各種方針等 arrow_forward_ios生成系AIについて 生成系AI(ChatGPT, BingAI, Bard, Midjourney, Stable Diffusion等)について 2023年4月3日 東京大学理事・副学長（教育・情報担当） 太田　邦史 この半年ほどの期間で、生成系人工知能(Generative AI)が複数発表され、社会的に大きな注目を集めています。基本的には、インターネット上などに存在する既存の文章や画像イメージを大量に機械学習し、これに強化学習を組み合わせなどして、一定レベルの品質の文章や画像を生成するシステムです。とくに、2022年11月に公開され、話題になった大規模言語モデルChatGPTはバージョンが更新され、最新のGPT-4では生成される文章などの質や正確性が著しく向上しています1。 これらの生成系AIは、平和的かつ上手に制御して利用すれば、人類の

CHUGAI DIGITAL VISION 2030の3つの基本戦略の1つである「デジタルを活用した革新的な新薬創出」について、各取り組みを紹介します。 中外製薬は、リアルワールドデータ（RWD）利活用により新薬の臨床開発プロセスの効率化・高度化、医薬品の価値証明、疾患理解などを進め、患者さん一人ひとりに最適な治療の提供を実現します。 「リアルワールドデータ（RWD）」とは、日常の実臨床の中で得られる医療データの総称です。RWDにはレセプトデータ、DPC（Diagnosis Procedure Combination）データ、電子カルテのデータ、健診データ、患者レジストリデータ、ウェラブルデバイスから得られるデータなどがあります。近年、医療ITの進展により大量のRWDを取得・解析できるようになっています。 RWDは予め目的を決めて前向きにデータを取得する臨床試験とは異なり、日常の実臨床から

初学者向け講義資料 Rを用いたデータ解析の基礎 2023-04 東北大学 (学部3年生向け進化学実習の一部) 導入: データ解析の全体像。Rを使うメリット。Rの基本。 データの可視化、レポート作成 データ前処理: 抽出、集約、結合、変形 データ解釈の基礎知識 統計モデリング: 確率分布、尤度、一般化線形モデル Rを用いたデータ解析の基礎と応用 (石川由希 2022 名古屋大学): 初心者に寄り添ってさらに噛み砕いた説明。 実験生物学における「とにかくt検定」脱却を目指した統計解析パートも実践的で充実。 よくあるエラー集が特に重宝。 R環境のインストール R本体 コマンドを解釈して実行するコア部分 よく使われる関数なども標準パッケージとして同梱 https://cran.rstudio.com/ からダウンロードしてインストール RStudio Desktop Rをより快適に使うための総合開

生命科学分野における有用な情報を紹介するウェブサイトです。 だれでも自由に閲覧し再利用することができます。 ・データベースやツールの動画マニュアル ・講演や講習会動画、資料 ・イラスト

転職・就活情報から未経験向け求人や動画学習まで、IT／WEBエンジニアに特化した総合求職・学習サイト「paiza（パイザ）」。 プログラミングスキルチェックを提供し、学歴や職歴ではなく「技術がある人」が評価され、活躍できる社会の実現を目指したサービスを提供しています。

先日、GoogleがAIの社内教育プログラムを公開しましたことで話題になりました。 Learn with Google AI https://ai.google/education/#?modal_active=none 弊社（Aidemy）も同じくAIを手がける会社ということで早速利用してみました。 Google社内教育プログラムへは、上記リンクへアクセスしていただき、「Education」の場所をクリックしていただくと遷移することができます。 今回は実際にAIの会社のエンジニアがGoogleのサービスを使ってみて感じた 優れた点、使いづらいと感じた点 ぜひ一度体験してみていただきたいサービス さらに改善されたら嬉しい点 について皆様に共有させていただければと思います。 優れた点、使いづらいと感じた点 まず、ページに移動して最初に目につくであろうコンテンツが、この動画です。 https:

Send feedback Stay organized with collections Save and categorize content based on your preferences. Google's fast-paced, practical introduction to machine learning, featuring a series of lessons with video lectures, real-world case studies, and hands-on practice exercises.

Prove Mastery Through Hands-On Projects Our open-ended projects are modeled after real-world workplace scenarios, and require in-depth critical thinking and creative solutions. Succeed with Personalized Feedback Every project receives personalized feedback from industry experts, and our mentors are available to answer questions whenever you're feeling stuck. Udacity helped me gain on-the-job confi

私が2012年にニューラルネットの逆襲（当時のコメント）というのをブログに書いてからちょうど5年が経ちました。当時はまだDeep Learningという言葉が広まっておらず、AIという言葉を使うのが憚られるような時代でした。私達が、Preferred Networks（PFN）を立ち上げIoT、AIにフォーカスするのはそれから1年半後のことです。 この5年を振り返る良いタイミングだと思うので考えてみたいと思います。 1. Deep Learning Tsunami 多くの分野がこの5年間でDeep Learningの大きな影響を受け、分野特化の手法がDeep Learningベースの手法に置き換わることになりました。NLP（自然言語処理）の重鎮であるChris Manning教授もNLPで起きた現象を「Deep Learning Tsunami」[link] とよびその衝撃の大きさを表して

知っていると便利かもしれない小技から，どーでもいい小技まで．ググったサンプルをコピペして完了！系大学院生が読むと，何か新しい発見があるかもしれません．使わなさ（当社比）を４段階（☆☆☆，★☆☆，★★☆，★★★）で表記しますので，ああ確かに知らなくていいなって思ってください．新しい技を仕入れ次第，更新します． 多次元データへのアクセス 次元を落とさない 使わなさ：☆☆☆（そこそこ役に立つ） デフォルト設定では，行列や配列の一部分にアクセスした場合，その戻り値はできる限り次元を落としたものになります（次元を落とすことを「ドロップする」と言うことにします）．データフレームでも同様です． > x <- array(1:1000, c(10, 10, 10)) > class(x[1, 1, 1]) # 3次元配列 → 要素数1のベクトル（スカラ） [1] "integer" > class(x[1

Rで等高線やヒートマップを描くにはいくつか方法があります。 Rのデフォルトの気に食わない点 特にインストールしなくても使えるimage()関数を使う方法がメジャーと思いますが、慣れていないとデータと図の向きが思っていたのと逆になったりして発狂します。 {ggplot2}を使う方法の紹介 データの縦持ちに慣れてしまったggplot2脳をお持ちの方にはぜひこちらをおすすめしたいです。 library(ggplot2) ## 等高線やヒートマップを描くのにキモとなるdata.frameを作成 N <- 60 x <- seq(0, 100, length=N) d.cont <- data.frame(x=rep(x,N), y=rep(x,each=N)) d.cont <- transform(d.cont, z.diff=x-y, z.ratio=ifelse(x+y==0, 0.5, x

まず @srtk86 さん，数学 Advent Calendar 2016 をオーガナイズしていただき， ありがとうございます． 実は 数学 Advent Calendar 2015 は私がオーガナイズしていまして， 今年も作ろうと思った矢先に，カレンダーが出来ていてとても嬉しかったです． そして， 昨年のカレンダー にリンクまでしていただき感謝しています． ペンタブでMathに数式を書く $\TeX$ に変換 ペースト 以上の方法で僕は手書きの数式をデジタルで保存しています． なぜ数学のノート1をデジタル化したいのか 分散しがちな様々な分野の手書きのメモやノートを一元化したい． 試した過程 そこで，デジタルにして管理しようと考えました． しかし $\TeX$ で書くと集中力が途切れがちでした． 手書きの数式を改めて $\TeX$ にするのも，数学をするという本来の目的からすると時間のムダ