<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>bp-writer</author_name>
  <author_url>https://blog.hatena.ne.jp/bp-writer/</author_url>
  <blog_title>Platinum Data Blog by BrainPad ブレインパッド</blog_title>
  <blog_url>https://blog.brainpad.co.jp/</blog_url>
  <categories>
    <anon>まなぶ</anon>
  </categories>
  <description>本記事は、当社オウンドメディア「Doors」に移転しました。約5秒後に自動的にリダイレクトします。 発展を続ける「自然言語処理」技術。その中でも幅広く使用される深層学習モデルTransformerは、自然言語処理以外の音楽生成や物体検出などの領域でも適用できます。本ブログでは、 Transformerを時系列データに適用する方法をご紹介します。こんにちは、AIソリューションサービス部の井出と申します。 この記事では、特に自然言語処理分野で幅広く使用される深層学習モデルTransformerを時系列データへ適用する方法に関してご紹介します。 以前の記事では、Transformerの構造や特徴など…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fblog.brainpad.co.jp%2Fentry%2F2021%2F02%2F17%2F140000&quot; title=&quot;Transformerによる時系列データ予測のご紹介 - Platinum Data Blog by BrainPad ブレインパッド&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://cdn-ak.f.st-hatena.com/images/fotolife/b/brainpad-inc/20210310/20210310154453.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2013-03-13 14:00:00</published>
  <title>Transformerによる時系列データ予測のご紹介</title>
  <type>rich</type>
  <url>https://blog.brainpad.co.jp/entry/2021/02/17/140000</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
