AI/ML

各種Tokenize手法に依存したベクトル化手法の比較 TL;DR 以下のベクトル化手法を比較しました。 wikipedia2vec sentencepieces + word2vec char2vec ベクトル化するための学習データとして日本語Wikipediaを使用しました。

AWS SageMaker Ground Truthでテキストのラベリングを試してみる TL;DR AWS SageMaker Ground Truthは、機械学習用のラベルデータ作成を行うためのプラットフォームです。 SageMaker Ground Truthでは、以下の種類のラベルデータを作成することができます。

AIGAOMOI - 日本語文書感情分析サービス 概要 文章を機械学習で分析し、良い感情(Positive)であるか、悪い感情(Negative)であるかを分析するWebサービスです。 サーバレス、SPA、機械学習関連APIのデモンストレーションとして作成しました。

FizzBuzz問題をニューラルネットワークで解いてみる TL;DR FizzBuzz問題をニューラルネットワークで解いてみます。 ラベルデータの作成 import pandas as pd results = [] for i in range(1, 10000 + 1): if i % 3 == 0 and i % 5 == 0: results.append((i, 'FizzBuzz')) elif i % 3 == 0: results.append((i, 'Fizz')) elif i % 5 == 0: results.append((i, 'Buzz')) else: results.append((i, 'Number')) data_df = pd.DataFrame(results, columns=['Number', 'Results']) display(data_df.head(15))

GANでピカチュウを描いてみる TL;DR GAN(Generative Adversarial Network)でピカチュウを描いてみるというネタです。

GCP AutoML Natural Languageのベンチマーク TL;DR デモデータを利用してAutoML Natural Languageと自作モデルの性能を比較してみました。 もう全部AutoML Natural Languageでいいんじゃないかなぁ・・・。