Search Results ML

Googleと一緒にジェネレーティブAIを学ぶ

「Googleの10の無料コースでGenerative AIを学びましょう拡散モデル、エンコーダ・デコーダアーキテクチャ、アテンションメカニズムなどをマスターしましょう今日から始めましょう！」

「Googleと一緒にジェネレーティブAIを学びましょう」

「Googleの10の無料コースでジェネラティブAIを学びましょう拡散モデル、エンコーダーデコーダーアーキテクチャ、アテンションメカニズムなどをマスターしましょう今日から始めましょう！」

イントロダクション生成AIと大規模言語モデル（LLM）は、人工知能（AI）と機械学習（ML）に新たな時代をもたらしました。これらの大規模言語モデルは、さまざまなドメインでさまざまなアプリケーションで使用され、AIに対する新たな視点を開いています。これらのモデルは、インターネット上の膨大なテキストデータでトレーニングされ、人間のような方法でテキストを生成することができます。最もよく知られているLLMの例は、OpenAIによって開発されたChatGPTです。それはオリジナルのコンテンツの作成からコードの書き込みまでさまざまなタスクを実行することができます。この記事では、LLMの1つであるPandasAIの一つの応用について説明します。PandasAIガイドは、Pythonの人気のあるPandasライブラリとOpenAIのGPTの融合と考えることができます。それはコードをあまり書かずにデータから素早く洞察を得るために非常に強力です。学習目標 PandasとPandasAIの違いを理解する PandasAIとデータ分析と可視化の役割 PandasAIを使用して完全な探索的データ分析ワークフローを構築する明確で簡潔で具体的なプロンプトの書き方の重要性を理解する PandasAIの制限を理解するこの記事は、Data Science Blogathonの一部として公開されました。 PandasAI PandasAIは、データ分析と可視化のタスクをより簡単にするための新しいツールです。PandasAIはPythonのPandasライブラリで構築され、その作業には生成AIとLLMが使用されています。Pandasとは異なり、データを手動で分析および操作する必要がなく、PandasAIはテキストプロンプトを提供するだけでデータから洞察を生成することができます。それはあなたの助手に指示を与えるようなものであり、熟練して堪能な人間ではなく、人間のように情報を理解し処理する機械です。この記事では、コードの例と説明を交えながら、PandasAIを使用した完全なデータ分析および可視化プロセスをレビューします。それでは、始めましょう。 OpenAIアカウントの設定とAPIキーの抽出 PandasAIライブラリを使用するには、OpenAIアカウント（既に持っていない場合）を作成し、APIキーを使用する必要があります。以下の手順で行うことができます。 https://platform.openai.comにアクセスし、個人アカウントを作成します。アカウントにサインインします。右上の個人をクリックします。ドロップダウンメニューからAPIキーの表示を選択します。新しいシークレットキーを作成します。シークレットキーをコピーし、コンピュータ上の安全な場所に保存します。上記の手順に従っていれば、プロジェクトで生成AIの力を活用する準備が整っています。 PandasAIのインストール…

コード生成を通じたモジュラーなビジュアル質問応答

投稿者：UCバークレーの博士課程生であるSanjay SubramanianとGoogle Researchの研究科学者であるArsha Nagrani、Perception Team ビジュアル質問応答（VQA）は、画像または複数の画像に関する質問に対する回答をモデルに求める機械学習のタスクです。従来のVQA手法では、数千の人間による質問-回答ペアが画像に関連付けられたラベル付きトレーニングデータが必要でした。近年、大規模な事前トレーニングの進歩により、少なくとも50のトレーニング例（few-shot）や人間によるVQAトレーニングデータ（zero-shot）なしで優れたパフォーマンスを発揮するVQA手法の開発が行われています。しかし、これらの手法とMaMMUTやVinVLなどの最先端の完全教師ありVQA手法との間にはまだ大きなパフォーマンスの差があります。特に、few-shot手法は空間的な推論、数え上げ、および多段階の推論に苦労しています。さらに、few-shot手法は通常、単一の画像に関する質問に答えることに制限されています。「Modular Visual Question Answering via Code Generation」では、複雑な推論を必要とするVQAの精度を向上させるために、ACL 2023で発表される予定の論文で、CodeVQAというプログラム合成を使用したビジュアル質問応答のフレームワークを紹介します。具体的には、画像または画像セットに関する質問が与えられた場合、CodeVQAは画像を処理するための簡単なビジュアル関数を持つPythonプログラム（コード）を生成し、このプログラムを実行して回答を決定します。few-shotの設定では、CodeVQAはCOVRデータセットで約3%、GQAデータセットで約2%の改善を示し、従来の手法を上回ることを示しています。 CodeVQA CodeVQAアプローチでは、PALMなどのコード生成の大規模言語モデル（LLM）を使用してPythonプログラム（コード）を生成します。これらの関数を正しく使用するために、これらの関数の説明と、関連するPythonコードとの対になる視覚的な質問の「in-context」の例が含まれるプロンプトを作成します。これらの例を選択するために、入力質問と注釈付きプログラムの質問のエンベッディングを計算します（ランダムに選択された50の質問のセット）。そして、入力に最も類似した質問を選択し、それらをin-contextの例として使用します。プロンプトと回答を求めたい質問が与えられた場合、LLMはその質問を表すPythonプログラムを生成します。 CodeVQAフレームワークを具体化するために、3つのビジュアル関数である（1）query、（2）get_pos、および（3）find_matching_imageを使用します。 Queryは、単一の画像に関する質問に答えるために、few-shot Plug-and-Play VQA（PnP-VQA）メソッドを使用して実装されます。PnP-VQAは、数百万の画像キャプションペアで事前トレーニングされた画像キャプション変換モデルであるBLIPを使用してキャプションを生成し、これらを質問の回答を出力するLLMに入力します。 Get_posは、物体の説明を入力として受け取り、画像内のその物体の位置を返すオブジェクトローカライザです。この関数はGradCAMを使用して実装されています。具体的には、説明と画像はBLIPのテキスト-画像ジョイントエンコーダを通過し、画像-テキストのマッチングスコアを予測します。GradCAMは、このスコアの画像特徴量に対する勾配を取り、テキストに関連のある領域を見つけます。 Find_matching_imageは、複数の画像の質問で与えられた入力フレーズに最も一致する画像を見つけるために使用されます。この関数は、BLIPテキストエンコーダと画像エンコーダを使用してフレーズのテキスト埋め込みと各画像の画像埋め込みを計算します。そして、テキスト埋め込みと各画像埋め込みの内積は、各画像のフレーズへの関連度を表し、この関連度が最大となる画像を選択します。これらの3つの関数は、非常に少ないアノテーション（例えば、ウェブから収集したテキストや画像テキストのペアと少数のVQAの例）を必要とするモデルを使用して実装できます。さらに、CodeVQAフレームワークは、ユーザーが実装するかもしれない他の関数（例：オブジェクト検出、画像セグメンテーション、または知識ベースの検索）にも簡単に拡張できます。 CodeVQAメソッドのイラスト。まず、大規模言語モデルが質問を表すPythonプログラム（コード）を生成します。この例では、簡単なVQAメソッド（query）が質問の一部に答えるために使用され、オブジェクトローカライザ（get_pos）が言及されたオブジェクトの位置を見つけます。そして、これらの関数の出力を組み合わせて元の質問に対する回答を生成します。…

PlotlyとPandas：効果的なデータ可視化のための力の結集

昔々、私たちの多くがこの問題にぶつかったことがありましたもし才能がないか、前もってデザインのコースを受講したことがなければ、視覚的なものを作ることはかなり困難で時間がかかるかもしれません…

SVMの最適化：プライマルとデュアル形式

サポートベクターマシンまたはSVMSVMの双対形と原始形最適化ラグランジュ乗数、KKT条件、カーネルトリック、座標上昇アルゴリズム

Sklearnの交差検証の可視化：K-Fold、シャッフル＆スプリット、および時系列スプリット

基本的に、交差検証は学習アルゴリズムを評価するための統計的手法です固定数のフォールド（データのグループ）が分析を実行するために設定されますこれらのフォールドはデータを2つのセットに分割します...

「ChatGPTコードインタプリタは、すべてのプラスユーザーに利用可能です」

データ分析のためのChatGPTコードインタープリターの力を解き放ちましょうVoAGIの収益統計を革新し、データアナリストの能力を向上させましょう

「人工知能がゼロトラストを強化する方法」

「技術は絶えず進化し、産業の運営方法を変えていますゼロトラストセキュリティは、サイバーセキュリティの世界で大きな影響を与えています多くの企業が迅速にこの慣行を採用し、従業員が安全にどこからでも作業できるように安心感を持つようにしましたゼロトラストセキュリティには、効果的に運用するために堅牢な技術が必要であり、人工知能（AI）の台頭とともに...」

ゼロからdbtモデルを設計する方法

「dbtの究極ガイドを調査していた時、実際にモデルをゼロから構築するための資料がほとんどないことに驚きました具体的な手順はツールの中ですべてカバーされていますが、...」

Learn more about Search Results ML - Page 343