庵野秀明対樋口真嗣「シン・ゴジラ」撮影現場ルポ＆山内章弘プロデューサーインタビュー - エキサイトニュース
公開からもうすぐ２ヶ月、いまだに盛り上がる「シン・ゴジラ」。 公開前も公開後も厳重な情報統制が行われていて本丸・庵野秀明監督はほぼ沈黙している状態。 すべては公式記録集のロングインタビューで語られるらしいと期待していたら、9月２０日に発売される予定だったものが１１月に延びてしまい、真実はまた遠のいた。がくり。 となると、謎多き庵野監督と伴走し、「シン・ゴジラ」のスポークスマンのような存在になっている東宝の山内章弘プロデューサーを頼るしかない。物腰柔らかで人当たりのいい山内は、「トリック」シリーズで奇才・堤幸彦監督ともいい関係性を築きヒットに導いてきた重要人物だ。 とかく奇才の考えることは規格外。だからこそ実現したらサプライズがある。 「シン・ゴジラ」も奇才も奇才の庵野秀明を招くことで、タイトルをはじめスタッフやキャスト選び、宣伝方法に関して掟破りを次々行うことになった。 そうしてでも「ゴジ
アメリカSF界で繰り広げられているカルチャー戦争の犠牲になったヒューゴー賞 Sad ＆ Rabid Puppies | 洋書ファンクラブ
ヒューゴー賞(Hugo Awards)は、世界中のSFファンが注目するSF、ファンタジー、ホラージャンルの重要な賞である。 受賞作は世界SF大会（ワールドコン, World Science Fiction Convention）に登録したファンの投票で決まり、大会の間に開催される授賞式で発表される。気取った文芸賞とは異なり、批評家ではなくファンが決める賞なので、必ずといって良いほど面白く、ベストセラーにもなる。そういった点で、とても信頼性がある賞だった。……少なくともこれまでは。 ところが、このヒューゴー賞が社会政治的なバトルグラウンドになってしまったのだ。 アメリカのSF作家のなかには、最近のヒューゴー賞は「マイノリティの人種、女性、同性愛者への公正さを重んじるリベラルな政治性を優先して選ばれている」、「文芸的な作品が重視され、娯楽的なSFが無視されている」といった不満を持つ者がいる。そ
社会人博士課程を修了し、博士号を取得しました - yu4uの日記
先日学位授与式があり、東京大学大学院、情報理工学系研究科、電子情報学専攻を修了しました。あまり参考になるようなことは書けませんが、自身の記録として過程を書いておこうと思います。 まとめ 社会人博士では、自分の専攻で、e-learning等で単位が取れるか、入学前の研究を博士論文に含めることができるかは重要 博士論文は自分の研究を改めて位置づける良い機会。自分で貢献が小さいと思っていても、その差分を徹底的に考えていくと、実はそこから新たな課題設定が見つかる 社会人じゃない博士やりたい 何故取ったのか 2007年に修士を修了した後、某通信事業者の研究所でコンピュータビジョンの研究を行ってきました。研究者として生きていく以上、いつかは取らねばという意識がずっとありました。特に、修士時代はネットワークの研究であったのに対し、現在はコンピュータビジョンの研究をしているため、現在の専門で学位を取りたい
Introduction to develop Django plugin
PyCon 2016 はじめて作るDjangoプラグイン
Pythonで作るWebクローラ入門
Pythonで作るWebクローラ入門の発表資料 https://pycon.jp/2016/ja/schedule/presentation/32/
fastTextのsubword(部分語)の弊害 - studylog/北の雲
札幌は1桁まで最低気温が下がってきました。寒いです。 Facebookが開発したfastTextを使ってみました。word2vecっぽくword embeddingをCPU環境で高速に生成してくれます。 github.com pythonラッパーもありますが生成時に進行状況が表示されないので、生成時は元を使ってそれ以降のembedding利用時にpythonラッパーを使うといいと思います。 日本語で使う場合は分かち書きして半角スペース区切りしておけば大丈夫。 fastTextの一番の特徴としてはsubword(部分語)情報を使っている点でしょうか。 「札幌公園」という単語があったとして、これを「札幌」「幌公」「公園」「札幌公」「幌公園」に分けて、それぞれのベクトルの和を元々の「札幌公園」のベクトルとする、という概念らしい。 未知語や低頻度でもそこそこの精度が出せそう。 元論文 [1607.
GBDTを使ったfeature transformationの適用例
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision TreeTakami Sato
scikit-learn準拠で Label propagation とか実装した - でかいチーズをベーグルする
scikit-learn準拠で Label propagation 的なアルゴリズム達を実装した。なんで実装したかというと、 グラフそのもの（隣接行列）を入力したい。 scikit-learnには既にsklearn.semi_supervised.LabelPropagationが実装されてるけど、これはグラフを入力するんじゃなくて、普通にサンプル数×特徴数のデータ行列を与えて、そこから類似度グラフを作るようになってる。これだと例えば手元にソーシャルグラフがあって、そのユーザ（ノード）の属性（興味とか）を Label propagation で推定するということができない。 ハイパーパラメータを楽に決めたい。 自分でグリッドサーチとかやるのはめんどくさいので、sklearn.grid_search.GridSearchCVとかを使いたい。そのためにsklearn準拠にした。 自分の研究成果
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
