東京大学の研究室内で，今井がChatGPTの知見を共有するために使用したスライド資料です． 特に以下のような話題，技術について解説しています． ・ChatGPTの凄さ ・ChatGPTの技術 ・言語モデル ・プロンプト ・GPTとは ・InstructGPT ・言語モデルと強化学習Read less

This document summarizes recent advances in single image super-resolution (SISR) using deep learning methods. It discusses early SISR networks like SRCNN, VDSR and ESPCN. SRResNet is presented as a baseline method, incorporating residual blocks and pixel shuffle upsampling. SRGAN and EDSR are also introduced, with EDSR achieving state-of-the-art PSNR results. The relationship between reconstructio

8. 対象とする「数式」 • 行列やその要素の掛け算が出てくる数式 – 機械学習などの手法には、行列を使って表さ れているものが多い – 強力な線形代数ライブラリをうまく使えば楽 に実装できる • 数式の例はC.M.ビショップ「パターン認 識と機械学習」(以降 PRML)から採用 – ただし機械学習の知識は一切要求しない 9. 方針 • 「楽に」「確実に」実装しよう – 間違いにくく、可読性が高い – 最速は必ずしも目指していない • 動くものを確かに作れるようになってから • Python/numpy と R での実装例を紹介 – 基本的な行列計算しか使わないので、その他 の環境(Eigen など)にも参考になる（はず）

電子情報通信学会「パターン認識・メディア理解研究会」（2016年2月14日＠九州工業大学，福岡県飯塚市)でのプレゼン資料です． 対応する原稿は以下です． 電子情報通信学会技術研究報告, PRMU2015-133 http://www.ieice.org/ken/paper/20160221UbGo/ 以下はアブストラクトです．=========================== 印刷数字，手書き数字，多フォント数字を対象として，畳み込みニューラルネッ トワーク(CNN) による認識実験を試みた．いずれのタスクにも大規模な データセットを用いた．得られた認識率は，印刷数字について99.99%，手書き数字について99.89%，そして多フォント数字について96.4%であった． さらに印刷数字と手書き数字の混合認識という，予想される困難性からか従来あまり試みられなかった課題についても，CNNの利

2. l  Preferred  Networksの事業領領域は⼤大きく三つ –  IoT  +  ⼈人⼯工知能が⼤大きくインパクトを与える領領域にまずフォーカス l  交通 –  ⾃自動運転とそれがもたらす⼈人流流と物流流の⼤大きな変⾰革 –  事故の無い世界、好きな時に好きな場所へ l  製造業 –  知能化ロボットによる製造の⼤大きな変⾰革 –  ⽌止まらない⼯工場、変わり続ける⼯工場 l  バイオヘルスケア –  ⽣生体センサ、ゲノムデータ、診療療データによる 診察、診断の個⼈人化、⾼高度度化 –  病気にならない、治せなかった病気を直す 2 3. AutomotiveHumanoid Robot Preferred  Networks  は  Industrial  IoT  に向けたAIを進める 3 Consumer Industrial Cloud Device Ph

9. 9 最適化について 「細かい効率のことは忘れて、時間の 97% について考え よう。時期尚早な最適化は諸悪の根源だ。それでも残り 3% についても機会を逃すべきではない」 - Donald E. Knuth 「プログラム最適化の第一法則 : 最適化するな。 プログラム最適化の第二法則 ( 上級者限定 ): まだするな。 」 - Michael A. Jackson 11. 11 最適化の対象 主に Intel の Haswell マイクロアーキテクチャ以降を対象 多くのテクニックは他のプロセッサにも応用できます ベース マイクロアーキテクチャ プロセスルール 登場年 Nehalem Nehalem 45nm 2008 〃 Westmere 32nm 2010 Sandy Bridge Sandy Bridge 32nm 2011 〃 Ivy Bridge 22nm 2012 Hasw

2. 過去の発表 2014年11月29日 TokyoWebMining #40 2 専門と一切関係ナシ 2chテキストマイニングとまとめサイトの自動生成 セクシー女優で学ぶ画像分類入門 3. 所属 自己紹介 2014年11月29日 TokyoWebMining #40 3 Twitter ID ｔｋｍ２２６１ 専門 経営工学/最適化 某データ分析会社 業務 分析何でも屋さん 機械学習との出会い 当時の研究が実用性 皆無 精神の逃げ道として 機械学習 を開始 研究が 詰んで、 趣味が本職に 言語、画像と幅広く 遊んでます

pdf file is here: https://dl.dropboxusercontent.com/u/1682460/presentation/boost_14/bgl_design_and_shortest_path.pdfRead less

2014/02/12の楽天Tech Talkに登壇させてもらったときの発表スライドです。 2013年に発表したいくつかの内容をまとめました。 基本的に、ソフトウェアテストの絶望を聞きたい人向けです。Read less

関東GPGPU勉強会#2 山田てるみ 「GPUが100倍速いという神話をぶち殺せたらいいな ver.2013 + Haswell and MIC fix」Read less

↓のv1.1.0版の方が、より見やすく改善したものになってます！ http://www.slideshare.net/matsukaz/git-28304397 社内で開催したGit勉強会の資料。 SVNとの比較や、Gitの内部構造と各コマンドの関係、ブランチやリモートリポジトリとの関係を分かりやすく説明したつもり。 こういう資料に対する投げ銭的なのがどうなるのか気になっていたので、もしよろしければ・・・！15円からできるソーシャルカンパサービスだそうですm(_ _)m http://kampa.me/t/devRead less

8. コミットに入ってる情報 リビジョン (SHA-1 ハッシュ) 例: 23cdd334e6e251336ca7dd34e0f6e3ea08b5d0db Author (コミットを作成した人) 例: オープンソースプロジェクトにパッチを送った人 Committer (コミットを適用した人) 例: 受け取ったパッチを取り込んだ人 ファイルのスナップショット (tree) コミットで変更されたファイルを含むツリー（説明は省略） 1つ前のコミットのリビジョン 例: 4717e3cf182610e9e82940ac45abb0d422a76d77 9. コミットに入ってる情報 リビジョン (SHA-1 ハッシュ) 例: 23cdd334e6e251336ca7dd34e0f6e3ea08b5d0db Author (コミットを作成した人) 例: オープンソースプロジェクトにパッチを送った人 Co

2. 自己紹介 ハンドルネーム alwei Twitter ID @aizen76 alweiもしくはaizenのどちらかを使っています 流浪のゲームプログラマ Wii、DS、PSP、PS3、3DSのゲームとか作ってた 2Dゲーム好きなのに、実は3Dゲームしか作ったことがない 最近触手軍団に仲間入りして、オンラインゲームを作り始めました アジャイルとかTDDとか勉強中

2. 自己紹介  HN: 秋猫  Twitter: @akineko  Blog: http://d.hatena.ne.jp/Akineko/ 絶賛更新停滞中！  職歴: ホテル→Webデザイン→ゲームプログラマ  Aimingという会社でオンラインゲームの サーバープログラマやってます  C++とかアジャイル開発が好きです

3. WebPエンコードのパラメータ • デフォルト • PICTURE – Target_size = 0 – Sns_strength = 80 – Target_PSNR = 0. – Fiter_sharpness = 4 – Method = 4 Method = 4 – Filter strength = 35 Filter strength = 35 – Sns_strength = 50 • PHOTO – Filter_strength = 20 – Sns_strength = 80 – Filter_sharpness = 0 _ p – Fiter sharpness = 3 Fiter_sharpness 3 – Filter_type 0 – Filter strength = 30 – Partitions = 0 • DRAWING – Segments =

2. 自己紹介 • 田中英行 (@tanakh, id:tanakh) • TopCoder (id:haskell-master) • Haskell Lover（not master!） • ICPC2004-5 世界大会 • Preferred Infrastructure勤務 – ICPC OB多数在籍 – アルバイト・インターン等、 興味のある方はご連絡を！ 3. 本日の内容 • 関数プログラミング入門 – 参照透明 – クロージャ – 遅延評価 – リスト処理 – etc… • 関数プログラミングにまつわる話題 – 永続データ構造 – 並行計算 – ソフトウェアトランザクショナルメモリ（STM）

2. Git のリポジトリ  リポジトリ ＝ データを貯めるところ  Git ではリポジトリがローカルにある  SVNではローカルにないことが多い  ローカルのリポジトリに対する操作は高速 (通信不要)  push, pull などを使って同期を取る (通信がここで発生)  手元のリポジトリではコンフリクトしない SCMBC Git 資料 3. 多人数開発  SVNでは１リポジトリ複数ツ リー  Gitでは個人がリポジトリを SCMBC Git 資料 持つ Figures from Pro Git http://progit.org/book/ja/ch5-1.html 4. 多人数開発  共有リポジトリに pull, push をする  共有リポジトリは複数ある場合も  CIサーバとステージング用と、、、 SCMBC Git 資料 Figures from Pro

This document summarizes the key differences between centralized version control systems (CVS) and distributed version control systems (DVCS). It explains that DVCS allow for non-linear development with features like rebasing and branching that are not possible in CVS. Examples of DVCS like Git and Mercurial are given. The document also discusses how to migrate from CVS to a DVCS and advantages of

Programming is hard. Programming correct C and C++ is particularly hard. Indeed, both in C and certainly in C++, it is uncommon to see a screenful containing only well defined and conforming code.Why do professional programmers write code like this? Because most programmers do not have a deep understanding of the language they are using.While they sometimes know that certain things are undefined o