machine learning anotation

Annotation is critical to AI development and operation.
It is important to create large amount of accurate annotation data
Analysis and improvement of annotation process by machine learning.

Annotations are processes located upstream of pipeline. Therefore, if there are many errors in the annotation, it may have a fatal effect on subsequent processes, including model learning and evaluation(in many cases, evaluation data is also generated by the annotation).

Why is annotation important?
To unify the content to be read from the data.
In the upstream process of the AI pipeline, it has a fatal impact on the leader processes such as model learning and evaluation.

アノテーションが重要そうだ、というのは直ぐに気づきますが、研究が活発な分野っぽいですね。

ABEJAという会社について

>「株式会社ABEJAは、蓄積されたビックデータからAI(人工知能)のディープラーニングを活用して、多様な業界・シーンで社会実装事業を展開する企業」

ビッグデータ x Deep learning

>ABEJA Insight for Retail
>来客属性、動線分析、リピート推定といった顧客行動データの取得・分析を基軸とする、AIを活用した店舗解析サービス。

なるほど、deep learningって、人間の行動の一定パターンなどをデータ化して、傾向を分析したソリューション提示に強いのね。よって、アナリティクスや、公共のサービスなど。。
パチンコの顔認証の技術があるけど、日本中に張り巡らされている監視カメラなんかとも相性が良さそう。もちろん、データの塊である投資なんかもそうなんだろうけど。

採用情報
もちろんバックエンドエンジニアをみます。

必須要件
-Python, Elixir, Go いずれかの言語での開発経験
-クラウド, IaaS(AWS, GCP)での開発経験
-機械学習/深層学習のプラットフォーム事業に対する高い興味
-日常会話以上の日本語、もしくは英語力
歓迎要件
-DBやdistributed systems/high availability への理解
-テストやセキュリティに関する知識、経験
-テクニカルなドキュメントの編集能力

続いて、機械学習の研究職をみてみます。
-機械学習分野とその応用(CV、NLP、音声、医療等)のアルゴリズムに対する基礎的知識及び実装能力
-機械学習(特にDeep Learning)に関する実務経験
-学術論文を読み実装できる能力
-国際学会での発表経験
-自ら研究計画を立て遂行できること
-ビジネスレベルでの日本語もしくは英語能力

基礎知識と実装能力か。急がば回れで、基礎からやった方が良さそう。
メルカリの機械学習チームの時もそうだけど、かならず、学術論文ってワードが出てくるな。。

difference between deep learning and machine learning

先日、deep learningのサービスについて会話をしていたら、私が”machine learning”と言ったら、それは「machine learning ではなくdeep learning」と突っ込まれた。ということで、deep learning と machine learningの違いについて。

Deep learning is a further development of machine learning. The major difference from conventional machine learning is that the framework used to analyze information and data is different. This is a “neural network” created by imitating human nerves, making computer analysis and learning of data powerful.

Although there are AI mechanisms for “machine learning” and “deep learning”, it can be said that there is a difference that automation of functional enhancement is being promoted. In particular, it can be said that the system is evolving in that it automatically finds out where to look for when distinguishing the object of analysis.