DEVELOPER’s BLOG
技術ブログ
- トップ
- 技術ブログ
![【データ分析基盤】利活用を成功させる構築、2つの](https://acceluniverse.com/blog/developers/5e78ef5fdc34a371bbcb76e31096830f96a0d1eb.jpg)
データ分析基盤構築とは、大量のデータを蓄積・変換・分析するためのインフラを開発することです。主軸となるデータレイク・データウェアハウス・BIツールの他、NoSQLデータベース、データパイプラインツール、ETLツールなど様々な要素があり、それぞれ様々なベンダーから多種多様な製品が出ています。 比較項目は膨大で、複雑です。性能・機能・セキュリティ・コスト......一体何を基準に選べばよいのでしょうか。当社には一つの戦略があります。それは、 " 分析ツール
![生成AIで架空飲食チェーン店のVOC分析やってみた](https://acceluniverse.com/blog/developers/2024/01/29/aa0cb8bec0828309ddd753642c807ef7e5f172e4.png)
ご挨拶 AWS全冠エンジニアの小澤です。 今年の目標はテニスで初中級の草トーナメントに優勝することです。よろしくお願いいたします。 本記事の目的 本記事では、生成AIでVOC分析を行うことで得られた知見を共有したいと思います。 昨今、生成AIの登場など機械学習の進歩は目覚ましいものがあります。一方、足元では自社データの利活用が進まず、世の中のトレンドと乖離していくことに課題感を持たれている方も多いかと思います。また、ガートナーの調査(2024年1月)による
![アジャイル開発を加速させるCircleCI×AWS ECSを活用した、テスト・デプロイの自動化](https://acceluniverse.com/blog/developers/2023/10/1060.jpg)
目次 挨拶 CI/CD導入の背景 前提 プロジェクト構成 ディレクトリ構成 .circleci/config.yml 全体の流れ 試行錯誤したところ 今後の展開 挨拶 CircleCIでdocker-composeを使ってテストからAWS ECSへのデプロイまでを自動化してみたので紹介します。 CI/CD導入の背景 参加しているプロジェクトではアジャイルを取り入れ、毎月リリースするようになりました。 毎月リリースがあるということは、それだけ機能改修、追加、
![通信をすべてNAT Gatewayを通していませんか?棚卸しによる70%のコスト削減に成功!](https://acceluniverse.com/blog/developers/denys-nevozhai-k5w21D7PgMk-unsplash.jpg)
目次 背景 原因究明 解決策 結果 背景 AUCでは、SRE活動の一環として、AWSコストの適正化を行っています。 (技術ブログ『SRE:コスト抑制のための異常値検知機構の実装』) コスト適正化における課題は、大きく分けて下記の4つです。 ①コストは月末にチェックしており、月中でコストが急激に上昇した場合発見が遅れてしまう。 ② 不要なリソースが放置されていたり、新たなリリースによって生じたコストを確認していない。 ③ AWSが提供するベスト
![Amazon Connectを使って占い案内IVRをつくってみた](https://acceluniverse.com/blog/developers/26266339_m.jpg)
目次 挨拶 Amazon Connectとは? 目的と経緯 仕様 作業手順 作業内容 最後に 挨拶 こんにちは、システム部の長森です。 皆様は 自動音声応答システム(IVR) を利用したことはありますか? IVRとは Interactive Voice Response の略で、架電時に音声が流れ、番号をプッシュすると適切なオペレーターまたは次の音声に繋がるシステムのことを指します。 企業への電話問い合わせ、商品の電話注文などによく使われているシステムなの
![SRE:コスト抑制のための異常値検知機構の実装](https://acceluniverse.com/blog/developers/2023/05/other_coin01_01.png)
目次 実装前の課題 採用した技術と理由 実装した内容の紹介 改善したこと(抑制できたコスト) 実装前の課題 SRE(Site Reliability Engineering:サイト信頼性エンジニアリング)とは、Googleが提唱したシステム管理とサービス運用に対するアプローチです。システムの信頼性に焦点を置き、企業が保有する全てのシステムの管理、問題解決、運用タスクの自動化を行います。 弊社では2021年2月からSRE活動を行っており、セキュリ
![AWSを利用した弊社の開発環境](https://acceluniverse.com/blog/developers/bfe98aec2723e44546cd558bbb199b482c1afff7.png)
目次 AUCの使用ツール GitHub、CircleCI使用までの流れ AWSの構成図 まとめ AUCの使用ツール 弊社ではGitHubとCircleCIの2つのツールを利用し、DevOpsの概念を実現しております。 DevOpsとは、開発者(Development)と運用者(Operations)が強調することで、ユーザーにとってより価値の高いシステムを提供する、という概念です。 開発者は、「システムへ新しい機能を追加したい」 運用者は、「システムを
![SVMで必要な双対問題の解説](https://acceluniverse.com/blog/developers/381802bc0822b0a92363bf62fd7ca440f0e13716.png)
なぜ機械学習で双対問題を学ぶのか 結果から述べるのであれば、SVM(サポートベクトルマシーン)の原理で双対問題を使いたいからです。 これから実際どのように双対問題が使われているのか、また、双対問題の簡単な具体例を交えて説明していきたいと思います。 まずSVMについて簡単に説明したいと思います。 予測には過去のデータを使います。 しかし、外れ値のような余計なデータまで使ってしまうと、予測精度が下がるかもしれません。 そこで「本当に予測に必要となる一部のデータ
![機械学習で採用予定人数を予測する。狙い目企業はどこ?](https://acceluniverse.com/blog/developers/457d2a7f893df5211c8b065ca7370d014727cf08.png)
2022年卒大学生の皆さん! コロナウイルスが流行していることで就活にどういう影響があるのか、とても不安ですよね。 今回は業界ごとに採用人数を予測し、「どの業界が狙い目なのか」機械学習を使った分析手順を紹介します! 目次 概要 手順 今後の課題 1.概要 データセットの内容 分析対象の7業界・各4企業 化粧品 電子機器 商社 不動産 金融 サービス IT・情報 説明変数と目的変数 特徴量 年初の株価、決算報告書提出翌日の株価、一株あたりの純資産額、従業員数
![機械翻訳の歴史と今後の可能性](https://acceluniverse.com/blog/developers/555d9ae8e8a748850e6596f1da4442957464cd23.png)
目次 機械翻訳とは 機械翻訳の手法 現在の機械翻訳の欠点 欠点が改善されると 今後の展望 機械翻訳とは 機械翻訳という言葉を理解するために2つ言葉を定義する。 系列 : 記号の列のことで自然言語処理の世界だと文を構成する単語の列になる。 系列変換モデル : 系列を受け取り、それを別の系列に変換する際の確率をモデル化したもの。系列変換モデルはseq2-seqモデルとも呼ばれている。 この2つの言葉から機械翻訳は、ある言語の文章(系列)を別の言語の文章(系列)
![機械学習で為替予測(FX)をしてみる](https://acceluniverse.com/blog/developers/rupixen-com-4kIM7ED8F1A-unsplash.jpg)
こんにちは。 皆さんはFXでお金を稼ぎたいと思ったことはあるでしょうか?もしFXでこれまでの生活を一変させるような額のお金を稼ぐことができたら夢のようですよね? 今回はそんな夢を目指して、為替の値動きを機械学習で予測してみたというお話をしたいと思います。 目次 概要 手順 結果 今後の課題 1 概要 使用したデータセット:OANDA APIを用いて取得 https://www.oanda.jp/fxproduct/api (デモ口座を開設することにより、無
![貴社のDXは、もうお済みでしょうか..?](https://acceluniverse.com/blog/developers/b3b86bfecc38b62f50c904957366ffc3059928fc.png)
貴社のDX(デジタルトランスフォーメーション)は、もうお済みでしょうか..? 経産省が警鐘をならす「2025年の崖」。 既にご存知の方も多いと思います。 昨今、企業活動とITが密接に関連する状況において、当該レポートは全ての企業様にとって他人事ではない内容であるように思えました。 あらためて経産省の発表内容を振り返るとともに、本記事が企業様の次の意思決定・行動のリマインドとなれば幸いでございます。 経済産業省からの警鐘 2018年9月に経済産業省から「DX
![機械学習におけるパラメータとその決定法](https://acceluniverse.com/blog/developers/1eefc636eeb5308fc7cce647bf1bde481ddba1f5.png)
このブログはそもそもパラメータという言葉をよく耳にするが、どのように決定しているのか知りたい人(機械学習の初歩的な数学の理論を知りたい人)向けです。少し数学的な計算も入ってきます。 学習とは、仮定から導き出した誤差関数を最小に,あるいは尤度関数や事後分布を最大にするパラメータを求めることでした。そのうち今回は尤度関数と勾配法について説明していきたいと思います。 パラメータとはどういう設定値や制限値で機械学習の予測モデルを作るのかを示すものです。イメージとし
![データから簡単にレポート作成! ーARRIA NLG PLCで自然言語生成ー](https://acceluniverse.com/blog/developers/4ee32c9003cb2f0d443a1ffd89a3fcce0f25e10f.png)
皆さんはレポートを作成する際、どのような方法で作成していますか? 膨大な量のデータを読み解き、文章を考えて、何かうまくまとまらない...... もっと簡単にできたらいいのに!と思ったことはありませんか? この記事では、Arria NLG PLCのデータから文章を生成する技術について紹介します。 1 ARRIA NLG PLCとは? ARRIA NLG PLCは2009年に設立した企業です。しかし、その技術は30年間の科学的研究に基づいたもので、ARRIA
![自然言語処理の予測理由を説明する WT5?! Training Text-to-Text Models to Explain their Predictions](https://acceluniverse.com/blog/developers/1eeea9082220bbf09f0fbfa0476bb2e66510b6f5.png)
概要 今回は、以前ブログで紹介したText-to-Text Transfer Transformer(T5)から派生したWT5(Why? T5)を紹介します。 Text-to-Text Transfer Transformerとは、NLP(自然言語処理)のタスクをtext-to-text(テキストを入力して、テキストを出力する)形式として考えたもので、様々なタスクでSoTA(State of the Art=最高水準)を獲得しました。こちらの記事で詳し
![実務経験ナシでも30時間でAWSソリューションアーキテクトアソシエイトを取得した話](https://acceluniverse.com/blog/developers/8a893360355474e7db9eae282fce0b954efb628f.png)
はじめに 私文大学生でクラウドの実務経験は皆無です。普段は機械学習などをぽちぽちしています。緊急事態宣言も解除され、次の試験受験を考え始めたので、次に活かせるようにソリューションアーキテクト c02に至った動機や学習方法をまとめていきます。 資格名そのままだと長いので、以降ソリューションアーキテクトアソシエイトをSAA、クラウドプラクティショナーをCLFと略します。 タイトルでは30時間で〜と謳っていますがSAAをパスするCLFに合格していますので、その時
![感染症モデルを用いた実効再生産数の予測 ーコロナウイルスはどれほど拡大するのかー](https://acceluniverse.com/blog/developers/6010ea7c14a42e129f98ba943b0f50360d363bc1.png)
新型コロナウイルス感染症とは? 2019年12月より中国で 新型コロナウイルス ( COVID-19 )による肺炎が発生し、2020年4月現在では日本国内でも急速に感染が拡大しています。 新型コロナウイルスは、感染症法における「 指定感染症 」、及び検疫法における「 検疫感染症 」に指定され、感染が確認された患者に対して入院措置などの法的処置を取ることが可能となりました。 今回は、まず感染の拡大等を予測できる感染症モデルについていくつか紹介していこうと思い
![AIはコロナウイルスに対抗できるか?](https://acceluniverse.com/blog/developers/8e9747c07b0eaa87e2cac2b1752218b27f06e709.png)
世界で猛威を振るうコロナウイルスの抑制に向けて、AI・機械学習はどのような貢献ができるでしょうか。 政府、研究者、保健機関を支援するための早期警告、および検出アルゴリズム、患者の旅行履歴に基づく分析、そして最終的にはコロナウイルスワクチンの作成および開発まで、AIはおそらく鍵となるテクノロジーになるでしょう。今回はAI・機械学習での貢献にチャレンジしている事例を紹介します。 機械学習によるウイルスの検出と追跡 たとえば、カナダに本拠を置く病気の分散予測プラ
![その判断、誰が決めた?説明可能なAIをExplainable AI(XAI)で解説](https://acceluniverse.com/blog/developers/mediensturmer-aWf7mjwwJJo-unsplash.jpg)
0. 背景 「 特徴量の自動抽出 」を行うのがDeep Learningの強みの1つですが、与えられたデータに対する推論の過程が ブラックボックス化 され、なぜその特徴量を抽出したのか説明できないという問題点もあります。 例えば、自動運転技術が搭載されている車で事故が起こった場合、「 なぜ事故が起こったのか 」という原因の究明が難しく、実用化にあたり大きなハードルになっています。 最近の機械学習関連の学会では「 Explainability (説明可能性)
![機械学習を知らない人への「機械学習とは」 知っておきたい概要と活用事例](https://acceluniverse.com/blog/developers/eb100c112a4567c49de25e1ecd7e6224ccc0657b.png)
最近、「機械学習って何が出来るの?」「AIとなにが違うの?」という質問を多くいただくようになってきました。それもそのはず、5年間で機械学習の検索ボリュームは約3倍になりました。 機械学習の概要やどんな課題解決ができるのか、事例をご紹介します。 目次 人工知能(AI)とは 機械学習とは 機械学習の種類 機械学習の歴史 解決したい課題別 機械学習の活用事例 コスト削減/人依存の解消/生産性向上/品質向上 導入検討フロー 人工知能(AI)とは 人工知能のイメージ
![人間が騙されているフェイクニュースをAIが見破れるか?](https://acceluniverse.com/blog/developers/692a2b942cad53e4e64c18a8d3805b87119873e0.png)
フェイクニュースは珍しいものではありません。 コロナウイルスの情報が凄まじい速さで拡散されていますが、その中にもフェイクニュースは混ざっています。悪意により操作された情報、過大表現された情報、ネガティブに偏って作成された情報は身近にも存在しています。 これらによって、私たちは不必要な不安を感じ、コロナ疲れ・コロナ鬱などという言葉も出現しました。 TwitterやInstagramなどのソーシャルメディアでは嘘みたいな衝撃的なニュースはさらに誇張な表現で拡散
![pythonでEfficientNet + Multi Output を使って年齢予測の実装](https://acceluniverse.com/blog/developers/f5a968340e8107877299cfa27dc9127ffcaad2ac.png)
ディープラーニングを使って、人の顔の画像を入力すると 年齢・性別・人種 を判別するモデルを作ります。 身近な機械学習では1つのデータ(画像)に対して1つの予測を出力するタスクが一般的ですが、今回は1つのデータ(画像)で複数の予測(年齢・性別・人種)を予測します。 実装方法 学習用データ まず、学習用に大量の顔画像が必要になりますが、ありがたいことに既に公開されているデータセットがあります。 UTKFace というもので、20万枚の顔画像が含まれています。ま
![Googleが発表した自然言語処理モデルText-to-Text Transfer Transformer(T5)とは?](https://acceluniverse.com/blog/developers/870b1bb6b3892f7fa9d3629227c24cb301ceb11c.png)
Googleが発表したBERTは記憶にも新しく、その高度な性能はTransformerを使ったことで実現されました。 TransformerとBERTが発表される以前の自然言語処理モデルでは、時系列データを処理するRNNとその発展形であるLSTMが使われてきました。このLSTMには、構造が複雑になってしまうという欠点がありました。こうしたなか、2017年6月に発表された論文「Attention is all you need」で論じられた言語モデルTran
![高精度と話題のDeepL翻訳が日本語対応! Google翻訳との比較](https://acceluniverse.com/blog/developers/e02ec62f34dcadeea33b50dc78376d5bd1131ce3.png)
最近はGoogleを始めとする翻訳サービスにも機械学習が取り入れられ、翻訳精度が向上しています。 しかし、完璧な翻訳を求めるには精度が足りず、確認作業に時間がかかったり、翻訳されたものが正しいのか見極めるスキルが必要なケースがほとんどです。 このような課題がある中、高精度な翻訳ができる「DeepL」が、日本語と中国語の翻訳に新しく対応したので、日本語での翻訳機能を試してみました。 DeepLとは DeepLはドイツのケルンで開発された深層学習(ディープラー
お問い合わせはこちらから