Machine Learning

Get the latest machine learning algorithms and techniques

Advanced Analytics | Machine Learning
Dariusz Jańczuk 0
Is intelligent content on the web the answer to mass content blocking?

As the internet grew in popularity, the marketing industry was quick to see that it had become an important channel for reaching out to potential customers. Websites increasingly began to host ads that were often unconnected with the site content. Advertising content became more widespread and unfortunately, also often obtrusive.

Advanced Analytics | Machine Learning
Andreas Becks 0
Stop Algorithm Porn! Warum Machine Learning alleine kein Wundermittel ist

In meinem vorherigen Beitrag  ging es darum, wie sich das Internet of Things (IoT) über den aktuellen Hype hinaus geschäftsfähig machen, also operationalisieren, lässt. Und um die Hürden, die Unternehmen in Sachen Analytics dafür überwinden müssen. Immer wieder spreche ich in diesem Zusammenhang mit Kunden über ein Thema, das nicht

Advanced Analytics | Analytics | Internet of Things | Machine Learning | SAS Events
Marcie Montague 0
Impressive technology, surprising connections

Two minutes in, I knew the 2017 SAS Global Forum Technology Connection would not be typical or average. For one thing, it was SAS Chief Technology Officer Oliver Schabenberger's show, and nothing he does is ever typical or average. The first surprise of the morning was his entrance. He zoomed onto the stage on a Segway, using slight

Advanced Analytics | Artificial Intelligence | Machine Learning
Andrew Pease 0
Image recognition: Cutting edge data science ready for business

Image recognition is a hot and hyped topic in machine learning, artificial intelligence and other technology circles. Computer vision technology is essential for realizing advancements like driverless cars, face recognition, medical outcomes predictions, and a host of other breakthrough innovations. Amidst the hype, organizations large and small are trying to understand the

Analytics | Internet of Things | Machine Learning
Federico Aguggini 0
Quel che resta dell’esattezza: come sfidare l’intelligenza artificiale

“Un uomo può considerarsi veramente soddisfatto solo quando sa di aver servito appieno il suo padrone” (cit. Mr. Stevens, “Quel che resta del giorno” di Kazuo Ishiguro) Parecchi anni fa, ai tempi dei miei studi universitari, mi occupavo di teatro. Un giorno, nel ripetere un esercizio legato all’interpretazione di un

Analytics | Machine Learning | Risk Management
Christian Engel 0
Data Scientists im Gesundheitswesen – Chancen im morbiditätsorientierten Risikostrukturausgleich

Seit 2009 sollen der Gesundheitsfonds und der morbiditätsorientierte Risikostrukturausgleich in der deutschen gesetzlichen Krankenversicherung (GKV) für eine ausgewogenere Verteilung der Einnahmen bei den Kassen sorgen. Ziel ist ein sozialer Ausgleich für unterschiedliche Einkommensstruktur und Krankheitslasten bei den Mitgliedern. Über einen sehr interessanten Nebeneffekt, den dieses regulatorische System ungewollt ausgelöst hat,

Artificial Intelligence | Machine Learning
Alison Bolen 0
12 machine learning articles to catch you up on the latest trend

Machine learning is a type of artificial intelligence that uses algorithms to iteratively learn from data and finds hidden insights in data without being explicitly programmed where to look or how to find the answer. Here at SAS, we hear questions every day about machine learning: what it is, how it compares to

Advanced Analytics | Artificial Intelligence | Internet of Things | Machine Learning
Marcel Lemahieu 0
“Augmented knowledge” using machine learning

The digital revolution requires an ever-increasing number of repetitive and targeted decisions. The digital revolution is faster and more comprehensive than the Industrial Revolution at the beginning of the last century. It requires less capital, and focuses on intellectual and digital innovation, which is affordable to many. The innovations produced

Artificial Intelligence | Internet of Things | Machine Learning
Peter Pugh-Jones 0
Intelligent ecosystems and the intelligence of things

I've long been fascinated by both science and the natural world around us, inspired by the amazing Sir David Attenborough with his ever-engaging documentaries and boundless enthusiasm for nature, and also by the late, great Carl Sagan and his ground-breaking documentary series, COSMOS. The relationships between the creatures, plants and

Analytics | Machine Learning
Fabian Buchert 0
Ein Wahlkampf mit Trumpf – mit Textanalytics verstehen was eigentlich gemeint ist

Mal ehrlich, wenn ich Sie fragen würde, worüber die Kandidaten im diesjährigen US-Wahlkampf in ihren Aufeinandertreffen debattiert haben – welche Kernthemen würden Sie mir spontan (abseits von Skandalen und Affären) nennen? Und könnten Sie diese Kernthemen den einzelnen Kandidaten zuordnen? Als ich mir diese Frage stellte, war die Antwort –

Analytics | Machine Learning
Joanna Gola 0
10 Przykazań Ekonometrii Stosowanej, czyli jak nie grzeszyć podczas pracy z realnymi danymi? – część 5

W czwartym wpisie z serii 10 przykazań Ekonometrii Stosowanej poruszyliśmy kwestie związane z zachowaniem prostoty i jasności stosowanych rozwiązań oraz weryfikacją modeli. Dziś przedstawię kolejne przykazanie, które wiąże się z wykorzystaniem technik data mining. 7. Data mining stosuj z rozwagą. Data mining jest w środowisku ekonometrycznym pojęciem kontrowersyjnym i budzącym

Data Management | Machine Learning
Charlie Chase 0
Machine learning changes the way we forecast in retail and CPG

Machine learning is taking a significant role in many big data initiatives today. Large retailers and consumer packaged goods (CPG) companies are using machine learning combined with predictive analytics to help them enhance consumer engagement and create more accurate demand forecasts as they expand into new sales channels like the

Artificial Intelligence | Machine Learning
小林 泉 0
ディープ・ラーニングとAI

この写真に写っているのは何でしょうか?きっと皆さん考えることもなく瞬時に家だと分かるでしょう。なぜなら、何百、何千という種類の家を見てきた経験から、家を構成する特徴(屋根、ドア、窓、玄関前の階段など)を脳が認識できるようになっているからです。そのため、たとえ家の一部分しか写っていない写真でも、自分が何を見ているかが瞬時に分かります。家を認識する方法を学習済みなのです。 多くの皆さんは、この話題ですぐに、「あぁ、ディープ・ラーニングの話だな」とピンとくることでしょう。今回は、昨今メディアを賑わせ、誤解も多くある、ディープ・ラーニングとAI(人工知能)の理解について、簡単に頭を整理してみましょう。 ディープ・ラーニングとは、家の画像の認識、分類、説明など人間が行うようなタスクを実行できるようにコンピューターに学習させることに特化した、人工知能(研究)の一領域です。しかし、ビジネスにおけるディープ・ラーニングの手法と応用はどのような状況にあり、アナリティクスの将来にディープ・ラーニングはどのようなメリットをもたらしてくれるのでしょうか? ディープ・ラーニングとその仕組みについて、SASのアナリティック・サーバー研究開発担当副社長であるオリバー・シャーベンバーガー(Oliver Schabenberger)に話を聞きました。 ディープ・ラーニングをどのように定義していますか? 【オリバー・シャーベンバーガー】ディープ・ラーニング手法は機械学習の一種であり、いわゆる「弱いAI(人工知能)」の一形態と考えられます。「弱いAI」とはAI分野の専門表現で、人間の脳と同じように動作する思考マシンの作成を前提としていないことを意味します。その代わり、「ディープ・ラーニング手法は人間が行うような特定のタスクをインテリジェントな方法で実行することができる」という前提に立っています。そして私たちは今、こうしたインテリジェンス強化システムが人間よりも優れた正確性、安定性、反復性をもってタスクを実行できるケースが多々あることを明らかにしつつあります。 ディープ・ラーニングは機械学習とビッグデータが重なり合っている領域だという人もいますが、それだけではありません。「ディープ」および「ラーニング」という側面の意味を詳しく考えてみましょう。 ディープ・ラーニングの1つの側面(=ディープ)は、ニューラル・ネットワーク・モデルを「より深く」適用することによってアナリティクスの精度が高まる、ということを指しています。学習(ラーニング)システムは、そのモデルあるいは環境を階層構造として表現します。それぞれの層(レイヤー)は、例えば画像における規則性の形態(形状、パターン、境界線など)のように、課題に関する異なるタイプの情報を表していると考えることができます。こうした階層構造とニューロン間の情報フローという2つの特長から、ニューラル・ネットワークは学習システムを構築するための標準ツールとなっています。コンピューティングとアルゴリズムの高度化により、現在では、ほんの数年前と比べても、より多くの層からなるニューラルネットを構築できます。ディープ・ニューラル・ネットワークは多くの学習手法の土台となる概念です。 第2の側面(=ラーニング)は、より多くのデータを利用する際のパフォーマンス(スピード、精度、一般化可能性)の改善という意味においても、システムが「学習」を行うことを指しています。この側面は、パターンの認識、テキストの読解、音声の理解、事象や物体の分類など、「これまで人間が学習してきたタスクを機械が実行する」という応用用途も指し示しています。システムは課題を解決するのではなく、課題に関してトレーニングを受けるのです。 ディープ・ラーニングはどのような点でAI(人工知能)なのでしょうか? 【シャーベンバーガー】多くの人々は「人工知能」という言葉を聞いたとたん、機械が人間に取って代わるのではないかと不安になりますが、ディープ・ラーニングの場合、そうはなりません。コンピューターは依然として「石頭」 です。あくまで、パターン認識、音声認識、質問への回答など、人間が行うようなタスクを機械独自の方法で疑似的に実行しているにすぎません。また、学習した能力を別のタスクに一般化することもできません。例えば、最近、数回の対局で世界最強の囲碁棋士に勝利したAlphaGo(アルファ碁)は、Googleの子会社であるDeepMindが開発した驚異的なディープ・ラーニング・アルゴリズムですが、画像を分類したり、洗浄機の中身を食器棚に片づけたりといった用途には役立ちません。それでも、囲碁に関しては驚異的なプレイヤーなのです。 しかしながら、人間の大脳新皮質が担っている機能に関する最新の理解とディープ・ニューラル・ネットワーク手法との間には、興味深い類似点があります。新皮質は多くの認知能力を担っていますが、そこでは階層構造を通じて入力信号が伝播されており、それらの層がモノの表現を生み出す規則性を発見していることが分かってきたのです。 [Tweet "コンピューターは依然として「石頭」 です。あくまで、パターン認識など、人間が行うようなタスクを機械独自の方法で疑似的に実行しているにすぎません。"] 同様に、ニューラル・ネットワーク・アルゴリズムもレイヤーとニューロンで編成されます。しかし、「ニューラルネットがコグニティブ・コンピューティングの世界で有用性が証明されてきたのは、それが人間の脳を模倣しているから」というよりは、「過去のアプローチとは異なる方法、すなわち、我々人間の大脳新皮質とは異なる方法でデータを処理するからこそ、ニューラルネットは成功を収めてきている」と言うべきではないかと私は思います。 ディープ・ラーニングの理解しやすい例を示していただけますか? 【シャーベンバーガー】ディープ・ラーニングと標準的なアナリティクス手法の違いが分かる優れた例として、 Atari社のBreakoutというゲーム(筆者と同年代以上の方であればご存知のはずの「ブロックくずし」のオリジナル作品らしいです)をプレイするタスクを考えてみましょう。最初に、考えられる選択肢について議論し、それから実際の動作をYouTubeのビデオでご覧いただきます。 1つの選択肢は、ブレイクアウトの遊び方を知っているゲームボットを書くことです。パドル(プレイヤーが水平に移動させるバー)とその動き方、ボール、ボールがパドルや壁やブロックにぶつかったときの跳ね返り方のルールなどの要素をプログラミングします。つまり、ゲームのロジックと戦略を、ソフトウェア自体に組み込むのです。ソフトウェアをコンパイルしたら、導入して実行し、ゲームボットがどのようにプレイするかを観察します。ゲームプレイ能力の改良が必要な場合は、コード改変、コンパイル、導入、実行、テストというサイクルを繰り返していきます。 もう1つの選択肢は、「深層強化学習」と呼ばれるディープ・ラーニング手法を用いて課題を解決する方法です。ディープ・ニューラル・ネットワークでゲーム環境を表現し、この環境内で動く方法、アクションの取り方、そのアクションを取ることで得られる報酬をプログラムに指示します。つまり、報酬はゲーム画面の上部に表示されるスコアであり、アクションはパドルを動かすことであるとコンピューターに伝えます。コンピューターが知る必要があるのは、これが全てです。実行が始まるとコンピューターは、パドルを動かし、スコアがどうなるかを読み取ります。この選択肢の場合、ゲームをプレイするというタスクは、「ゲームの現在の状態と、取るべきアクション(パドルの動かし方)の2つを変数として、将来の報酬を最大化せよ」という最適化課題へと変わります。 それでは、Google DeepMind社が実装したAtariブレイクアウトの深層強化学習をビデオでご覧ください。 このソフトウェアは、壁やブロック、さらにはボールの存在さえも知りません。知っているのは、自分で動かせるパドルがあることと、少しでも高いスコアを獲得するという目的だけです。それでも、学習開始から2時間後には、熟練者並みにプレイしています。誰もコンパイル、導入、実行を繰り返す必要はありませんでした。4時間後には、ゲームをクリアできるようになっています。特定の領域に関する知識は一切投入されていません。 ディープ・ラーニングについて詳しく学ぶにはどうすればよいでしょうか? 【シャーベンバーガー】私はつい最近、SASのサイトにディープ・ラーニングとは? という新しい記事を寄稿しました。ディープ・ラーニングが重要な理由と動作の仕組みについて、幅広い情報を盛り込んであります。また、ディープ・ラーニングに関するWebセミナーや、ディープ・ラーニングの現状についてデータ・サイエンティストが対談しているビデオへのリンクも用意しました。ディープ・ラーニングについて同僚に説明する際もお役に立つと思います。 いかがでしたでしょうか。ディープ・ラーニングとAIの位置づけが少しクリアになったのではないでしょうか。 ゲームと言えば、任天堂の「スーパーマリオ」というゲームを人工知能でクリアしてしまおうという取り組みもあります。インターネット上で検索すると色々情報が見つかるので調べてみてください。学習過程の動画を見ていて、筆者が始めてこのゲームをやったときの、最初の頃まだうまく操作できてないときの動かし方(右に無謀に突き進んでは行き過ぎてやられる)にそっくりだなと感じました。 データマイニング、機械学習、ディープ・ラーニングについて、弊社日本語サイトを更新したので是非ご活用ください。これらのテクノロジーの実用についてのより詳細な情報をご提供しています。

Advanced Analytics | Fraud & Security Intelligence | Internet of Things | Machine Learning
Matthieu Joosten 0
Telecom Fraud: What Operators can learn from Banks

Telecom operators loose annually up to a staggering $40 billion on fraud. And with the advent of the Internet of (Insecure) Things (IoT), extending connectivity far beyond smartphones and tablets, our homes, cars, clothes and light bulbs can become little Trojan horses, vulnerable to security and fraud exploits. So how should

1 4 5 6 7 8

Back to Top