タグ

2013年4月17日のブックマーク (5件)

  • デスクで学ぶ5万年の音楽史! 7分間に凝縮された息抜き動画が話題です

    今、インターネット上で「5万年におよぶ音楽史を、わずか7分に凝縮した動画」が話題を呼んでいます。実際の音楽を流しながら、人の手によってホワイトボードにスラスラと描かれていく音楽史のイラスト。太古の音楽から音階の誕生、教会音楽、バッハ、ベートーヴェン、ロマン派、そしてジャズへ......。音楽史の変遷が秀逸なイラスト音楽で、瞬く間に繰り広げられていきます。その後は、エルヴィス・プレスリーにビートルズ、メタル、パンク、エレクトロニカの誕生を超えて、怒涛のラストスパートへ! そして最後は「そういうことだったのか!」という。動画で7分というと少し長いと感じるものですが、こちらは人の手で描かれていくイラストのストーリーから目が離せなくなり、思わず最後まで見入ってしまいました。5万年の音楽史、みなさんはどこまで把握できましたか? ぜひ息抜きに見てみてくださいね。[ via ]photo by Thi

    デスクで学ぶ5万年の音楽史! 7分間に凝縮された息抜き動画が話題です
    daisuke-m
    daisuke-m 2013/04/17
    最後まで見ると鳥肌。
  • 西暦1000年って閏年なの? そうじゃないの?

    なんとなく、日付なんてものはすべてのシステムで同じように扱われているべき、と盲目的に思っていたが、そうではないようで・・・

    西暦1000年って閏年なの? そうじゃないの?
    daisuke-m
    daisuke-m 2013/04/17
    この辺りの話題は好き。
  • [Mac] バージョンアップした Alfred2で使える、おすすめ Workflows まとめ20個。 | Appdrill

    [Mac] バージョンアップした Alfred2で使える、おすすめ Workflows まとめ20個。 前回の記事でお伝えしたとおり「Alfred 2」の新機能「Workflows」 のおすすめをまとめてみました。 予め用意されている物と、ユーザーが作った物を紹介しています。最後のワークフローは、ネットの情報を参考に僕が作ったものです。良かったら使ってみてください。 予め用意されているものから 始めに、Alfred2に予め用意されているものから紹介します。 Google Suggest Google で検索するキーワードを入力すると、候補を提示して内容を自動補完できます。 keyword: g <Query> サイドバー下の「+」から「Example」→「Google Suggest」で追加。 Play or Pause from hotkey ホットキーでiTunesの再生・停止ができま

    [Mac] バージョンアップした Alfred2で使える、おすすめ Workflows まとめ20個。 | Appdrill
  • Sublime Text2ってエディタがすごくイイ。

    Macを使い始めて、いろいろ新しいソフトやアプリを探していたところ、同僚の方からいま人気のSublime Text 2というエディタを教えて頂きました。どうやら無料らしく(今後シェアウェアになるかも?)、初期設定や自分に合った環境に整えるのに少し手間取りましたが、なんとか実務で使えるレベルになってきたのでシェアします。 HTML5,CSS3,jsを書く事が多くて、Zen-CodingもSass+Compassも使うし、それにスマートフォンのマークアップ業務が多い!なんていう僕と同じような人がいるなら、このエディタはオススメですw 以下の設定通りにやれば、フロント寄りのエンジニアになら最低限は使えるものになると思います。 ダウンロード Sublime Text 2 – Dev Builds 初期設定 アプリを立ち上げて、Sublime text2 > Preference > Setting

  • Mahout:サンプル1:はじめてのレコメンド - HiiHahWIKI - making some notes for... -

    Mahout:環境構築 Mahout:サンプル1:はじめてのレコメンド † Mahoutを使った初めてのレコメンドです。 まあ、Mahoutに記載されているサンプルを実行してるだけですがw ※Mahoutにはimportするクラスとか書いてないけど、きっとサンプルソースはコーディングせずにDLして使ってね!ってことなんだよねw それとも、それぐらい解決できない人はそもそも対象外ですよ、ってことなのかなw ↑ サンプルコード † うだうだ長いですが、端的には DataModel?にデータをわせて Simirarityを計算させて Neighborhoodを計算させて そいつらを元にRecommenderを生成して RecommenderにレコメンドするユーザID(1)と提示(レコメンデーション)させるアイテム数(1)を渡しているってことです。 ■RecommenderIntro?.ja