Fast Forward Labs 調査レポートが、サブスクリプション不要でご利用頂けるようになりました
今後、全ての新しいレポートは一般に公開され、無料でダウンロードできるようになります。さらに、過去の古いレポートのアップデートバージョンにもアクセスできるようにする予定です。利用可能な無料の調査レポートを頻繁にチェックしてみてください。
無料の調査レポート
誰でも無料でアクセスできる、最新の調査レポートとプロトタイプを確認する。
ラベル付きデータなしでコンセプトドリフトを推定する
概念ドリフトとは、対象となるドメインの統計的特性が時間の経過とともに変化し、モデルの性能が低下することです。ドリフトの検出は、対象となるパフォーマンス指標を監視し、その指標がある指定された閾値を下回ったときに再トレーニングパイプラインをトリガーすることで実現されます。しかし、このアプローチは、予測時に十分な量のラベル付きデータが得られることを前提としていますが、多くの生産システムでは非現実的な制約となっています。本レポートでは、ラベル付きデータに容易にアクセスできない場合に、コンセプトドリフトに対処するための様々なアプローチを検討しています。

自動質問応答システム
質問応答機能は、自然言語を使ってデータから情報を引き出すユーザーフレンドリーな機能です。最近の自然言語処理の進歩によって、非構造化テキストデータを使う質問応答機能が急速な発展を遂げています。このブログシリーズでは、包括的な質問応答システムを構築する上での概要を技術的、実践的に説明しています。

機械学習のための因果推論
因果推論と機械学習の関係は、研究が急速に進んでおり、より堅固で信頼性の高い公正な機械学習システムの構築を実現するものとして注目を浴びています。本レポートでは、因果関係グラフや不偏予測といった因果推論の概要に加え、さまざまなユースケースに従来の機械学習技術と因果関係ツールを合わせて応用する方法について説明します。

説明可能性:2020年版
説明可能性、つまりシステムが決定を下す理由と方法を説明する能力は、モデルの改善や規制対応、優れた製品の構築などに役立ちます。ディープラーニングのようなブラックボックスな技術は、説明可能性を犠牲にして画期的な機能を提供してきました。最近アップデートされた本レポートでは、SHAP のような技術を含め、機能や正確さを損なうことなく、説明可能性を備えたモデルを構築する方法について説明しています。

異常値検知のためのディープラーニング
不正の検出から画像データの異常検知に至るまで、異常なデータを自動的に識別するためのアプリケーションは無数に存在します。特に大規模で複雑なデータを扱う場合には、このプロセスが非常に困難なものになる可能性があります。本レポートでは、ディープラーニング手法 (シーケンスモデル、VAE、GAN) による異常値の検知、使用すべきタイミング、パフォーマンスベンチマーク、さらに製品の可能性を探ります。

ラベルに制限のあるデータを使った学習
限られた数のラベル付きデータで学習できるので、教師付き機械学習の厳格なラベル付きデータ要件を緩和できます。このレポートでは特に、機械と人間が協力しながら効率的にラベル付けを行う手法である能動学習に注目します。能動学習によって、モデルのトレーニングに必要なラベル付きサンプルの数が減り、はるかに多くのデータでトレーニングされたモデルと同等のパフォーマンスを達成すると同時に、時間と費用を節約できます。能動学習を導入すれば、企業は大量に蓄積されたラベルなしデータを活用して、新しい製品の可能性を開拓できます。

フェデレーションラーニング
フェデレーションラーニングにより、トレーニングデータに直接アクセスしない機械学習システムを構築できます。データは元の場所に保持されるため、プライバシーを確保でき、通信コストを削減できます。フェデレーションラーニングは、スマートフォンやエッジハードウェア、ヘルスケアの他、プライバシーが重視されるユースケース、予知保全などの産業アプリケーションに最適です。

要約
このレポートでは、文書の要約を自動的に出力できる機能である抽出型要約の手法について探ります。何千もの製品レビューから要点を導き出したり、長文のニュース記事から最も重要な内容を抽出したり、顧客の経歴を自動的に集めてその人物像を割り出したり、この手法を活用できる分野は実にさまざまです。

画像分析のためのディープラーニング - 2019年版
画像内の特徴や概念における意味のある表現に対する学習能力に優れた、畳み込みニューラルネットワーク (CNN あるいは ConvNets) は、医療画像や製造業などさまざまな分野の課題解決に対して有効な手段となっています。本レポートでは、画像解析のための適切なディープラーニングモデルの選び方や、そのデバッキングテクニックなどについて解説しています。

サブスクリプション限定レポート
古いレポートのアップデートバージョンは、今後無料で利用が可能となる予定です。是非、頻繁にご確認ください。
NLP のための移転学習
自然言語処理 (NLP) テクノロジーによって、言葉の翻訳や質問への回答、人間に近い文書の作成などが可能になりますが、その根本にあるディープラーニング技術には、データセットやインフラストラクチャー、専門知識への投資が必要となります。本レポートでは、移転学習を使ってあらゆる NLP アプリケーションを対象に既存のモデルを提供し、パフォーマンスに優れた NLP システムを容易に構築するための方法を解説しています。
マルチタスク学習
本レポートでは、関連する複数のタスクを同時に学習させるアルゴリズムを可能にした、機械学習の新たなアプローチであるマルチタスク学習を特集しています。

セマンティックレコメンデーション
このレポートでは、アイテムのセマンティクコンテンツを使用することで、コールドスタート問題のような、共通するレコメンデーションの問題をいかに解決し、新しい商品を推奨できるようになるかを説明しています。
説明可能性
最新のレポートとプロトタイプでは、機能や正確性を犠牲にすることなく、モデルを説明可能 (Interpretable) なものにする方法を説明しています。
確率論的プログラミング
ここでは、より効果的な意思決定のための予測機能を提供するツールを容易に構築するための、確率論的プログラミングとベイジアン (Bayesian) インターフェースの使い方について説明しています。
Fast Forward Labs のブログを読む
最新情報の入手
毎月提供されるニュースレターの配信登録を行い、人工知能応用技術の進展に関する最新情報、Cloudera のニュースやイベント情報を入手してください。