第43回東京モーターサイクルショー ヤマハブースで撮影したバイクの写真 | Digital Life Innovator
ヤマハ発動機さんから第43回東京モーターサイクルショーのチケットを頂きましたので、最終日の今日、見てきました。 ヤマハブースにはヤマハ発動機のバイクラインナップが集結。東京モーターサイクルショーの中でもヤマハブースは特にすごい人で、なかなか写真を撮るのも難しいほどでしたが、何とか撮影した写真中心に紹介します。 写真はみんぽすよりお借りしているNikon COOLPIX P900で撮影。色調補正しています。 国内初披露モデルのXSR900 60th Anniversary ゴールドのフロントフォークが印象的ですね。 YZR-M1(2016年型) YRZ500(OW35K) Resonator 125 東京モーターショー2015でも見ましたがデザインに管楽器の彫刻、ピアノの天然木化粧パネルの技術を取り入れており美しいですね。 MT-09 TRACER ABS MT-09 ABS MT-03 M
Docker初心者がIBM Bluemixと連携しようとしてうまくいかなかった話 - Qiita
概要 先日、下記のハンズオンに参加してきた。 Swiftコードを使ったWebアプリケーションの新しい開発方法 - Bluemix Swift runtime - 大体うまくいったんだけど、ターミナルでIBM CONTAINERS CF CLI PLUGINを使って、Bluemixにログインするところでこけてしまった！ 結局ハンズオン中には解決しなかったので、悔しいから休日の数時間で四苦八苦しながら格闘。 そして、ログインして、ローカルのDockerイメージをBluemixのIBM CONTAINERS REGISTRYにプッシュして、アプリを実行するところまでこぎつけた。 その経緯を残しておこうと思って、書いた。 環境 OS：Mac OS 10.10.5 Docker：Docker version 1.10.3, build 20f81dd IBM CONTAINERS CF CLI PL
深層学習ライブラリ Keras - 人工知能に関する断創録
ここ1年くらいDeep Learning Tutorialを読みながらTheanoというライブラリで深層学習のアルゴリズムを実装してきた。 深層学習の基本的なアルゴリズムならTheanoでガリガリ書くこともできたがより高度なアルゴリズムをTheanoでスクラッチから書くのはとてもきつい*1。 そんなわけでPylearn2、Lasagne、nolearnなどのTheanoベースのラッパーライブラリをいろいろ調べていたのだが、結局のところKerasというライブラリが一番よさげだと思った。KerasはバックエンドとしてTheanoとTensorflowの両方が使え、より高レイヤな表現（たぶんChainerと同レベル）で深層学習のさまざまなアルゴリズムが記述できる。TheanoやTensorflowは完全に隠蔽されており、Kerasで書かれたプログラムはまったく修正せずにTheanoとTensor
[iOS] TestFlight の特徴 と DeployGate との違い | DevelopersIO
はじめに iTunes Connect 標準機能として提供されているTestFlightと、充実した機能や分かりやすい管理画面UIを提供してくれているDeployGate。今回は、この2つを、iOS開発者の立場から比較してみました。 もし間違い等ありましたら、ぜひご指摘いただけると幸いです。 また、別の比較できる観点が見つかりましたら、更新するかもしれません。よろしくお願いいたします。 ※初回投稿時、DeployGateがDeploygateとなっていました。へんてこさん、ありがとうございます！（2016/03/31） 簡単に各サービスの紹介 TestFlight iTunes Connect の一機能として提供されているサービスの名称。特定のユーザーに、リリース前のアプリを配信し、利用状況の取得やフィードバックを受けることができる。 TestFlight Beta Testing - A
![[iOS] TestFlight の特徴 と DeployGate との違い | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/0a3e49c1c8cebbb5ceafa8cb23a711d0c5ffa20b/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2016%2F03%2FTestFlight.png)
クラウド上の機械学習サービスを実案件に採用するときの経験談 - Hack & Sports
マイクロソフトでエバンジェリストをしている大田です。 この記事では、クラウド上で提供されている機械学習サービスを実案件に採用するときの経験談をまとめます。 自分のプロジェクトで活用する際の参考情報になれば幸いです。 //主観的な内容も含まれているかもしれませんが、ご容赦ください。また、技術的な詳細よりもわかりやすさを優先するため、「機械学習サービス」と統一した呼び方にします。 サービスの種類/適用範囲 最近様々なベンダーが提供している機械学習サービスを自社プロダクトに取り入れる場合、大きく分けて以下3つの方針があげられます。 API サービスの活用 (SaaS) Tool の活用 (PaaS) 独自作りこみ/外注 (IaaS) API サービスの活用 (SaaS) これから導入する人もいると思うので、「そもそも API サービスとは何でしょうか？ 」というところから始めていきます。 API
再テスト工数を抑えられるテスト自動生成技術を富士通が開発、アジャイルに適用
Fujitsu Laboratories of Americaと富士通研究所は、ソフトウエアの単体テスト（ユニットテスト）において、ソフトの改良や変更に伴う再テストの工数を減らせるテスト自動生成技術を開発した。バージョンの異なるオープンソースソフト（OSS）で検証したところ、従来技術と比較してバージョン変更に伴うテストコードの増分を1/24に抑えられたという。 頻繁に仕様の変更が発生するアジャイル開発にも適用しやすいテスト自動生成技術として、富士通の顧客向けアジャイル開発プロジェクトなどに適用した上で、2016年度中の実用化を目指す。 今回開発した技術では、ソフトの更新に伴う既存テストケースのコード変更を最小限に抑えることで、テスト結果の確認などにかかる手間を減らし、アジャイル開発にもテスト自動生成を適用しやすくする テスト自動生成技術とは、あるソフトウエアの関数やサブルーチンについて、ソ
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
範囲指定のUI実装jQueryプラグイン「range-picker」:phpspot開発日誌
TechCrunch | Startup and Technology News