Search Results OPT

「ChatGPTのためにNGINXを使用してOpenAIリバースプロキシを設定する」

「ChatGPT OpenAIリバースプロキシとNGINXのステップバイステップの手順で、Janitor AIや他のサービスへのシームレスな統合を実現します」

ウェブ上のPython

人気のあるPythonの可視化ライブラリを使えば、さまざまな形式のチャートやダッシュボードを比較的簡単に作成することができますただし、それを共有することはずっと複雑になるかもしれません...

イントロダクションデータサイエンスと聞くと、まず思い浮かぶのはノートブック上でモデルを構築しデータをトレーニングすることです。しかし、実際の世界のデータサイエンスでは、このような状況はありません。実際の世界では、データサイエンティストはモデルを構築し、それを本番環境に展開します。本番環境には、モデルの開発、展開、信頼性の間にギャップがあり、効率的でスケーラブルな運用を実現するために、データサイエンティストはMLOps（Machine Learning Operations）を使用します。MLOpsは本番環境でMLアプリケーションを構築し展開するための手法です。この記事では、MLOpsを使用して、顧客の離反予測プロジェクトを構築し展開します。学習目標この記事では、次のことを学びます：プロジェクトの概要 ZenMLとMLOpsの基礎を紹介します予測のためにモデルをローカルに展開する方法を学びますデータの前処理とエンジニアリング、モデルのトレーニングと評価に入ります。この記事はData Science Blogathonの一部として公開されました。プロジェクトの概要まず、プロジェクトの内容を理解する必要があります。このプロジェクトでは、通信会社からのデータセットを使用します。このデータセットを使用して、ユーザーが会社のサービスを継続するかどうかを予測するモデルを構築します。このMLアプリケーションを構築するために、ZenmMLとMLFlowの助けを借ります。プロジェクトのワークフローは以下の通りです。プロジェクトのワークフローデータ収集データの前処理モデルのトレーニングモデルの評価展開 MLOpsとは？ MLOpsは、開発から展開、継続的なメンテナンスまでのエンドツーエンドの機械学習ライフサイクルです。MLOpsは、機械学習モデルのライフサイクル全体を効率的かつスケーラブルに自動化することで、拡張性、信頼性、効率性を確保します。簡単な例を使って説明しましょう：…

僧侶の病気探偵：AI技術を活用した植物健康ガイド

イントロダクション農業は私たちの文明の生命線であり、地球上の数十億人に栄養と食物を提供しています。しかし、この重要な産業は絶え間ない敵、つまり植物の病気に直面しています。これらの微小な脅威は作物に甚大な被害をもたらし、経済損失や食料不足を引き起こします。私たちの農業の遺産を守るカギは、最新の技術が介入する早期の検出と適時の対応にあります。この包括的なガイドでは、強力な機械学習ライブラリであるMonkを使用した植物の病気分類の旅に出ます。この記事の最後までに、人工知能を活用して植物の病気を効果的に特定し、対処するための知識を身につけることができます。では、Monkがどのように私たちに力を与え、植物の病気分類のためのディープラーニングモデルを作成、訓練、最適化するかを探求していきましょう。しかし、技術的な側面に入る前に、この取り組みの重要性とMonkが重要な役割を果たす理由を理解するために舞台を設定しましょう。学習目標 Monkソフトウェア/ライブラリの基本を理解する。ローカルマシンまたは好きな開発環境にMonkをインストールして設定する方法を学ぶ。機械学習における高品質なデータの重要性を探求する。 Monkを使用して、植物の病気の画像データセットを取得、前処理、整理して分類タスクに使用する方法を学ぶ。植物の病気分類に適したディープラーニングモデルアーキテクチャの選択に対する洞察を得る。 Monk内でモデルを設定し微調整する方法を理解する。転移学習における事前学習済みモデルも含む。この記事はData Science Blogathonの一部として公開されました。実践ガイド：Monkによる最初の病気分類モデルの作成このセクションでは、植物の病気分類のためのMonkモデルのステップバイステップのプロセスをご紹介します。機械学習に初めて取り組む方から経験豊富なデータサイエンティストまで、以下の手順に従って植物の病気分類の旅を始めましょう。ステップ1：データ収集この最初のステップでは、植物の病気分類プロジェクトに必要なデータセットを収集します。以下の手順に従ってデータを収集してください：すばらしいPlant Villageのチームがデータセットを収集しました 1. Kaggle APIトークンのアップロード：以下のコードを使用してKaggle APIトークンをアップロードしてください。このトークンは、Kaggleからデータセットをダウンロードするために必要です。…

「AWS上でクラウドネイティブなフェデレーテッドラーニングアーキテクチャを再発明する」

このブログでは、AWS上でクラウドネイティブなFLアーキテクチャを構築する方法を学びますAWSのインフラストラクチャとコード（IaC）ツールを使用することで、簡単にFLアーキテクチャを展開することができますまた、クラウドネイティブアーキテクチャは、確かなセキュリティと運用の優れたAWSサービスのさまざまな利点を最大限に活用し、FLの開発を簡素化します

「Amazon SageMaker JumpStartで利用可能な自動音声認識のWhisperモデル」

「今日は、OpenAI Whisper ファウンデーションモデルが Amazon SageMaker JumpStart を利用するお客様に利用可能であることをお知らせいたしますWhisper は、自動音声認識 (ASR) と音声翻訳のための事前学習済みモデルですラベル付きデータ 68万時間で訓練された Whisper モデルは、多くのデータセットやドメインにおいて高い一般化能力を示し、必要な転移学習やドメイン適応を行わずに利用できます」

新しい – Amazon SageMaker Canvasで利用可能なノーコード生成AI機能が追加されました

2021年に発売されたAmazon SageMaker Canvasは、ビジネスアナリストや市民データサイエンティストが使いやすいビジュアルなポイントアンドクリックサービスで、準備された機械学習（ML）モデルを使用し、コードを書く必要なく正確な予測を行うカスタムMLモデルを構築することができます準備されたモデルにより、テキスト、画像、ドキュメントから直接的な気付きを得ることができます

「最大AIパフォーマンス：最新のNVIDIA GPUによって高速化されたAdobeの最新アップデートは、何百万ものクリエイターのワークフローを改善します」

生成AIは、多くの産業で創造的な人々が思い描いたアイデアを類まれな速さで実現するのに役立っています。この技術は、Adobe MAXで展示されます。10月12日（木曜日）まで、対面とバーチャルで行われます。Adobe MAXをご覧ください。 Adobeは、Adobe Fireflyのリリースにより、創作者たちの手に生成AIの力を与えています。NVIDIAのGPUを使用して、Adobeは芸術家やその他の人々が生成AIを加速させるための新たな機会をもたらし、数百万人のユーザー向けに生成AIの拡張を解放しています。Fireflyは現在、スタンドアロンのアプリとして利用可能であり、他のAdobeアプリとも統合されています。 Adobe Premiere Pro、Lightroom、After Effects、Substance 3Dの最新のアプリのアップデートにより、クリエイターに新たなAI機能がもたらされました。さらに、GeForce RTXおよびNVIDIA RTXのGPUは、これらのアプリやAIエフェクトを高速化し、膨大な時間の節約をもたらします。ビデオエディターは、最適化された話し声の品質を向上させるAIのEnhance Speech（ベータ版）機能を活用したり、RTX GPUでのPremiere ProでのARRIRAWカメラのオリジナルデジタルフィルムクリップのGPUアクセラレーションデコードで、Apple MacBook Pro 16 M2 Maxと比較して最大60%高速化される点を活用したりすることができます。さらに、After Effectsで利用できる次世代Roto Brush（バージョン3.0）機能により、改善されたロトスコーピングの品質も活用できます。…

未来は今です：MedTechにおけるAIの6つの応用

AI革命は特にMedTechで重要です将来の医学には巨大な潜在能力を持つ6つのケースを探求しましょう

Tech

「GPU上の行列乗算」.

このブログでは、最新の行列の乗算がCUDAでどのように実装されるかについて詳しく説明しますNVIDIA GPUのアーキテクチャについて詳しく述べ、それら上で高い効率性を持つアルゴリズムを設計するために必要な要素に深く踏み込みます

Learn more about Search Results OPT - Page 53