AI実装時の仮説検証作業を簡略化、「ABEJA Platform Accelerator」（α版）試用提供開始：2つのAIモデルを利用可能

ABEJAは「ABEJA Platform Accelerator」（α版）の試用提供を開始した。「画像のクラス分類」と「画像の物体検出」という2つのAIモデルを備えており、仮設検証のためのAI開発プロセスが簡略化できる。

» 2019年03月06日 11時00分公開

[＠IT]

この記事は会員限定です。会員登録（無料）すると全てご覧いただけます。

　ABEJAは2019年3月5日、「ABEJA Platform Accelerator」（α版）の試用提供を開始した。プログラミングの知識を必要とせず、AI（人工知能）の実装に必要な仮説を検証できる。

　一般にAIモデルの開発では、事前に立てた仮説の検証を初期段階で繰り返すことで運用上の課題を見つけ、性能を向上させる。ただこの検証プロセスでは、対象となる大量のデータを収集し、計算リソースを確保した上で、モデルの開発や実験を実施するため、専門知識を備えた人材を確保する必要があることに加え、多大なコストを要するという課題があった。

ABEJA Platform Acceleratorとは

#CmsMembersControl .CmsMembersControlIn {width:100%;background:url(https://image.itmedia.co.jp/images/spacer.gif) #DDD;opacity:0.05;filter:progid:DXImageTransform.Microsoft.Alpha(Enabled=1,Style=0,Opacity=5);z-index:1;}

続きを閲覧するには、ブラウザの JavaScript の設定を有効にする必要があります。

機械学習のハイパーパラメーターを自動最適化、Preferred Networksがライブラリを公開
Preferred Networksは、機械学習アルゴリズムの動作を制御する「ハイパーパラメーター」向けの自動最適化フレームワーク「Optuna」のβ版をオープンソースソフトウェアとして公開した。機械学習ライブラリとして「Chainer」だけでなく、「scikit-learn」や「XGBoost」「LightGBM」などを利用した場合でも、ハイパーパラメーターの自動最適化が可能。
「AI、170種類のお菓子の作る量を教えて」――1カ月で開発した製造需要予測システムとは
保存料や添加物を一切使用していないお菓子をパーソナライズして届ける定期購入サービス「snaq.me」。1週間に製造するお菓子は170種類に及ぶ。AIを使った製造需要予測システムの開発裏とは。
「AIで働き方改革」は本当に可能か――竹中工務店が挑んだ機械学習プロジェクトの成果とは
日本マイクロソフトが開催した技術イベント「de:code 2018」で、竹中工務店が現場での「写真関連業務」の効率化を目指して機械学習の活用を図った事例が紹介された。登壇したのは、竹中工務店技術研究所先端技術研究部主任研究員博士高井勇志氏だ。