Windows7 搭載マシンを買ってきてやったことまとめ - IT戦記
はじめに みなさま、こんにちは！年末の忙しい時期ですが、お元気ですか？ 僕はなんとか元気です＞＜ 使っていた PC を壊してしまったので Windows7 搭載マシンを買ってきましたので、購入から初期設定、便利なアプリのインストールまでここにメモしておきたいと思います！ 購入まで と言うことでまず購入までにやったことをまとめてみたいと思います 価格.com で調べる まずは、価格.comを使って、以下の条件で良さそうなパソコンを探してみます。 8 万円以下の価格 それなりのグラフィックボード（最近 Minecraft っていうゲームをやってるので） それなりのメモリ（メモリ安いので） それなりの CPU USB 3.0 （データ移行のときにハードディスクを USB 3.0 でつなぎたいので） ディスクアクセス速度は、ある程度遅くても良い（RAM ディスクで頑張る戦略） 買うパソコンを決める
「最強最速アルゴリズマー養成講座」関連の最新 ニュース・レビュー・解説 記事 まとめ - ITmedia Keywords
最強最速アルゴリズマー養成講座： そのアルゴリズム、貪欲につき――貪欲法のススメ アルゴリズムの世界において、欲張りであることはときに有利に働くことがあります。今回は、貪欲法と呼ばれるアルゴリズムを紹介しながら、ハードな問題に挑戦してみましょう。このアルゴリズムが使えるかどうかの見極めができるようになれば、あなたの論理的思考力はかなりのレベルなのです。（2010/9/4） 最強最速アルゴリズマー養成講座： 病みつきになる「動的計画法」、その深淵に迫る 数回にわたって動的計画法・メモ化再帰について解説してきましたが、今回は実践編として、ナップサック問題への挑戦を足がかりに、その長所と短所の紹介、理解度チェックシートなどを用意しました。特に、動的計画法について深く掘り下げ、皆さんを動的計画法マスターの道にご案内します。（2010/5/15） 最強最速アルゴリズマー養成講座： アルゴリズマーの登
Routines and objects by topic — NumPy v2.0 Manual
Routines and objects by topic# In this chapter routine docstrings are presented, grouped by functionality. Many docstrings contain example code, which demonstrates basic usage of the routine. The examples assume that NumPy is imported with: A convenient way to execute examples is the %doctest_mode mode of IPython, which allows for pasting of multi-line examples and preserves indentation.
Visualizing the Dirichlet
Random thoughts of a computer scientist who is working behind the enemy lines; and lately turned into a double agent. Last week, while working with Foster Provost and Xiahoan Zhang, one of our PhD students, we were trying to understand the internals of the Latent Dirichlet Allocation. In particular, we were getting strange results from the LDA-C program by David Blei, and we wanted to figure out w
NumPyを使ってみる - white wheelsのメモ
Windows, Python2.6, 2010/3/8の話題。 NumPyはPythonの数値計算ライブラリです。 http://new.scipy.org/download.htmlからダウンロードできます。 SourceForge site for NumPyからnumpy-1.3.0-win32-superpack-python2.6.exeをダウンロード 特に設定なしにインストールできます。 以下使い方のメモです。 配列オブジェクト 配列をベクトルとして使います。 "*"は内積ではなく、要素ごとの積をとったベクトルなので注意 from numpy import * u = array( [ 1, 2, 3 ] ) print u v = arange( 3 ) #[ 0, 1, 2 ] print v print u + v print u * v print "---" pri
ハフマン符号
ハフマン符号 Huffman code ホーム 情報通信のハイパーテキストは下記へ移動しました。 http://www.mnc.toho-u.ac.jp/v-lab/ お探しの内容は、下記の目次にあります。 http://www.mnc.toho-u.ac.jp/v-lab/yobology/index.htm
高橋直大、Imagine Cupアルゴリズム部門で世界の三強に
日本初のアルゴリズム部門ファナリストとなった今回。初めての挑戦にもかかわらず3位入賞という初めてづくしの栄誉に、いつも笑顔の高橋氏も壇上でひときわ輝いた笑顔を見せた。 なお、同部門を制したのは、昨年の同部門で2位だったウクライナのロマン氏。今回、あまり調子が良くなさそうだったと高橋氏は語っていたが、終わってみればTopCorderでRedCoderでもある彼の実力を多くの人間が知ることとなった。 関連記事 フランスの地でアルゴリズムの未来を切り開く男 高橋直大 Microsoftが主催する学生向けの技術コンテスト「Imagine Cup」。そのアルゴリズム部門で世界の頂点に挑むのは、プログラミング歴が2年にも満たない一人の数学好きだった。 ルーブル美術館で披露された芸術的なコードとアイデア 世界中から集まった優れた学生たちは、環境問題に対してテクノロジーは何ができるのかの一端を示してくれた
フランスの地でアルゴリズムの未来を切り開く男 高橋直大
Microsoftが主催する学生向けの技術コンテスト「Imagine Cup」。そのアルゴリズム部門で世界の頂点に挑むのは、プログラミング歴が2年にも満たない一人の数学好きだった。 Microsoftが主催し、全世界の学生を対象にする技術コンテスト「Imagine Cup」。今年は日本時間の7月4日からフランスのパリで開催される。幾つかの部門が用意されているが、その中の1つであるアルゴリズム部門の日本代表としてフランスの地を踏んだことで、この男の今後はどのように変化するのだろうか。 Imagine Cupのアルゴリズム部門で世界大会に進むのはわずか6名。高橋氏についてもアルゴリズム部門日本代表というよりは、ファイナリストと表記した方が正確だろう。このファイナリスト6名が24時間で10問の問題に挑み、世界の頂点を目指す。今回は、7月3日に20歳の誕生日を迎え、大きな変化の波のまっただ中にいる
学生が至福の時間をすごすための1つの方法――Imagine Cup 2007総括
優勝したタイ代表チームにトロフィーが進呈。手渡しているのはMicrosoftのトム・クルーズことMicrosoftアカデミックリレーションズのグローバルディレクター、ジョー・ウィルソン氏。余談だが、本大会における彼のノリノリぶりは一見の価値がある。ぜひ来年のImagine Cupに参加してその目で彼を見てほしい Imagine Cupの参加は学生に何をもたらすか？ 全世界の学生を対象とした技術コンテストであるImagine Cup。似たような技術コンテストとしては、Google主催の「Google Code Jam」、ACM（Association for Computing Machinery）主催の「ACM/ICPC」など幾つも開催されている。 Imagine Cupは回を重ねるごとにコンテストそのものの質も高まってきた。第1回大会のように、ソフトウェアデザイン部門でビデオテープを送っ
木曜不足
2004年ごろに Google の猫で深層学習が一躍脚光を浴びたとき、画像認識は特徴抽出が難しいので深層学習で良い結果が出るが、自然言語処理は特徴量*1がリッチなので、深層学習を適用するのは難しいだろうと思っていた。 特徴量がリッチとは、例えば「ホームラン」のたった１語でその文はスポーツ、特に野球の話題である可能性が高くなる、みたいな話である。一方、ピクセルの１つが緑であることから何の画像か当てるのは不可能だ。 その後、自然言語処理でも深層学習が当たり前になったのは誰もがご存知のとおりであり、自身の不明を恥じるばかりだ。ただ言い訳をさせてもらえるなら、自然言語処理のえらい先生方も同じように言っていたのだ。 2014年ごろ、LSTM などの深層学習モデルが発展し、自然言語処理でも目覚ましい結果が出始めた。機械翻訳など多くのタスクで、人間の平均といい勝負になったのもこの頃だったと思う。すると、
生成モデル - 機械学習の「朱鷺の杜Wiki」
生成モデル (generative model) / 識別モデル (discriminative model)† クラス分類を解くための手法は識別モデルと生成モデルに分けられる． データとクラスの確率変数をそれぞれ \(X\) と\(C\) で表す． パラメータは \(\theta=(\theta_1,\theta_2)\)． 生成モデル (generative model) \(X\) と\(C\) の結合確率をモデル化： \[\Pr[X,C|\theta]=\Pr[X|C,\theta_1]\Pr[C|\theta_2]\] パラメータはデータ集合とパラメータの同時確率を最大化するように学習： \[\Pr[\{x_i,c_i\}_i^N,\theta]=\Pr[\theta]\prod_i^N\Pr[x_i,c_i|\theta]=\Pr[\theta]\prod_i^N\Pr[x_i
はてなグループの終了日を2020年1月31日(金)に決定しました - はてなの告知
はてなグループの終了日を2020年1月31日(金)に決定しました 以下のエントリの通り、今年末を目処にはてなグループを終了予定である旨をお知らせしておりました。 2019年末を目処に、はてなグループの提供を終了する予定です - はてなグループ日記 このたび、正式に終了日を決定いたしましたので、以下の通りご確認ください。 終了日: 2020年1月31日(金) エクスポート希望申請期限:2020年1月31日(金) 終了日以降は、はてなグループの閲覧および投稿は行えません。日記のエクスポートが必要な方は以下の記事にしたがって手続きをしてください。 はてなグループに投稿された日記データのエクスポートについて - はてなグループ日記 ご利用のみなさまにはご迷惑をおかけいたしますが、どうぞよろしくお願いいたします。 2020-06-25 追記 はてなグループ日記のエクスポートデータは2020年2月28
Dirichlet distribution - Wikipedia
In probability and statistics, the Dirichlet distribution (after Peter Gustav Lejeune Dirichlet), often denoted , is a family of continuous multivariate probability distributions parameterized by a vector of positive reals. It is a multivariate generalization of the beta distribution,[1] hence its alternative name of multivariate beta distribution (MBD).[2] Dirichlet distributions are commonly use
パープレキシティ
パープレキシティ 情報処理辞書 > パープレキシティ 英語：perplexity 日本語：パープレキシティ (パープレキシティ) 分野：自然言語処理 説明： パープレキシティ(PP)は情報理論の指標であり、エントロピー(H)の２のべき乗として定義される。n-gram言語モデルの評価基準として用いるときは、評価用の文集合（長さL）に対して以下の通りに計算される。一般的にはパープレキシティが低いとモデルは評価文集合をうまくモデリングできていることを意味する。 しかし、低いパープレキシティは必ずしもうまく機能する言語モデルと同等であるとは限らない。言語モデルの唯一の正確な評価基準はタスクで誤差が下がるかどうかである。 参考文章： 英語：http://en.wikipedia.org/wiki/Perplexity
ウノウラボ Unoh Labs: Python開発環境を整えよう
こんにちは！4月から入社したYet Another Sakatoku、酒徳千尋です。今まで同じクラス、同じ職場に別の「酒徳さん」がいるのを経験したことがないので不思議な気分です。 ウノウでは新規サービスの開発を担当することになったのですが、言語やフレームワークの選択は開発者に任されているということなので、PythonとDjangoの組み合わせで開発を始めることにしました。 PythonでのWeb開発は、日本ではまだメジャーではないと思うので、このウノウラボでtipsや、ライブラリ・フレームワークの使い方を紹介できればと思います。 今回は、僕が入社してから最初に行ったPython開発環境のセットアップについて書いてみたいと思います。 virtual-pythonで開発環境をつくる 開発にあたって様々なライブラリをインストールする必要が出てきますが、通常のPythonのホームディレクトリ、例え
Pythonで学ぶソーシャルデータマイニング 書評 入門ソーシャルデータ | TRIVIAL TECHNOLOGIES 4 @ats のイクメン日記
みんなのIoT/みんなのPythonの著者。二子玉近く160平米の庭付き一戸建てに嫁/息子/娘/わんこと暮らしてます。月間1000万PV/150万UUのWebサービス運営中。 免責事項 プライバシーポリシー 監訳者のみなさんをはじめこの分野で著名な方々が書評を書いているので今更感がただよいつつも，「よろちくお願いちまちゅ」と書いた手前もあり，献本いただいたので書評をば。 「入門ソーシャルデータ」は今流行のソーシャルデータマイニングの入門書。FacebookやTwitterなどソーシャルネットワークが生み出すデータを分析したり，結果をビジュアライズするための手法を解説した書籍。読み始まって20ページ(!)でTwitterのデータを解析，GraphvisやProtovisでグラフ化してみせてしまうノリの良さ。その後はぐいぐい引きつけられながら，XFN,REST,OAuth,CouchDB,ma
PythonでWeb開発入門 みんなのPython Webアプリ編 HTML版(無料) | TRIVIAL TECHNOLOGIES 4 @ats のイクメン日記
ブロックチェーンの入門書を書きました。暗号やハッシュなどを含め，基礎からブロックチェーンの仕組みを学べる書籍です。いろんな方に「新しい技術を学ぶことの楽しさ」を感じ取ってくれたら著者として嬉しいです:-)。お金は技術的にどのように定義されるのか。 一部読者から高い評価をいただき，絶版となりながら中古市場でプレミア価格がついていた拙著「みんなのPython Webアプリ編」のHTML版をお送りします。Pythonを使って，Webアプリを開発するための方法を，基本的な事柄から積み重ね式に解説した書籍をHTMLにしたのが本コンテンツです。 編集部のご厚意で作ってもらった配布用PDFをベースに作っています(PDF作成だけでなく，出版契約の解除など必要な手続きを快く受けて頂いた担当様にはとても感謝しております)。構成などは著書をベースにしていますが，HTML化する過程で少し手直ししてあります。特にP
[Python][お勉強] Python入門(22) - zip関数
メモ代わり。てきとーに。 いや、ですからてきとーですって。 2年前ぐらいにPythonあたりでメールくれた方、ごめんなさい。メール紛失してしまい無視した形になってしまいました。。。 さて、さっさと今日のノルマを終えてしまおう。 今日はzip関数から見ていく。 zip関数とは 複数のシーケンスに並行して同時にアクセスするforループを作るのに便利な関数。 二つのシーケンスがあったとして、 >>> L1 = [1,2,3,4,5] >>> L2 = [6,7,8,9,10] >>> これらの２つのシーケンスを同時に処理する。 とにかく実際にやってみる。 >>> L1 [1, 2, 3, 4, 5] >>> L2 [6, 7, 8, 9, 10] >>> zip(L1,L2) [(1, 6), (2, 7), (3, 8), (4, 9), (5, 10)] >>> このように2つのシーケンスか
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
Dirichlet Distribution, Dirichlet Process and Dirichlet Process Mixture
http://blog.yuku-t.com/entry/20110623/1308810518
shuyo - Overview
System Unavailable