードネットワークが使用されます。1つは元の入力用で、もう1つはすべてのテープトークン用です。研究者たちは、入力とテープトークンに対して別々のフィードフォワードネットワークを使用することで、やや良い品質が得られることを観察しました。研究者たちは、AdaTapeの有用性を多くのパラメータでテストしました。彼らは、入力選択メカニズム内での再帰を組み込んだすべてのベースラインを凌駕し、標準のトランスフォーマでは不可能なカウンタの暗黙の維持を可能にする帰納的なバイアスを提供することが分かりました。研究者たちはまた、AdaTapeを画像分類タスクで評価しました。彼らはImageNet-1KでAdaTapeをテストし、品質とコストのトレードオフの点で、AdaTapeが他の適応型トランスフォーマベースラインよりも優れていることが分かりました。

Learn more about Search Results A - Page 298