#author("2023-02-10T10:41:16+09:00","default:irrp","irrp")
#author("2023-02-11T14:37:42+09:00","default:irrp","irrp")
→Python関連

→アルゴリズム

→数学・物理

→データサイエンス

#contents

*サブトピック [#m4348ccd]
-ディープラーニング
-DL以外の機械学習

-自然言語処理/全文検索 (NLP)
-自然言語処理(NLP)
--Transformer/GPT
--全文検索 

-画像生成
--Stable Diffusion関連
-機械学習の活用


*AI一般 [#oa0ec4ac]
-[[ChatGPTを筆頭に信じられないレベルでAIが進化しているが「なぜAIがこんなにも『急激に』質が良くなったかを」を研究者本人たちですら説明できない - Togetter>https://togetter.com/li/2063433]] 2023.1

-[[ChatGPTを始めとするAIの使い方 -20選まとめ>https://scandalous-stick-9ab.notion.site/ChatGPT-AI-20-e2eceeab71e24678b2433acbf1bbb80d]] 2023.1

-[[OpenAIのAPI利用の料金を解説!文章生成AIと画像生成AIの費用を説明 | AutoWorker〜Google Apps Script(GAS)とSikuliで始める業務改善入門>https://auto-worker.com/blog/?p=7005]] 2023.1

-[[ChatGPTやStable Diffusionを生み出した「機械学習ソフトウェア」の10年間の流れを専門家が解説 - GIGAZINE>https://gigazine.net/news/20230118-landscape-machine-learning-software/]] 2023.1
--PyTorch >>> Tensorflow

-[[AI 激動の年!2022年の人工知能10大トレンドと必読論文>https://ja.stateofaiguides.com/20221231-ai-trends-2022/]] 2022.12
--Stable Diffusion
--拡散モデル (画像・ビデオ生成)
--拡散モデル (その他のドメイン)
--ChatGPT
--強化学習
--言語モデル
--オープンソース AI
--音声認識・生成
--マルチモーダル・制御
--計算量削減

-[[日本のAI導入効果がアメリカの7分の1程度しかないのはなぜなのか|piqcy|note>https://note.com/piqcy/n/na971fee54568]] 2022.12
--米国に比べ導入効果の波及範囲が狭い
--データ基盤のベースとなるデータレイクを全社的に活用している企業が4.1%と、米国の26.3%の6分の1程度に留まります
--20.5%の7割がデータレイクすら整備していないとすると効果が期待される企業は6%前後
--横断的なデータ基盤の構築が進まない理由として、ビジョン・ロードマップがない
--リーダー層にプロダクトマネージャー型の人材が不足しているこ
--プロダクトを新規開発する機会が少ない
--ユーザー企業でなく外部ベンダーに7割近くのIT技術者が在籍しています。そのため、なにか新規のサービスを開発する場合は基本外部ベンダに頼る
--AIの研究者は47%が不要、実装者も40.7%が不要と回答しています。さらに、AIを活用した製品・サービスを企画できる人材がそもそも不要と回答している企業が3割
--テクノロジーの開発経験だけでなく、活用戦略まで外部に依存


-[[機械学習で因果推論~Double Machine Learning~>https://zenn.dev/s1ok69oo/articles/4da9e3b01a0a93]] 2022.12

-[[2023年の「AI/機械学習」はこうなる! 6大予測:AI・機械学習の業界動向 - @IT>https://atmarkit.itmedia.co.jp/ait/articles/2212/28/news018.html]] 2022.12
    最先端AIで「オープンソース」が流行して技術発展が加速する
    一般社会で「生成系AI」への注目が拡大していく
    「データ&AI活用の民主化」が浸透していく
    生成系AIの発展に伴い「問題」がより顕在化していく
    「RLHF(人間のフィードバックを用いた強化学習)」の応用が広がる
    「基盤モデル(Foundation Model)」が続々と登場する


-[[3大クラウド各社の MLOps 成熟度モデルの比較 - Qiita>https://qiita.com/TaigoKuriyama/items/23005e29febd59ba2aa5]] 2022.12
-[[機械学習システム開発と運用の落とし穴 - Speaker Deck>https://speakerdeck.com/asei/ji-jie-xue-xi-sisutemukai-fa-toyun-yong-noluo-tosixue]] 2022.12

-[[ブレインパッドにおける機械学習プロジェクトの進め方>https://www.slideshare.net/BrainPad/ss-149214163]] 2022.10

-[[Vantageで機械学習モデルのトレーニングを行う方法 - Qiita>https://qiita.com/ykswi/items/12d0da2ac69b4b161881]] 2022.9

-[[SOTA(State-of-the-Art)とは?:AI・機械学習の用語辞典 - @IT>https://atmarkit.itmedia.co.jp/ait/articles/2202/02/news015.html]] 2022.2
--SOTA(State-of-the-Art)とは、製品や科学などの、ある特定の専門技術領域において現時点での最先端レベル(=最高/最良)の性能(=機械学習では正解率などのスコア/精度)を達成していることを表す、一般的な用語である。

-[[AIはプログラマーを代替するのか? | AI専門ニュースメディア AINOW>https://ainow.ai/2021/09/06/258108/]] 2022.8
--結論からいうと(すぐには)しない。そして代替するときにはほかの全ての仕事が代替されている。
---ビジネス要件の理解
---大規模な技術スタックの接続
---誤ったコードのデバッグ
---ソフトウェアのアップデート
---ステークホルダーとのコミュニケーション

-[[機械学習におけるPrecision, Recall, F値の気持ちを解釈してみる - Qiita>https://qiita.com/dl_from_scratch/items/4efdf647b397d794cd67]] 2022.8

-[[機械学習システムとテスト (2/4). このシリーズでは機械学習システムにおけるテストについて考えていきます。全 4… | by Citadel AI | Jul, 2022 | Citadel AI Blog>https://blog.citadel.co.jp/introduction-to-ml-testing-2-27d479f4ac5b]] 2022.7

-[[【厳選】機械学習の学習におすすめのTwitterアカウント40選 - Qiita>https://qiita.com/goto_yuta_/items/2283ce81db1ae84c0a58]] 2022.7

-[[Recruit Data Blog | AI開発の新たなパラダイム「基盤モデル」とは>https://blog.recruit.co.jp/data/articles/foundation_models/]] 2022.7
--基盤モデルとは「大量かつ多様なデータで訓練され、多様な下流タスクに適応(ファインチューニングなど)できるモデル」のことです。具体例としては、大量のテキストデータで学習することで感情分析や質問応答など多数のタスクで使えるようになったBERTや、加えて翻訳などの生成系タスクもできるGPT-3、大量の画像・説明文ペアで学習することでゼロショット画像分類ができるようになったCLIPなどが挙げられます。

-[[“Sentience” is the Wrong Question – O’Reilly>https://www.oreilly.com/radar/sentience-is-the-wrong-question/]] 2022.7

-[[Is LaMDA Sentient? — an Interview | by Blake Lemoine | Jun, 2022 | Medium>https://cajundiscordian.medium.com/is-lamda-sentient-an-interview-ea64d916d917]] 2022.6
--[[人口知能ラムダとGoogleエンジニアの会話。怖いわ。 - YouTube>https://www.youtube.com/watch?v=QTEm-rwVRo0]]

-[[グーグルのAI「LaMDA」が感情を持ったという議論は、本質的な問題を覆い隠す危険性がある | WIRED.jp>https://wired.jp/article/lamda-sentient-ai-bias-google-blake-lemoine/]] 2022.6

-[[パラメータ数が多くても過学習しない!?〜二重降下法〜 - Qiita>https://qiita.com/Uchiiita/items/0e2f1f1653e0c186de6d]] 2022.6

-[[Mathematics for Machine Learning | Companion webpage to the book “Mathematics for Machine Learning”. Copyright 2020 by Marc Peter Deisenroth, A. Aldo Faisal, and Cheng Soon Ong. Published by Cambridge University Press.>https://mml-book.github.io/]] 2022.6

-[[2022年AI導入状況調査 4割以上がAI導入により作業時間の削減を実感>https://ledge.ai/sonybn-ai-2022/]] 2022.6

-[[機械学習でなんとかしようと安易に考えるな - Qiita>https://qiita.com/nonbiri15/items/cfc6909ff71273b63f5e]] 2022.4

-[[人間中心のAI社会原則検討会議(第2回) - siryo3-3.pdf>https://www8.cao.go.jp/cstp/tyousakai/humanai/2kai/siryo3-3.pdf]] 2018.2
--AI Ready とは何か−内閣府 人間中心のAI社会原則検討会議資料(安宅和人氏による)

-[[【AI分野に関わる方必見】無料で見られる良質な資料まとめ - Qiita>https://qiita.com/kawai_design/items/964714780c9bf15a27d7]] 2021.10

-[[新井紀子教授はAIの専門家ではない 『AI vs. 教科書が読めない子どもたち』>https://mywarstory.tokyo/inconvenient-truth/]] 2018.3
--『コンピュータはすべて数学で出来ている』という勘違い

-[[人類の進化はこれで終わりではない、AIの“推論”によってさらに加速する【SoftBank World 2019 基調講演レポート前編】>https://ainow.ai/2019/07/18/173607/]] 2019.7

-[[ヨーロッパはAI時代の競争においてなぜ絶望的なのか>https://qiita.com/KanNishida/items/1603180338aa68af4f69]] 2019.2
--VCと起業家のエコシステムがない
--アメリカの起業家のような革新性がなく、中国の起業家の粘り強さもない
--今の時代に必要なソフトウェアとAIの問題を解決するのに必要になる経験がない
--コンシューマー・インターネット、ソーシャルメディア、モバイルのアプリケーションの3分野で大きく成功した企業を作ったことがない
--現在、参考にすべきなのは、アメリカであり中国であり、アメリカの場合は特にシリコンバレー


-[[脳科学者とITエンジニアの、DLや汎用人工知能に関する会話>https://qiita.com/sugulu/items/046309a0e39664c3da31]] 2018.1.8

-[[「人工知能が仕事を奪う」に怯えている人たちが、今絶対にすべきこと>http://gendai.ismedia.jp/articles/-/53962]] 2017.29
--「人工知能が人の仕事を奪う」どころか、「人工知能は世話がやける」こそが真実
--そのため新しい人間の仕事が生まれる。そのために関連のリテラシーを身につけること
--世話ができるのは、世話をする相手のことを知っている人だけ。専門的な人的投資・研修なくしては、到底キャッチアップできないものです。今までのビジネス経験を応用してなんとかなるようなレベルではない
--日本企業は、アメリカ・イギリス・ドイツ・フランスのわずか1/3程度しか費用をかけていません
--幸い、過去の技術革新の時と比べて、私達の時代は学習しようとする人たちに有利


-[[「人工知能でいい感じの成果を出してくれ」という偉い人の脳内はどうなっているのか>https://medium.com/@tokoroten/%E4%BA%BA%E5%B7%A5%E7%9F%A5%E8%83%BD%E3%81%A7%E3%81%84%E3%81%84%E6%84%9F%E3%81%98%E3%81%AE%E6%88%90%E6%9E%9C%E3%82%92%E5%87%BA%E3%81%97%E3%81%A6%E3%81%8F%E3%82%8C-%E3%81%A8%E3%81%84%E3%81%86%E5%81%89%E3%81%84%E4%BA%BA%E3%81%AE%E8%84%B3%E5%86%85%E3%81%AF%E3%81%A9%E3%81%86%E3%81%AA%E3%81%A3%E3%81%A6%E3%81%84%E3%82%8B%E3%81%AE%E3%81%8B-96f4da85b924]] 2017.10.22




* AWS SageMaker [#fbbfd214]
-[[タイタニック号で生死を分けたものはなに?さわって学ぶAmazon SageMaker Data Wrangler - サーバーワークスエンジニアブログ>https://blog.serverworks.co.jp/sagemaker-data-wrangler]] 2022.10

-[[【図解あり】AWS SageMakerでGPUを使用する手順 | とあるエンジニアのエソラゴト>https://ya6mablog.com/use-sagemaker-gpu/]] 2022.9

-[[Amazon SageMaker Data Wrangler と Amazon SageMaker Autopilot によるデータ準備とモデルトレーニングの一元化 | Amazon Web Services ブログ>https://aws.amazon.com/jp/blogs/news/accelerate-data-preparation-with-data-quality-and-insights-in-amazon-sagemaker-data-wrangler/]] 2022.7

-[[機械学習モデルを学習する時の3つの課題を Amazon SageMaker Trainingで解決する方法の動画を公開しました! | Amazon Web Services ブログ>https://aws.amazon.com/jp/blogs/news/ml-enablement-series-dark1/]] 2022.6

-[[Amazon SageMaker Training で機械学習のモデル開発を楽にする【ML-Dark-01】【AWS Black Belt】 - YouTube>https://www.youtube.com/watch?v=byEawTm4O4E]] 2022.6
-[[ついに出た!AWSの無料で使えるJupyterLab環境 Amazon SageMaker Studio Lab (プレビュー) - サーバーワークスエンジニアブログ>https://blog.serverworks.co.jp/amazon-sagemaker-studio-lab-preview]] 2021.12
-[[ノーコードで始める機械学習 Amazon SageMaker Canvasを使おう! - サーバーワークスエンジニアブログ>https://blog.serverworks.co.jp/amazon-sagemaker-canvas]] 2021.12

-[[【連載】AWSではじめる機械学習 ?サービスを知り、実装を学ぶ? | TECH+>https://news.mynavi.jp/series/aws_1/]] 2021


* Google Colab [#nf1ad278]
-[[Google Colabでpython7 〜 google drive上でのpipインストール - つれづれなる備忘録>https://atatat.hatenablog.com/entry/colab_python7_drive_pipinstall]] 2022.11

-[[Google Colabで必要モジュールをまとめて入れる方法3選 | DevelopersIO>https://dev.classmethod.jp/articles/pip-install-all-required-modules-on-google-colab/]] 2022.10

-[[ゼロから始めるPaperspace Gradient【Google Colab代替サービス】 - Qiita>https://qiita.com/kunishou/items/dccb44848e5b572619bc]] 2022.10

-[[google Colab で機械学習を始める人向けの簡単なメモ - Qiita>https://qiita.com/yamadasuzaku/items/302f5cd7d328c957c0b4]] 2022.4
-[[Google Colabの知っておくべき使い方 – Google Colaboratoryのメリット・デメリットや基本操作のまとめ>https://www.codexa.net/how-to-use-google-colaboratory/]] 2018.3
-[[【最新版】Google Colaboratory とは?使い方・メリット・設定などを徹底解説! | キカガクの技術ブログ>https://blog.kikagaku.co.jp/google-colab-howto]] 2021.7
-[[Google Colaboratory>https://colab.research.google.com/notebooks/intro.ipynb?hl=ja]] 2020.3



*その他のフレームワーク、開発環境 [#s3153f83]
-[[UCI Machine Learning Repository>https://archive-beta.ics.uci.edu/]] 2022.9
--UCIが運営している機械学習のデータセットを配布しているサイト。
--商用利用も可能なデータセットも多い

-[[機械学習用自作PCの構成例 - Qiita>https://qiita.com/kyad/items/a82490a7a47bd0ea47c2]] 2022.6

-[[Teachable Machine>https://teachablemachine.withgoogle.com/]]
--サイト、アプリなどに使う機械学習モデルをすぐに、簡単に作成できる方法です。専門知識やコーディングは必要ありません。

-http://caffe.berkeleyvision.org/


*オンライン学習 [#u4e7ff22]
-[[【無料】データサイエンス入門:機械学習編全35回まとめと目次>https://datawokagaku.com/ml/]] 2023.1

-[[Andrew Ng先生の機械学習講義を解説する勉強会資料を公開 - エンタープライズギークス (Enterprise Geeks)>https://enterprisegeeks.hatenablog.com/entry/2016/01/04/081137]] 2016

-[[GitHub - microsoft/ML-For-Beginners: 12 weeks, 26 lessons, 52 quizzes, classic Machine Learning for all>https://github.com/microsoft/ML-For-Beginners]] 2022.9
--[[Machine Learning for Beginners>https://microsoft.github.io/ML-For-Beginners/#/]] 2022.9

-[[MATHEMATICS FOR MACHINE LEARNING(pdf)>https://mml-book.github.io/book/mml-book.pdf]] 2020.7

-[[Machine Learning Essentials for Business and Technical Decision Makers (Japanese)>https://explore.skillbuilder.aws/learn/course/external/view/elearning/9060/machine-learning-essentials-for-business-and-technical-decision-makers-japanese]] 2021.11

-[[今すぐ無料でPythonやデータサイエンスを学べる学習コンテンツ8選>https://ledge.ai/learning-ai-1109/]] 2021.11

-[[YouTubeでAI・Pythonを学ぼう! - Qiita>https://qiita.com/kawai_design/items/31feeb59be11b892c36a]] 2021.11

-[[筑波大学オープンコースウェア/機械学習>https://ocw.tsukuba.ac.jp/course/systeminformation/machine_learning/]] 2021.10

-[[【保存版・初心者向け】独学でAIエンジニアになりたい人向けのオススメの勉強方法>https://qiita.com/tani_AI_Academy/items/4da02cb056646ba43b9d]] 2018.5


*AIと社会/法律 [#y8e88242]
-[[ラッダイト運動について思う事>https://webbigdata.jp/post-17022/]] 2023.2

-[[10万円超え案件だらけ「ChatGPT」「DALL·E 2」などのAIを使ってだれでも稼げる「Fiverr」がバブル状態! | AppBank>https://www.appbank.net/2023/01/28/technology/2387560.php]] 2023.1

-[[Microsoft、GitHub、OpenAIが「AIツールによる著作権侵害訴訟」の棄却を裁判所に要請 - GIGAZINE>https://gigazine.net/news/20230129-microsoft-github-openai-ai-copyright-lawsuit/]]


** 画像生成AIと社会/法律 [#t74809d7]
→画像生成

-[[画像生成AIを利用して生成したコンテンツを自社サービスで利用する際に注意すべき事項 | STORIA法律事務所>https://storialaw.jp/blog/9086]] 2023.1

-[[Stable Diffusion発! 画像生成ブームに見るジェネラティブAIの人・もの・お金事情 - NTT Communications Engineers' Blog>https://engineers.ntt.com/entry/2022/12/28/093253]] 2022.12

-[[国産AIはなぜ炎上する? 「mimic」開発元に反省点を聞いた 海外産AIは平常運転、待つのは“日本1人負け”か(1/3 ページ) - ITmedia NEWS>https://www.itmedia.co.jp/news/articles/2212/23/news154.html]] 2022.12

-[[AI生成物と著作権とAI倫理 - ABEJA Tech Blog>https://tech-blog.abeja.asia/entry/advent-2022-day17]] 2022.12

-[[画像生成AIはクリエイターエコノミーを増強するのか、それとも破滅させるのか? | AI専門ニュースメディア AINOW>https://ainow.ai/2022/12/13/271088/]] 2022.12

-[[『デウス・エクス・アートマキナ』:作画AIによる日本オタク界への大局的影響を考える | Dan Kanemitsu's Paper Trail>https://dankanemitsu.wordpress.com/2022/10/22/%e3%83%87%e3%82%a6%e3%82%b9%e3%82%a8%e3%82%af%e3%82%b9%e3%82%a2%e3%83%bc%e3%83%88%e3%83%9e%e3%82%ad%e3%83%8a%e4%bd%9c%e7%94%bbai%e3%81%ab%e3%82%88%e3%82%8b%e6%97%a5%e6%9c%ac/]] 2022.10

-[[「AI学習用のデータセット作成を大学や非営利団体に任せることで企業は法的責任から逃げている」という批判 - GIGAZINE>https://gigazine.net/news/20221019-ai-data-laundering/]] 2022.10

-[[「非常に単純化して説明すると、公開された著作物を、AIが学習することは、我が国の場合、著作権法の権利制限規定(30条の4など)によって、著作権侵害とはならない。「禁無断機械学習」などと表示しても答えは変わらない。」 / Twitter>https://twitter.com/OKMRKJ/status/1578906351132377088]] 2022.10

-[[Danbooruの無断転載とAIを咎めるのは難しいよねというお話|日陰工房 響音カゲ|note>https://note.com/hibikine_kage/n/nc1f690325d6c]] 2022.10

-[[「AIが生成したイラストの投稿禁止」をイラスト投稿サイトが次々に決定し始めている - GIGAZINE>https://gigazine.net/news/20220914-online-art-communities-banning-ai-images/]] 2022.9

-[[Midjourney、Stable Diffusion、mimicなどの画像自動生成AIと著作権 | STORIA法律事務所>https://storialaw.jp/blog/8820#2_AI_1]] 2022.8
--「私が描いたイラストをAI学習に使うのは禁止にします」と表明したとしても、そもそもそのような表明は著作権法30条の4に違反して無効の可能性がありますし、仮に著作権法30条の4に違反しないとしても、一方的な表明が契約として成立することはないため、結論的にはそのような表明は少なくとも法律的には意味がないということになると思います。

-[[AIが描いた絵は誰のもの?画像生成AIの著作権とビジネス活用法を考える | ビジネスを変革するテクノロジー | ダイヤモンド・オンライン>https://diamond.jp/articles/-/308598]] 2022.8


トップ   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS