TechTargetジャパン

ディープラーニングを本番環境へ導入する方法
TwitterやSpotifyがディープラーニング(深層学習)の活用で重視していること
ディープラーニング(深層学習)モデルを本番環境に導入して、ビジネスに良いインパクトを与えようとするなら、モデルの設計やテストのような基本事項に目を向けることが重要となる。(2017/8/14)

ライバル2社が手を取り合う
AmazonとMicrosoftが予想外の共同開発、深層学習「Gluon」と激突するのは?
AmazonとMicrosoftが提供する深層学習のライブラリ「Gluon」は、クラウド環境で機械学習をより簡単に利用できるようにするものだ。大手2社の提携は、機械学習や深層学習に取り組むことの重要性を象徴している。(2017/11/9)

AIは先進的パートナーだ
ディープラーニング(深層学習)が人から奪う作業、人を超えない作業の違い
人工知能(AI)は既に遠い未来の技術ではなく、徐々に日常生活に浸透して来ている。仕事を奪われるといった否定的な意見も多いようだが、まずAIは何が得意か何を任せられるのかを理解しよう。(2017/10/3)

データ量やアプローチに注目
深層学習と機械学習の違いとは? 実例で分かるその活用
深層学習は従来の機械学習と似ているが、モデル構造と出力の点で大きく異なる。専門家が解説する。(2017/5/31)

データサイエンティストたちが注目
Twitterも使っている「深層学習」ツール、普及の鍵は?
多くの企業では、これまでに収集してきたあらゆる非構造化データを活用する方法を探している。深層学習アプリケーションがこのような企業の要求を満たす一助となるかもしれない。(2016/7/4)

より人間らしいAIの実現へ
ディープラーニングは“黒歴史”を乗り越えられるか
ディープラーニング(深層学習)がAIコミュニティーを席巻している。Microsoftのエリック・ホービッツ氏とFacebookのヤン・ルカン氏が、この種の機械学習がなぜ極めてエキサイティングなのかを解説。(2015/12/15)

アプリケーション開発に変化も
GPUがけん引する“ハード黄金時代”、ディープラーニングやAI処理で需要高まる
GPU技術はかつて主にゲーマーが関心を持つ分野だったが、今では新型GPUがシステムに搭載され、ディープラーニングやAIアプリケーションの実行に使用されるようになっている。(2017/1/13)

AI育成時に見落としがちな課題
「使えるAI」はこう作る 〜ディープラーニングの実力を引き出すポイント
AI活用が広がる一方、ディープラーニングのための教師データの作成やコンピュータの計算速度などユーザーがぶつかる課題は多い。先端のAI開発現場から解決の糸口を知る。(2017/9/26)

オススメはGPU
小さな投資で今すぐ始めるディープラーニング
ディープラーニングのビジネス活用が現実化している。潤沢なIT予算があるわけではないけれど乗り遅れたくもないという企業が手軽にこの分野に取り組むための選択肢を探る。(2017/4/13)

製造や金融、サービス業など広がる事例を紹介
ディープラーニングの業務利用、あのAI技術はなぜ結果を出すのか
人工知能(AI)技術が急速に普及し始めている。特に注目されるのがディープラーニングの適用。どのような課題を解決し、ビジネスに役立っているのか。最新情報をお伝えする。(2017/8/2)

非構造化データの分析に
ビッグデータ分析の隠れた本命、「深層学習」の底力とは?
複雑な解析問題を扱うために設計されている深層学習ソフトウェアは非構造化データを扱うときに最も効力を発揮する。(2016/8/1)

コンサルティングファームのDeloitteがレポート
深層学習が引き出す非構造化データの“暗黒面”の力とは?
コンサルティング企業のDeloitteが新しく公開したレポートによると、非構造化データとその他のいわゆる「ダークデータ」を分析することで、大きなビジネス価値を得られる可能性があるという。(2017/5/16)

【期間限定】オンラインセミナー
ディープラーニング&SparkでGO! GO! AI環境構築のヒント 一挙公開!
(2017/5/23)

オンラインセミナー「ディープラーニングとSparkでGO!」
ディープラーニング、Sparkによるデータ活用の始め方と、環境構築に最適な基盤の選び方
(2017/2/9)

リレーショナルデータベースの限界(後編)
クエリでは分析できない? より進化したデータ分析技術
現在のデータ分析ニーズに、リレーショナルデータベースと従来のクエリでは対応できない。現在進みつつある、人工知能やディープラーニング、コグニティブアナリティクスなどについて整理しよう。(2017/10/13)

「サーバは、どれでも同じ」ではない
これからのデータセンターに、サーバの運用とセキュリティの自動化が必須な理由
機械学習/深層学習に取り組む上で、サーバの役割はより重要になっている。サーバは高性能なだけでなく、運用管理でも近代化が期待され、セキュリティ強化も求められる。(2017/10/18)

分散ディープラーニングを実現
Yahoo!がSpark/Hadoop環境で使える「TensorFlowOnSpark」をリリース
Yahoo!の機械学習チームが、分散ディープラーニングに対応したTensorFlowである「TensorFlowOnSpark」を公開した。TensorFlowOnSparkが必要な背景を解説する。(2017/4/12)

Loading