top of page
main_2016_0506.jpg

Concept

MARS SPIRITはお客様と一緒に、最先端技術であるAIのコア技術である機械学習を活用してあらゆる業務の自動化と効率化を進めます。既存のソリューションと機械学習を組み合わせることでデータの分析・パターンの認識・将来の予測・処理の自動化などを実現し、業務を飛躍的に効率化させ、より重要な判断にヒューマンリソースと時間を費やすことを可能とします。
Not Only SIer : 要求されたAIシステムのみを開発するのではありません。
Not Only コンサル: AIによる業務改善の概念や構想だけを提示するのではありません。
We are Servicers and Partners :お客様のパートナーとしてAIによる業務改善構想からAIシステム開発のご支援、お手伝いをいたします。

Clicking on a Tablet

Services

AI/機械学習導入支援サービス

AI/機械学習導入支援サービス

企業がAIまたは機械学習を導入する場合に生じる主要な課題は3つあります。 それは以下の通りです。 ①課題解決に適しているアルゴリズム及び評価方法の選定 ②必要なデータの選定及びアルゴリズムに入力可能なデータへの前処理 ③プロジェクト推進・運用体制 マーズスピリットは、お客様がこれらの課題を解決するためのご支援をさせていただきます。支援の範囲は、調査、検討だけでも承りますし、実際の加工プログラムの開発・加工、アルゴリズムにて学習可能とする段階まで承ることが可能です。まずは、ご遠慮なくご相談下さい。

分散AIプラットフォームサービス

分散AIプラットフォームサービス

スマホを含むIoTデバイスにてAI技術を活用する場合、高速処理を提供するだけでなく、継続的な機械学習を行い精度向上を図り続けるのがビジネスの要諦となります。 マーズスピリットでは大量のデータと高性能コンピュータを必要とする機械学習はクラウドで、リアルタイム性が必要とされる推論・判断はIoTデバイスでの実行をシームレスに実現できる独自技術のAIプラットフォームを提供します。 (特許登録済み)機械学習システム、装置及び情報処理方法(特許6752457号) (Coming Soon)

品質判定ソリューション

品質判定ソリューション

ディープラーニングを用いた画像認識技術を応用した品質判定ソリューションを提供しています。良品・不良品の画像を認識し判定します。 通常の2値分類問題のディープラーニングでは2種類の画像データが大量に必要となりますが、良品・不良品の分類問題では不良品の画像を大量に準備することが困難です。Brain Spiritでは良品画像だけを学習し、良品・不良品を判定することが可能です。 さらにオープン化された学習済みネットワークモデルを活用した転移学習を適用することで比較的少ない画像データでも判定器の構築が可能となります。

Student in Library

About us

商号 : 株式会社マーズスピリット(MARS SPIRIT,Inc.)

​所在地 : 〒600-8449 京都府京都市下京区新町通松原下る富永町107-1 GROVING BASE 45号室

​代表者 : 代表取締役 土屋 茂

 

​設立日 : 2012年11月

​取引先 : 株式会社ブロードバンドセキュリティ
              株式会社リクルート

              オーリック・システムズ・ジャパン株式会社
              など

 

​問合わせ先: contact'at-mark'mars-spirit.co.jpまでお願いいたします

​事業内容: ・人工知能ソフトウェアの企画・設計・開発及び販売、保守並びに顧客へのサポート
                ・人工知能に関する総合コンサルティング業務
                ・デジタルコンテンツの企画・立案・制作・運営・配信・販売
                ・インターネットを利用した各種情報提供サービス

 

​研究開発:​ 研究開発の内容については

                弊社Blog(Singularity 2045 人類が次の進化に直面する時)

                を御覧ください。

Price

体の流れ

 

  • ヒアリング及び支援内容調整(約0.5ヶ月)

  • 支援費用お見積もり提示

  • 契約締結

  • 作業

例1) AI/機械学習アルゴリズム選定支援
例2) データ前加工検討支援
例3) 学習・評価フェーズ支援
例4) ChatGPTアプリ開発

メニュー

 

以下のメニューは標準です。
期間についてはヒアリング及び支援内容調整時に確定させていただきます。

これ以外でもご相談に対応可能な場合もありますので、ご遠慮なくご相談下さい。個別にお見積もりさせていただきます。

Study Method

機械学習の学習題材

機械学習の学習のための書籍が数多く出版されています。基本的に、それらの書籍を活用し学習していくのが最善です。その過程でプログラムを動作させ動作確認していくことができればさらに良いです。しかし、プログラムを動作させるだけでは理論を知ることはできません。ネットにはGithubに様々なプログラムが公開されていて動作させることはできますが、そのようなプログラムを動作させても結果を知ることしかできないので、なぜそうなるかということは理解することはできません。以下に留意点を記載します。

 

  • 大学1年生程度の線形代数の知識が必要となるので、自信がない場合は、最初に簡単な教科書で知識を身につけることを薦めます。

  • 第一段階は、体系的に記述されている専門書を読むことをお薦めします。

  • 日本語の専門書は、海外の専門書に比較して薄く安価ですが、網羅性が弱いのでハードルが高いです。

  • 海外の書籍は英語ですが、体系的に記述されている良書があります。それを1冊を学習した方が理解が深まります。書籍はamazonでも購入できますが、日本の書籍に比較して高額です。中には、作者自らPDFでダウンロード可能にしている場合もあるので探してみると良いと思います。

  • 海外の大学は、授業のビデオや資料をサイトやYouTubeで公開している場合が多く、それらを活用することで更に理解が深まります。

  • 書籍も、動画も英語なので言語の面でハードルが高いですが、段々慣れてくるとわかるようになるので我慢強くトライすることも必要です。慣れるまではGoogle翻訳やYouTubeの字幕翻訳を利用して進めるのも良いと思います。

お薦めの学習教材(機械学習・パターン認識編)

COMPUTER VISION MODELS,LEARNING,AND INFERENCE, Simon J.D.Pri​nce

  • ここで紹介する書籍の中で最も初心者向きでかつ網羅的に記載されている。数式の展開の証明は演習問題となっている。

  • PDFやアルゴリズムのブックレット、Matlabのソースコード、演習問題の解答の一部はこのサイトからダウンロードが可能

  • この書籍に関するPPTの一部を広島大学の玉木先生がUdemyで「ベイズ推定とグラフィカルモデル:コンピュータビジョン」というタイトルで日本語で講義をしています。無料なので必見です。

Pattern Recognition and Machine Learning, Christopher M. Bishop

 

  • 機械学習の教材として定番のいわゆる"ビショップ本"です。定番ですが、定番ということで最初にトライし、諦めてしまう人が多い書籍でもあります。国内様々な場所、グループで勉強会が開催されており断片的はスライドが公開されているので、補助的にそれらを活用して勉強を進めることができます。

  • <世界中の様々な大学の先生が、この本を参考に講義用資料、ビデオを作成し、公開しています。

  • どういう経緯かわかりませんが、初版本についてはPDFがこのサイトからダウンロードが可能です。

  • 演習問題の解答の一部はこのサイトからダウンロードが可能です。ちなみに著者のBishopは現在、Microsoftのresearcherです。

  • この書籍ついてサイボウズ・ラボの社内勉強会が実施され、その成果が書籍とPDFで『パターン認識と機械学習の学習 普及版』というタイトルで公開されています。ビショップ本の線形代数の複雑な式展開などがフォローされており理解を深める上で非常に役立ちます。

  • こちらの書籍は、日本語訳が「パターン認識と機械学習 」(上巻、下巻)出版されています。こちらから購入することが可能です。

お薦めの学習教材(強化学習編)

Reinforcement Learning: An Introduction, Richard S.Sutton, Andrew G.Barton, Francis Bach

 

  • 強化学習のバイブルと呼ばれている書籍です。1998年に初版が出版されて以来多くの研究者に参照されています。基礎から応用までわかりやす記述されており非常に取り組みやすいと思います。

  • 日本語訳本「強化学習」も出版されています。

  • 書籍は最新の理論が追記された第2版がもうすぐ出る出ると言われてますが、2018.10月時点ではまだ出版されていないようです。しかし、最新版のDRAFTはPDFは公開されておりこちらからダウンロードが可能です。

  • この書籍を基にしたロンドン大学David Silverの講義講義資料がネットで公開されています。非常に参考になるのでお薦めです。ちなみにD.Silverは現在はDeepMind社で強化学習理論を活かしAlphaGoの開発をしているそうです。

お薦めの学習教材(SLAM編)

Probabilistic Robotics, Sebastian Thrun, Wolfram Burgard

 

  • Google Car開発の主導的立場であり、Stanford大学のStanford Artificial Intelligence Laboratory (SAIL)の所長であるSebastian ThrunがSLAM(Simultaneous Localization and Mapping)を中心に記述した書籍です。SLAMはロボットが周囲をセンシングしつつ自律的に自己位置と周囲の地図を決定するために利用する技術です。

  • 書籍には疑似コードも掲載されていて実際にシミュレーション等で確認しながら学習することが可能です。また、S.Thrunが設立したオンライン学習サイトUdacityでも多数の教材があり、合わせて活用することが可能です。

  • 日本語訳本「確率ロボティクス」も出版されています。

  • 初版DraftのPDFについてはこちらからダウンロードが可能です。

  • この書籍を基にして第二著者のW.BurgardがUniversität Freiburgで行った講義ビデオと講義資料がネットで公開されています。講義によっては録画、録音状況が良くないですが書籍単体での学習よりは効率的に学習できます。

お薦めの学習教材(深層学習編)

Deep Learning (Adaptive Computation and Machine Learning), Ian Goodfellow, Yoshua Bengio,Aaron Courville

 

  • 深層学習による競合的生成ネットワーク(DCGAN)の提案者であるIan Goodfellowらが記述した書籍です。

  • 深層学習の、大まなか基礎理論は、機械学習と同一であるため、この書籍では他の機械学習の書籍との内容の重複はありますが、機械学習との違いを理解しつつ深層学習を理解することは課題解決のために最適な手法を選択する上で重要と考えます。

  • 日本語訳本「深層学習」も出版されています。

bottom of page