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。
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。
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。
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。
フェデレーションラーニング
本レポートでは、フェデレーションラーニング (Federated Learning) を特集しています。フェデレーションラーニングは、分散エッジデータノード上で機械学習モデルのトレーニングを行うというもので、プライバシーの保護と通信コストの削減を図ることができます。
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。
要約
ディープラーニングや分散表現 (embeddings) を使って、さまざな業務アプリケーションや製品が処理可能な形でテキストを提供する方法を理解することができます。
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。