Search Results The AI Podcast

機械学習の専門家 – ルイス・タンストール

🤗 マシンラーニングエキスパートへようこそ – ルイス・タンストールこんにちは、みなさん！マシンラーニングエキスパートへようこそ。私は司会のブリトニー・ミュラーです。今日のゲストはルイス・タンストールさんです。ルイスさんはHugging Faceのマシンラーニングエンジニアで、トランスフォーマーを使ってビジネスプロセスを自動化し、MLOpsの課題を解決するための取り組みを行っています。ルイスさんは、NLP、トポロジカルデータ解析、時系列の領域でスタートアップや企業向けに機械学習アプリケーションを開発してきました。ルイスさんは、彼の新しい本、トランスフォーマー、大規模モデルの評価、MLエンジニアがより高速なレイテンシとスループットを目指すための最適化方法などについて話します。以前は理論物理学者であり、仕事以外ではギターを弾いたり、トレイルランニングをしたり、オープンソースプロジェクトに貢献したりすることが好きです。この楽しくて素晴らしいエピソードを紹介するのをとても楽しみにしています！ここで私がルイス・タンストールさんとの会話をお届けします。注：転写はわかりやすい読みやすい体験を提供するために、わずかに修正/再フォーマットされています。ようこそ、ルイスさん！お忙しい中、私との素晴らしいお仕事についてお話しいただき、本当にありがとうございます！ルイス: ありがとうございます、ブリトニーさん。こちらこそ、ここにいさせていただけて光栄です。簡単な自己紹介と、Hugging Faceへの経緯について教えていただけますか？ルイス: 私をHugging Faceに導いたものはトランスフォーマーです。2018年、私はスイスのスタートアップでトランスフォーマーを使って仕事をしていました。最初のプロジェクトは、テキストを入力してそのテキスト内の質問に答えを見つけるためのモデルを訓練する質問応答のタスクでした。当時のライブラリは「pytorch-pretrained-bert」という名前で、いくつかのスクリプトを持つ非常に特化したコードベースでした。私はトランスフォーマーについて何が起こっているのか全くわからず、オリジナルの「Attention Is All You Need」という論文を読んでも理解できませんでした。そこで他の学習リソースを探し始めました。…

機械学習の専門家 – Sasha Luccioni

🤗 マシンラーニングエキスパートへようこそ – サーシャ・ルッチョーニ 🚀 サーシャのようなMLエキスパートがあなたのMLロードマップを加速する方法に興味がある場合は、hf.co/supportを訪れてください。こんにちは、友達たち！マシンラーニングエキスパートへようこそ。私は司会者のブリトニー・ミュラーで、今日のゲストはサーシャ・ルッチョーニです。サーシャは、Hugging Faceで研究科学者として、機械学習モデルとデータセットの倫理的・社会的影響に取り組んでいます。サーシャはまた、Big Science WorkshopのCarbon Footprint WGの共同議長、WiMLの理事、そして気候危機に機械学習を適用する意義のある活動を促進するClimate Change AI（CCAI）組織の創設メンバーでもあります。サーシャがメールの炭素フットプリントを計測する方法、地元のスープキッチンが機械学習の力を活用するのをどのように手助けしたか、そして意味と創造性が彼女の仕事を支える方法についてお話しいただきます。この素晴らしいエピソードを紹介するのをとても楽しみにしています！以下がサーシャ・ルッチョーニとの私の対話です：注：転記はわかりやすい読み物を提供するためにわずかに修正/書式設定されています。今日参加していただき、本当にありがとうございます。私たちはあなたが来てくれたことを非常に嬉しく思っています！サーシャ：私もここにいることを本当に嬉しく思っています。直接本題に入りますが、あなたのバックグラウンドとHugging Faceへの道を教えていただけますか？サーシャ：…

機械学習インサイトディレクター【パート3：ファイナンスエディション】

もしMLソリューションをより速く構築したい場合は、hf.co/supportを今すぐご覧ください！ 👋 MLインサイトシリーズディレクター、ファイナンスエディションへようこそ！以前のエディションを見逃した場合は、以下で見つけることができます： Machine Learning Insightsディレクター[パート1] Machine Learning Insightsディレクター[パート2：SaaSエディション] ファイナンスの機械学習ディレクターは、レガシーシステムの航海、解釈可能なモデルの展開、および顧客の信頼の維持といった独自の課題に直面しています。また、政府の監督が多く、高度に規制されています。これらの課題には、効果的に導くために深い業界知識と技術的な専門知識が必要です。以下のアメリカン・バンク、カナダ王立銀行、ムーディーズ・アナリティクス、および元ブルームバーグAIの研究科学者からの専門家は、機械学習×ファイナンスセクター内のユニークな知見を提供しています。ギリシャのナショナルジュニアテニスチャンピオン、100以上の特許を取得した出版者、世界最古のポロクラブ（カルカッタポロクラブ）で定期的にプレーしていたサイクルポロプレーヤーなど、彼らはすべて金融MLの専門家に転身しました。 🚀 トップな金融MLマーベリックからの洞察をご紹介します：免責事項：すべての意見は個人のものであり、過去または現在の雇用主からのものではありません。イオアニス・バカギアニス – RBCの機械学習マーケティングサイエンスディレクターバックグラウンド：スケーラブルな、本番用の最先端の機械学習ソリューションを提供する経験豊富な情熱的な機械学習エキスパート。イオアニスはまた、Bak Up Podcastのホストでもあり、AIを通じて世界に影響を与えることを目指しています。おもしろい事実：イオアニスはギリシャのナショナルジュニアテニスチャンピオンでした。🏆 RBC：世界的な組織は、キャピタルマーケット、銀行および金融において革新的かつ信頼できるパートナーとしてRBCキャピタルマーケットを見ています。 1. 機械学習が金融にどのようなポジティブな影響をもたらしましたか？…

GPT-3がMLOpsの将来に与える意味とは？デビッド・ハーシーと共に

この記事は元々MLOps Liveのエピソードであり、ML実践者が他のML実践者からの質問に答えるインタラクティブなQ&Aセッションです各エピソードは特定のMLトピックに焦点を当てており、このエピソードではGPT-3とMLOpsの特徴についてDavid Hersheyと話しましたYouTubeで視聴することができます Or...

DeepMind ポッドキャストがシーズン2で復活します

私たちは、人工知能（AI）が私たちの時代で最も重要な技術の1つであると考え、人々がその可能性と作成方法を理解できるようにお手伝いしたいと思っています

Company

LEGOのコンテストからDeepMindのロボット研究室まで

DeepMindに入りたいなら、躊躇せずに進んでください応募し、面接を受けて、ただ試してみてください最初に受からなくても、それは諦めることではありません私もDeepMindに受け入れられるとは思っていませんでしたし、受け入れられたときは間違いではないかと思いました誰もが自信を持てないものです私は決して自分が一番頭のいい人間ではないと感じることがよくありますしかし、そうした感情にもかかわらず、私はここに属していて、こうした場所で働く価値があると学びましたそして、私にとってその旅は、ただ試してみることから始まりました

Life at DeepMind

学習トランスフォーマーコード入門：パート1 – セットアップ

あなたについてはわかりませんが、コードを見ることの方が論文を読むよりも簡単なことがありますAdventureGPTに取り組んでいた時、まずはReActの実装であるBabyAGIのソースコードを読むことから始めました

メタが彼らの有望なプロジェクトをすべてオープンソース化 | その理由を知る

はじめに Facebookとして以前は知られていたMetaは、オープンソースソフトウェア開発のリーダーとなりました。この動きは、プロプライエタリな技術に依存している企業にとっては直感に反するかもしれませんが、Metaがすべてのプロジェクトを一般公開する理由はいくつかあります。また読む：Metaはマルチセンサリーモデルをオープンソース化この記事では、Metaがなぜオープンソースソフトウェアを強く推奨しているのか、そしてそれが企業にどのように利益をもたらすのかについて探っていきます。 Metaによるオープンソースリリースの規模過去数年間、AIの分野では有望なオープンソースソフトウェアの数が大幅に増加しています。Metaはこの革命の最前線に立ち、200以上のプロジェクトをオープンソース化しています。しかし、特に効率的に商業化できるプロジェクトを一般に公開することで、会社は何を得るのでしょうか。 Metaの倫理的義務 Mark Zuckerbergを含む同社の主要な人物によると、Metaはオープンソースの結果です。当初、同社のプラットフォームはLinux、Apache、Mysql、PHPの組み合わせであるLAMPから構築されました。そのため、Metaは設立以来、自社のプロジェクトをオープンソース化することに「利他的でイデオロギー的な義務」を感じています。つまり、Metaは共同体に還元する道徳的な義務を感じています。 Facebookはオープンソースコミュニティから多くの教訓を得ており、さらに学ぶことを楽しみにしています。オープンソース化の背後にある3つの最も重要な考えは次のとおりです。実用的なものを共有する。ヒーローを強調する。一般的な問題を修正する。より良いソフトウェアとコード Meta自身によれば、有望なモデルをオープンソースで公開することは、彼らがより良いソフトウェアを構築し、より良いコードを書くことを意味します。彼らのエンジニアは自分たちの仕事をオープンソース化できると知っているため、より誇りを持って働くことができます。最終的には、エンジニアがMetaが取り組んでいることを自分自身で見ることができるため、トップの人材を引き付けることが容易になります。したがって、これには堅実なビジネスセンスがあります。また読む：データエンジニアリングの概要失うよりも得るものが多い自社のプロジェクトをオープンソースとして公開する決定は、Metaにとって不利よりも有利な可能性があります。競合他社がFacebookのコードを使用しても、会社には大きな害はありません。したがって、Metaはプロジェクトをオープンソースとして公開することで得るものが失うものよりも多いのです。コミュニティからの無料貢献 Metaは、モデルやコードへのオープンアクセスを提供することで、コミュニティの無料の貢献を活用することができます。この動きは、オープンソースの開発者の間で好意的な評判を得ることにもつながり、彼らがMetaに就職したりセキュリティ上の脆弱性を責任を持って通知したりする可能性が高くなるでしょう。より優れた採用コードが公開されると、より多くの開発者がそれに触れることができるため、Metaは求人募集に適格な候補者を見つけやすくなります。この広範な露出はまた、Metaの技術の標準化をインターネット全体でもたらし、会社にとって2つの利点があります：ユーザーベースの拡大とより良いブラウザのサポート。また読む：AIは人間を置き換えるか？ Gen…

Google Pixel Watchが落下を検知する方法

Google Pixel Watchの落下検知機能をスタントダブルからAIまでどのように構築したかを学びましょう

Learn more about Search Results The AI Podcast - Page 8