Deep Insider 全記事一覧

Deep Insider 全記事一覧

@IT/Deep Insider フォーラムのすべての記事を一覧表示しています。



最終更新日: 2020年09月16日

AI・機械学習のデータセット辞典(2020/09/16)

  1. fastMRI Dataset:膝MRI/脳MRIの画像データセット
  2. MNIST:手書き数字の画像データセット
  3. KMNIST/Kuzushiji-MNIST:日本古典籍くずし字(手書き文字)データセット
  4. Fashion-MNIST:ファッション商品(写真)の画像データセット
  5. CIFAR-10:物体カラー写真(乗り物や動物など)の画像データセット
  6. CIFAR-100:物体カラー写真(動植物や機器、乗り物など100種類)の画像データセット
  7. Boston Housing:ボストンの住宅価格(部屋数や犯罪率などの13項目)の表形式データセット
  8. Titanic:タイタニック号乗客者の生存状況(年齢や性別などの13項目)の表形式データセット
  9. Large Movie Review:IMDb映画レビューコメントの「肯定的/否定的」感情分析用データセット
  10. Dataset Search:Googleによる「データセット検索」サイト
  11. PyTorch/TensorFlow/Keras/scikit-learnライブラリ内蔵のデータセット一覧
  12. アクティブに更新され続けている、お勧めの機械学習データセット一覧サイト
  13. 機械学習/データサイエンスに活用できる「政府系」オープンデータセット3選
  14. ImageNet:大規模なカラー写真の画像データベース
  15. Reuters newswire:ロイターのニュース記事のトピック分類データセット

MLOpsイベントレポート(2020/09/14)

  1. 第1回勉強会:なぜ今MLOpsなのか、先駆者や実際の現場からMLOpsを学ぼう

作って試そう! ディープラーニング工作室(2020/09/11)

  1. 機械学習やディープラーニングってどんなもの?
  2. Hello Deep Learning:ニューラルネットワークの作成手順
  3. データセット、多次元配列、多クラス分類
  4. ニューラルネットワークの内部では何が行われている?
  5. ニューラルネットワークの学習でしていること
  6. 自分だけのLinearクラスを作ってみよう
  7. MNISTの手書き数字を全結合型ニューラルネットワークで処理してみよう
  8. CNNなんて怖くない! その基本を見てみよう
  9. CNNなんて怖くない! コードでその動作を確認しよう
  10. プログラムを関数にまとめて、実行結果をグラフにプロットしよう
  11. RNNに触れてみよう:サイン波の推測
  12. PyTorchのRNNクラスとRNNCellクラスを再発明しよう
  13. PyTorchでオートエンコーダーによる画像生成をしてみよう
  14. PyTorchでCIFAR-10を処理するオートエンコーダーを作ってみよう
  15. PyTorchで畳み込みオートエンコーダーを作ってみよう
  16. PyTorchからGPUを使って畳み込みオートエンコーダーの学習を高速化してみよう
  17. MNISTを使ってオートエンコーダーによる異常検知を試してみよう

AI・機械学習の用語辞典(2020/09/09)

  1. 人工知能(AI:Artificial Intelligence)とは?
  2. 強いAI/弱いAI、汎用型AI(AGI:Artificial General Intelligence)/特化型AIとは?
  3. 音声認識とは?
  4. 音声生成、音楽生成とは?
  5. 画像認識とは?
  6. 画像生成とは?
  7. シンギュラリティ(Singularity:技術的特異点)とは?
  8. 自然言語処理(NLP:Natural Language Processing)とは?
  9. 学習(learning)とは?
  10. 推論/推定(inference)とは?
  11. 転移学習(Transfer Learning)とは?
  12. 機械学習(ML:Machine Learning)とは?
  13. ニューラルネットワーク(NN:Neural Network)とは?
  14. ディープラーニング(DL:Deep Learning、深層学習)とは?
  15. ディープニューラルネットワーク(DNN:Deep Neural Network)とは?
  16. 手法(approaches)とは?
  17. アルゴリズム(algorithm)とは?
  18. モデル(model)とは?
  19. 回帰(regression)とは?
  20. 分類(classification)とは?
  21. 次元削減(Dimensionality Reduction)とは?
  22. クラスタリング(clustering)とは?
  23. CNN(Convolutional Neural Network: 畳み込みニューラルネットワーク)とは?
  24. AutoML(Automated Machine Learning: 自動化された機械学習)とは?
  25. 表現学習(feature learning、特徴表現学習)とは?
  26. オートエンコーダー(Autoencoder)とは?
  27. トレーニングデータ(training data、訓練データ)とは?
  28. ラベル(labels、正解ラベル、教師データ:labeled training data)とは?
  29. TensorFlow(機械学習フレームワーク)とは?
  30. 学習方法(learning types)とは?
  31. LSTM(Long Short-Term Memory: 長・短期記憶)とは?
  32. トレーニング(training、訓練)とは?
  33. RNN(Recurrent Neural Network: 再帰型ニューラルネットワーク)とは?
  34. 精度検証データ(validation data、評価データ:evaluation data)とは?
  35. テストデータ(test data)とは?
  36. 教師あり学習(Supervised Learning)とは?
  37. 教師なし学習(Unsupervised Learning)とは?
  38. 強化学習(RL:Reinforcement Learning)とは?
  39. 半教師あり学習(Semi-Supervised Learning)とは?
  40. PoC(概念実証)とは?
  41. PoC貧乏とは?
  42. XAI(Explainable AI:説明可能なAI)/解釈可能性(Interpretability)とは?
  43. 透明性(Transparency)/透明なAI(Transparent AI)とは?
  44. MLOps(機械学習基盤)とは? AIOpsとの違い
  45. アカウンタビリティ(Accountability、説明責任)とは?
  46. 公平性(Fairness、フェアネス)とは?
  47. [活性化関数]ステップ関数(Step function)とは?
  48. [活性化関数]シグモイド関数(Sigmoid function)とは?
  49. [活性化関数]ReLU(Rectified Linear Unit)/ランプ関数とは?
  50. [活性化関数]tanh関数(Hyperbolic tangent function: 双曲線正接関数)とは?
  51. 活性化関数(Activation function)とは?
  52. [活性化関数]恒等関数(Identity function)/線形関数(Linear function)とは?
  53. [活性化関数]ソフトマックス関数(Softmax function)とは?
  54. [活性化関数]Swish関数(スウィッシュ関数)とは?
  55. [活性化関数]ソフトプラス関数(Softplus関数)とは?
  56. [活性化関数]Mish関数(ミッシュ関数)とは?
  57. [活性化関数]Leaky ReLU(Leaky Rectified Linear Unit)/LReLUとは?
  58. [活性化関数]PReLU/Parametric ReLU(Parametric Rectified Linear Unit)とは?
  59. [活性化関数]ELU(Exponential Linear Unit)とは?
  60. [活性化関数]SELU(Scaled Exponential Linear Unit)とは?
  61. 次元の呪い(Curse of dimensionality)とは?
  62. ノーフリーランチ定理(No Free Lunch theorem)とは?
  63. みにくいアヒルの子の定理(Ugly Duckling theorem)とは?
  64. バーニーおじさんのルール(Uncle Bernie's rule)とは?
  65. 内挿/外挿(Interpolation/Extrapolation)とは?
  66. バイアスとバリアンス(偏りと分散)のトレードオフ(Bias-Variance Tradeoff)とは?

解決!Python(2020/09/04)

  1. [解決!Python]数値を0埋めして文字列化するには
  2. [解決!Python]文字列やリストの要素数を調べるには

AI・機械学習の数学入門(2020/09/03)

  1. AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ!
  2. [AI・機械学習の数学]文字式を使いこなせば一気にレベルアップ
  3. [AI・機械学習の数学]総和を表すΣは機械学習に必須の記号
  4. [AI・機械学習の数学]微分法の基本を身につけて「変化」を見極めよう
  5. [AI・機械学習の数学]微分法を応用して、回帰分析の基本を理解する
  6. [AI・機械学習の数学]偏微分の基本(意味と計算方法)を理解する
  7. [AI・機械学習の数学]偏微分を応用して、重回帰分析の基本を理解する
  8. [AI・機械学習の数学]番外編1 「0」の取り扱い
  9. [AI・機械学習の数学]合成関数の微分(連鎖律)とニューラルネットワーク初歩の初歩

AI・機械学習の独学リソース(2020/08/25)

  1. TensorFlowが学べる、無料のオンライン学習講座。CourseraとUdacityに新設
  2. 人気の東大松尾研「DL4US」ディープラーニング講座のコンテンツが無償公開
  3. 機械学習概論〜ディープラーニングGAN、本格的に学べる全20時間の大学講義が無償公開
  4. 機械学習/深層学習〜統計学/データサイエンス、毎日10分×1カ月で学べる無償動画【2020年春版】
  5. 機械学習・ディープラーニングの数学/技術の概要を理解できる厳選「無料動画」
  6. 「機械学習の最先端」を効率的に情報収集! おすすめのメルマガ3選
  7. 機械学習/ディープラーニングが無料で学べる、米国有名大学の「オンライン講座/講義動画」

TensorFlow 2+Keras(tf.keras)入門(2020/08/17)

  1. 第1回 初めてのニューラルネットワーク実装、まずは準備をしよう ― 仕組み理解×初実装(前編)
  2. 第2回 ニューラルネットワーク最速入門 ― 仕組み理解×初実装(中編)
  3. 第3回 ディープラーニング最速入門 ― 仕組み理解×初実装(後編)
  4. 第4回 知ってる!? TensorFlow 2.0最新の書き方入門(初中級者向け)
  5. 第5回 お勧めの、TensorFlow 2.0最新の書き方入門(エキスパート向け)
  6. 第6回 カスタマイズするための、TensorFlow 2.0最新の書き方入門
  7. 第7回 回帰問題をディープラーニング(基本のDNN)で解こう
  8. 第8回 分類問題をディープラーニング(基本のDNN)で解こう
  9. 第9回 機械学習の評価関数(回帰/時系列予測用)を使いこなそう

AI・機械学習の無料電子書籍(2020/07/27)

  1. 無料で読める「機械学習/ディープラーニング」の有名書籍 厳選4冊

AI・機械学習のツール&ライブラリ(2020/07/07)

  1. DataRobot概説: データサイエンティストでない人に、データサイエンティストっぽく働いてもらおう
  2. Neural Network Console概説: GUIで直感的にディープラーニングしよう!

@IT/Deep Insiderの歩き方(2020/06/25)

  1. Python&AI・機械学習を無償の記事で学ぼう! @IT連載まとめ
  2. 「AI・機械学習の勉強を始めたい」「AIサービスを作りたい」人のための技術情報フォーラムです!

AI・機械学習のクラウドサービス(2020/06/22)

  1. クラウドの「AI」サービス/APIを比較表&1行でまとめる(AWS/Azure/GCP/IBM対応)【2020年版】

気になるニュース&ネット記事(2020/06/01)

  1. Swift For TensorFlowのオープンソース化など、GW前後の機械学習関連ニュースまとめ
  2. Microsoft Build 2018 vs. Google I/O 2018[機械学習視点]: FPGA vs. TPU、ML.NET vs. ML Kit
  3. Neural Network Console クラウド正式版など - 機械学習の必読情報
  4. 無償公開! AI関連のPDF『Future Computed』、I/O 2018 & Build 2018 のセッション動画
  5. de:code 2018、AI関連セッションの動画&資料の一覧
  6. 立教大学大学院、2020年4月新設の「人工知能科学研究科」の特設サイトをオープン
  7. BigQueryが無料で試せる「BigQueryサンドボックス」。毎月1TBの検索が可能
  8. Deep LearningコミュニティーDLLAB」の次回大規模イベント情報と、今後の方針・施策 〜2周年イベントより〜
  9. Python 2系終了のタイムリミット迫る。早く「3系」に切り替えよう
  10. スタンドアロンKerasとtf.kerasの違いとは? 〜 #AskTensorFlow より〜
  11. PyTorch vs. TensorFlow、ディープラーニングフレームワークはどっちを使うべきか問題
  12. 人気プログラミング言語の変遷、1965〜2019年(Python視点)
  13. 2020年の「AI/機械学習」界わいはこうなる! 10大予測
  14. Colab Pro登場と、Google ColabユーザーのためのTipsトップ10
  15. マルチバックエンドKerasの終焉、tf.kerasに一本化
  16. 各AI研究分野の立ち位置を示す「AIマップ」(人工知能学会の公開リソース)とは?

人気連載まとめ読み! @IT eBook(2020/05/19)

  1. 普通のエンジニアでも分かるディープラーニング概説
  2. Pythonチートシート
  3. 普通のエンジニアが初めて動かすディープラーニング

PyTorch入門(2020/02/20)

  1. 第1回 難しくない! PyTorchでニューラルネットワークの基本
  2. 第2回 PyTorchのテンソル&データ型のチートシート
  3. 第3回 PyTorchによるディープラーニング実装手順の基本

Pythonチートシート(2020/02/18)

  1. [Pythonチートシート]基本要素編
  2. [Pythonチートシート]関数定義編
  3. [Pythonチートシート]文字列/リスト/タプル/辞書/集合の操作編
  4. [Pythonチートシート]クラス定義編
  5. [Pythonチートシート]ファイル操作編
  6. [Pythonチートシート]モジュール/例外編
  7. [Pythonチートシート]特殊メソッド編

AWS DeepRacer入門(2020/01/16)

  1. 第1回 強化学習が楽しく学べる自律走行レーシングカー「AWS DeepRacer」とは?
  2. 第2回 AIの強化学習の基礎を学ぼう
  3. 第3回 強化学習を簡単に調整できるDeepRacerのコンソールとシミュレーター
  4. 第4回 手を動かして強化学習を体験してみよう(自動運転ロボットカーDeepRacer編)
  5. 第5回 DeepRacerリーグ勝者に聞く「どうすれば勝てますか?」

Python入門(2019/12/10)

  1. Pythonってどんな言語なの?
  2. Hello Python
  3. 数値と算術演算
  4. [Python入門]変数とは
  5. [Python入門]文字列の基本
  6. [Python入門]文字列の操作
  7. [Python入門]文字列の書式指定
  8. [Python入門]コメント
  9. [Python入門]if文による条件分岐
  10. [Python入門]for文による繰り返し処理
  11. [Python入門]while文による繰り返し処理
  12. [Python入門]関数の基本
  13. [Python入門]関数の引数
  14. [Python入門]関数のローカル変数とスコープ
  15. [Python入門]ローカル関数とラムダ式
  16. [Python入門]リストの基本
  17. [Python入門]リストの操作
  18. [Python入門]リストと繰り返し処理
  19. [Python入門]タプル
  20. [Python入門]辞書
  21. [Python入門]集合
  22. [Python入門]モジュールの使い方
  23. [Python入門]モジュールの作り方
  24. [Python入門]パッケージ
  25. [Python入門]Pythonのオブジェクトとは
  26. [Python入門]オブジェクトの同一性、比較、文字列表現
  27. [Python入門]Pythonの演算子まとめ
  28. [Python入門]クラスの基礎知識
  29. [Python入門]クラス変数/クラスメソッド/スタティックメソッド
  30. [Python入門]クラスを使ってスタックとキューを作成する
  31. [Python入門]クラスの継承
  32. [Python入門]リストを継承してスタックを作成する
  33. [Python入門]クラスのスコープとプライベートな属性
  34. [Python入門]多重継承
  35. [Python入門]多重継承とmixin
  36. [Python入門]例外と例外処理の基礎
  37. [Python入門]例外の送出と例外クラス
  38. [Python入門]ファイル操作の基本
  39. [Python入門]バイナリファイルの操作
  40. [Python入門]pickleモジュールによるオブジェクトの直列化
  41. [Python入門]shelveモジュールによるオブジェクトの永続化
  42. [Python入門]urllib.requestモジュールによるWebページの取得
  43. [Python入門]Beautiful Soup 4によるスクレイピングの基礎
  44. [Python入門]ディレクトリ操作の基本
  45. [Python入門]pathlib.Pathクラスによるパス操作
  46. [Python入門]shutilモジュールによる高水準ファイル操作
  47. [Python入門]ファイル操作と例外処理
  48. [Python入門]イテレータとは
  49. [Python入門]ジェネレータ関数とジェネレータイテレータの基礎
  50. [Python入門]ジェネレータの高度な話題
  51. [Python入門]デコレーターの基礎
  52. [Python入門]docstringの書き方
  53. [Python入門]PEP 8:Pythonコーディングスタイルガイド

AIと法律・知財・契約(2019/12/02)

  1. 生データ使い放題?! 「日本は機械学習パラダイス」になった ― DEEP LEARNING LAB 勉強会
  2. 個人情報を含むデータは、AI&機械学習に使えるのか?〜個人情報保護法〜 ― DLLAB勉強会

イベントから学ぶ最新技術情報(2019/10/24)

  1. AIの音声/画像認識技術は人間レベルを超えた!? Microsoftによる最新AI技術。Japan Partner Conference 2017 Tokyo
  2. Chainer×Azureの関係とは? Preferred NetworksのCEO、西川氏が登壇。JPC 2017 Tokyo
  3. 機械学習の作業がはかどる新ツール「Workbench」とは? TensorFlowやAWSも使える。Microsoft Tech Summit 2017
  4. 「DEEP LEARNING LAB」勉強会の開催方針と、7割補助金が出るハンズオン講座
  5. GTC 2018におけるAI関連の発表内容、そこから見えるNVIDIAの方向性
  6. 目指すべき今後の人工知能とは? パネルディスカッション ― データサイエンティスト協会 セミナー2018 第1回
  7. 深層学習にはどんなデータが使えるのか? どれくらいのデータ量が必要か? ― DLLAB コミュニティ勉強会 2018Q2
  8. 企業から見たデータサイエンティストの採用と育成(パネルディスカッション)― データサイエンティスト協会 調査・研究委員会セミナー
  9. MSやPFNのAI技術最新情報からPost Kまで ― DLLAB DAY 2018 基調講演レポート
  10. グーグルのAI技術、2018年9月最新情報 ― Google Cloud Next ’18 in Tokyo 基調講演レポート
  11. TensorFlow 2.0 α版で何が変わる? 新機能の概要 ― TensorFlow Dev Summit 2019
  12. AI・機械学習関連のマイクロソフト最新技術情報 〜de:code 2019の基調講演より〜
  13. グーグルのAI技術、2019年夏の最新情報 ― Google Cloud Next ’19 in Tokyo 基調講演2レポート
  14. Kaggle Grandmasterに聞く「トップデータサイエンティストの過去・現在・未来」 ― データサイエンティスト協会 6th シンポジウム

Pythonイベント(2019/09/27)

  1. Pythonが世界を席巻している理由:PyCon JP 2019 第1日目 基調講演レポート
  2. Pythonで切り開く新しい農業:PyCon JP 2019 第2日目 基調講演レポート
  3. 今がPython 2から移行するのにベストなタイミング:トークセッションレポート

機械学習&ディープラーニング入門(Python編)(2019/08/31)

  1. Lesson 1 ディープラーニングを始めるための、Python基礎文法入門
  2. Lesson 2 モジュール ― Python基礎文法入門
  3. Lesson 3 コメント ― Python基礎文法入門、APIリファレンスの使い方
  4. Lesson 4 変数、オブジェクト ― Python基礎文法入門
  5. Lesson 5 データ型(ブール/数値/文字列) ― Python基礎文法入門
  6. Lesson 6 データ型(リスト/タプル/辞書/各種オブジェクト) ― Python基礎文法入門
  7. Lesson 7 関数 ― Python基礎文法入門
  8. Lesson 8 関数の定義 ― Python基礎文法入門
  9. Lesson 9 条件分岐 ― Python基礎文法入門
  10. Lesson 10 ループ処理 ― Python基礎文法入門
  11. Lesson 11 クラス ― Python基礎文法入門
  12. Lesson 12 クラスの定義 ― Python基礎文法入門
  13. Lesson 13 旧バージョン2環境への対応、標準ライブラリ ― Python言語の文法(応用編)
  14. Lesson 14 if 条件式、and/or/not 論理演算子 ― Python言語の文法(応用編)
  15. Lesson 15 ラムダ式 ― Python言語の文法(応用編)
  16. Lesson 16 リスト内包表記 ― Python言語の文法(応用編)
  17. Lesson 17 例外 ― Python言語の文法(応用編)
  18. Lesson 18 「Python言語基礎文法」と「いくつかの応用文法」のまとめ

機械学習&ディープラーニング環境構築入門(2019/08/29)

  1. UbuntuでのGPUディープラーニング環境の構築【Ubuntu 16.04 LTS対応】
  2. UbuntuでのGPUディープラーニング環境の構築【Ubuntu 18.04 LTS対応】

機械学習の参考事例(2019/06/17)

  1. Deep Learningが医療向けVR/MRサービスでどう活用されたのか
  2. Deep LearningがECサイトの商品分類でどう活用されたのか

AI・機械学習の基本概念(2019/04/15)

  1. 人工知能(AI)とは?
  2. シンギュラリティ(Singularity:技術的特異点)とは?

機械学習&ディープラーニング入門(データ構造編)(2019/02/08)

  1. Lesson 1 機械学習を始めるための、Pythonデータ構造「多次元リスト」入門
  2. Lesson 2 機械学習に欠かせない、NumPy入門と「多次元配列(ndarray)」
  3. Lesson 4 「AIのデータ構造となるNumPyの多次元配列と、数値計算」の基礎まとめ
  4. Lesson 3 NumPyによる数学計算と、数学用語の「テンソル」

機械学習&ディープラーニング入門(コンピューター概論編)(2018/12/18)

  1. Lesson 1 ディープラーニングを始めるための、プログラムの基礎
  2. Lesson 2 ディープラーニングを始めるための、コンピューターの基礎
  3. Lesson 3 ディープラーニングを始めるための、アプリケーションと開発の基礎
  4. Lesson 4 「プログラム、コンピューター、アプリケーションと開発」の基礎まとめ

機械学習&ディープラーニング入門(作業環境準備編)(2018/12/11)

  1. Lesson 1 ディープラーニングを始めるための、作業環境の特長と使い分け指針
  2. Lesson 2 Google Colaboratory(Jupyter Notebook)の準備と、ノートブックの作成
  3. Lesson 3 Google Colaboratory(Jupyter Notebookのオンライン版)の使い方
  4. Lesson 4 「ディープラーニング作業環境の概要とGoogle Colaboratory(Jupyter Notebookのオンライン版)の使い方」まとめ

ディープラーニング習得、次の一歩(2018/08/08)

  1. Kerasを用いたディープラーニング(LSTM)による株価予測
  2. 挑戦! word2vecで自然言語処理(Keras+TensorFlow使用)
  3. word2vecリターンズ! 品詞分類による精度改善
  4. ディープラーニングで自動筆記 − Kerasを用いた文書生成(前編)
  5. ディープラーニングで自動筆記 − Kerasを用いた文書生成(後編)

TensorFlow入門(2018/04/27)

  1. 第1回 TensorFlowとは? 入門連載始動! データフローグラフ、事例、学び方
  2. 第2回 TensorFlow環境の構築
  3. 第3回 TensorFlowの基本構成要素:「テンソル」と「セッション」
  4. 第4回 CNN(Convolutional Neural Network)を理解しよう(TensorFlow編)
  5. 第5回 画像認識を行う深層学習(CNN)を作成してみよう(TensorFlow編)
  6. 第6回 RNN(Recurrent Neural Network)の概要を理解しよう(TensorFlow編)
  7. 第7回 時系列データの予測を行う深層学習(RNN)を作成してみよう(TensorFlow編)
  8. 第8回 TensorBoardとは? スカラー値やデータフローグラフの可視化

機械学習&ディープラーニング入門(概要編)(2018/04/18)

  1. Lesson 1 AI・機械学習・ディープラーニングがしたい! そもそも何ができるの?
  2. Lesson 2 機械学習やディープラーニングには、どんな手法があるの?
  3. Lesson 3 機械学習&ディープラーニングの、基本的なワークフローを知ろう

Deep Insiderオピニオン:吉崎亮介(2017/11/27)

  1. 第1回 人工知能・機械学習・ディープラーニングとは? 基礎概念まとめ
  2. 第2回 機械学習に必要なスキルセット

Web APIで簡単に使えるAIサービス(2017/10/20)

  1. これから始める人のための最新Cognitive Services入門

OpenCV入門【3.0対応】(2017/09/12)

  1. 第1回 OpenCVとは? 最新3.0の新機能概要とモジュール構成
  2. 第2回 OpenCV 3.0の新機能(+ 次バージョンのロードマップ)
  3. 第3回 OpenCVの環境構築(OpenCV 3.0/3.1)
  4. 第4回 初めてのOpenCV開発 ― Visual Studio/CMake/NuGetでプロジェクト作成【OpenCV 3.0/3.1】
  5. 第5回 初めてのOpenCV開発 ― coreモジュール【OpenCV 3.1.0】
  6. 第6回 初めてのOpenCV開発 ― highgui/imgcodecs/videoioモジュール【OpenCV 3.1.0】
  7. 第7回 初めてのOpenCV開発 ― デバッグ機能およびデバッグ支援プラグイン【OpenCV 3.1.0】
  8. 第8回 初めてのOpenCV開発 ― CMakeを使ったOpenCVのカスタマイズ【OpenCV 3.1.0】
  9. 第9回 初めてのOpenCV開発 ― opencv_contrib紹介【OpenCV 3.1.0】

まだ知らないエンジニアのための人工知能/機械学習概説(2016/05/20)

  1. 第3次人工知能(AI)ブームにおける機械学習、そろそろ入門しよう!

RSSについて

アイティメディアIDについて

メールマガジン登録

@ITのメールマガジンは、 もちろん、すべて無料です。ぜひメールマガジンをご購読ください。