日本語入力システム｢ATOK｣ | ATOK Passport |【公式】ATOK.com
2024年2月 アップデート 日本語入力システム ATOK Passport は 進化を続けます 新変換エンジン『ATOKハイパーハイブリッドエンジン』に加え、 「ATOKパーソナライズドコア」の技術を、入力支援の機能にも適用！ 使用者毎に "パーソナライズ" した日本語変換、および、入力ミスの自動修復を実現しました。 "パーソナライズ" により「わたし」仕様の文章作成ができるようになります。 ATOK Passport は、これからも、さらに高精度かつ快適な日本語入力・変換環境を提供していきます。 ※Windows版から搭載 【「年間プラン「ATOK Passport [プレミアム] 1年」について】 下記に該当する方は、必ずこちらで手順をご確認ください。 ・月間プランを契約中で、年間プランに契約を切り替えたい方 ・年間プランを契約中で、有効期限日が近づいたので契約更新をされたい方
Engadget | Technology News & Reviews
Nintendo Switch 2: Everything we know about the coming release
Datadogのカレンダー | Advent Calendar 2016 - Qiita
URLYou can post either your article on Qiita or your blog post. About reserved postingIf you register a secret article by the day before the same day, it will be automatically published around 7:00 on the same day. About posting periodOnly articles submitted after November 1 of the year can be registered. (Secret articles can be registered anytime articles are posted.)
運用しやすい Datadog カスタムメトリクス収集方法 - Qiita
概要 Datadog でカスタムメトリクスを収集したい場合には、カスタムチェックを書いて Docker コンテナとしてパッケージングしてデプロイすると運用しやすいよ、という話。 背景 Datadog を利用していると、Datadog でサポートされていないものをモニタリングし、そのデータを Datadog に入れたいというケースが出てくる。 自分の例だと Resque という Redis を利用した Ruby 製のバッググラウンドジョブシステムに関するメトリクスを収集したかったが、公式にはサポートされていなかった。 Datadog にカスタムメトリクスを送る方法は 2 種類あり、 Datadog カスタムチェックを書く DogStatsD を利用したメトリクス収集/送信スクリプトを書く それぞれやり方が公式ドキュメントに載っている Writing an Agent Check Sendin
RubyでRubyVMを実装してRubyVMの気持ちになってみる - Qiita
はじめに この記事は「ほんのちょっとだけRubyが動くVMをRubyで実装してみて、Rubyが実行される仕組みを理解しよう」という趣旨のゆるふわな記事です。 こんなコードを実行できるVMを実装します。 この記事ではRuby 2.3.3を使います。 注意点 本記事にでてくる用語は厳密な定義とかは気にせずゆるくふんわりと使ってます VMの実装はRubyを使うので結構ずるい感じです 構文解析、コンパイルはしません クラス定義、メソッド探索、コントロールフレームなどの概念はでてきません なのでRubyを題材にしてますが、Rubyの特徴的な機能にはあまり触れていません 対象読者 Rubyが好き 普段Webプログラミングとかしてる プログラミング言語の処理系としてのVMが気になる まえおき VMとは RubyはJavaやErlangなどと同じようにRuby用のVM(仮想マシン)上で実行されます。 C言
Terraform for さくらのクラウド入門チュートリアル - Qiita
さくらインターネット Advent Calender 2016 その１ の、1日目を担当している @zembutsu こと、前佛雅人です。（ その２ もあります！） 「複数のサーバやスイッチを、コマンド１つで一括管理しよう！」というコンセプトのもと、さくらのクラウドでも Terraform が使えるのを伝えたい、その一心で本日の記事を書きました。 クラウドや Terraform に至る登場背景（どうして Terraform が必要となったのか）から、クラウドの GUI 上で面倒な作業を行わずに、コマンド１つでスイッチを含む複数台のシステムを、作成・変更・削除する方法をご紹介します。 「もう Terraform は知っている、すぐに試したい！」というかたは、後半のチュートリアル編からお読みください。 インフラ管理の課題を解決する Terraform クラウドと仮想化と API 「クラウド・コ
ニューラルかな漢字変換 - Qiita
3行まとめ Recurrent Neural Networkによるかな漢字変換をTensorFlowを使って実装しました。 既存手法のN-gramと比べて高い精度（文正解率2.7ポイント向上・予測変換3.8ポイント向上）を実現しました。 RNNの特性により離れた単語の共起関係と低頻度語の扱いが改善されました。 かな漢字変換とN-gramモデルの限界 パソコンやスマートフォンで日本語を入力するためのかな漢字変換には、同音異義語や単語区切りに曖昧さがあります。この問題に対処するため、現在は大規模な訓練データに基づく統計的言語モデルが主流になりました。その中でも代表的な単語のN-gramモデル1では、連続する単語列の頻度を使って言語モデルを構成し、変換候補の確率が高いほど順位が高いと考えます。 しかし、N-gramモデルには離れた単語の共起関係を考慮できないという問題点（マルコフ性）と、低頻度語
通信すら飲み込むAmazon、ルーター用半導体も自社開発と公表
「全世界を100Gビット/秒の専用光ファイバー網で接続」「ルーター/スイッチ用半導体は自社開発」「一つのアベイラビリティゾーンで30万台のサーバーを運用」――。米Amazon Web Services（AWS）でデータセンター（DC）戦略を統括するJames Hamiltonバイスプレジデント（写真1）は2016年11月29日（米国時間）、「AWS re:Invent 2016」の基調講演で同社のクラウドの衝撃的な内部仕様を明らかにした。 Hamilton氏はこれまでもAWSの内部仕様を明らかにしているが（関連記事：「AWSの裏側を数字で教えよう」、上級エンジニアが秘密を公開）、同社の大陸間ネットワークの詳細やネットワーク機器用半導体を開発している事実、自社開発サーバー/ストレージの詳細を明らかにしたのは今回が初めて。ライバルである米Googleも最近、DCや自社開発サーバーの詳細を明らか
Amazon Lightsail – AWSの力、VPSの簡単さ | Amazon Web Services
Amazon Web Services ブログ Amazon Lightsail – AWSの力、VPSの簡単さ 部品から複雑なシステム(家、コンピューター、家具)を組み立てるのを好む人がいます。彼らは、計画プロセスを楽しみ、慎重に各部品の調査を行い、望ましい力や適応性のバランスを与える部品を選択します。邪魔にならないに計画することで、彼らは最終品に向けて、部品を組み立てるプロセスを楽しみます。他の人々は、このdo-it-yourself(DIY)が魅力的で価値があると思っていませんし、途中であまりに多くの決定を下す事なく、できるだけ早く結果に到達する事に興味があります。 聞き覚えありませんか？ 私は、このモデルはシステムのアーキテクチャとシステム構築にも同じ様に当てはまると思います。時々、個々のAWSコンポーネント(サーバー、ストレージ、IPアドレスなど)を手動で選ぶ事に時間をかけ、あな
［速報］AWS上にVPS（仮想プライベートサーバ）を簡単に作れる「Amazon Lightsail」発表。AWS re:Invent 2016
［速報］AWS上にVPS（仮想プライベートサーバ）を簡単に作れる「Amazon Lightsail」発表。AWS re:Invent 2016 Amazon Web Servicesは、ラスベガスで開幕した同社のイベント「AWS re:Invent 2016」で、簡単にクラウド上でVPS（仮想プライベートサーバ）が作れる「Amazon Lightsail」を発表しました。 「Amazon Lightsailは、イメージを選んでクリックするだけで簡単にVPSが起動する。ネットワークもセキュリティグループも設定済みだ。すぐにスタートできる」（AWS CEO Andy Jassy氏） これまでAWSでサーバを立ち上げて使えるようにするには、ストレージやセキュリティグループ、DNS、IPアドレスなど、さまざまなAWSのサービスを理解し、設定しなければなりませんでした。Amazon Lightsai
［速報］AWS、FPGAを利用可能な「F1 Instances」を発表。クラウドでプログラマブルなハードウェアアクセラレーションを実現可能に。AWS re:Invent 2016
Amazon Web Servicesはラスベガスで開幕した同社のイベント「AWS re:Invent 2016」で、プログラマブルなプロセッサであるFPGAを利用可能な「F1 Instance」を発表しました。 F1 Insntanceは、利用者がFPGAに30回までカスタムロジックを書き込むことが可能。ハードウェアレベルで高速にロジックを実行することができ、さまざまなアプリケーションの高速化が可能になります（修正：30回まで、というのは誤りでした）。 提供されるFPGAの仕様は次の通り。 Xilinx UltraScale+ VU9P fabricated using a 16 nm process. 64 GiB of ECC-protected memory on a 288-bit wide bus (four DDR4 channels). Dedicated PCIe x16
Amazon Rekognition – 深層学習による画像検出と認識 | Amazon Web Services
Amazon Web Services ブログ Amazon Rekognition – 深層学習による画像検出と認識 この画像を見た時に、何が見えますか？ 単純に、動物には見えるでしょう。ペット、犬、またはゴールデンレトリバーに見えるかも知れません。画像とこれらのラベルの連想は脳の中でハードウェアな回線があるわけではありません。代わりに、何百何千もの例を見た後でラベルを学んだのです。いくつかの異なるラベルを処理することで、動物と植物、犬と猫、ゴールデンレトリバーと他の品種を見分けることを学んでいます。 画像検出のための深層学習 コンピュータに同じレベルの理解力を与えるのは、非常に難しいタスクであると証明されています。数十年に渡り、コンピュータ科学者は多くの異なる手法でこの問題に立ち向かってきました。今日、この問題に対する最良の解として広く同意を得られているのが、深層学習を用いたものです。
Amazon Polly – 文章から音声へ、47の声と24の言語 | Amazon Web Services
Amazon Web Services ブログ Amazon Polly – 文章から音声へ、47の声と24の言語 この記事を書き始める時に、自分の子供の頃(TVを見てばかり過ごしていました)に戻って、1960年代や1970年代の有名なコンピュータやロボットの声を思い出してみました。たった数分で、HAL-9000、B9 (Lost in Space)、Star Trek Computerのオリジナル、そしてRosie (The Jetsonsより)が頭に浮かびました。当時は、機械的に生成された音声は、正確な音でそっけなく、人間の感情を欠いているものを多くの人が期待していました。 多くの年月を早送りして、現在はコンピュータが生成した音声には多くの優れたアプリケーションとユースケースが存在し、一般的にText-to-SpeechまたはTTSとして知られています。エンターテイメント、ゲーム、公的
Amazon Lex – 対話的音声＆テキストインターフェースを構築 | Amazon Web Services
Amazon Web Services ブログ Amazon Lex – 対話的音声＆テキストインターフェースを構築 話すコンピュータは素晴らしいですが、聞いて応答するコンピュータはさらに優れています。 もしあなたがAmazon Echoを使用している場合は、Alexa-poweredなインタラクションモデルがどれほどシンプルで、有益で、強力であるかが分かります。 本日、Amazon Alexaを支える深層学習技術(ASR – 自動音声認識, NLU – 自然言語理解)と同じものを、ユーザーの会話アプリケーションの中で利用できるようにしました。Amazon Lexは、チャットボットや魅力的で実物そっくりのやり取りをサポートするその他のウェブ＆モバイルアプリケーションを構築するために利用できます。あなたのbotは、情報を提供したり、アプリケーションを強力にしたり、作業を効率化したり、ロボット
Amazon Athena – Amazon S3上のデータに対話的にSQLクエリを | Amazon Web Services
Amazon Web Services ブログ Amazon Athena – Amazon S3上のデータに対話的にSQLクエリを 私達が扱わなければいけないデータの量は日々増え続けています(私は、未だに1,2枚のフロッピーディスクを持っていて、1.44MBというのが当時はとても大きいストレージだったことを思い出せるようにしています)。今日、多くの人々が構造化されたもしくは準構造化されたペタバイト規模のファイル群を、日常的に処理してクエリしています。彼らはこれを高速に実行したいと思いつつ、前処理やスキャン、ロード、もしくはインデックスを貼ることに多くの時間を使いたいとは思っていません。そうではなくて、彼らはすぐ使いたいのです: データを特定し、しばしばアドホックに調査クエリを実行して、結果を得て、そして結果に従って行動したいと思っていて、それらを数分の内に行いたいのです。 Amazon
Amazon AthenaをBigQueryと比較してみた
こんにちは、データ分析部の阿部です。 作業中音楽は聞かない派ですが、ホワイトノイズを聞いていると集中できるという噂を聞いたことがあるので少し気になっています。 今回は、re:Invent2016で発表されたばかりのAthenaを紹介します。 Athenaとは データの準備 テーブル作成 速度測定 まとめ Athenaとは 本日、AWSのre:Invent中で、RedshiftやEMRに続くビッグデータサービスとして、Athenaというサービスがリリースされました。 Athenaは、S3上のデータ（CSV, JSON, その他フラットファイル）に対して、インタラクティブにSQLを実行することができます。 RedshiftやEMRに比べて、クラスタの構築や運用を必要とせず、シンプルにクエリを実行できるというメリットがあります。 課金形態も、クエリ&読み込んだデータ量に応じて課金という点で、Go
HTTP/2 is now in General Availability
HTTP/2 is now in General AvailabilityWe’re pleased to announce that HTTP/2 is now in General Availability (GA). Our team has been working diligently to tightly integrate HTTP/2 support into our existing environment. We’ve taken measures to ensure that our design and testing of this component adheres to the HTTP/2 protocol standards and can be seamlessly deployed across our entire network. Enabling
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
［速報］AWSが「Elastic GPUs for EC2」発表。既存のインスタンスにGPU機能の追加を実現。AWS re:Invent 2016
Public NTP | Google for Developers