東京五輪「ボランティア」名称の候補を発表｜日テレNEWS24東京オリンピック・パラリンピックのボランティアの呼び名が４つに絞られた。 １１日に発表されたのは、大会運営に携わる「大会ボランティア」と、駅での案内などを行う「都市ボランティア」の呼び名の候補、４パターン。 「フィールドキャストとシティキャスト」、「ゲームズアンカーとシティアンカー」、「ゲームズフォースとシティフォース」、「シャイニングブルーとシャイニングブルートウキョウ」の中から、ボランティア応募者の投票で、来年１月下旬に決定する。
AWS re:invent 2018 サービスアップデート１行まとめ - selmertsxの素振り日記
ML系 Amazon Personalize eコマースなどでレコメンドができるようになるサービス。今までのサービスと異なり、自分たちの持っているデータを学習データとしてINPUTさせることができる。データはS3 or Amplify から送信可能。 Amazon Forecast 時系列データの予測。過去の売上などから、将来の売上を予測したりする。自分たちのデータを食わせることが可能 Amazon Comprehend Medical Amazon ComprehendというNLサービスの拡張。メディカル向けのチューニングが行われている。医療分野に対応。 Amazon Textract OCR。日本語には未対応 Amazon Translate Custom Terminology Amazon Translateという翻訳サービスで、カスタム語彙が登録できるようになった。 ML Mod
AWSの意図しない料金の上昇に気付く仕組み - dely engineering blog
はじめに 本記事はSRE 2 Advent Calendar 2018の11日目の記事です。 SRE 2 Advent Calendar 2018 - Qiita dely Advent Calendar 2018もやっていますので目を通していただけると嬉しいです。クラシルの秘話がたくさん書かれています。 dely Advent Calendar 2018 - Adventar dely Advent Calendar 2018 - Qiita こんにちは！delyでSREをやっている井上です。 SREのみなさん！インフラコストの最適化してますか？ delyはどうかというと、正直まだまだ不十分な状況です。。。 クラシルでまだまだやりたいこと・やるべきことがたくさんあり、コスト最適化の優先順位がなかなか上がりにくいのが現状です。 ちなみについ先日クラシルに待望の献立機能がリリースされました！
総務省、データサイエンス・オンライン講座「誰でも使える統計オープンデータ」を開講 | カレントアウェアネス・ポータル
2018年12月4日、総務省は、日本オープンオンライン教育推進協議会（JMOOC）公認の配信プラットフォーム「gacco」において、データサイエンス・オンライン講座「誰でも使える統計オープンデータ」を開講しました。 2017年6月に実施した講座を再び開講するものであり、政府統計の総合窓口である e-Stat等を用いて、統計オープンデータを活用したデータ分析手法を学習できるとあります。 データサイエンス・オンライン講座「誰でも使える統計オープンデータ」の開講（総務省, 2018/12/4） http://www.soumu.go.jp/menu_news/s-news/01toukei09_01000042.html データサイエンス・オンライン講座「誰でも使える統計オープンデータ」（gacco） http://gacco.org/stat-japan3/ 参考： 国立情報学研究所、無料オン
シェルスクリプトを高級言語のような書き味に近づける Tips 集 | 創作メモ帳
Bash は言わずと知れた歴史あるコマンド言語です。テキストにコマンドの羅列を記述するだけで、手軽にシェルスクリプトとして実行することができます。 シェルスクリプトの実体はシェルコマンドの羅列に過ぎませんが、手続き型プログラミング言語にあるような制御構文も備えています。変数や条件分岐、ループ、関数などです。これらを使えばシェルスクリプトでプログラミングも可能です。 もちろん、現代の一般的なプログラミング言語と比べると機能は限られます。他の言語には見られないシェルスクリプト特有の癖や記法も数多くあり、最近の言語に慣れている人ほど、つまずくポイントが多いです。 しかし、シェルスクリプトだからこその良さもあります。Bash は現在でも多くの OS で標準シェルとして採用されており、普段使っているシェルコマンドを書くだけで動かせる手軽さは何者にも代えがたいです。一度身につけておくと長く使えるお得な
機械学習で抑えておくべき損失関数（分類編） - HELLO CYBERNETICS
はじめに ニューラルネットワーク 損失関数を考えるモチベーション 分類の損失関数 ０−１損失関数 分類における損失関数の基本 0-1損失の問題点と代理損失 色々な損失関数 分類の損失を考える上で重要な「正解と出力の積」 ロジスティック損失 指数損失 ヒンジ損失 平滑化ヒンジ損失 損失関数の図示 0-1損失で図の見方を確認 ロジスティック損失 指数損失 ヒンジ損失 平滑化ヒンジ損失 比較 最後に モデルの方の話 実際に使う場合の話 学習の評価は「正解・不正解」だけでない 回帰における損失関数 はじめに 機械学習における教師あり学習では、入力に対してパラメータを用いて関数を構築し、正解データに対して損失を定義し、これを最小化する手続きを取ります。 損失を、色々なとの組に対して計算し、その総和が最小化されるようにを決めることを学習と呼びます。これにより未知のデータを入力した時に、それに対する正解
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
