Search Results ( link

「Pythonを使用してネパールの地形図を作成する」

イントロダクションあなたの国の地勢が経済や政治の発展にどのような影響を与えるのか、気になったことはありませんか？等高線を使用して地球の表面を可視化する地形図は、これらの疑問に答えるのに役立ちます！私たちはPythonを使用して、興味深い地形環境を持つネパールのための地形図を作成します。国の地形を記述する地理空間データを読み取り、このデータを解釈し、可視化する方法を学びます。結果として得られる地図は、国の地形が経済や政治の発展にどのような影響を与えるかを理解するために、非常に詳細な地方レベルで他の関心のあるデータと組み合わせることができます。このブログ記事では、政策や民間セクターの発展に関する情報を提供できる非常に興味深いツールを生成する方法を教えます！学習目標デジタル標高データのデータ分析技術を習得する。 Pythonで地理空間データと関連する分析ツールの使用方法を学ぶ。マッピング技術の知識を習得する。効果的なデータ可視化のためのスキルを開発する。不平等と貧困における標高の重要性を理解する。この記事は、データサイエンスのブログマラソンの一部として公開されました。トポグラフィックマップとは何ですか？トポグラフィックマップは、等高線を使用して地球の表面を可視化する地図です。トポグラフィックマップは、見知らぬ地形をナビゲートするための貴重なツールであり、都市計画や災害管理の入力としても役立ちます。これらの地図は、インフラ開発に関する政策や民間セクタープロジェクトの空間的な文脈を理解するために頻繁に使用され、自然災害の脆弱な地域や教育、医療、インフラなどの必要なサービスへのアクセスが制限されている地域を特定するためにも使用されます。最終的に、これらの地図は、エビデンスに基づいた意思決定のための入力として機能することができます。このブログ記事では、興味深い地形環境を持つネパールのための地形図を作成するためにPythonを使用します。データの説明私たちの地図を生成するために、私たちはアメリカ合衆国地質調査所（USGS）が公開したデータに頼ることになります。USGSは、自然資源、地質学、地理学、水資源、自然災害に関するデータや研究を生成するアメリカ連邦政府の科学機関です。彼らのデータページにアクセスするには、Googleで「USGSデータ」と入力するか、彼らのEarth Explorerにリンクするリンクをクリックします。Earth Explorerは、地球科学データの検索、アクセス、ダウンロードを可能にするオンラインツールおよびデータポータルです。データをフルに使用するためにはアカウントを設定し、ログインする必要があります。データのダウンロードこのブログ記事では、ネパールを例に挙げます。ネパールは世界でも最も困難で興味深い地形を持つ国の一つです。8,000メートル以上の山のうち8つがネパールにあります（Trekking Trail Nepal）、そしてこの国は山岳地帯、丘陵地帯、テライ（平原）の3つの非常に異なる地形地域に分かれています（DHS）。これらの特徴は、国をユニークで興味深いものにしていますが、一部の研究では、ネパールの地形が国を接続すること、人口に必要なサービスを提供すること、持続可能な発展の道にリスクと障壁を課すことが困難であると示しています。このため、検索条件でネパールをフィルタリングします。下の画像に示されているように、ネパールを選択したら、興味のあるデータセットを選択します。データセットタブをクリックし、デジタル標高を選択してください。デジタル標高データにはいくつかのオプションがありますが、いくつかのデータセットを使用することができます。私たちはGlobal Multi-resolution Terrain Elevation Data…

ChatGPTのクエリごとのエネルギー使用量

「この記事では、ChatGPTのクエリごとの電力消費量が含まれる範囲を示し、他の2つの大規模言語モデル（LLM）の測定されたエネルギー消費量と比較します...」

「Googleのトレイルブレイザーのインスピレーションに満ちた旅」

はじめに技術の巨人たちの絶え間なく進化する世界で、勝利と達成の物語はしばしば現れ、大きな夢を抱き、献身的に働いて目標を達成した個人の驚くべき旅を示しています。そのような物語の中心には、Googleの副主任である方がいます。彼のインスピレーションに満ちた成功ストーリーは、テック業界が提供する献身、革新、そして無限の可能性を証明しています。本記事では、Googleの開拓者であり、謙虚な出自から重要な存在となり、その貢献が彼らのキャリアだけでなく、テクノロジーの世界やそれを超えても不可欠なものとなったMr. Mani Garlapatiの驚くべき旅について探求します。 AV: Googleの副主任としての現在のポジションに至るまでの学歴について教えていただけますか？ Mr. Mani: 私はBITS Pilaniでテックファイナンスの統合修士号と学士号を取得し、テクノロジーとファイナンスの堅固な基礎を築きました。その後、テクノロジー業界での後続の役割で優れた成果を上げることができたので、これが役に立ったと考えられます。 JP Morgan Chase、Mu Sigma、TCS Innovation Labs、WalmartLabsでの経験により、銀行業界、IoT、テレマティクス、テキストマイニング、ソーシャルメディア分析、ウェブ分析、NLP、価格設定、サプライチェーン、グローバルソーシング、人事分析など、さまざまな領域で専門知識を得ることができました。これらの多様な経験により、問題解決能力、分析能力、チームでの働き方、異なる環境への適応能力が磨かれたと考えられます。私の現在のGoogleでの役割は、技術領域での大規模な不正行為および詐欺検出に関連するプロジェクトの監督と管理を担当しています。以前のさまざまな領域での経験は、この役割の複雑さに対処し、チームの成功に貢献するために必要なスキルを身につけることができました。全体として、私の学歴と職業経験は、Googleの副主任としての私の成功に貢献し、テクノロジー業界におけるキャリアパスを形作り続けています。成長のまとめ私はテクノロジーとファイナンスの分野で成功する決意を持っていました。私はBITS Pilaniに通い、テックファイナンスの統合修士号と学士号を5年間で取得しました。卒業後、JP Morgan…

「Langchain Agentsを使用して、独自のデータアナリストアシスタントを作成しましょう」

「これまでは、テキスト生成、分析、要約、翻訳、感情分析などのタスクに言語モデルを使用してきました最も有望なユーティリティの一つは、...」

Streamlitの新しいConnections機能とインタラクティブなPlotlyマップでアプリを強化する

最近、Streamlitは、この記事が書かれている時点で、新機能であるst.experimental_connectionを発表しました私はそれを使ってみて、どのように動作するのかを理解することに非常に興味がありました...

『nnU-Netの究極ガイド』

「画像セグメンテーションの主要なツールであるnnU-Netについて、詳細なガイドに深く入り込んでください最先端の結果を得るための知識を獲得しましょう」

「Hugging Face Transformersライブラリを解剖する」

これは、実践的に大規模言語モデル（LLM）を使用するシリーズの3番目の記事ですここでは、Hugging Face Transformersライブラリについて初心者向けのガイドを提供しますこのライブラリは、簡単で...

「マイクロソフト、『極めて無責任』なセキュリティ対策で厳しい批判を受ける」

エクスプロイトと脆弱性の重みに押し潰されるカードのように、Azureは崩壊しているように見えます

マシンラーニングのロードマップ：コミュニティの推奨事項2023

前回の記事で、このロードマップの第1部では、機械学習のための出発点と方向性について簡単に説明しました初心者が堅固な基盤を築くためのシンプルな計画について話しました

「ソースフリーなドメイン適応の汎用的な方法を探求する」

Google の研究科学者であるエレニ・トリアンタフィルーと学生研究員であるマリック・ブディアフによって投稿されました。ディープラーニングは、最近多くの問題とアプリケーションで著しい進歩を遂げていますが、モデルは未知のドメインや分布で展開された場合に予測不能に失敗することがよくあります。ソースフリーなドメイン適応（SFDA）は、事前にトレーニングされたモデル（「ソースドメイン」でトレーニングされたもの）を新しい「ターゲットドメイン」に適応させるための方法を、後者の非ラベルデータのみを使用して設計するための研究分野です。ディープモデルに対する適応方法の設計は、重要な研究分野です。モデルとトレーニングデータセットの規模の増加が彼らの成功の鍵要素である一方で、この傾向の否定的な結果は、このようなモデルのトレーニングがますます計算コストがかかるということであり、一部の場合では大規模なモデルのトレーニングがアクセスしにくくなり、不必要に炭素フットプリントを増加させることになります。この問題を緩和する方法の一つは、既にトレーニングされたモデルを活用して新しいタスクに対処したり、新しいドメインに一般化するための技術を設計することです。実際、モデルを新しいタスクに適応することは、転移学習の枠組みの下で広く研究されています。 SFDAは、適応が望まれるいくつかの実世界のアプリケーションにおいて、ターゲットドメインからのラベル付きの例が利用できないという問題に直面しています。実際、SFDAは増加している注目を集めています[1, 2, 3, 4]。しかし、野心的な目標に基づいているものの、ほとんどのSFDAの研究は非常に狭い枠組みに基づいており、画像分類タスクでの単純な分布シフトのみを考慮しています。この傾向から大きく逸脱し、私たちはバイオアコースティクスの分野に注目し、自然発生的な分布シフトが広く存在し、しばしばターゲットドメインのラベル付きデータが不十分で、実践者にとって障害となっていることに着目します。このアプリケーションにおけるSFDAの研究は、既存の方法の一般化可能性を学術界に知らせ、オープンな研究方向を特定するだけでなく、フィールドの実践者に直接的な利益をもたらし、私たちの世紀の最大の課題の一つである生物多様性保全に寄与することができます。この投稿では、「ソースフリーなドメイン適応の汎用的な手法を探る」と題したICML 2023で発表される論文を紹介します。私たちは、バイオアコースティクスにおける現実的な分布シフトに直面した場合、最先端のSFDAの手法が性能を発揮しない場合や崩壊する場合があることを示します。さらに、既存の手法は、ビジョンベンチマークで観察されるのとは異なる相対的なパフォーマンスを発揮し、驚くべきことに、時には適応なしよりも悪い結果を示す場合もあります。また、私たちはNOTELAという新しいシンプルな手法を提案し、これらのシフトで既存の手法を凌駕しながら、さまざまなビジョンデータセットで強力なパフォーマンスを発揮することを示します。全体として、私たちは、一般に使用されるデータセットと分布シフトのみでSFDAの手法を評価すると、相対的なパフォーマンスと汎化性能について狭視野な視点になると結論付けます。彼らの約束を果たすためには、SFDAの手法はより広範な分布シフトでテストされる必要があり、高い影響を持つアプリケーションに利益をもたらす自然発生的なシフトを考慮することを提唱します。バイオアコースティクスにおける分布シフトバイオアコースティクスでは、自然発生的な分布シフトが広く存在します。鳥の鳴き声のための最大のラベル付きデータセットはXeno-Canto（XC）であり、世界中の野生鳥のユーザー投稿の録音のコレクションです。XCの録音は「焦点化」されており、自然環境で捕獲された個体を対象としており、識別された鳥の鳴き声が前景にあります。しかし、連続的なモニタリングや追跡の目的では、実践者はしばしば全周マイクを介して得られる「サウンドスケープ」における鳥の識別に関心を持っています。これは非常に困難であることを最近の研究が示しているよく文書化された問題です。この現実的なアプリケーションに着想を得て、私たちはバイオアコースティクスでSFDAを研究し、ソースモデルとしてXCで事前にトレーニングされた鳥種分類器を使用し、さまざまな地理的位置からの「サウンドスケープ」（シエラネバダ（S.ネバダ）、パウダーミル・ネイチャーリザーブ（ペンシルベニア州、米国）、ハワイ、カプレス・ウォーターシェッド（カリフォルニア州、米国）、サプサッカー・ウッズ（ニューヨーク州、米国）、コロンビア）をターゲットドメインとして使用します。この焦点化から受動化への変化は大きいです。後者の録音では、しばしば信号対雑音比が低く、複数の鳥が同時に鳴いており、雨や風などの多くの鳥や環境の雑音もあります。さらに、異なるサウンドスケープは異なる地理的位置から発生しており、XCの種の非常に小さな部分しか表示されないため、非常に極端なラベルのシフトを引き起こします。さらに、現実のデータでは、ソースドメインとターゲットドメインの両方が顕著なクラスの不均衡を持っているため、いくつかの種は他の種よりも著しく一般的です。さらに、SFDAが通常研究される標準的な単一ラベルの画像分類シナリオとは異なり、各録音内で複数の鳥が識別される可能性があるため、私たちはマルチラベル分類問題も考慮しています。「フォーカス→サウンドスケープ」のシフトのイラストです。フォーカスされた領域では、録音は通常、シグナル対雑音比（SNR）が高い、単一の鳥の鳴き声が前景に捉えられていますが、背景には他の鳥の鳴き声がある場合もあります。一方、サウンドスケープには全方位マイクロフォンからの録音が含まれ、同時に複数の鳥が鳴き、昆虫や雨、車、飛行機などの環境音も含まれることがあります。オーディオファイルフォーカス領域サウンドスケープ領域1 スペクトログラム画像フォーカス領域（左）からサウンドスケープ領域（右）への分布の変化を、各データセットからの代表的な録音のオーディオファイル（上）とスペクトログラム画像（下）で示したものです。2つ目のオーディオクリップでは、鳥の鳴き声が非常にかすかです。これは、サウンドスケープ録音では鳥の鳴き声が「前景」にないことが一般的な特徴です。クレジット：左：Sue…

Acoustic Modeling

Learn more about Search Results ( link - Page 61