入門／解説 Google Research：2019年の振り返りと2020年以降に向けて(5/8)
１．Google Research：2019年の振り返りと2020年以降に向けて(5/8)まとめ ・2019年はニューラルネットワークのトレーニングにどのような力学が働くのか特性を理解を目指した ・AutoMLの研究も継続し、既存モデルの改...
automl
入門／解説 
入門／解説 人工知能とデータサイエンスの2019年の主な進展と2020年の予測research編(3/3)
１．人工知能とデータサイエンスの2019年の主な進展と2020年の予測research編(3/3)まとめ ・ビジネスにAIを採用させる事を成功するためにはビジネス固有のカスタムソリューションが必要 ・より複雑なデータサイエンスの問題には、特...
学習手法 MobileNetV3:次世代のオンデバイス視覚モデル(3/3)
１．MobileNetV3:次世代のオンデバイス視覚モデル(3/3)まとめ ・精度とEdge TPU上で実行された際の速度を両立させるAutoMLをした結果MobileNetEdgeTPUモデル誕生 ・既存のモバイルモデルよりも同一精度でよ...
モデル MobileNetV3:次世代のオンデバイス視覚モデル(1/3)
１．MobileNetV3:次世代のオンデバイス視覚モデル(1/3)まとめ ・スマートフォンなどのデバイス上で実行される事が前提のニューラルネットワークMobileNetV3の発表 ・オンデバイスでの実行に最適化されているがMobileNe...
入門／解説 皆のためのMLモデルの構築：機械学習の公平性を理解する(2/3)
１．皆のためのMLモデルの構築：機械学習の公平性を理解する(2/3)まとめ ・what-ifツールを使うと個々の特徴が個々のデータポイントにどのような影響を与えているのかを確認可能 ・データの偏りを無視するために特定の特徴を考慮しないように...
公平性 皆のためのMLモデルの構築：機械学習の公平性を理解する(1/3)
１．皆のためのMLモデルの構築：機械学習の公平性を理解する(1/3)まとめ ・データと機械学習アルゴリズムに公平性を求める事は、安全で責任あるAIシステムの設計／構築に重要 ・公平性は現実世界にモデルを展開した際に露わになる実務的な影響につ...
モデル 動画用ニューラルネットワークを自動で探索する試み(1/3)
１．動画用ニューラルネットワークを自動で探索する試み(1/3)まとめ ・現在動画用のモデルは通常既存の画像用モデルなどを元に手動で拡張設計されている ・動画用モデルは時空間情報を扱うためAutoMLのような自動化アプローチが困難 ・この課題...
モデル EfficientNet-EdgeTPU:アクセラレータでの実行に最適化したニューラルネット(2/2)
１．EfficientNet-EdgeTPU:アクセラレータでの実行に最適化したニューラルネット(2/2)まとめ ・EfficientNetsが主に使用する「深さ方向に分離可能な構造」はアクセラレータ上では必ずしも有効ではない ・通常のCN...
インフラ EfficientNet-EdgeTPU:アクセラレータでの実行に最適化したニューラルネット(1/2)
１．EfficientNet-EdgeTPU:アクセラレータでの実行に最適化したニューラルネット(1/2)まとめ ・ハードウェアアクセラレータ上での実行に最適化したニューラルネットワークはあまり存在しない ・AutoMLで最適化したEffi...
学習手法 グラフデータを機械学習で扱いやすくするための革新(3/3)
１．グラフデータを機械学習で扱いやすくするための革新(3/3)まとめ ・グラフのembedding手法は有用であるが手動で設定しなければならない多数のハイパーパラメータを持つ ・第二の論文で紹介している「Watch Your Step」はハ...
モデル Off-Policy Classification:強化学習モデルを選別する新手法(1/2)
１．Off-Policy Classification:強化学習モデルを選別する新手法(1/2)まとめ ・完全ポリシー外強化学習は過去に収集されたデータのみを使って学習するタイプの強化学習 ・物理的なロボットがなくてもモデルをトレーニングが...
学習手法 Evolved Transformer:AutoMLにより進化したTransformer(2/2)
１．Evolved Transformer:AutoMLにより進化したTransformer(2/2)まとめ ・Evolved Transformerがオリジナルと比較してパフォーマンスが最も向上するのは小さいパラメータサイズ ・Evolv...