お知らせ

2019/01/23

• ブログ

和歌山Pythonの会　活動報告

和歌山Pythonの会　活動報告

新年の抱負 落合です。 今更ですが、新年明けましておめでとうございます。 皆さま、本年もよろしくお願いいたします。 【和歌山Pythonの会】も発足から４回の「もくもく会」を開催することができました。 今後の発展を祈念致しまして活動計画と経過報告をさせて頂きます。   【計画①】「もくもく会」毎月開催し、１０月で１周年達成！ 「和歌山Pythonもくもく会」は、毎月第３土曜日の１３時〜１７時で開催しています。昨年１０月より毎月開催し、今月１月１９日で４回目を数えることになりました。この間、フリーランスエンジニアの方や、大阪から来られた方、ピチピチの大学生にも参加して頂けました。仲間づくりに終始せず、エンジニアとし互いが成長できる環境づくりをこれからも意識して、コツコツと開催していこうと思います。   【計画②】 Pythonフレームワーク【Django】の講習会開催！ 朝から晩まで１日がかりでDjango速習会をやるのもいいんじゃないかと思ってます。凄く使いやすいフレームワークだし、１日あれば、簡単なアプリケーション作ることができると思うのでやってみようかと思います。フロントサイド（見た目の部分）は持ち帰っての宿題として、直近のもくもく会で見せ合うのもいいなぁとか想像してます。開催の際はぜひご参加を！   【計画③】  AI , IoT 部門本格稼働！ 第３回から「Raspberry Pi」を使ったIoTの実践部門が発足しました。詳しくは、活動報告に書きますが、少しづつ成果物を作っていっています。今後は、ここに機械学習やディープラーニングといったものを落とし込んでいければと思っています。計画③に関しては何をもって本格稼働なのかという問題がありますが、とにかく実践を重ねたいなと思います。   以上、本年の計画になります。発足１年も経っていないので、目標としては大したことないなと感じられる読者の方々もいらっしゃると思いますが、とにかくコツコツと長ーーーーーく続いていければいいなと思っております。本年もどうぞよろしくお願い致します。 活動報告 第３回和歌山Pythonもくもく会 日時：１２月１５日（土）１３：００〜１７：００ 場所：システムキューブ　　　参加者：１０名 成果物（僕の）：初学者の方と文法事項（文字列・データ構造）を学びました。 https://wakayama-python.connpass.com/event/110246/     第４回和歌山Pythonもくもく会 日時：１月１９日（土）１３：００〜１７：００ 場所：システムキューブ　　　参加者：８名 成果物（僕の）：Pythonを利用したデータ分析の基礎を勉強しました。 https://wakayama-python.connpass.com/event/113206/   インフルエンザや体調不良等で欠席される方がいました。 流行期かと思いますので、皆様お体大事になさってください。   Facebook ページ開設しました！ 和歌山 Python の会  の Facebookのページにて活動報告おおよび情報発信をしていこうと思っています。 本会の活動に共感してくださったり、発信した情報が参考になった場合は　いいね！　をお願い致します。   以上、今回の活動報告になります。 ご拝読ありがとうございました。  

2017/08/27

• パソコン関連

GPU利用の拡大

GPU利用の拡大

コンピュータの計算をすべて引き受けOSやアプリケーションを動作させるCPU(中央演算装置)と並んで開発が進んでいるのがGPUです。 GPUとはグラフィックスプロセッシングユニットで、画像の処理を目的として開発されてきました。 リアルタイムの3DグラフィックスなどはCPUでデータを処理せずGPUで処理することによって負荷を分散し、GPUの性能によって幅広い表現が可能となっていました。 これらGPUは3Dグラフィックスを高速に処理するにあたり精度の高い並列計算をおこなうことに特化しています。 これらの計算能力がグラフィックス以外にも利用でき、これらをGPGPU(多用途GPU)と呼ばれるようになり多岐にわたる分野で利用されています。 このところ需要が高まっているのはAIとビットコインのマイニングという用途です。 AIは与えられたデータを解析し学習する際に膨大な計算を行いますが、これを行うにはGPUの高速性が有利に用いられます。ニューラルネットワークの学習フレームワークもGPUを利用することが前提になっています。 ビットコインマイニングはブロックチェーンのデータの検証です。ブロックチェーンの中に記録されている取引が正しいものかどうかをハッシュ値から検証します。これも膨大な計算量になりGPUが適した分野です。 これらGPU向けにCUDAやOpenCLなどのプログラミング言語もつくられグラフィックスを超えて様々な分野で活躍するようになりました。 これらGPUをレンタルするクラウドサービスも増え、GPUの需要の高まりを感じます。 今後も用途が増えるにつれより強力な計算能力が安価で手に入る時代になりそうです。 AIの推進はGPUの進歩にもかかっており、今後実用化するであろう自動運転などにもGPUのパワーは用いられていくようです。  

2016/12/31

• パソコン関連

2016年を振り返って

2016年を振り返って

2016年のITも様々な動きがありました。印象深いことあげてみたいと思います。 筆者としてMicrosoftが開発者向け製品を一気に展開したのは大変興味深いことで、歓迎すべきことだと考えています。 スマートフォン向けクロスプラットフォーム開発環境Xamarinを無償化しVisual Studioと統合しました。またVisual StudioをLinux、Macに対応させるなど現在まででは考えられない意欲的な施策を行っています。 Windows環境上にLinuxの標準シェル、bashを実行するbash on WindowsなどもLinuxとWindowsの両方で開発を行うエンジニアにとって便利な機能です。 SQL Serverや.net coreをlinuxで動作できるものにするなど、Microsoftの開発環境経験を持つエンジニアが他のOSでもそのままに応用できる範囲が広がりつつあります。 できるだけWindows環境にユーザーを囲い込もうとしていたMicrosoftのこのような方針転換には驚き、本気を感じさせるものです。 その他にはAIや深層学習について一般に向けて大きな理解が得られた一年でもあります。 囲碁という要素が大きく確実な解のないものに対しAIが人間を打ち負かすということは大変難しいことですが、これを成し遂げたことでAIに対する一般の認知は広がりました AIは人間と同じように考える技術ではありませんが、一つのことに対しデータを与えれば無数のシミュレーションを繰り返して、新たなパターンを生み出していくものです。覚えるというところから一歩進んで、新たに見つけ出し、それをきっかけに新たに見つけ出すということを高速な計算速度で繰り返し続けます。 これらは特定の分野で人間が考え出すことよりも優れたものになる可能性があり、囲碁という特定の分野でそれを証明した形です。 今後様々な業務にこれらの技術が用いられ、人間が考え出す以上の効率の良い方法や新たなデータ利用法が見つけられていくかもしれません。 クラウドについては個人向けクラウドストレージにAmazonやGoogleなどが本腰を入れると共に、DropboxやEvernoteなどのクラウドサービス先発企業が個人向けから業務向けにシフトしていきました。 クラウドはBtoCからBtoBに移行することで、固定収入を得て企業の運営に安定感が必要ということが決定的になったように感じます。 AmazonやGoogleについてはすでにBtoBで大きな商業規模になっており、そこから個人向けのクラウドサービスを行うことは比較的容易です。 クラウドは競合に追従するため年々必要とされる規模や投資が大きく、不確定なBtoC向けの規模縮小は仕方ないところはあるように感じます。 2016年を振り返るとこのようなことが印象的でした。2017年の新たな動きにも注目していきたいと思います。

2016/04/23

• パソコン関連

人工知能の進歩

人工知能の進歩

先日、Google参加のGoogle Deepmindの開発する囲碁プログラムAlaphaGoがプロ棋士イ・セドルを4勝1敗で下すということが起こりました。 AlphaGoと呼ばれる囲碁のプログラムは、プロの棋士が説明できないような複雑な手を繰り出して、最終的にプロ棋士を下しています。 このGoogle Deepmindのプロジェクトはハイパフォーマンスコンピューティングと呼ばれる計算スピードに特化したコンピュータを利用し、事前に膨大な数の対局をコンピュータ自身とこなして囲碁について学習しました。 その自ら学んでアルゴリズムを強化していく仕組みは深層学習と呼ばれ、人間の脳が行う学習をモデルにして発展しています。 人間の作ったアルゴリズムでプロ棋士に勝ることは当面ないだろうと言われていました。囲碁というゲームは要素数と可能性のパターンがあまりに多く、総当たりで全ての手を検証していくことに限界があると考えられていたからです。 AlphaGoは自分自身や過去のデータとの対局の中で幾度も負けることによって、囲碁で負けないようにするアルゴリズムを学習し強化していきました。 そのため、AlphaGoは総当たりによって可能な全ての手を検証しなくとも、現実的な計算時間で勝つための手を考えることができるようになったのです。 これはコンピュータが思考を獲得したと言っても間違ったものではないですが、あくまで囲碁に特化した思考の獲得です。 今回は人間とコンピュータのやりとりが、囲碁という共通のものが使えて、それは交互にお互いの石を碁盤に置く、という分かりやすいルールがあることでその能力を発揮することができました。 このような深層学習により、様々な分野、ビジネスなどでも応用されることが今後可能になってくるはずです。 ただ囲碁のようにコンピュータと人間とのやりとり(インターフェース)として簡単なルールがない分野ではまだまだ先の長いお話になりそうです。 近年マーケティングなどに利用されるようになった大きなデータの解析などについては、効果を発揮しそうと考えています、そこには人間が見つけられていないパターンがあるかもしれず、深層学習によって明らかになるかもしれません。 人間がパターンを見つけてアルゴリズムを作成する従来のものとは違い、コンピュータがパターンを見つけてアルゴリズムを作成するものは、ただのプログラムではなく人工知能(AI)と呼んで間違いないものだと思います。 ただSFの描く人工知能のようにあらゆる部分で人間を超えるということはなく、あくまで一定の答えにたどり着くために現実的な計算量で計算するプログラム、という意味合いのものだと考えています。 人間の思考をシミュレーションするということについてはあくまでSFの物語の中だけの話でしょう。