ざっき(仮)
はじめに Gyazo x Dropboxで簡単スクリーンショット共有 - プログラミングノート これが頭良い感じで、即使いたくなったのですが、残念なことにWindows版のGyazoにはそのままでは適用出来ません。rubyじゃなくてVC++でできてるからです。 しかしながらWindows版のGyazoであるGyazowinはMac版同様、Githubにリポジトリがあります。ということでforkしてDropbox連携版のGyazoをつくりました。 動作 キャプチャしたい範囲を選択すると、設定したディレクトリにファイルが生成され、設定したURLにファイル名をくっつけた文字列がクリップボードにコピーされます。本家のようにブラウザを開いて確認すると、Dropboxにアップロードされる前にアクセスして404が出るので、ローカルのプレビューで画像を開くようにしてあります。 ダウンロード zipでexe
Information Retrieval
本年度の授業はこちらです。 以下は前年度までの授業内容 インターネットと計算機の発達によって available になった世界中の情報資源のうちの多数を占めるテキストデータの扱いについて説明します。第1に、言語情報資源の扱い方、統計などについての基礎を説明します。第2に、情報検索のシステム、モデル、評価方法などについて説明します。これらのトピックの発展である情報抽出や言語横断型の情報検索などについても説明していくつもりです。 内容 はじめに テキストについて この講義で使う数学的知識 文字コード系.....付録pptファイル 使用言語の推定 言語の統計.....付録pptファイル 言語資源.....付録pptファイル ターム抽出 タームの分布モデル.....付録ppファイル 構造化文書 情報検索 情報要求.....付録pptファイル インデクシング.....付録pptファイル 質問の構
MapReduce - Wikipedia
MapReduce（マップリデュース）は、コンピュータ機器のクラスター上での巨大なデータセットに対する分散コンピューティングを支援する目的で、Googleによって2004年に導入されたプログラミングモデルである。 このフレームワークは関数型言語でよく使われるMap関数とReduce関数からヒントを得て作られているが、フレームワークにおけるそれらの用いられ方は元々のものと同じではない。 MapReduceのライブラリ群は、C++、C#、Erlang、Java、OCaml、Perl、Python、PHP、Ruby、F#、R言語、MATLAB等のプログラミング言語で実装されている。 MapReduceは巨大なデータセットを持つ高度に並列可能な問題に対して、多数のコンピュータ（ノード）の集合であるクラスター（各ノードが同じハードウェア構成を持つ場合）もしくはグリッド（各ノードが違うハードウェア構成
ダイクストラ法（最短経路問題）
ダイクストラ法 (Dijkstra's Algorithm) は最短経路問題を効率的に解くグラフ理論におけるアルゴリズムです。 スタートノードからゴールノードまでの最短距離とその経路を求めることができます。 アルゴリズム 以下のグラフを例にダイクストラのアルゴリズムを解説します。 円がノード，線がエッジで，sがスタートノード，gがゴールノードを表しています。 エッジの近くに書かれている数字はそのエッジを通るのに必要なコスト（たいてい距離または時間）です。 ここではエッジに向きが存在しない（＝どちらからでも通れる）無向グラフだとして扱っていますが， ダイクストラ法の場合はそれほど無向グラフと有向グラフを区別して考える必要はありません。 ダイクストラ法はDP（動的計画法）的なアルゴリズムです。 つまり，「手近で明らかなことから順次確定していき，その確定した情報をもとにさらに遠くまで確定していく
Dead Reckonings - Lost Art in the Mathematical Sciences
Hi Everyone, Dead Reckonings has a new home at http://www.deadreckonings.com. I moved my blog to improve site performance and to maintain the latest version of WordPress. This will also for a time reduce the tedium of deleting spam comments that every blog owner experiences. (Believe it or not, the WordPress software has caught well over half a million spam comments to my blog overall, and I’ve ma
My Reckonings
Latest Site Updates: 10/05/08 - Released A4 version of Plans Unfolding 08/28/08 - Released Version 1.1 of Plans Unfolding 07/23/08 - Added a forum with multiple discussion boards 07/23/08 - Released Plans Unfolding pocket organizer software 07/10/08 - See Dead Reckoning 04/15/08 - See Dead Reckoning 11/30/07 - Announcing my new Blog! Dead Reckonings: Lost Art in the Mathematical Sciences 09/23/07
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、
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
Amazon.co.jp: 言語と計算 5: 辻井潤一, 徳永健伸: 本
Google AJAX Feed API