この連載では、機械学習にまだなじみがないITマネジャーやエンジニアに向けて、ビジネスへの活用を前提に、機械学習とその応用について説明している。前回（機械学習で怖い「次元の呪い」、手法の選択は適材適所で）は、機械学習を応用する際に押さえておきたい勘所を紹介した。 今回は機械学習の具体的な応用例として「センサー行動認識」を取り上げる。筆者が手掛けたヘルスケア分野への事例を題材にして、説明したい。 センサーから得たデータを基に人間の行動を認識 IoT（Internet of Things）は、いま最も注目を集めているIT分野の一つだ。その背景として、センサーが身近な存在になったことが挙げられる。 例えばスマートフォンの多くは、バネの変化を測る三軸加速度センサーや、振動する物体が回転するときにかかる力（コリオリ力）を測る角速度センサー（ジャイロセンサーともいう）などを搭載している。半導体集積技術を
IT活用で電力小売事業を支援するオプティマイザー（東京都港区）は8月4日、同社の提案する「再生可能エネルギー発電対応の人工知能によるリアルタイム入札自動化技術の開発」が、NEDO（新エネルギー・産業技術総合開発機構）の「平成28年度新エネルギーベンチャー技術革新事業」に採択されたと発表した。 人工知能による機械学習を応用し、太陽光などの再エネ発電量を高いリアルタイム性で予測する技術を開発する。小売電気事業者と発電事業者、需要家をつなぎつつ、再エネ利用の割合を高めても、余裕をもった電力取引の実現を目指すという。 オプティマイザーは、WEBマーケティングの領域で早くから機械学習による人工知能型の予測技術を研究し、実際に活用しているという。その技術を応用し、電力流通を統合管理できる次世代型「エネルギー管理サービス」を構築する。 同サービスの実現には、電力需要と再エネ発電の予測技術の高精度化が基盤
Autonomous systems and focused startups among major changes seen in past year. Cartographical representation of a self-organizing map based on Wikipedia featured article data. Distance is inversely proportional to similarity. The "mountains" are edges between clusters.. (source: By Denoir on Wikimedia Commons) A year ago today, I published my original attempt at mapping the machine intelligence ec
Machine learning is a term you can expect to hear a lot in coming years. ML makes no claims to sentience or general intelligence, but it can be very useful if you have large and fairly consistent sets of data. But what if you are a small company without a lot of data? Or perhaps a large company with a new product line and no relevant sales data from existing customers? Not having enough data to cr
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます SaaS形式で人事や財務などの基幹業務システム（ERP）を提供するWorkdayの日本法人は5月26日、日本での事業状況を説明する記者向けブリーフィングを開催した。機械学習を活用した人事システムの新機能も紹介している。 また、米国では同日に、日本の大手製造業が新たに同社のサービスを採用することを発表する予定とのこと。 日本法人の代表取締役社長を務める金翰新氏は、国内でのファーストリテイリングによる採用をきっかけに、商談の進み具合が飛躍的に良くなってきていると話した。日本で給与計算アウトソーシング事業を手掛けるペイロールと5月12日に、パートナーシップを締結したことにも触れた。 金氏は、Workdayの強みについて「ユーザー企業全925社
Human e-mailing behavior is so predictable that computer scientists have created an algorithm that can calculate when an e-mail thread is about to end. Electronic mail plays a hugely important role in the lives of a large fraction of the world’s population. And yet, strangely, little is known about the way people use e-mail. How many e-mail conversations do people have? How long are these conversa
PFI知的情報処理事業部副事業部長の海野裕也とGunosy共同創設者兼R&Dエンジニアの関喜史氏 対談 2015.04.01杉本 昭彦 「同じ出来事をもとにした記事でも、面白い話として書くのか、感動的な話として書くのかによって、全く違うものとして読まれる。私達は多くの場合、タイトルを見るだけでこの違いを知ることができるが、機械学習でこのようなジャッジをすることは、現状難しい」。機械学習のエキスパート2人が共通に持つ活用への将来展望や課題感などを語った。 機械学習、人工知能、ディープラーニング…、言葉ばかり注目を集めるが実際何ができるのか、その課題はどこにあるのか。機械学習をベースに自然言語処理、レコメンド技術を企業に提供するPreferred Infrastructure（東京都文京区）の知的情報処理事業部 副事業部長である海野裕也氏と、機械学習によってニュースキュレーションアプリで配信す
Software able to read a synopsis of Lord of the Rings and answer questions about it could beef up Facebook search. Facebook is working on artificial intelligence software that can process text and then answer questions about it. The effort could eventually lead to anything from better search on Facebook itself to more accurate and useful personal assistant software. The social network’s chief tech
Machine learning can cull through big data to find information doctors need to better treat patients Two patients receiving the same treatment for breast cancer may be entirely different in significant ways. One may be a marathon runner, the other a more sedate reader. One might be a smoker, while the other is considered a health nut. One may be in her 60s while the other just turned 40. With all
Pinterest built machine learning 'Pinnability' to surface more relevant content Get ready for more content in line with your interest (or at least pins) if a new homegrown effort from Pinterest works out. Rachel King Staff Writer Rachel King is a staff writer for CBS Interactive based in San Francisco, covering business and enterprise technology for ZDNet, CNET and SmartPlanet. She has previously
What comes to mind when you hear the term “Machine Learning”? A bunch of programmers hunched over their computers in a dark room, working on something completely virtual & divorced from reality? A group of scientists creating a Frankenstein monster that has no resemblance to us whatsoever? It may certainly seem that way, but you’d be wrong. The accomplishments of Machine Learning (Self-driving car
We hear the second part of our conversation with with Geoffrey Hinton (Google and University of Toronto), Yoshua Bengio (University of Montreal) and Yann LeCun (Facebook and NYU). They talk with us about this history (and future) of research on neural nets. We explore how to use Determinantal Point Processes. Alex Kulesza and Ben Taskar (who passed away recently) have done some really exciting wo
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く