はてなブックマーク

(上のアイキャッチ画像の無断転載・流用を禁止します。) こんにちは。GMOグローバルサイン・ホールディングスCTO室の神沼(@t_kanuma)です。 本稿は以下の記事の後編です。シンプルなメモアプリを題材に、AWS Amplifyでサーバレスアプリのバックエンドの構築/開発を試します。 素早くアイデアを実験できるAWS Amplifyを試す(フロントエンド編) 環境概略図 それではバックエンドの構築/開発を始めます。フロントエンドと同様に、amplify-cliのガイドに従いながら進めます。順番としては、DynamoDB → API Gateway/Lambda → Cognitoの順です。 1. DynamoDBの構築 以下のコマンドでDBを構築します。 amplify add storage 下のキャプチャの通り、DynamoDBのテーブル名、パーティションキー、ソートキー、GSI、

タグ 3DCG3DGSActcastAIALTUSAmplifyAntigravityAWSAzureBlockchainC2PAChatGPTCI/CDcloudCloudstackDockerDroneECSEthereumeVTOLFargateFlaskGaussian SplattingHypeledgerHyperledgerIacIdentityIdentity WalletiOSIoTJAMStackJavaJOSEJWTKERINode.jsOID4VCOpen Wallet FoundationPlayCanvasPleskPythonRaspberryPiServerlessShap-ESSIStablecoinSwiftSwiftUITerraformUIKitVerifiable CredentialsVue.jsW3C DIDsWeb5WebXRx.509ZKP

今回は、Transformerの仕組み分かりやすく理解するために、単語ではなく、単純に特定の位置の文字を見て、次に出てくる文字を予測するように学習していきます。例えば、“今日の天気は晴れです”という文書の場合、まず最初の文字“今”を入力して、次の文字は“日”が予測できるように、学習します。次は、“今日”の文字列を入力して、次の文字は“の”が予測できるような処理を繰り返し行います。最終目標としては、全部の文字が正しく予測ができると入力したテキストがそのまま出力するので、学習が成功することとします。 Transformerを実装する 実際にTransformerを実装してみましょう。Transformerは下記の図（The Transformer［1］）で示しているように、左側のEncoderの部分と右側のDecoderの部分があります。左側のEncoderは、文章を翻訳したいとき、Encod

GMOグローバルサイン・ホールディングスCTO室の@zulfazlihussinです。 私はhakaru.aiの開発チームのAI開発を担当しております。この記事では、機械学習を使って少ない画像データでも効率的に学習することができるFew-shot Learning手法について述べます。また、複数の情報源（画像⇆テキスト）からZero-shot学習について、興味がある方は、こちらの記事をお読みいただければと思います。 背景 画像解析の分野で一番有名な出来事として、画像認識の精度を争う競技大会、ImageNet Larger Scale Visual Recognition Challenge（ILSVRC）の2012年の大会があります。この大会では、 初めて深層学習を使った機械学習モデルが、他のチームが採用したモデルに10%以上の差をつけて優勝しました。このイベント以来、深層学習を使った画像

CTO室の井上です。 NFT（Non-Fungible Token：非代替性トークン）が話題です。このブログでは、3Dゲーム開発エンジンPlayCanvasで作成された3Dアートデータを、P2P分散型ファイルシステムIPFSにアップロードした後にNFT化してマーケットプレイスのOpenSeaで閲覧・取引ができる状態にしてみたいと思います。 NFT NFT（Non-Fungible Token：非代替性トークン）とは、ブロックチェーン上で発行される代替可能性のないデジタルトークン（証票）です。画像等のデジタルアイテムと紐づけることで、ブロックチェーン上でのデジタルアイテムの取引が可能となります。 NFTとは何かを基礎から徹底解説、なぜデジタルデータに数億円の価値が付くのか？（FinTech Journal） ブロックチェーン×「NFT」〜NFTの基礎と活用事例〜（Trade Log） Twi

3つ目のパート(“123456789abcdefghi”)は各メソッド内で定義された、メソッド内でユニークな識別子です。 DID Document 上記のDIDに対し、DIDの持ち主（サブジェクト）について述べたデータのセットをDID Documentといいます。DID Documentには、サブジェクトが自身の認証およびDIDとの紐付けを証明するために使用できる、公開鍵や匿名化された生体データ等のメカニズムを含みます。また、後述するVCを取得するポイントなどをサービスエンドポイントとして示すことができます。 W3CによるDID Documentの定義は以下のとおりです。 A set of data that describes the subject of a DID, including mechanisms, such as public keys and pseudonymous

タグ 3DCG3DGSActcastAIALTUSAmplifyAntigravityAWSAzureBlockchainC2PAChatGPTCI/CDcloudCloudstackDockerDroneECSEthereumeVTOLFargateFlaskGaussian SplattingHypeledgerHyperledgerIacIdentityIdentity WalletiOSIoTJAMStackJavaJOSEJWTKERINode.jsOID4VCOpen Wallet FoundationPlayCanvasPleskPythonRaspberryPiServerlessShap-ESSIStablecoinSwiftSwiftUITerraformUIKitVerifiable CredentialsVue.jsW3C DIDsWeb5WebXRx.509ZKP

SSI/VCモデルとHyperledger Indy/Ariesを使ったシステム構築実証[後編] 2020-11-18 2024-06-27 Decentralized Identity Hyperledger, Verifiable Credentials, W3C DIDs 3621回 0件 はじめに GMOグローバルサイン・ホールディングスCTO室でデジタルアイデンティティーの研究開発をしている神沼(@t_kanuma)です。 この記事は、SSI/VCモデルとHyperledger Indy/Ariesを使ったシステム構築実証[前編]の後編です。 後編では、私が行った小さなPoC、テーマ「年齢認証」でHyperledger Indy、Ariesを使い、実際にシステムを構築・開発できるか？について、アプリケーションのデモ動画を含めご説明します。 PoC 目的 前述の通り、Hyperle