GitHub - o8vm/octox: Unix-like OS in Rust inspired by xv6-riscvYou signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Pythonで学ぶ入門計量経済学 — Pythonで学ぶ入門計量経済学
本サイトに関するコメント等はGitHubのDiscussionsもしくはharuyama@econ.kobe-u.ac.jpにご連絡ください。 姉妹サイト１：「Pythonで学ぶマクロ経済学 (中級＋レベル)」 🚀 姉妹サイト２：「経済学のためのPython入門」 🐍 はじめに# 「なぜプログラミング？」文系の経済学の学生が理系のプログラミングを学ぶとなると，まず頭に浮かぶ質問かも知れない。過去にも同じような質問を問うた経済学部の卒業生は多くいると思われる。例えば，Excelのようなスプレッドシートのソフトは1980年代からあり，当時の大学生も使い方を学ぶ際「なぜ？」と思ったことだろう。しかし今ではWord，Excel，PowerPointの使い方は，大学卒業生にとって当たり前のスキルになっている。同じように，AI（人工知能）やビッグデータが注目を集める社会では，ある程度のプログラミン
ChatGPT の仕組みを理解する（前編） - ABEJA Tech Blog
こんにちは！株式会社 ABEJA で ABEJA Platform 開発を行っている坂井（@Yagami360）です。世間では ChatGPT などの大規模言語モデル（LLM）による対話型 AI が盛り上がってますね。クオリティーも凄いし AI 業界以外でも盛り上がってると嬉しいですよね。この数年で一段と AI の社会実装が業界以外の人にも目に見える形で進んできたなあと実感しております。 自分は普段業務では ABEJA Platform という AI プロダクトやその周辺プロダクトのバックエンド開発とフロントエンド開発をやっているのですが、AI 業界所属していながら ChatGPT などの LLM 全然追いかけれていない状態になっちゃてて自責の念にかられているので、このブログ執筆という良い機会に ChatGPT の仕組みについて調べてみました。 本記事の対象読者としては、以下のようになりま
ラストマンシップ｜トーキョーハーバー
コンサルティングファームでさまざまな人と仕事としているとマネージャーまでで伸びる人は結局のところラストマンシップがあるか否かだとつくづく思う。パートナーシップを採るコンサルティングにおいてプロジェクトのデリバリーはもちろん提案活動（ピッチ）あるいはクライアントとの関係性構築（アカウント）のいずれの活動においても最終的な責任は担当パートナーにある。これは言い換えるとアナリスト・アソシエイト・マネージャー・プリンシパルには最終責任はないとも言えるし、実際にデリバリーや提案活動において要所要所でパートナーが（人によってやり方はさまざまであるが）コンテンツに入り込み品質担保をしている。 そのためともすれば、いくら「ノンパートナーもオーナーシップを持ちましょう」といってもマネージャーやアソシエイトは心のどこかでは「最終的にはパートナーが何とかしてくれる」と思ってしまいがちである。あるいは範囲を狭め「
A Brief History of Time Series Models
[updated on August 20, 2024] TL;DR: For folks who are interested in learning more about time series models, below is an incomplete roadmap that attempts to summarize the development of this complex, fast evolving field. M Competition is the equivalence of ImageNet to computer vision for time series model and deep learning beat traditional statistical models for the first time in M4 that took place
GCPの権限管理に関する自動化について
イベント Product Security Casual Talk vol.1 ジョブディスクリプション
PICK UP [お住まい物件] LUCE | TATO DESIGN (タトデザイン)
-5月10日(金)空き予定、先行申申込受付中- 募集が出る度にすぐなくなってしまう人気物件。今回は1階のお部屋が募集となりました。 場所は、西永福駅から歩いて3分と好立地。決して大きな建物ではないですが、どっしり構えている。久しぶりに、大規模マンション以外で迫力を感じ、「どうだ」と言ってる様は頼もしいです。 室内は、淡色で優しい感じの壁を中心にすっきりした印象。以前は2室として使われていた間取を壁を取り払って1室にしています。それによって部屋全体に光が差し込み、気持の良い空間に仕上がっています。また、木の質感を感じられる無垢のフローリングは、是非素足で生活して頂きたいです。 *写真は前回募集時、同タイプの3階のお部屋のものです。 リノベーション設計:菊地宏建築設計事務所 (担当:rニシヤマ) 物件No. 70 用途 住居 賃料 － 管理費 － 敷金／礼金 － 仲介手数料 賃料の1ヶ月(税別
![PICK UP [お住まい物件] LUCE | TATO DESIGN (タトデザイン)](https://cdn-ak-scissors.b.st-hatena.com/image/square/0d7b15749fd481394ad9d9e29ce3ca9c459ac0b1/height=288;version=1;width=512/https%3A%2F%2Fwww.tatodesign.jp%2Froom%2Fimg%2Fup%2F70%2Fimg201903041900407318_1.jpg)
spaCyを用いて日本語の固有表現抽出(NER)モデルを学習する - Sansan Tech Blog
はじめに 最近、固有表現抽出(Named Entity Recognition: NER)の学習をspaCyを用いて行う機会があったため、そのやり方について簡単にまとめたいと思います。 Ref spacy.io Version python: 3.11.3 spaCy: 3.6.0 使用したNotebook github.com 全体の流れ 学習データの用意 spaCyのconfigファイルの用意 学習 評価 推論 学習データの用意 今回は、ストックマーク株式会社が公開しているWikipediaを用いた日本語の固有表現抽出データセットを利用します。 まずはデータセットを読み込みます。 with open("../ner-wikipedia-dataset/ner.json") as f: stockmark_data = json.load(f) 次にデータセットを、train, dev,
実験を高速化する機械学習パイプライン開発の挑戦 - ABEJA Tech Blog
はじめに こんにちは、ティアキンで寄り道し過ぎて永遠にストーリークリア出来ない坂元です。データサイエンスチームに所属しています。LLMの一大ブームの中でLLMの記事を書かないのは若干憚られますが、高速に実験を回す用途で気軽に使える機械学習パイプラインライブラリって実はあまりない…？と思ったので、今回は機械学習パイプラインライブラリを個人で開発してみている話をします。なお、本記事では機械学習パイプラインを「データの加工・モデルの学習・推論を一連のワークフローとして実行出来るツール」とし、データ収集やデプロイ、分布シフトの監視などの工程については言及しないものとします。また、比較的小規模なプロジェクトの検証段階で利用することを前提とします。 開発したパイプラインのライブラリは以下のリポジトリでバージョン0.0.1として公開しましたので、実装の詳細はリポジトリをご参照ください。ドキュメントとかも
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
Ubieにおけるセキュリティ課題管理の自動化 / ubie-sec-issue-automation