PyCon JP 2018 Talk Session https://pycon.jp/2018/ Baseball Science, Web Application, Barrel Zone, and more...

AssetBundle とは ざっくりと説明すると「アプリ外部から素材などをダウンロード〜ロードする仕組み」+「ロードする素材群をパック（まとめる）するための仕組み」です。 メリット アプリ内部に一部リソースを持たなくていいため アプリのサイズを抑えることができる モバイルアプリだと各プラットフォームで3G/4G回線でDL出来るアプリのサイズ制限がある（Apple:150MB, GooglePlay:100MB) ユーザーとしてはDLしやすくなるためDL数が伸びやすい 動画やボイスなど重いファイルは必要な時にDLする仕組みに出来る サーバーにAssetBundleを置くことができる アプリ申請なしにリソースの更新が可能 アプリ内イベントなどのリソース追加が容易 見た目修正程度であれば、AssetBundleを更新して、ユーザーに最新のものをDLしてもらえればすぐ治る （アプリの作りによるが

WannaCry 「WannaCry」ランサムウェアキャンペーンは、短期間で世界中の膨大な数のコンピュータに影響を及ぼし、英国民保健サービス（NHS）や英国の日産自動車の工場、ロシアの金融機関など多数の企業や組織に混乱をもたらした。 WannaCryは、流出した米国家安全保障局（NSA）のハッキングツールと「Windows」の脆弱性を突くエクスプロイト「Eternal Blue」が悪用され、拡散に至ったとされており、北朝鮮が関与したとみられている。

今回はEnd-to-Endの暗号化に対応し、拡張機能も備えたFLOSSなメモサービスであるStandard Notesを紹介します。 シンプルなWebベースのメモサービス「Standard Notes」 Ubuntuにおけるメモツールとしては直近だと第530回でQOwnNotesが、第536回でJoplinが紹介されていました。これらはいずれも実際にメモを保存する場所としてNextcloudなどの外部サービスやローカルストレージを利用し、そのデスクトップクライアントとして動作するタイプのアプリケーションです。よって利用するためにはクライアントをインストールする必要があります。 たとえば保存先がNextcloudの場合、NextcloudそのものにWeb UIがあるためWebブラウザーがあればメモを編集することも可能です。ただし元々はファイル共有のためのサービスであるため、単純なメモサービス

2018年8月2日、渋谷・道玄坂で開催している会員制朝活コミュニティ「朝渋」にて、著者と語る朝渋『コーチングのプロが教える 「できる自分」を呼び覚ます一番シンプルな方法』が開催されました。スピーカーの三浦将氏は、習慣力を軸に、ビジネスパーソンやスポーツ選手をはじめ、ターゲットを問わずさまざまな人々の潜在能力を引き出し続けてきたコーチングのプロ。本パートでは、自己肯定感と過信の違いや、自己肯定感を高める習慣について紹介しました。 ドリームキラーを敵視するのは誤り 三浦将氏（以下、三浦）：じゃあちょっと、ここまで聞いた感想を。 井上皓史氏（以下、井上）：そうですね。シェアしましょうか。じゃあ3分ぐらいですか。 三浦：2分ぐらい。 井上：そしたら2分間、さっき話した人とお話しいただけたらと思います。 三浦：シェアするときは、ぜひぜひ感じたことを言ってください。「いい理屈を言おう」とか「正解を言お

――米国や中国に比べ、日本は人工知能開発で遅れているといわれています。なぜ日本はこの競争に負けているのでしょうか。 松尾さん　それは、日本がインターネットで世界に負けた理由と似ているのではないでしょうか。 一つは、技術の取り入れ方が非常に遅い点。1990年代後半には若者たちが「これからはネットの時代だ！」と言っていたのに、上の年代の人たちが理解しませんでした。「信用できない」「オタクが使うだけ」と否定し、新しいものが生まれなかった。 今もそれは同じです。一口にAI、人工知能といっても、新しい技術の中心であるディープラーニングに対して、従来の分野へのこだわりが強く、拒否感が強い人も大勢います。 もう一つは、若い人が力を持っていない点。若い人が自分の裁量で自在に動けるような社会環境になっていません。彼らに裁量を与えて何かやらせれば絶対に何か起こるんですけど、それをやらせないから変化が起こらない

Part4では、Graph Convolutionを自然言語処理に応用した研究をサーベイします。これにより、どんなタスクに適用可能なのか、どう実装するのが良いのか、の2点について知見を得たいと思います。 最終的には、文の特徴抽出器として使いたいところです。本連載の端緒となったTransformerは、元が翻訳ということもありEncoder-Decoderの構成で学習することが可能です。学習済みのTransformerは文の特徴抽出機と見ることができ、OpenAIではTransformerで言語モデルを学習させることで転移学習に成功しています(Improving Language Understanding by Generative Pre-Training)。 つまり、Graph Convolutionを以下のように活用できるとポイントが高いことになります。 言語モデルのような、教師なし