Search Results link

「量子化とその他 LLMの推論時間を80%削減する」

量子化（りょうしきか）は、さまざまなアルゴリズムに使用される技術ですが、比較的最近になって大規模言語モデル（LLM）が増加したことで一般的になりましたこの記事では、私は…

「将来に備えたデータゲーム：2023年に必要なトップスキルのデータサイエンティスト」

「2023年に高まる生成AIに基づく、最も求められるスキルの概要」

Career Advice

「10月2023年のベストセールスエンゲージメントプラットフォーム」

現在の速いペースでますますデジタル化されていくビジネス環境において、顧客と効果的に関わるアートは劇的に進化していますセールスエンゲージメントプラットフォームは、セールスチームにとって不可欠なツールとして登場しましたこれらのプラットフォームは、相互作用を強化し、プロセスを自動化し、セールスを推進するための高度な機能を提供しますこれらのプラットフォームは、単に連絡先を管理したり、セールスを追跡したりするだけではありませんそれらは包括的なアプローチを表しています...

best of

「確率的リンケージは、曖昧なマッチングや用語の頻度ベースのアプローチよりも正確である理由」

普遍的なデータ品質の問題は、同じエンティティを参照する複数の異なるレコードがあるが、これらのエンティティを結び付ける一意の識別子が存在しないことです一意の識別子がない場合…

合成時系列データ生成としてのLLM

最近、私たちはBremboハッカソンで$10,000の大賞を獲得しました課題は、ジェネラティブAIを使用して新しい化合物を作成し、それらの予測されたパフォーマンスデータを生成することでした私たちは…

統合と自動化の簡素化：Boomi CTOが開発者と共有するビジョン

アイと自動化を活用した民主化された統合プラットフォームは、複雑なタスクを単純化し、持続的な進化を推進します

PEFTの概要：最先端のパラメータ効率の良い微調整の概要

「LoRAなどのパラメーター効率の高いファインチューニングテクニックを学んで、限られた計算リソースを使って大規模な言語モデルを効率的に適応させる方法を習得しましょう」

Machine learning

「OWLv2のご紹介：ゼロショット物体検出におけるGoogleのブレークスルー」

はじめに 2023年も終わりが近づいていますが、コンピュータビジョンコミュニティにとっての興奮するニュースは、Googleが最近OWLv2のリリースとともにゼロショットオブジェクト検出の世界で大きな進歩を遂げたことです。この最新モデルは🤗 Transformersで利用可能であり、これまでに存在する中でも最も堅牢なゼロショットオブジェクト検出システムの1つを表しています。これは昨年に導入されたOWL-ViT v1の基盤を築いています。この記事では、このモデルの動作とアーキテクチャを紹介し、推論を実行する実用的なアプローチを見ていきます。さあ、始めましょう。学習目標コンピュータビジョンにおけるゼロショットオブジェクト検出の概念を理解する。 GoogleのOWLv2モデルの背後にある技術とセルフトレーニングのアプローチについて学ぶ。 OWLv2の使用に必要な実用的なアプローチ。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。 OWLv2の技術 OWLv2の印象的な機能は、その革新的なセルフトレーニングのアプローチによるものです。このモデルは、10億以上の例から成るウェブスケールデータセットでトレーニングされました。これを達成するために、著者たちはOWL-ViT v1の強力さを活用し、そのモデルを使用して擬似ラベルを生成し、それを使ってOWLv2をトレーニングしました。さらに、モデルは検出データ上で微調整され、それによって先行モデルであるOWL-ViT v1に比べて性能が向上しました。セルフトレーニングによってオープンワールドの位置特定のウェブスケールトレーニングが可能になり、オブジェクトの分類や言語モデリングで見られるトレンドに倣っています。 OWLv2のアーキテクチャ OWLv2のアーキテクチャはOWL-ViTと似ていますが、オブジェクト検出のヘッドに注目すべき追加があります。これにより、予測ボックスがオブジェクトを含む可能性を予測するオブジェクト性の分類器が含まれるようになりました。オブジェクト性スコアは洞察を提供し、テキストクエリに関係なく予測を順位付けやフィルタリングするために使用することができます。ゼロショットオブジェクト検出ゼロショット学習は、GenAIのトレンド以来一般的になった新しい用語です。これは、主に大規模言語モデル（LLM）の微調整で見られます。これは、いくつかのデータを使用してベースモデルを微調整し、モデルが新しいカテゴリに対応するようにすることを指します。ゼロショットオブジェクト検出はコンピュータビジョンの分野で画期的なものです。これは、手動で注釈付けされたバウンディングボックスの必要がなくなり、モデルが画像内のオブジェクトを検出する能力を向上させます。これによりプロセスがスピードアップし、手動の注釈が不要になるため、人間にとっては魅力的で、退屈ではありません。 OWLv2の使い方 OWLv2はOWL-ViTと同様のアプローチを採用していますが、更新されたイメージプロセッサOwlv2ImageProcessorを特徴としています。さらに、モデルはテキストのエンコードにCLIPTokenizerを使用しています。Owlv2ProcessorはOwlv2ImageProcessorとCLIPTokenizerを組み合わせた便利なツールであり、テキストのエンコードプロセスを簡素化します。以下に、Owlv2ProcessorとOwlv2ForObjectDetectionを使用してオブジェクト検出を実行する方法の例を示します。…

「ドラッグ＆ドロップ、分析：ノーコードデータサイエンスの台頭」

データサイエンスにおけるノーコードまたはローコードの機能は、近年大きな注目を集めていますこれらのソリューションは十分に実証され、成熟しており、データサイエンスをより幅広い人々にアクセス可能にしています

Data science

「Hugging Face AutoTrainを使用して、LLM（Language Model）を微調整する方法」

このツールを使えば、簡単に私たちのLLM能力を向上させることができます

language models

Learn more about Search Results link - Page 29