資料ご請求

【資料-1】上場企業が米国証券取引委員会（SEC）に提出する年次報告書からの情報抽出の事例---(10k_CaseStudy)【資料-2】 Harvard Medical Schoolでの長寿研究を強化するGen AIによる構造化データの前処理での事例—(Harvard_CaseStudy)【資料-3】競合情報機関でのテキストデータセットの効率的なカテゴリー分類の事例---(CategoricalClass_CaseStudy)【資料-4】ドイツ語小説の翻訳とQ&Aシステムへの適用事例---(MPressed_CaseStudy)【資料-5】自律的AIニュースレターの事例---(Newsletter_CaseStudy)【資料-6】Gen-Alと人間のフィードバックを利用した広告の強化の事例---(OpenAds_CaseStudy)【資料-7】人間のフィードバックによる法的質問回答の強化の事例---(Rutgers_CaseStudy)【資料-8】ClaudeとGPT3によるウェブサイト内の船名識別の事例---(ShipIndex_CaseStudy)【資料-9】ソーシャルメディア・データのテキスト分類の事例---(SocialMedia_CaseStudy)【資料-10】Anoteを使った医療文書要約の事例---(WeillCornell_CaseStudy)【資料-11】ドキュメント内の一連の質問から回答を収集し、その情報を使用してカスタマイズ可能なレポートを生成するワークフローでの事例---(Workflows_CaseStudy)【資料-12】79のURLからデータをスクレイピングするプロセスに関する事例---(HardyRiggings_CaseStudy)

【資料-1】医療機関での手術ビデオにおける器具検出の改善【資料-2】自動運転車開発でのデータセット作成(データの改善)【資料-3】AI駆動のセキュリティカメラ開発AI 小売店システム【資料-4】データのラベリング – AIが抱える人的ボトルネック【資料-5】Lightlyの紹介 – データの準備【資料-6】自己教師あり学習の利点【資料-7】コンピュータビジョンにおけるデータ問題に対する5つの解決策【資料-8】 ステップでおこなうコンピュータビジョンのデータ選択【資料-9】 重要なデータ – 冗長性の排除【資料-10】データの改善【資料-11】コンピュータビジョンにおけるデータの冗長性とは【資料-12】コンピュータビジョンにおけるデータパイプラインとは【資料-13】なぜデータパイプラインは重要なのか【資料-14】コンピュータビジョン用データパイプラインの構築方法【資料-15】Detectron2を用いた能動学習【資料-16】Nvidia TLTを使った能動学習【資料-17】衛星画像からの雨量予測【資料-18】機械学習における能動学習とは？【資料-19】fast_aiを用いたFew-Shot Learning【資料-20】 PyTorchを用いたArm Cortex-M7プロセッサ上での組込み型COVIDマスク検出機能【資料-21】 自己教師ありモデルはよりロバストで構成