当社拠点における新型コロナウイルス感染者の発生について | NTTデータ当社拠点ビルに勤務している協働者1名が新型コロナウイルスに感染していることを本日確認しました。 本件を受けて、社員の健康と事業継続を保てるよう本社対策本部を設置し、所管保健所と連携を図り対応を進めてきました。その結果、感染者の当社拠点ビルにおける行動履歴と、14名の濃厚接触者が保健所によって特定されております。 感染者が発生したビルに対しては、本日時点で以下の対応を取っております。
“日本はすでに感染拡大”ＷＨＯ専門家｜日テレNEWS NNN
「新型コロナウイルス」の流行について、ＷＨＯの専門家は、他の国とは違って、日本では感染者が出た場合、誰から感染したか、感染経路が把握できない状態になっているとして、すでに感染が拡大しているという見方を示し、感染拡大の防止に取り組むよう訴えた。 １４日、横浜市で開かれた日本感染症学会などの緊急セミナーでＷＨＯ世界保健機関のシニアアドバイザー・進藤奈邦子さんが講演した。 進藤さんは、「他の国では、全部の感染者が（誰から感染したのか経路が）追える。感染者と接触した人も全部調査が終わってその中から陽性患者が出ているけども、そこから先に感染は広がっていない。日本だけ様相が違う」と述べ、日本国内で、誰から感染したかわからないほど感染が広まり、感染経路を把握して、そこで食い止められる段階ではないことを示唆した。 また、中国では新たな感染者は減少の傾向にあるとした。そして、「ウイルスの撲滅は日本にかかって
XGBoostのお気持ちをちょっとだけ理解するためのメモ - Qiita
現在、Kaggleにてよく使われる手法の一つにGBDT(Gradient Boosting Decision Tree)があります。さらにその種類の１つXGBoostはKagglerによりその効果を検証され非常に人気の高いアルゴリズム・実装です。このブログでは、XGBoostの論文からアルゴリズムを理解するための主要な部分、 TREE BOOSTING IN A NUTSHELL 2.1 Regularized Learning Objective 2.2 Gradient Tree Boosting を丁寧に解説することを目的に書いています。 また、ここで解説した理論、アルゴリズムについてはLightGBMにおいてもほぼ同じと思いますので、合わせて参考になるかと思います。 おことわり しかしながら、最初におことわりをさせていただくのですが、markdownやtexでキレイにまとめる余裕が
XGBoost論文を丁寧に解説する(1) - Qiita
はじめに 勾配ブーストを用いた決定木(GBDT)によるクラス分類や回帰はデータ分析コンペでも非常によく使われています。 その中でも2016年に出されたXGBoostはLightGBMと並びよく使われている手法です。 性能が良いことで有名なXGBoost, LightGBMですが、モデル内部でどのような処理が行われているかよくわかっていなかったので論文を読んでみました。 式変形の省略が多く、またイメージしづらい箇所もあり、読みづらかったのですが 一度イメージできれば割とあっさり理解できます。 その体験を踏まえて、イメージ図を多く取り入れながらXGBoostの論文を（途中まで）丁寧に解説します。 XGBoost: A Scalable Tree Boosting System 論文 この記事で述べること データの入出力 XGBoostの木構造 損失関数とboosting 木構造の学習（spli
prefork サーバーと thundering herd 問題 - naoyaのはてなダイアリー
Catalyst を POE で動かす Engine の Catalyst::Engine::HTTP::POE という実装が CPAN にあります。"Single-threaded multi-tasking Catalyst engine " だそうです。"Single-threaded" と言いつつも実装を覗いてみると環境変数 CATALYST_POE_MAX_PROC を 1 よりも大きく設定することで prefork する実装になってます。POEシングルスレッドではアプリケーション内で発生するブロックを避けることが難しいのでそのための実装じゃないかなと思います。 ところでこの Catalyst POE エンジン、prefork の実装はどのように行っているかというと POE から prefork と名の付いたイベントが発生するとおもむろに子プロセスを生成する、というのもの。複数の
ノンパラメトリック回帰についての定番質問
ノンパラメトリック回帰の広場の表紙に戻る Ｑ１：ノンパラメトリック回帰って何ですか？ Ｑ２：ノンパラメトリック検定（ウィルコクスン検定とか）は、ノンパラメトリック回帰と関係あるんですか？ Ｑ３：ノンパラメトリック統計というのは、ノンパラメトリック回帰のことですか？ Ｑ４：ニューラルネットワークとノンパラメトリック回帰は関係がありますか？ Ｑ５：樹形モデルもノンパラメトリック回帰ですか？ Ｑ６：ノンパラメトリック回帰よりデータマイニングの方が盛んなのは何故ですか？ Ｑ７：平滑化ってノンパラメトリック回帰の別名ですか？ Ｑ８：平滑化パラメータって何ですか？ バンド幅と違うのですか？ Ｑ９：平滑化スプラインの平滑化パラメータの値はどのくらいがいいのですか？ Ｑ１０：局所１次式回帰、局所２次式回帰、局所３次式回帰、---、といろいろ考えられます。どれを使えばいいですか？ Ｑ１１：ノンパラメトリック
機械学習を始めたい人のための入門書 - Qiita
これまでに読んだ機械学習関連の本の中で、本当にいいと思った本を紹介したいと思います。付随する難易度は目安です。 機械学習、ＡＩ ・[難易度★]人工知能は人間を超えるか（松尾 豊）（Amazon） ＡＩブームの流れ、ＡＩでどの辺りまでできるのか、日本のおける問題点、などがすごく分かり易く書いてあります。全体像が分かるので、機械学習を学び始める第一歩としておススメです。 ・[難易度★★]データマイニング入門（豊田 秀樹）（Amazon） Ｒのコードが書いていますが、Ｒをやらない人はコードを飛ばして読んでいいです。色んなアルゴリズムがかなり丁寧に解説されているので、アルゴリズムを知りたい時の最初の本としては最適と思われます。決定木、自己組織化マップ、アソシエーション分析、クラスター分析が非常に分かりやすいです。※ニューラルネットワークの説明はやや微妙と感じました。 ・[難易度★★★]はじめてのパ
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
