404404 Not Found
多彩な表現力のWebGLを扱いやすくする「Three.js」
多彩な表現力のWebGLを扱いやすくする「Three.js」：Webグラフィックをハックする（5）（1/5 ページ） Three.jsはWebGLの冗長な仕様をうまくラップし、扱いやすいインターフェイスで提供するライブラリだ。サンプルコードと見比べながら、効率良く学習しよう Three.jsの基礎 本連載も5回目を迎え、いよいよ佳境に入ります。今回の題材は、Webブラウザ上で3次元グラフィックを実現する「WebGL」です。ただし、これまでと違ってAPIを直接は触れず、「Three.js」を利用します。Three.jsはWebGLの冗長な仕様をうまくラップし、扱いやすいインターフェイスで提供するライブラリです。Mr.Doob氏を中心にオープンソースで開発が進められており、WebGL界隈ではデファクトスタンダードに近い地位を築いています。 Three.jp公式サイト WebGLはこれまで解説し
さくらインターネット伝説
ネット上でみかけたさくらインターネットの伝説を覚えている限り書いてみた ・石狩にデータセンターを建設する事が決まってから石狩関係企業の株価がuprising ・長らく国内VPS市場は王座不在のまま零細企業が平和にシェアを分け合っていたが、さくらが信じられない価格で参入するという第一報を受けた某サーバー会社の社長が発狂して新幹線の中で全裸になり逮捕 ・さくらがクラウドに参入するとの報告を受けたAmazonジェフ・ベゾスが取締役会で思わず舌打ち EC2最高責任者は号泣 Rackspaceの株価がストップ安 ・業を煮やした競合サーバー業者がWikileaksに田中社長のプライベートでの悪行を密告しようとしたが清廉潔白すぎてネタが見つからず断念 ・石狩のデータセンターで空調代わりに北海道特有の低温外気を取り入れようとしてホコリの問題が持ち上がるが、半導体生産にも使われる高度なホコリ除去技術を導入し
ライフゲーム - Google 検索
ライフゲーム · 誕生（＝白→黒になる）条件：白いマスの周囲に3つの黒いマスがあれば次の世代では黒いマスになる。 · 維持（＝黒→黒のまま）条件：黒いマスの周囲に2つか ...
MySQL | Mono
Info The Mono provider for MySQL database is the MySQL Connector/Net. MySQL Connector/Net is a fully managed provider and does not require a client library. You have to get it from MySQL AB. The provider is distributed under the GPL license. This is the recommened provider to use with Mono. Support for MySQL Connector/Net can be found here. If you decide to compile from sources, you should define
Materialized view - Wikipedia
In computing, a materialized view is a database object that contains the results of a query. For example, it may be a local copy of data located remotely, or may be a subset of the rows and/or columns of a table or join result, or may be a summary using an aggregate function. The process of setting up a materialized view is sometimes called materialization.[1] This is a form of caching the results
LINQPad - The .NET Programmer's Playground
Instantly test any C#/F#/VB snippet or program Query databases in LINQ (or SQL) — SQL/Azure, Oracle, SQLite, Postgres & MySQL Enjoy rich output formatting, autocompletion with AI and integrated debugging Script and automate in your favorite .NET language Interoperate with xUnit, BenchmarkDotNet, Rx, MSAL, Excel and more Super lightweight — small and fast, with xcopy option Standard edition free wi
復習 Ruby: [1, 2, 3].sum ではなく，[1, 2, 3].inject(:+) と書く．
復習 Ruby: [1, 2, 3].sum ではなく，[1, 2, 3].inject(:+) と書く． 数値が Array に格納されていて，その合計を計算したいときに sum したくなることがある． たとえば，次のように． a = [1, 2, 3] a.sum # ~> -:2:in `': undefined method `sum' for [1, 2, 3]:Array (NoMethodError) しかし，このように，Array#sum というメソッドは無いので，NoMethodError になる． Enumerable#inject(symbol)こんなときに，Ruby なら Enumerable#inject(symbol) を使う． a = [1, 2, 3] a.inject(:+) # => 6 ここで，a.inject(:+) は， 1 + 2 + 3 と同じ
![復習 Ruby: [1, 2, 3].sum ではなく，[1, 2, 3].inject(:+) と書く．](https://cdn-ak-scissors.b.st-hatena.com/image/square/45b456ad784936499c2d77f5c227fabe5c75be82/height=288;version=1;width=512/https%3A%2F%2F64.media.tumblr.com%2Favatar_c9cb48d5d4b6_512.pnj){kind=avatar}
今っぽい Vagrant + Chef Solo チュートリアル - Qiita [キータ]
Vagrant と Chef Solo ってとてもベンリそうに見えてたのですが、ネット上にあるのは断片的な情報が多かったり、そもそもいろんなやり方があって混乱してたので、サックリ始めるためのチュートリアルを書きました。これをきっかけにベンリな Vagrant ライフを堪能して頂ければ幸いです。 [追記10/10/2013] Window 上の Vagrant でも問題なく動きました。ただ1点注意があって、UAC のポップアップに反応しないと、Vagrant か VirtualBox 側でタイムアウトになってしまうので、ポップアップを見張るか、放置したいなら一時的に無効にしておくとよいです。 [/追記終わり] [追記 10/23/2013] VirtualBox 4.3 だとまだうまく動かないようです(私も host-only adapter の作成で VirtualBox 側のエラーになり
![今っぽい Vagrant + Chef Solo チュートリアル - Qiita [キータ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/f799b6ddcfc5290695dee685c7759d764e9f8bf1/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Fogp-background-1150d8b18a7c15795b701a55ae908f94.png%3Fixlib%3Drb-1.2.2%26w%3D1200%26mark%3Dhttps%253A%252F%252Fqiita-user-contents.imgix.net%252F~text%253Fixlib%253Drb-1.2.2%2526w%253D840%2526h%253D380%2526txt%253D%2525E4%2525BB%25258A%2525E3%252581%2525A3%2525E3%252581%2525BD%2525E3%252581%252584%252520Vagrant%252520%25252B%252520Chef%252520Solo%252520%2525E3%252583%252581%2525E3%252583%2525A5%2525E3%252583%2525BC%2525E3%252583%252588%2525E3%252583%2525AA%2525E3%252582%2525A2%2525E3%252583%2525AB%2526txt-color%253D%252523333%2526txt-font%253DAvenir-Black%2526txt-size%253D54%2526txt-clip%253Dellipsis%2526txt-align%253Dcenter%25252Cmiddle%2526s%253D5d876f6adad1ae396bec202dfb669b43%26mark-align%3Dcenter%252Cmiddle%26blend%3Dhttps%253A%252F%252Fqiita-user-contents.imgix.net%252F~text%253Fixlib%253Drb-1.2.2%2526w%253D840%2526h%253D500%2526txt%253D%252540taiki45%2526txt-color%253D%252523333%2526txt-font%253DAvenir-Black%2526txt-size%253D45%2526txt-align%253Dright%25252Cbottom%2526s%253D6d33845e155d9ed49970dd0b1bc4a73b%26blend-align%3Dcenter%252Cmiddle%26blend-mode%3Dnormal%26s%3Dfb011efe75c956eb2eac3704a96c2edc)
Puppet at GitHub / ChatOps
How we use Puppet at GitHub, and how we Hubot runs our infrastructure for us.
サポートベクターマシン - Wikipedia
サポートベクターマシン（英: support-vector machine, SVM）は、教師あり学習を用いるパターン認識モデルの1つである。分類や回帰へ適用できる。1963年にウラジミール・ヴァプニク（英語版）とAlexey Ya. Chervonenkisが線形サポートベクターマシンを発表し[1]、1992年にBernhard E. Boser、Isabelle M. Guyon、ウラジミール・ヴァプニクが非線形へと拡張した。 サポートベクターマシンは、現在知られている手法の中でも認識性能が優れた学習モデルの1つである。サポートベクターマシンが優れた認識性能を発揮することができる理由は、未学習データに対して高い識別性能を得るための工夫があるためである。 基本的な考え方[編集] サポートベクターマシンは、線形入力素子を利用して2クラスのパターン識別器を構成する手法である。訓練サンプルから
チャレンジせよ、ユニークであれ、話をうのみにするな--任天堂岩田社長の経営哲学
大阪で開催中の「B Dash Camp 2013 Fall in Osaka」。10月7日最後のセッションには、任天堂 代表取締役社長の岩田聡氏が登壇。GCAサヴィアン名誉顧問で一橋大学大学院教授の佐山展生氏との対談で、自身の経営哲学を語った。 任天堂は「チャレンジをし続けてきた会社」 1889年に花札の製造を開始、その後ゲームウォッチなどさまざまな玩具を展開し、1983年にファミリーコンピューター（ファミコン）を販売するに至った任天堂。今でこそゲームのプラットフォーマーとして確固たる地位を築いているが、岩田氏は「実は多くの新しいことにチャレンジし続けてきた会社だ」と説明する。 さらに岩田氏は、当時の既存事業にとらわれず新たな挑戦を続け、ファミコンを生み出すことになった任天堂の先代社長であり、9月に亡くなった山内溥（ひろし）氏の座右の銘として、「失意泰然、得意冷然（物事がうまくいかなくても
k近傍法 - Wikipedia
k近傍法（ケイきんぼうほう、英: k-nearest neighbor algorithm, k-NN）は、入力との類似度が高い上位 k 個の学習データで多数決/平均するアルゴリズムである[1]。 パターン認識（分類・回帰）でよく使われる。最近傍探索問題の一つ。k近傍法は、インスタンスに基づく学習の一種であり、怠惰学習 の一種である。その関数は局所的な近似に過ぎず、全ての計算は分類時まで後回しにされる。また、回帰分析にも使われる。 概要[編集] k近傍法は以下の手順からなる： 入力と全学習データとの類似度（距離）測定 類似度上位 k 個の選出 選出されたデータの多数決あるいは平均 すなわち「入力とよく似た k 個のデータで多数決/平均する」単純なアルゴリズムである[1]。 例えば環境（気温/湿度/風速）から天気（雨/曇り/晴れ）を予測する分類問題を考える。k=5 のk近傍分類では、過去10
新城担当の情報科学類/情報学類の授業関係
新城担当の情報科学類/情報学類の授業関係 2023年度（令和5年度） システムプログラム(2023年春学期AB) オペレーティングシステムII(2023年秋学期C) プログラミング入門(2023年秋学期ABC) システムプログラム(K-3,2023年/春学期) カーネルハック(K-12,2023年/春学期) 情報特別演習 I,II/新城アドバイザのテーマ ■前年度までの担当 １９９７年度 システムプログラムI(1997年1学期) 分散システム(1997年3学期) １９９８年度 システムプログラムI(1998年1学期) 情報科学概論II A(1998年1学期) 分散システム(1998年3学期) １９９９年度 (在外研究のため担当なし) ２０００年度 システムプログラム(2000年1学期) 主専攻実験／システムプログラム(K-3,2000年/1,2,3学期) 計算機システム概論(2000年2学
Weka 3 - Data Mining with Open Source Machine Learning Software in Java
Weka is a collection of machine learning algorithms for data mining tasks. It contains tools for data preparation, classification, regression, clustering, association rules mining, and visualization. Found only on the islands of New Zealand, the Weka is a flightless bird with an inquisitive nature. The name is pronounced like this, and the bird sounds like this. Weka is open source software issued
半教師あり学習 - 機械学習の「朱鷺の杜Wiki」
文献1の第1章のイントロダクションによれば，1960年代からこのアイデアは存在するらしい． また，教師なしデータを用いて予測精度を向上させる半教師あり学習の手法では，データに次のいずれかの性質が仮定されている． 半教師あり平滑性仮定：もし二つの点 x1 と x2 が高密度領域で近ければ，出力 y1 と y2 も関連している． クラスタ仮定：点が同じクラスタになるなら，それらは同じクラスになりやすい． 低密度分離：決定境界は低頻度領域にあるべき． 多様体仮定：(高次元の)データは，低次元の多様体上に(ほぼ)存在する． -- しましま ↑
The web's scaffolding tool for modern webapps | Yeoman
Get started and then find a generator for your webapp. Generators are available for Angular, Backbone, React, Polymer and over 5600+ other projects. One-line install using npm: npm install -g yo What's Yeoman?Yeoman helps you to kickstart new projects, prescribing best practices and tools to help you stay productive. To do so, we provide a generator ecosystem. A generator is basically a plugin tha
試すのが難しい―機械学習の常識はMahoutで変わる
ビッグデータ時代―なぜ、いま機械学習なのか Apache Hadoop（以下、Hadoop）の登場で、今まで捨てていたデータ、貯めるだけで処理しきれなかったデータを活用できるようになりました。 活用手段として最近とみに注目されている技術が「機械学習」であり、Hadoopの強みを生かし簡単に機械学習を行うためのライブラリが、「Apache Mahout」（以下、Mahout）です。 本稿ではMahoutを動かしてみることで、機械学習の常識を身に付けます。 そもそも、機械学習とは？ 機械学習とは、一定のデータをコンピュータ・プログラムに「学習」させ（すなわち、そのデータに潜むパターンや規則性を表す「モデル」を自動的に構築させ）、他のデータにそのモデルを適用すれば、あたかも人間のように複雑で柔軟な判断が行えるようにするという試みです。 機械学習をビジネスに活用した例は、レコメンド（ユーザーや商品
Mahoutで体感する機械学習の実践 記事一覧 | gihyo.jp
第2回「ある商品といっしょによく売れる商品は何か？」を見つけるには ～マーケット・バスケット分析の考え方 やまかつ 2013-03-06
Mahout JP - #MahoutJP
Not your computer? Use a private browsing window to sign in. Learn more about using Guest mode
Apache Mahout - Wikipedia
Apache Mahout is a project of the Apache Software Foundation to produce free implementations of distributed or otherwise scalable machine learning algorithms focused primarily on linear algebra. In the past, many of the implementations use the Apache Hadoop platform, however today it is primarily focused on Apache Spark.[3][4] Mahout also provides Java/Scala libraries for common math operations (f
慶應義塾大学で「Mobageの大規模データマイニングとサービス洗練」の講義をします - hamadakoichi blog
2013/07/12(金) 慶應義塾大学 理工学部 で「Mobageの大規模データマイニングとサービス洗練」の講義をします。 慶應義塾大学 理工学部 e-ビジネスソフトウェア論 講義の機会を下さった 山口高平さんに感謝します。 講義概要 4900万人以上の登録会員をかかえるソーシャルゲームプラットフォーム「Mobage」では、1日35億超の行動情報が蓄積されています。これらの大規模行動データを対象に、日々データマイニング・機械学習等の各種方法論を活用したサービス開発・洗練を行い、ユーザ体験に還元しています。 実際のサービスで高い効果を出すためには実は単なる手法の知識だけでは不十分で、ユーザ価値高い課題設定、洗練サイクルまで考慮したサービス設計・ログ設計、等々、非常に重要な要素があります。また大規模データを活用するためには、分散技術を活用しいかにアルゴリズムを大規模分散させるかも同じく重要な
PRML復習レーン 1章の復習
Loading… Flash Player 9 (or above) is needed to view presentations. We have detected that you do not have it on your computer. To install it, go here. PRML復習レーン 1章の復習 - Presentation Transcript ベイズ確率論による 統計的機械学習入門 #PRMLrevenge @nokuno 自己紹介 2 • Twitter: @nokuno • はてな：id:nokuno • Social IME開発者 • 自然言語処理とか • RとかPRMLとか • Web業界でプログラマをやってます 宣伝 3 • 自然言語処理に関する勉強会をやります • 昨日グループを作ったばかりで詳細未定 • CV勉強会に負けないよう頑張りた
条件付き確率 - Wikipedia
等式 P(A∩B) = P(A|B)P(B) の決定木による図示。 条件付き確率（じょうけんつきかくりつ、英: conditional probability）は、ある事象 B が起こるという条件下での別の事象 A の確率のことをいう。条件付き確率は P(A|B) または PB(A) のように表される[1]。条件付き確率 P(A|B) はしばしば「B が起こったときの A の（条件付き）確率」「条件 B の下での A の確率」などと表現される。なお英文においては通例、“probability of A given B” または “probability of A under the condition B” と表現される。 定義[編集] A および B を事象とし、P(B) > 0 とすると、B における A の条件付き確率は あるいは により定義される[2][3]。 測度論的定義[編集]
周辺分布 - 機械学習の「朱鷺の杜Wiki」
周辺分布 (marginal distribution)† 結合分布 \(\Pr[X_1,X_2,\ldots,X_n,Y_1,Y_2,\ldots,Y_m]\) に対して，次の分布を周辺分布と呼ぶ： 確率変数 \(Y_1,Y_2,\ldots,Y_m\) が離散の場合 \[\Pr[X_1,X_2,\ldots,X_n]=\sum_{Y_1,Y_2,\ldots,Y_m} \Pr[X_1,X_2,\ldots,X_n,Y_1,Y_2,\ldots,Y_m]\] 確率変数 \(Y_1,Y_2,\ldots,Y_m\) が連続の場合 \[\Pr[X_1,X_2,\ldots,X_n]=\int_{-\infty}^{+\infty} \Pr[X_1,X_2,\ldots,X_n,Y_1,Y_2,\ldots,Y_m] dY_1 dY_2 \cdots dY_m\] 周辺確率 は周辺分布中の確率
RGenGCに対応する方法 - mirichiの日記
Ruby2.1.0-preview1は出たがREADME.EXT.jaを見ても書いてないので調べたことをここに書いておく。正式なマニュアルじゃないし検証してるわけでもないから豪快に間違っているかもしれん。 ■はじめに RGenGCは今までの拡張ライブラリのコードそのままで動作するように作られていて、何も考えずにコンパイルすれば普通に動く。2.1用に拡張ライブラリをコンパイルして動かない場合、よっぽど特殊なことをしていない限りはRGenGC以外のところに原因があると考えてよい。そのぐらい互換性に気を使われている。 なので特別に対応する必要は無いのだが、対応すればGCのパフォーマンスが上がるし、Shady化の処理を省く効果もあったりしてさらに速くなるかもしれない。速度を売りにした拡張ライブラリは対応しておいて損は無いだろう。 RGenGCの対応には大きくわけて以下の2つのパターンがある。両方や
MySQL の order by rand() - naoyaのはてなダイアリー
MySQL のレコード取り出しの際に、ソートをランダムにできないものかと調べていたら、あった。 SELECT * FROM table ORDER BY RAND()こんな感じで。ソートを RAND にすれば良いという… そうそう、僕もこれは最近知ったんですが。Haropy でエントリーをランダムに取り出すのにも order by rand() を使ってます。Class::DBI::mysql に retrieve_random というメソッドがあって、ランダムに一見取り出すことができるという。これも中では order by rand() limit 1 をやってます。 ただ、この rand() はデータ量が大きいテーブルには使いづらいという罠。 mysql> explain select id from entry order by rand() limit 1 ?G *********
Microsoft Surface 2 review
If you buy something from a Verge link, Vox Media may earn a commission. See our ethics statement. “At the office” has become a nebulous term in my life. I’ve been “at the office” in coffeeshops, libraries, planes, taxis, bars, and one time from my seat during the third quarter of the Super Bowl. Work takes place at random hours, in random places; I spend a lot of time on Saturday nights looking f
OS X 10.9 Mavericks のインストールメディアを作る - blog.niw.at
OS X 10.9 Mavericks のインストールメディアを作るOS X 10.9 Mavericks がリリースされましたね。なんと無料です! Mavericks はカリフォルニア、サンフランシスコから車で1、2時間の場所なんですがそれはさておき、新しい OS をクリーンインストールするために起動ディスクを作りたいですよね。 Mac OS X Lion の時は結構面倒だったのですが、Mavericks はとても簡単になっています。 まずはダウンロードApp Store を起動してこの FREE UPGRADE ボタンを押します。このボタンを押すと実際にアップデートはされずにインストーラーが /Applications にダウンロードされ実行されますのでキャンセルしましょう。 十分に容量のある USB メモリとか SD カードとかを用意します。多分 6GByte は必要。そしてユーティ
マルチタスクによって生じる精神的・身体的問題がさまざまな研究から判明
By Joseph Martinez 18世紀のイギリスの政治家・チェスターフィールド卿が息子に送ったアドバイスの1つに「お前が一度に1つの仕事を行えば、1日の間に全ての仕事を終わらせられるだろう。だが、一度に2つの事をしようとすれば、1日で終わらせることはできない」というものがあります。チェスターフィールド卿が反対しているのは、現在で言うところのマルチタスク。できるだけ速く作業をすると同時にできるだけ多くのことを処理するマルチタスクは、現代社会において呪文のようにあがめられていますが、実際には精神的・身体的問題をおよぼすことが判明しています。 (PDFファイル)The Myth of Multitasking - TheMythofMultitasking_Rosen.pdf http://faculty.winthrop.edu/hinera/CRTW-Spring_2011/TheM
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
iPhone間の新しい文字化け「兄化け」 - 帰ってきた💫Unicode刑事〔デカ〕リターンズ
iPhone間の新しい文字化けパターンが発見されたのでメモ*1。この少なくとも3つのダメな仕様が重なって発生する文字化けは、発見者によって「兄化け」と命名された*2。 「兄化け」は、兄がSoftBankまたはauのiPhoneでメッセージアプリを、妹がiPhoneのメールアプリでdocomo.ne.jpアドレスを使っている場合に発生する。兄が絵文字入りのメールを送信すると、妹の環境では絵文字が豆腐に化け、それを引用して返信すると、今度は兄の側でメッセージ全文が化ける。 以下、この文字化けの理屈について。兄のメッセージアプリは、絵文字入りのメッセージをUTF-8で送信。キャリアの送信側のサーバが、これをドコモのShift_JISに変換する。しかし、妹のiPhoneのメールアプリはドコモのShift_JISに対応していないので、ドコモの絵文字を単に「Shift_JISの未定義領域の文字」として
長年の議論に終止符 -- MySQL、MariaDB、PostgreSQLのオプティマイザ/エクゼキュータ比較 - interdb’s blog
https://mariadb.com/kb/en/optimizer-switch/にあるように、MariaDBのオプティマイザはかなり改良されている。 では、MariaDBのオプティマイザ/エクゼキュータはどの程度優秀か、４つのSELECT文の実行を通してMySQLと(ついでにPostgreSQLと)比較してみる。 (2014.12.3追記：オプティマイザについては省略してますが、こんな本がでます。) 結論を先にいえば「MySQLは検索が速い」というのは都市伝説。MariaDBはがんばってるけどPostgreSQLにはまだまだ及ばず。 ＊念のため。これはベンチマークじゃないよ、オプティマイザ/エクゼキュータの機能比較です。 自分で再確認したい場合はこちらにスクリプト群と実験のやり方を簡単に書いたので参照のこと。 調査環境 同一マシンにMySQL5.6.14、MariaDB10.0.4、
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
F1情報通
http://nlftp.mlit.go.jp/ksj/jpgis/datalist/KsjTmplt-W01.html
Semantic Web Challenge
ChatOps at GitHub
Appending characters to the end of each line in Emacs
linq: order by random
OS X 10.9 Mavericksをダウンロードしたら、インストールする前にまずInstallESD.dmgをコピーしようか。