会社に尽くすアメリカ人、会社に居座る日本人 (3ページ目)
敬遠される業務もプラスの要素で「やりたい仕事」に さらに、企業が社員の力を最大限引き出そうとするとき、社員の「エンゲージメント」に目を向ける必要があります。エンゲージメントとは、企業や仕事に対する関与の度合いを示します。そのとき重要なのは、仕事に対して社員が感じている情熱というレベルまで深掘りして評価することです。簡単に言えば、エンゲージメントが高い社員は、仕事に対するやる気が非常に高いということになります。 米ギャラップによる調査（2013年）によると、日本でこのエンゲージメントレベルの高い社員は7％、低い社員は69％。アメリカは、高い社員が30％、低い社員が52％。世界平均は13％、63％でした。日本人から見ると受け入れにくい事実かもしれませんが、実は、日本企業の人事慣行に深く関係していると私は考えます。自分が興味を持っていない部署に異動させられると、いやいや仕事をやるので、いい結果が
そう、matplotlibならね。 - ほげほげにゃ
この記事はPython Advent Calendar 2015の記事として書かれたものです. はじめに ASCIIしか表示できない環境でもグラフを描画したい,そんな機会はいつどこでも誰にでも巡ってきます. 相手がテキストメール原理主義者であったり, 家にVT100しかなかったり… そんなときでも使い慣れた言語とライブラリでグラフが描ける.そう,matplotlibならね. デモ (見づらいのでこちらのリンクを推奨) 種明かし matplotlibはグラフを構成する要素の配置を担当するフロントエンドと描画を担当するバックエンドの両者が分離されており, 両者をバラバラに開発することが可能になっています. 例えばJupyter notebook上では%matplotlib inlineなどと打つとpylabのAPIを呼び出すだけでグラフが描画されますが, あれもが自前で持っているバックエンドの
CodeIQについてのお知らせ
2018年4月25日をもちまして、 『CodeIQ』のプログラミング腕試しサービス、年収確約スカウトサービスは、 ITエンジニアのための年収確約スカウトサービス『moffers by CodeIQ』https://moffers.jp/ へ一本化いたしました。 これまで多くのITエンジニアの方に『CodeIQ』をご利用いただきまして、 改めて心より深く御礼申し上げます。 また、エンジニアのためのWebマガジン「CodeIQ MAGAZINE」は、 リクナビNEXTジャーナル( https://next.rikunabi.com/journal/ )に一部の記事の移行を予定しております。 今後は『moffers by CodeIQ』にて、 ITエンジニアの皆様のより良い転職をサポートするために、より一層努めてまいりますので、 引き続きご愛顧のほど何卒よろしくお願い申し上げます。 また、Cod
Faster R-CNNの紹介 - kivantium活動日記
はじめに 今までいろんな画像処理のプログラムを書いてきましたが、その多くで物体検出のアルゴリズムを使っています。 ご注文は機械学習ですか？・結城友奈はサンタであるなどの記事ではOpenCVでアニメ顔検出をやってみたで紹介したlbpcascade_animefaceを使いました。これは2001年のViolaとJonesの論文で提案された方法に1994年（くらい）に提案されたLBP特徴量を組み合わせた、2008年の論文の方法を応用したもの（多分）です。 友利奈緒判定botではdlibによるHOG特徴を用いた物体検出がすごいで紹介したHOG特徴量とSVMを組み合わせた方法を使っています。これは2005年の人検出に関する論文の方法を使ったものです。 どのプログラムでも物体検出した後の判定精度はそれなりに高いのに、物体検出の精度の低さが全体の完成度を下げている感じになってしまっていました。2005年
【18-D-3】 データ分析グループのチームマネジメント変遷（ロングバージョン） | Developers Summit 2016
【18-D-3】 データ分析グループのチームマネジメント変遷（ロングバージョン） デブサミ秋2015のLT枠でお話させていただいた「データ分析グループのチームマネジメント変遷」について、ロングバージョンで詳細に失敗談をお話したいと思います。データ分析グループはここ数年でうまれた新しい組織形態です。一つの部署で「研究」「開発」「運用」を回ため、既存のチームマネジメントの手法がうまく適用できないという問題があります。このセッションでは、Emotion Intelligence社のデータ分析グループ内で起こったマネージメントの失敗について、どのようなマネージメントをして、どのような失敗をしたのか、またなぜ失敗したのか、そしてどのようにマネジメント手法が変遷していったのかについてお話させていただきます。 中山 ところてん [Emotion Intelligence] Emotion Intelli
Developers Summit 2016 - Hack the Real
Developers Summit 2016 は終了いたしました。ご参加いただき、誠にありがとうございました。 拾得物に関しましては、目黒雅叙園にて全てお預かりしておりますので、心当たりのある方は目黒雅叙園へ直接ご確認ください。 目黒雅叙園 ： 03-3491-4111 セッション講演資料について 講演者の都合によりアップロードされない場合や、当日の資料とは異なる場合もございます。予めご了承ください。 【CodeZine】デブサミ2016、講演関連資料まとめ ↑↑※公開されている関連資料まとめサイト！↑↑
ハイパフォーマンスPython
Pythonの高速化技法について一歩踏み込んだプロユースの解説書。ボトルネックの測定方法から、最適なデータ構造の使い分け、CythonやPyPyなどのコンパイラの比較、numpyなどのパッケージの使い方、マルチコアCPUの活用法、メモリ効率を劇的に改善するトライ構造や近似計算まで、シンプルな実例プログラムを用いながらわかりやすく説明します。高性能なプログラムの書き方だけでなく、高性能なシステムの作り方を総合的に学ぶことができるPythonエキスパート必携の一冊です。 翻訳者の相川氏のブログには、本書の追加情報や関連する技術情報が掲載されています。 訳者まえがき まえがき 1章 高性能なPythonを理解する 1.1 コンピュータシステムの基礎 1.1.1 演算装置 1.1.2 記憶装置 1.1.3 接続レイヤ 1.2 基本要素を統合する 1.2.1 理想計算とPython仮想マシン 1.3
初めてのSpark
Sparkの概要、RDDを使ったプログラミング、キー／値ペアの処理など基礎的な説明から、Sparkの高度なプログラミング、クラスタ上での本格的な利用まで解説した、Sparkの総合的な入門書です。日本語版の内容にはバージョン1.3/1.4での機能強化も取り入れ、土橋昌氏による「原書発行以降の変更点」、猿田浩輔氏による「Spark SQLについて本編の補足」、堀越保徳氏と濱口智大氏による「Spark/MapReduceの機械学習ライブラリ比較検証」を収録。全編にわたりCloudera株式会社エンジニアチームによるテクニカルレビューを実施。Sparkについて包括的に学べる本書は、ビッグデータや機械学習に携わる開発者必携の一冊です。 目次 はじめに 日本語版まえがき まえがき 1章 Sparkによるデータ分析への招待 1.1 Apache Sparkとは何か？ 1.2 統合スタック 1.2.1 S
ランサーズうまく使えば効果的 - 武蔵野日記
朝は自然言語処理の授業。今日は関係抽出である。一応毎週予習してから臨むのだが、もしかすると毎回準備をせず好きなことを話す方が、インタラクティブに話すことができておもしろいのではなかろうか？ と思ったりする（幻想かもしれないが）。しかし準備なしに講義する、というのは、準備して話すよりかなり高度なスキルが必要（話す内容が全部頭に入っている必要がある）なので、まだ一度もできたことがない。 お昼はランサーズというクラウドソーシングサービスにタスクを発注する。研究室でランサーズを使うのは2回目なのだが、少しずつ知見が溜まる。支払い（クレジットカード）関係の都合で年度末は使いにくいのだが、基本的に1-2日であっという間に作業をしてもらえる。仕様を含めてミーティングを何回も開いて内容を揉む必要があるタスクは依頼しにくい、というような欠点はあるが、人を指定して（同じ人に）依頼したりもできるようなので、うま
ESDoc - The Good Documentation For JavaScript - クックパッド開発者ブログ
こんにちは。会員事業部の丸山@h13i32maruです*1。 ソフトウェアのドキュメント(マニュアル)を書くには色々なツールや方法があります。 JavaScriptの場合はJSDocというドキュメンテーションツールがデファクトスタンダードです。 ですが、JavaScriptの最新仕様であるECMAScript2015(ES2015)がリリースされたことにより、 JSDocの競合として新しいツールが登場したり、JSDoc自体もバージョンアップしたりしています。 本記事ではそうした新しいツールの一つであるESDocを紹介します。 ESDocとは？ ESDocとは私が2015年4月から開発を行っている、JavaScript(ES2015)向けの良いドキュメントを作るためのドキュメンテーションツールです。 https://esdoc.org/ https://github.com/esdoc/es
PythonでブログのHTMLから本文抽出 2015 - orangain flavor
2015-12-20 19:14追記: readabilityの説明を追加・修正しました。 Webページをクロールした時に、ざっくりと本文 (ページ内の重要なコンテンツ) のみを抽出できると便利です。 Google検索すると、特に日本語だとExtractContent以外の情報があまり見つかりません。 ExtractContentは昔使ったことがあり、たしかに便利なのですが、公開が2007年と若干古いので今でも使えるのかという疑問がありました。また、Pythonで他の選択肢として使えるライブラリは、非日本語圏の方が作ったものと思われるので、日本語のページで問題なく使えるのか知りたかったので調べてみました。 比較するライブラリ 比較したのは以下の5つのライブラリです。 dragnet eatiht extractcontent goose readability パッケージ名 dragnet
Word2Vec を用いたさだまさしの歌に出てくる単語類似度判定 - Qiita
どうもこんにちは。さだまさしアドベントカレンダーも皆さんのご参加のおかげでもう少し頑張れば25日間完走できそうな雰囲気が出てきたので、僕も少し欲が出てきました。ということで、こういう軽めの記事を書いて穴埋めをしようかなと思います。 「Word2Vec」は昨年火がつき、すっかり技術者界隈ではバズワード化を超えて汎用的なツールとして定着した感があるので、説明は割愛します。 自然言語処理に新風を巻き起こしたWord2Vecとは何か Word2Vec が世の中に紹介された時のユースケースとして、単語の意味ベクトル同士の計算で語の類似度が算出できるというものが一番認知されていると思いますので、この記事でも、さだまさしの歌から単語を抜き出して語間の類似度を調べてみたいと思います。 デモサイト (単語の類似度) さだまさしの歌詞から抽出した、2500語程度の単語(名詞句)を元に意味ベクトルを作ってみまし
Juliaで得られたマイナー言語を盛り上げる方法 #JuliaAC - once upon a time,
この記事はJulia Advent Calender 2015の最終日です。 Juliaは大分マイナーな言語で、日本語による情報が殆ど無かったのですが、以下の要因で大分盛り上がってきていると思います。 イベント（JuliaTokyo）を年数回開催している Advent Calendarを毎年開催している エヴァンジェリスト(a.k.a bicycle1885)が宣伝し続ける 1. イベントを年に何回か開催する 最近は大分3つ目の要素がでかいなと思ってきているのですが、 そもそものJuliaTokyoのスタートとしては僕がMachine Learning Casual Talksを開催したところ、偶々来ていたbicycle1885さんがいたということと、Tokyo.RでJuliaの宣伝をしていたsoramiさんとで意気投合して始めました。 この手のマイナー言語の通例としては英語圏でなんだか盛
さだとJuliaでLDA - Qiita
はじめに さだまさし x IT Advent Calendar 2015 - Qiita という素敵な企画があります。 いたく感激し、参加したいと思ったのですが、考えている間に枠が埋まってしまいました（ohtamanさんに24日枠を取られてしまいました）。 ともかく、Juliaで簡単なLDAを実装し、さだまさしさんの歌詞に適用してみました。 トピックモデル 「トピックモデル」とは、データの潜在的な”トピック”を見つけ出すための手法です。これだけ言われてもなんのことかさっぱり分からないとは思いますが、世の中にはとても素晴らしい解説資料が沢山あるので、興味がある方はぜひ記事末の文献一覧を参照ください。 トピックモデルといっても色々なものがありますが、最も有名で、よく使われているものが、今回の題材となるLDAです。 Latent Dirichet allocation（LDA, 潜在的ディリクレ
Juliaでテキスト分析をしてみる - Qiita
Juliaアドベントカレンダーの記事です。 先日のJuliaTokyoでLTした内容を記事にさせていただきました． やること 日本語のテキスト分析をJuliaでやる TextAnalysisというイブラリがあるので, それに日本語文書を投入して分析する 分かち書きすれば日本語も使えるので，@chezouさんのMecab.jlを使う TextAnalysisが夢見がちなライブラリであることをみんなに伝える 使うパッケージ TextAnalysis.jl johnmyleswhite先生のライブラリ テキスト分析でやりたいこと大体できるようにREADMEみたら思えるけど、大体は願望 MeCab.jl 形態素解析の日本語バインディング TextAnalysisのCorpusに放り込む using TextAnalysis using MeCab mecab = Mecab() lines = r
【訂正】SHIROBAKO一挙放送＆再放送決定！｜ニュース｜TVアニメ「SHIROBAKO」公式サイト
TVアニメ『SHIROBAKO』の一挙放送と再放送が決定しました！ 以下の日程にて放送となりますので、この機会にぜひ第1話からご覧ください。 ■TOKYO MX 年始特別一挙放送 2016年1月2日（土）15：00～18：00（第1話～第6話まで放送） 2016年1月3日（日）09：00～18：00（第7話～第24話まで放送） ■BSフジ 年始特別一挙放送＆再放送 2016年12月31日（木）24：30～29：00（第1話～第9話まで放送）※1/1（金）00：30～ 2016年1月5日（火）24：00～（以降毎週1話ずつ放送予定） ※日程は未定ですが、特別編成での連続放送が入る予定です。
Chainerで顔イラストの自動生成 - Qiita
PFNのmattyaです。chainerを使ったイラスト自動生成をやってみました(上の画像もその一例です)。 20日目の@rezoolabさんの記事(Chainerを使ってコンピュータにイラストを描かせる)とネタが被っちゃったので、本記事ではさらに発展的なところを書いていきたいと思います。一緒に読んでいただくとよいかと。 概要 Chainerで画像を生成するニューラルネットであるDCGANを実装した→github safebooruから顔イラストを集めてきて学習させた 学習済みモデルをconvnetjsで読み込ませて、ブラウザ上で動くデモを作成した→こちら(ローディングに20秒程度かかります) アルゴリズム 今回実装したDCGAN(元論文)はGenerative Adversarial Networkというアルゴリズムの発展形です。GANの目標は、学習データセットと見分けがつかないようなデ
複数バージョンのPython向けにCI環境を構築してテストする - Qiita
Python Advent Calendar25日目を担当します@giginetです。最終日なので遅れないように何とか書き上げました。 先日、Django向けに簡単なプラグインを開発しました。 そこで、実装したプラグインをPython2と3の違いを吸収して複数環境でテストするようにCI環境を構築したところ、ハマりどころが多かったため、この機会にまとめてみます。 この記事ではTravis CIを使って、複数のPythonバージョンにまたがるテストを実行して、カバレッジを計測する方法をご紹介します。 モジュールを実装する まず、テストしたい簡単なモジュールを実装しましょう。今回はcalculatorモジュールにcalculator.pyを置き、Calculatorクラスを実装しました。 今回は全てのコードをPython3で実装することを想定しています。
採用プロセスを真剣に考えろという話
人材流動性の高まりを日々感じているみなさんこんにちは。 最近いろんな会社にお呼ばれしていて、その中でエンジニアの採用の話になることがとても多いのでちょっと整理しておきます。 ポイント▼「面白いプロダクトもないし、仕事内容は面白いとは思えないし、よい給与は払えないし、仕事環境にも自由はないけど、良い人雇いたいんだけど、どうしたらよいですか？」悪いが諦めろ。良い人は当然のことながら複数の会社が興味をもつことになるし、働く場所を自分で選択します。Pros/Consを見極めて選ぶことになるので、Prosがない場所で働く理由がありません…だとあまりに冷たいので、もしあなたが次に転職するとして、それでも今の会社に入るのであればあなたを惹きつける理由が何かあるはずで、それをアピールしよう▼「入社してから期待値にあっていないことが分かる、ってことが多いんだけどどうしたらよいですか？」期待値を明文化している
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
Julia Tokyo #5を開催しました #JuliaTokyo - once upon a time,
http://www.animate.tv/news/details.php?id=1450964887
https://www.nintendo.co.jp/hardware/2ds/index.html
エアコン選びの処世術～暖房編～