2021年6月8日のブックマーク (5件)

  • 「14歳と同意性交、捕まるのはおかしい」立憲議員発言:朝日新聞デジタル

    刑法で性行為が一律禁止される男女の年齢を現行の「13歳未満」から引き上げることを議論する立憲民主党の「性犯罪刑法改正に関するワーキングチーム(WT)」で、出席議員が成人と中学生の性行為を肯定する発言を繰り返していたことがわかった。WTは7日、中学生以下との性行為の禁止を求める報告書をまとめる予定だったが、見送った。 複数の関係者によると、5月10日に開かれたWTで多平直衆院議員(56、比例北海道ブロック)が「例えば50歳近くの自分が14歳の子と性交したら、たとえ同意があっても捕まることになる。それはおかしい」と発言した。同月下旬のWTでも「12歳と20歳代でも真剣な恋愛がある」「日の『性交同意年齢』は他国と比べて低くない」との趣旨の意見を述べたという。 「性交同意年齢」は、性行為の同意能力がある年齢の下限とされ、日は刑法で13歳未満との性行為を禁止している。100年以上前から基準が変

    「14歳と同意性交、捕まるのはおかしい」立憲議員発言:朝日新聞デジタル
    Ez-style
    Ez-style 2021/06/08
    スクープした産経には明らかに立民関係者がたれ込んでるし、最初に名前出したのは毎日なんだけど、朝日の立民担当は知ってて隠したの?それとも教えてもらえないほどハブられてんの?
  • グラフ理論入門 | DevelopersIO

    こんにちは、ドイツのモナでございます〜 いろんなサイエンスにおいてグラフ理論がとても重要な用具となっていますが、グラフ理論ってそもそも何なのかご存知ない方も少なくもないですね。 ということで、今日は簡単にグラフ理論の基や用語など紹介したいと思います!なお、入門のため誰にでも分かるように数学的な定義は避けるようにします。 また、グラフ理論の応用は別の話ですので今回は応用の話しません〜 なぜグラフが面白いのか 具体的な応用の話はしませんが、たくさんの分野においてグラフ理論が重要となっています。 ネットワーク(例:トポロジー、ルーティングアルゴリズム) AI(例:ニューラルネットワーク) コンピューターサイエンス(例:ファイルシステム) 社会科学(例:ソーシャルネットワーク分析) 皆さんの生活の中(例:カーナビの最短ルートの計算) グラフ理論とは? ここで議論するグラフというのは、よく思い浮か

    グラフ理論入門 | DevelopersIO
  • 個人学習で書くコードはpublic公開した方がよい理由 - Qiita

    はじめに コロナ禍の影響で、エンジニア転職が増えてるという肌感です。 私もまったくの異業種からの転職でこの業界にきました。 昔の自分に会えたらこう言ってあげたいという思いをポエムとしてまとめましたので一つの記事としたいと思います。 この記事が一人でも多くの未経験エンジニアの役に立てば幸いです。 [2021.06.08追記] 反響がありとても驚いています。 同時に内容が一部不十分であったこと反省しています。 セキュリティ面についての内容を追記いたしました。 コードはGitで管理しよう 個人開発であってもコードはgithubなどのGitのホスティングサービスで管理するようにしましょう。 業務ではgitを使うのが一般的ですし、バージョン管理ができるので「正確に動作していた時に戻す」なども簡単にできます。 個人開発であってもdevelop一化ではなく、git-flowに則ってバージョン管理したり

    個人学習で書くコードはpublic公開した方がよい理由 - Qiita
    Ez-style
    Ez-style 2021/06/08
    コードは公開してもいいんだけど、データが公開できない場合はどうすれば。。。
  • 【論文紹介】ベイズ分析のワークフローにおける視覚化について - Qiita

    こんにちは,株式会社Nospareリサーチャー・千葉大学の小林です. 今回はJournal of Royal Statistical Society Series Aにも掲載されたGabry et al. (2017)(arXiv版)の紹介をします.この論文では次の挙げられるベイズ分析のワークフロー 探索的データ分析 分析前のモデルチェック アルゴリズムの動作チェック モデル推定後のモデルチェック において視覚化をどのように使っていくかについて書かれており,実証分析や実務においてベイズ分析を行うにあたってとても有用な内容になっています.記事で掲載する図などは著者がgithubにポストしてあるコードを使って作成しました. データ分析例の設定 この論文では終始PM2.5に関するデータ分析例を取り扱っており,この例では以下の設定があります. PM2.5は人体に対して影響があると考えられ,当は

    【論文紹介】ベイズ分析のワークフローにおける視覚化について - Qiita
  • 機械学習のパラメータチューニングを「これでもか!」というくらい丁寧に解説 - Qiita

    はじめに 私はこれまで機械学習のパラメータチューニングに関し、様々な書籍やサイトで学習を進めてきました。 しかしどれもテクニックの解説が主体のものが多く、 「なぜチューニングが必要なのか?」 という目的に関する記載が非常に少なかったため、体系的な理解に苦労しました。 この経験を後世に役立てられるよう、「初心者でも体系的に理解できる丁寧さ!」をモットーに記事にまとめたいと思います。 具体的には、 1. パラメータチューニングの目的 2. チューニングの手順とアルゴリズム一覧 3. Pythonでの実装手順 (SVMでの分類を例に) の手順で解説を進めます。 独自解釈も含まれるため、間違っている点等ございましたら指摘頂けると有難いです。 なお、文中のコードはこちらのGitHubにもアップロードしております。 2021/9/6追記:LightGBMのチューニング実行例追加 以下の記事に、Ligh

    機械学習のパラメータチューニングを「これでもか!」というくらい丁寧に解説 - Qiita