パリ五輪辞退の体操・宮田笙子、5月にも「飲酒＆喫煙」通報！前代未聞の異常事態を起こした協会の「隠蔽体質」 - Smart FLASH/スマフラ[光文社週刊誌]
パリ五輪辞退の体操・宮田笙子、5月にも「飲酒＆喫煙」通報！前代未聞の異常事態を起こした協会の「隠蔽体質」 スポーツFLASH編集部 記事投稿日：2024.07.25 18:00 最終更新日：2024.07.25 18:00 「不祥事による五輪辞退は史上初のことで、まさに日本代表の汚点として、今後語り継がれるでしょうね」（JOC関係者） 体操女子パリ五輪日本代表に選ばれていた宮田笙子（19）の飲酒・喫煙行為が発覚した問題で、日本体操協会は7月19日に都内で緊急記者会見を開き、宮田が代表行動規範違反を起こし、五輪出場を辞退したと発表した。 宮田は18日に合宿地のモナコから緊急帰国し、日本体操協会の西村賢二専務理事らによる聞き取り調査を受け、飲酒・喫煙の事実を認めたという。 【関連記事：「不問にされてたやん」宮田選手代表辞退に、かつて国会で「18歳からの喫煙」を明かした元総理に流れ弾】 一方で、
![パリ五輪辞退の体操・宮田笙子、5月にも「飲酒＆喫煙」通報！前代未聞の異常事態を起こした協会の「隠蔽体質」 - Smart FLASH/スマフラ[光文社週刊誌]](https://cdn-ak-scissors.b.st-hatena.com/image/square/da69865ecb9c743cd5a063d4f84c49d257f7cb4f/height=288;version=1;width=512/https%3A%2F%2Fdata.smart-flash.jp%2Fwp-content%2Fuploads%2F2024%2F07%2F25174905%2Fmiyata_shouko_thumb_kyodo.jpg)
Cloud Tasks VS Cloud Pub/Sub
Cloud Tasksは2018/03/02時点ではalphaで、現状App Engine専用のTask Queueしかないので、このスライドはApp Engine Task Queueについて書いています。 もう少ししたら、betaになって登場するはず・・・！
生成AI時代のプロダクトをPMはどう思考すべきか？｜ほか
こんにちは。直感に従って、生成AIスタートアップ Algomatic にてプロダクトマネージャーを務めている帆苅（ほかり）と申します。 OpenAIが「ChatGPT」を2022年11月30日にリリースしてから約1年半が経ち、生成AIを活用したプロダクトは私たちに多くのwow!を提供してくれています。例えば、クリエイティブ分野で革新を起こすやDALL-E3やSora、コーディングやデザインを強力に支援するGitHub Copilotやfigma AI、など、今や私たちのあらゆる活動を支えてくれています。 日常生活においても、電話自動応答やメルカリAIアシストなど生成AIが活用されているプロダクトに接する機会が増えてきました。 そんな中で今回は、生成AI時代にプロダクトマネージャー（以降PM）がどのようにプロダクトを考えていけば良いのか？についての考えをまとめていこうと思います。 💡 本記
2024年版のDockerfileの考え方＆書き方 | フューチャー技術ブログ
最近はお客さんとの勉強会でDockerのドキュメントをつまみ食いして読むというのをやっていますが、改めて最新版を読んでみて、いろいろ思考が整理されました。2020年の20.10のマルチステージビルドの導入で大きく変わったのですが、それ以前の資料もweb上には多数あり「マルチステージビルドがよくわからない」という人も見かけるので過去の情報のアンラーニングに使っていただけるように改めて整理していきます。 仕事でPythonコンテナをデプロイする人向けのDockerfile (1): オールマイティ編で触れた内容もありますが改めてそちらに含む内容も含めて書き直しています。 本エントリーの執筆には@tk0miya氏から多大なフィードバックをいただきました。ありがとうございます。 基本的なメンタルモデル現代的な使い方を見ていくために「Dockerを使ってビルドする」というのはどのようなものか考えを整
PHPは◯◯◯である | quipped
本当にPHPについて知りたい人は、別のところに行くことをすすめる。moriyoshiさんのスライドや、Lerdorfオジサンのページなんかがオススメ。 PHPは歯ブラシである PHPの発案者であるRasmus Lerdorf氏はこう言っている。 PHPは歯ブラシくらい興奮に値する。シンプルで、毎日使う便利な道具。だからどうした。歯ブラシについて書物を漁るやつがいるか？ PHP is about as exciting as your toothbrush. You use it every day, it does the job, it is a simple tool, so what? Who would want to read about toothbrushes? PHPが他の言語と決定的に違うのは、作者およびコミュニティが、言語に対して道具以上の感情を抱いてないことだ。PHP
舞台装置の逆ってなんていうんだろう？
これ 六年目の浦島太郎 https://comic-days.com/episode/2550689798785618132 こういう作品は一人称的で、主人公は内心を述べる役 そして母、恋人、友達は主人公を曇らせる役で、ある意味物語の進行のため、逆算的に生み出された舞台装置的なキャラと言えるかと思う 舞台装置キャラはステレオタイプのような行動をして、主人公をストーリー上望ましい状態に導いていく でも、妹は最後舞台装置になっていない 第二の主人公みたいなポジションになってる こういう存在ってなんていうんだろうな こういう存在は ・自分の意思が強く、予定調和の（ステレオタイプのような）行動をしない ・意外な行動をすることで物語を動かす役 ・あらたな視点を与える みたいな感じ？ 例えば、この漫画では母や恋人は主人公に影響を与えてはいるが、本音がどうだとか視点を与えるようなことをしていない そのた
大規模言語モデルを用いたマイソクPDFからの情報抽出
PDF 1,3 2,3 3 3 1 2NLPeanuts Inc. 3 estie hongo@nlp.ist.i.kyoto-u.ac.jp shin.kanouchi@nlpeanuts.com {yutaro.saito, tatsuya.iwanari}@estie.co.jp PDF PDF OCR 2 Accuracy 0.92 65% 1 PDF 1 PDF 1 PDF PDF PDF PDF OCR LLM OCR PDF OCR LLM OCR LLM End-to-End PDF 11 OCR GPT-4[1] 2 Accuracy 0.92 65% 2 [2, 3, 4, 5] [6, 7] [8, 9] GPT-4[1] LLM [10] OCR [11] [12]PDF OCR OCR LLM [13, 14] End-to-End [15] [16] OCR L
データ詰め替え戦略 - kawasima
このSpring Bootを使ったクリーンアーキテクチャの例は、データの詰め替え過剰にみえる。 https://www.baeldung.com/spring-boot-clean-architecture これだけのモデルと詰め替えが必要なのだろうか? 『Get Your Hands Dirty on Clean Architecture 』にこのマッピング戦略(詰め替え戦略)が書かれている No Mapping (レイヤ間でモデルを共有し、詰め替えをしない) 2-way Mapping (各レイヤで独自のモデルを持ち、レイヤを跨ぐ呼び出しは上位レイヤが詰め替えの責務を負う) Full Mapping (各レイヤで独自のモデルを持ち、レイヤを跨ぐ呼び出しには専用のモデルを使う) またこの戦略のどれを選ぶかの基準は『Balancing Coupling in Software Design
LLM の学習に使えそうな optimizer まとめる - Qiita
LLM の学習において、メモリ消費量が一番の敵です。 今回は LLM 学習に使えそうな optimizer をまとめます。 8bit-AdamW AdamW の 8bit 版です ちなみに AdamW は Adam の問題点を改良したものです 量子化しているので精度は落ちますが、ほぼ影響はないです 特に素の Adam/AdamW はメモリ消費量がやばいので、普通にやってみて動かせなかった場合は 8bit 版を使うとよさそうです huggingface なら adamw_bnb_8bit を指定するだけで使えます training_args = TrainingArguments(per_device_train_batch_size=4, optim="adamw_bnb_8bit", **default_args) Adafactor Adam のメモリ消費量を抑えた改良版 素の Ada
機械学習における音声データの水増し - Qiita
データの水増し画像ばっかり 音声データの水増し方法について考えよう 出来そうなこと 音量上げ/下げ 音声の引き延ばし/縮め ノイズの付加 時間シフト 音の高さ（ピッチ）の変更 残響付加 Kaggleのこれとか見てると前半の4つくらいはやってるけど、むしろ音声認識みたいな室内で使うような音声モデルを扱いたいなら後半二つこそやるべきだと思う。前半のやつについてはそのままコードを借ります。 データ読み込み
Kaggleで学んだBERTをfine-tuningする際のTips⑥〜LLMでも使える学習効率化編〜 | 株式会社AI Shift
こんにちは！ AIチームの戸田です 本記事では私がKaggleのコンペティションに参加して得た、Transformerをベースとした事前学習モデルのfine-tuningのTipsを共有させていただきます。 以前も何件か同じテーマで記事を書かせていただきました。 Kaggleで学んだBERTをfine-tuningする際のTips①〜学習効率化編Kaggleで学んだBERTをfine-tuningする際のTips②〜精度改善編〜Kaggleで学んだBERTをfine-tuningする際のTips③〜過学習抑制編〜Kaggleで学んだBERTをfine-tuningする際のTips④〜Adversarial Training編〜Kaggleで学んだBERTをfine-tuningする際のTips⑤〜ラベルなしデータ活用編〜 今回は学習効率化について書かせていただきます。このテーマは以前書かせ
MarkdownベースのGo製タスクランナー「xc」のススメ
Goにおけるタスクランナーの歴史 npmならnpm run、denoならdeno taskなど言語ツールにタスクランナー機能が付属していることがありますが、Goではそのような機能は提供されていません。 そこでGoのプロジェクトではMakefileがタスクランナーとして用いられることがしばしばありますが、独自の文法、.PHONYを大量に書く必要がある、Makefile警察が飛んでくる、などの問題があります。 Makefile警察「ぐぬぬぬ…」 #taskfile - Qiita タスクランナーとしてMakefileを使うことから脱却すべく、巷ではYAMLベースの「Task」やGoベースの「Mage」が用いられている印象です。 どちらも多少試したことはありますが、主に以下の点が気になりました。 Taskfile.ymlやmagefile.goといったツール独自のファイルを置く必要がある これは
君たちの知らないAPIデザインパターンの話をしよう
このように、RESTの設計原則に従ってAPIを構築することで、ほとんどのAPI設計は直感的に、かつ問題なく行うことができます。 デザインパターンの紹介 ここからが本題です。大抵の場合、上の例で示したようなAPI設計で十分です。 ただ、複雑な要件では、上のような典型的なAPI設計のみでは良いAPIを設計するための4つの特性を満たせないことがあり、そのような場合のためにデザインパターンが有効です。 カスタムメソッド 概要 カスタムメソッドは、標準的なCRUD操作（作成、読み取り、更新、削除）では対応できない特定の操作が必要になる場合に便利です。例えば、メールの送信や即時の文書翻訳など、通常の create や update メソッドでは処理が難しい操作がこれに該当します。 参考までに、以下にGoogleが出しているカスタムメソッドの記事を示します。 実装例 以下は、カスタムメソッドを扱うAPI
【自然言語処理入門】日本語ストップワードの考察【品詞別】 - ミエルカAI は、自然言語処理技術を中心とした、RPA開発・サイト改善・流入改善レコメンドエンジンを開発
ストップワードの除去は自然言語処理やテキストマイニングにおける重要な作業です． 解析の精度を上げるために不要な記号や単語を等をデータセットから除去します． ストップワードの選定にはタスクに特化した分析が必要ですが，ある程度整理されているデータがあるととても助かります． そこで，今回は私が自然言語処理のタスクでよく行う，日本語のストップワードについてまとめました． また単語の分布などから，品詞ごとのストップワードに対する考察も行いました． このことからストップワードを介して自然言語処理のあまり語らることのない知識などをご共有できればと思います． （この記事の考察部分は主に自然言語処理の初心者を対象とした入門記事です．） 目次 1. 自然言語処理・ストップワードとは 2. 分析の対象 3. 単語の分布に対する考察 ┣ 出現頻度 上位300件 ┗ 出現頻度と単語 4. 品詞ごとに考察 ┣ 名詞
運用改善、不都合な真実 / 20240722-ssmjp-kaizen
ssmonline #43 での発表資料です。 (運用設計ラボ合同会社 波田野裕一)
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
生成 AI 活用事例集
RAGのサービスをリリースして1年3ヶ月が経ちました
rust-blog/posts/translations/jp/common-rust-lifetime-misconceptions.md at master · pretzelhammer/rust-blog
Easily Train a Specialized LLM: PEFT, LoRA, QLoRA, LLaMA-Adapter, and More
useActionState｜React 19の新機能まるわかり
