当ページはこちらに移転しました。
![人からよく攻撃を受けるように感じる時 - 心鈴泉-心理学とカウンセリング](https://cdn-ak-scissors.b.st-hatena.com/image/square/3785ea186fdc73bb0b889a8e768b0bc0289766b8/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fs%2Fshinrinsen%2F20181204%2F20181204060356.jpg)
まとめ すごく長くなったので、まとめる。まず、今年のベスト。 この本がスゴい!2018のラインナップ。 この本がスゴい!2018の一覧は以下の通り。 ◆フィクション 『ランドスケープと夏の定理』高島雄哉(東京創元社) 『舞踏会へ向かう三人の農夫』リチャード・パワーズ(河出書房新社) 『寿司 虚空編』小林銅蟲(三才ブックス) 『直線』ディック・フランシス(ハヤカワ文庫) 『ブッチャーズ・クロッシング』ジョン・ウィリアムズ(作品社) 『槿』古井由吉(講談社文芸文庫) 『平家物語』古川日出男(河出書房新社) ◆ノンフィクション 『知の果てへの旅』マーカス デュ・ソートイ(新潮クレスト・ブックス) 『愛とか正義とか』平尾昌宏(萌書房) 『人間の解剖はサルの解剖のための鍵である』吉川浩満(河出書房新社) 『人生は、運よりも実力よりも「勘違いさせる力」で決まっている』ふろむだ(ダイヤモンド社) 『文学
はじめに 機械学習や深層学習が人気の昨今ですが、それらのモデルの精度に最もクリティカルに影響するのはインプットするデータの質です。データの質は、データを適切に把握し、不要なデータを取り除いたり、必要なデータを精査する前処理を行うことで高めることができます。 本頁では、データ処理の基本ツールとしてPandasの使い方を紹介します。Pandasには便利な機能がたくさんありますが、特に分析業務で頻出のPandas関数・メソッドを重点的に取り上げました。 Pandasに便利なメソッドがたくさんあることは知っている、でもワイが知りたいのは分析に最低限必要なやつだけなんや…!、という人のためのPandasマニュアルです。 また、単に機能を説明するだけでは実際の処理動作がわかりにくいため、ここではSIGNATE(旧DeepAnalytics)のお弁当の需要予想を行うコンペのデータを拝借し、このデータに対
このエントリはShiny公式サイトのDebugging Shiny applicationsを抜粋・翻訳・追記したものです。 Shiny - Debugging Shiny applications 概要 Shinyアプリケーションはreactiveで、入力操作に応じて挙動が変わるので、単純なRスクリプトと比較するとデバッグは面倒です。代表的なデバッグテクニックを紹介します。 (RStudioの)ブレークポイントを使ったデバッグ ブレークポイントと呼ばれる選んだところでプログラムの実行を止める機能を使って、以降の各行での実行状態を監視します。コードの特定の箇所周辺でエラーが起きていないかどうかを検証する目的で使います。 実行したコードの追跡 ブレークポイントで、コード内の特定の行で実行停止して変数を見るだけでは、デバッグが難しい場合もあります。その場合には、どの順でコードが実行されてエラー
このサイトが想定しているのは「そこそこの人」 人は、権利において平等な存在ですが、素質や環境においては決して平等な存在ではありません。当然のことですが、生まれつき頭のよい人もいれば、そうでない人もおり、美男美女もいれば、そうでない人もいます。それは、トランプゲームの手札のようだとも言えます。配られたカードがよい人もいれば、そうでない人もいるのです。 ですが、最初に5枚ほどのカードしか配られないポーカーなどとは異なり、10枚以上が配られるゲームであれば、よい手札、わるい手札と言っても、実際上それほど大きな開きがあるものではありません。いわゆる「ドングリの背比べ」。 仮に、どんなことをしても負けないほど「よい手札」の人が2割、逆に、どうにもならないほど「わるい手札」の人が2割いるとしても、それ以外の6割くらいの人は、それほどよくもわるくもない「そこそこの手札」でしょう。そして、このサイトで注目
概要 PublicSubnetとPrivateSubnetを切り分けてよりセキュアに構築する方法。 PrivateSubnetのインスタンスにSSHアクセスする場合は別途VPNを立てる形になると思いますが、今回は割愛させていただきます。 環境 Terraform 0.6.3 構成図とネットワークフロー inbound request 外部から内部へ入ってくるリクエストは以下の流れです。 青がリクエスト、赤がレスポンスです。 通常のクライアントからのリクエストのフローです。 outbound request 内部から外部へでていくリクエストは以下の流れです。 青がリクエスト、赤がレスポンスです。 private subnetから外部APIを叩きたい時などのフローですね。 コード VPC resource "aws_vpc" "vpc" { cidr_block = "10.0.0.0/16"
リノベ設計事務所フィールドガレージで不動産事業を担当されている 鹿島さまから掲載ご希望のご連絡をいただきました!ありがとうございます! 面白いですねー!2LDK取れそうな約52㎡と言う物件に、 敢えて大きめなロフトとDEN(蔵)を設けることで、 とても興味深い1R的物件に仕上げられておりました! 出典: www.minomushifg.com 今回は特別にお写真をお借りしてリアルなイメージでご紹介。 お部屋の全景がこちら。もうすでに暮らすのが楽しそう。 出典: www.minomushifg.com 特に興味深いなぁと思うのがこのパソコンデスクと一体化?した水回りと、 出典: www.minomushifg.com バルコニー前にあるインナーバルコニー的なタイル敷のエリアとか… でもやはりこの大きな四角いの! 出典: www.minomushifg.com この下が先ほどのこのDEN!手前
Photo by Germán Poo-Caamaño 「わたしが知らないスゴ本は、きっとあなたが読んでいる」の中の人、Dainと申します。 “読み始めたら、徹夜を覚悟するだろう”―― これはスコット・トゥローの『推定無罪』の帯文だ。帯に惹かれ手に取ってみると、予感通りに完徹した。 世に面白い本はたくさんあるけれど、徹夜を保証され、予告通りに夢中になるのは珍しい。そんな作品を「徹夜小説」と名付け、その名の通り、眠ることも忘れて読みふけってしまう傑作を紹介しよう。これまで自身のブログでも徹夜小説を度々紹介してきたが、今回はその中でもこれぞという5作品をお届けする。 その前に、大事なことを二つ、お伝えしておく。 一つ目。これから紹介する徹夜小説に匹敵する、もしくは、上回る作品を、もしも、万が一にもご存じなら、ぜひともご教授願いたい。わたし一人では限界がある。わたしが知らない徹夜本は、きっとあな
スカイスキャナーの「何処でもいいから旅行したい人に予算以内で行ける空港を提示する機能」が凄すぎて意味もなく航空券をポチる https://t.co/PRYG6OO9sS
パートナーアライアンス部 森田です。有料会員の獲得施策や、それに関わるサービス内動線の最適化を担当しています。 記事の対象 仮説検証を通じて何かを改善をしたいと思っている人 仮説検証の際に「どれくらいのデータを集めたら良いか」分からない人 はじめに 仮説検証とは「仮説を立て、それを証明するためのデータを集め、真偽を確かめること」です。今回は仮説検証を行う際の手順と、その検証に必要なサンプルサイズの考え方を説明します。サンプルサイズの話のみ関心があるかたは、前半を飛ばし「サンプルサイズの決め方」を読んでください。 目次 記事の対象 はじめに 目次 仮説検証のつくりかた 1. 仮説をたてる 2. 施策/KPIを考える 3. 仮説検証後のアクションを決める 4. 対象を決める 5. サンプルサイズを計算する サンプルサイズの決め方 答えを先に サンプルサイズを決める二つの要素 「二つの平均値」と
この文書は John Harrison によるRパッケージ RSelenium (version 1.4.0) のビネット "RSelenium basics" の翻訳です. ただし文中の注は全て訳者によるものです. License: AGPL-3 はじめに RSeleniumの目的は,RからSeleniumサーバやリモートSeleniumサーバへの接続を容易にすることです.RSeleniumはSelenium WebDriver APIのRバインディングを提供します.Seleniumはwebブラウザの自動化を中心とするプロジェクトです.RSeleniumによって,webアプリやwebページの単体テストや回帰テストを様々なブラウザとOSの組み合わせに対して実行することができます.これにより,shiny, sauceLabsといった人気のあるプロジェクトのテストと操作をRの中から統合的に行え
注:この記事の実装は非効率的かもしれません. この記事は何? マルチタスク学習をニューラルネットワークに適用した研究がいくつか報告されています. 適用例として,Georgeら(2014)の研究では,タンパク質に対する化合物の活性予測にニューラルネットワークを用いたマルチタスク学習を適用しています. また,Xiaodongら(2015)の研究では,自然言語処理のタスクとしてクエリ分類と情報検索の2つのタスクを同時に解くマルチタスク学習を提案しています. 私はDNNを実装する時はChainerを使っているのですが,Chainerでマルチタスク学習を実装した例が見当たらなかったため自分で実装してみました. ネットワーク構造 解くタスクは2つとします.2つのタスクに対応するネットワークが存在し,それぞれのネットワーク間で一部の層を共有するようなネットワーク構造を考えます(下図参照). 学習の進め方
暑いですね。夏ですね。 今年も広島ベイズ塾は夏合宿を行いました。そこで発表した,Stanコードの書き方中級編についてのスライドをアップしました。 内容としては,回帰分析から一般化線形モデル,欠損値のあるモデル,潜在変数があるモデル,ゼロ過剰分布,混合分布モデルなどを扱いました。いつものように長いです。 扱った分布は,正規分布,ベルヌーイ分布,二項分布,ポアソン分布,ガンマ分布,対数正規分布,ベータ分布,負の二項分布,ベータ二項分布,などです。それに加えてゼロ過剰ポアソン分布なども扱いました。 コードは2.10以降のバージョンで書いています。 最初の方にベイズ統計によるモデリングの話がありますが,この辺りがわかってる人は飛ばしてコードだけ見てもらってもいいかと思います。
機械学習のパラメータチューニングというと大なり小なり大変な部分があって、今年のエイプリルフール記事に皆さん引っかかって下さったところを見るにパラメータチューニングを簡単に済ませたい!と願う人々は世の中多いようです(笑)。 少し前のMXnetを使った記事でも取り上げましたが、そのパラメータチューニングを迅速に済ませようというアイデアの一つがベイズ最適化(Bayesian Optimization)です。 要は、グリッドサーチのように網羅的に最適なパラメータを探索しに行くのではなく、一つのパラメータで精度をチェックしたらその次は精度が上がりやすそうな方向にベイズ的に逐次改善を行いながら探索していく、という方法のことです。 世の中色々seminar paper的なものがあるようですが、arXivから@enakai00さんが見つけてきて下さったのがこれ。 [1012.2599] A Tutoria
会社に優秀な後輩が入ってきて、優秀な先輩(私でゎない)の助けを得ながら、立派な分析者・Rプログラマーとして成長しつつあります。 しかし、R言語だけで全ての作業が完結できるわけではありません。手元でデータを加工・分析するための環境としては素晴らしいのですが、大規模な計算では遅かったり(パフォーマンスを上げるにしても工夫が必要だったり)、クラスベースのオブジェクト指向が無いため、プログラムが大きくなるにつれて関数の整理が難しかったり、言語としてつらい面も多いです。 また、データ分析して作ったモデルをサービスに乗せる際には別の言語を使う必要があると思います。一応、shinyというWEBアプリを作るためのライブラリもあるものの、「社外向けのサービスでバリバリ使ってるぜ!」という話は聞いたことがありません。 というわけで、R言語メインのプログラマーが、一歩進んでスクリプト言語(Python)が抵抗な
githubに公開されているパッケージを管理するRのパッケージはいくつかありますが、本パッケージは利用方法が簡単でわかりやすいです。 ・github language:R https://github.com/search?utf8=%E2%9C%93&q=language%3AR&type=Repositories&ref=advsearch&l=R&l= パッケージバージョンは0.2.2。windows11のR version 4.2.2で確認しています。 パッケージのインストール下記コマンドを実行してください。 #パッケージのインストール install.packages("githubinstall")実行コマンドの紹介詳細はコマンド、パッケージのヘルプを確認してください。 #パッケージの読み込み library("githubinstall") #gitからパッケージをインストー
二村ヒトシさんの著書はいつも読んでおりますが、特に『なぜあなたは「愛してくれない人」を好きになるのか』は素晴らしかった。 そこまで他人のことを分析メスでずっぱずっぱ切りまくっているのに、自分のことについてはいきなりメスが30センチ定規になっているところがすごい。そしてそれをさらに文末の対談でめっちゃ血まみれ解体されているところがものすごい。 なぜあなたは「愛してくれない人」を好きになるのか (文庫ぎんが堂) 作者: 二村ヒトシ 出版社/メーカー: イースト・プレス 発売日: 2014/04/10 メディア: 文庫 この商品を含むブログ (6件) を見る 「女の人は怒ってるから怖い!」「深い関係になると絶対怒られるからその前に逃げるんだ!」「怒らないで!こんなダメな自分でも怒らないマリア地母神でいて!」という欲求を二村さんは対談相手にがんがん解体されます。さらに「女を美化しすぎですかね」と表
日本時間2016年8月3日の早朝に、500 StartupsのアクセラレーターBatch17のDemo Dayが行われた。そして今回で3回目となるが、来週8月9日(火)には渋谷のTECH LAB PAAKで、撮りたてのDemoDay動画を日本語解説付きで見るイベントを予定している。解説は500 Startups JapanのパートナーであるJamesと僕、そして特別ゲストとして500 Startupsの超初期の投資先であるGengoのマシュー・ロメインCo-founder兼CEOにも来てもらう予定だ。ぜひ最新のトレンドと最高峰のプレゼンを見に来て欲しい。 さて、batch17はMountain Viewで42社を対象に行われた。4ヶ月のカリキュラムでは、顧客獲得や資金調達に関するトレーニングや、500 Startupsの300人以上のメンターによるメンタリングなどが提供される。そして前回の
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
処理を実行中です
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