[過去ﾛｸﾞ] 【統計分析】機械学習・データマイニング23 (1002ﾚｽ)
上下前次1-新
抽出解除 ﾚｽ栞 あぼーん
このｽﾚｯﾄﾞは過去ﾛｸﾞ倉庫に格納されています｡
次ｽﾚ検索 歴削→次ｽﾚ 栞削→次ｽﾚ 過去ﾛｸﾞﾒﾆｭｰ
894: (ﾜｯﾁｮｲ 0d01-Sr1b [126.227.147.155]) 2019/04/25(木)22:17 ID:X6smEgNz0(1) AAS
>>884 仕事があることと転職とはまた別の話。
転職できないからと言って会社を起こしてもそれなりの収入を続けるのは難しい。 仕事が途切れればなんせ無給だからね。
飛び飛びなら60歳でも70歳でも仕事はあるよ。
929: (ﾜｯﾁｮｲ 0db3-Z4eT [126.227.147.155]) 2019/04/28(日)19:21 ID:c5eGKKj60(1) AAS
>>925 有りじゃないの？ 使い方によりけりだろうけど。
Googleが作ったチップ（Edge TPU）もエッジで機械学習するために作ったんだし。
エッジコンピューティングの流れ変える--グーグル、エッジ向け機械学習チップ発表
2018年07月30日
外部ﾘﾝｸ:japan.zdnet.com
エッジコンピューティングが求められる背景として、収集データを全てクラウドに送るとコストが高く付く可能性があり、またプライバシーや法規制上の理由からクラウドにデータを送れないケースがあることなどを挙げた。
一方で、エッジデバイスやゲートウェイでデータを処理するには、コストや消費電力などが制約になりかねない。
そこで同社が開発したのが「Edge TPU」だ。
2016年には機械学習に特化した専用チップ「Tensor Processing Unit（TPU）」を発表しており、2018年5月には第3世代チップを披露している。
Edge TPUは、これをエッジデバイス向けに小型化したものだ。
機械学習フレームワーク「TensorFlow」を組込機器やモバイル向けに軽量化した「TensorFlow Lite」を使って機械学習の推論モデルを動かすことができる、とRhee氏は話す。
1セント硬貨の上に4つ収まるほどの大きさで、低い消費電力で動作するという。
チップの処理性能については、毎秒30フレームの高解像度動画に対して機械学習モデルを実行できるとしている。
935(1): (ﾜｯﾁｮｲ 0d01-Sr1b [126.227.147.155]) 2019/04/29(月)01:50 ID:mPNo/zAj0(1/2) AAS
>>925 抜粋引用
「クラウド」からIoTやスマートフォンなどの「エッジ」へと急速に広がる機械学習処理
外部ﾘﾝｸ:cn.teldevice.co.jp
機械学習の処理はクラウドのような膨大なコンピューティングパワーを用いて実行されるものと思われていたが、
昨今はネットワークなどの末端ポイントとなる端末「エッジ」において機械学習処理を実行するフレームワークが相次いで登場してきている。
今後はエッジにおいても「機械学習処理をどう扱うか」の検討が重要な要素になっていくようだ。
略
ところが最近では、この機械学習処理の基盤が、クラウドからネットワークなどの末端ポイント「エッジ」へと広がってきています。
エッジへの広がりを見せる機械学習処理
そしてGoogleやマイクロソフトは、機械学習の基盤をクラウドだけでなくエッジへも広げようとしています。
略
クラウドと比べればほんのわずかなコンピューティングパワーしか持たないエッジで、果たして動作するのでしょうか？
ディープラーニングでは、学習時には膨大な試行錯誤が行われるため大きなコンピューティングパワーが必要ですが、
学習済みのコンピューターが推論を行うには、それほど大きなコンピューティングパワーを要求されるわけではありません。
マイクロソフトは2018年5月に行ったイベント「Build 2018」で、エッジにAIの能力を持たせる「Azure IoT Edge」を発表しました。
Googleも2018年5月に開催したイベント「Google I/O 2018」で、
iOSやAndroidに対応したモバイルアプリに顔認識など機械学習の機能を組み込むライブラリ「ML Kit」を発表しました。
ML Kitには、Googleの機械学習ライブラリ「TensorFlow」をモバイルデバイスに最適化した「TensorFlow Lite」が内蔵されています。
略
となれば、これらを含むシステムを設計・構築していくあらゆるエンジニアにとって、どのように機械学習機能を活用するのか、
その機械学習機能はクラウドを呼び出すのか、エッジで実行するのか、
そして得られた推論結果はどのように活かしていくのかを考えることが、今後は不可欠な要素となっていくのではないでしょうか。
936: (ﾜｯﾁｮｲ 0d01-Sr1b [126.227.147.155]) 2019/04/29(月)01:58 ID:mPNo/zAj0(2/2) AAS
>>935 Apple も iOS用に CoreML を提供している。
Watsonで作ったCore MLモデルをiOSアプリへデプロイする
外部ﾘﾝｸ:medium.com
977(2): (ﾜｯﾁｮｲ 0d01-Sr1b [126.227.147.155]) 2019/05/01(水)03:19 ID:+Ipdp7KR0(1/5) AAS
これからはエッジが普及し始めるから機械学習の裾野は急拡大するよ。
Jetson nano 開発キット 99ドル
Google Edge TPU Evaluation bord 144ドル
Edge TPU USB 74.99 ドル
これらは教育用としても使われるだろうな。
978(1): (ﾜｯﾁｮｲ 0d01-Sr1b [126.227.147.155]) 2019/05/01(水)03:25 ID:+Ipdp7KR0(2/5) AAS
>>968 あのさ、薬剤師って医師の処方箋どおりの薬を出すだけの仕事だよ。精々間違っていないか、飲み合わせが悪い事はないかのチェックが関の山。
勝手に組み合わせたりはできないの。 AI の入る余地は全くない。メーカーが薬を作るためにAI を使うのはありだが。
982(1): (ﾜｯﾁｮｲ 0d01-Sr1b [126.227.147.155]) 2019/05/01(水)09:14 ID:+Ipdp7KR0(3/5) AAS
>>981 薬剤師免許が取れるならね。
983: (ﾜｯﾁｮｲ 0d01-Sr1b [126.227.147.155]) 2019/05/01(水)09:21 ID:+Ipdp7KR0(4/5) AAS
>>977
自律学習可能なエッジ向けAIチップを開発--岩手大発のAISing
2019年01月24日
外部ﾘﾝｸ:japan.zdnet.com
DBTは、組み込み機器などの機械制御に特化したデータに絞ることでリアルタイムな学習と予測を可能にするというアルゴリズム。
同社ではDBTのSDK（開発環境）をSaaSで提供している。
例えばDBTは、実勢販売価格が5ドル程度のRaspberry Pi ZERO上で実行しても学習には50〜200マイクロ秒ほどで応答でき、推論では1〜5マイクロ秒ほどで応答できる。
「一定範囲の中で確実に応答することが機械制御にとって重要になる」（出澤氏）という。
また、主にIT側で先行するディープラーニングの仕組みは、大量の学習データをクラウド環境の大規模な計算資源で処理する仕組みだが、
マイクロ秒に近いほぼリアルタイムの処理性能が要求される機械制御では、ネットワークを介してクラウドと接続することによる遅延が大きな課題となっている。
992: (ﾜｯﾁｮｲ 0d01-Sr1b [126.227.147.155]) 2019/05/01(水)11:26 ID:+Ipdp7KR0(5/5) AAS
>>977
2018年02月14日
ARMが新AIプロセッサ「ARM Machine Learning」を発表、クラウドなしで端末による機械学習処理が可能に
外部ﾘﾝｸ:gigazine.net
半導体設計のARMが、AI処理用プロセッサ「ARM Machine Learning」と第2世代の「ARM Object Detection」を発表しました。
今後、ますます増大する機械学習処理を、クラウドではなく端末側で行うという流れが一気に加速しそうです。
現在、高い処理能力が求められる機械学習処理はクラウドを利用して行うのが主流となっていますが、クラウド利用ではデータを送受信するため応答速度やデータ転送量で不利です。
Hot Chips 30 - Armの第1世代マシンラーニングプロセサ(1) Armが第1世代マシンラーニングプロセサの内部構造を発表
2018/09/19
外部ﾘﾝｸ:news.mynavi.jp
Arm MLプロセッサ、明らかになったその中身
外部ﾘﾝｸ[html]:eetimes.jp
上下前次1-新書関写板覧索設栞歴
ｽﾚ情報 赤ﾚｽ抽出 画像ﾚｽ抽出 歴の未読ｽﾚ
ぬこの手 ぬこTOP 3.555s*