Azure DevOps × スクラム で実現するプロダクト開発のポイント #dotnetlab #jazugAzureDevOpsは、システムの開発と運用を行う上で必要となるサービスが集約された、ソフトウェア開発チーム向けのチーム開発支援プラットフォームです。 今回は、AzureDevOps×スクラムで実現するプロダクト開発のポイントについて概説します。 https://jazug.connpass.com/event/140843/ https://dotnetlab.connpass.com/event/143432/Read less
無限
・集合はそのある真部分集合と一対一対応があるとき，無限集合と呼ばれる ・集合間の大小関係は，その集合間の写像の存在に基づいた濃度で表す ・集合はその全ての要素を並べることができるとき，可付番集合と呼ばれる ・自然数，整数，偶数，奇数，有理数，自然数の直積集合などは可付番集合 ・実数は可付番集合ではない（カントールの対角線論法） ・実数の濃度は自然数の濃度よりも高く，自然数の冪集合の濃度に等しい ・冪集合の濃度はもとの集合の濃度よりも高くなる ・可付番無限集合の濃度をアレフ・ゼロと呼ぶ ・可付番無限集合は濃度が最小の無限集合であるRead less
野良ビッグデータへのお誘い
2. ⾃⼰紹介 • 名前: takano • Twitter: @mtknnktm • 仕事: Web系企業のデータ関連あれこれ • 興味: 計算社会科学・複雑系科学 • もろもろ – Publications: https://sites.google.com/site/mtkn35699/ – Slide: http://www.slideshare.net/MasanoriTakano1 – Blog: http://mtkn.hatenablog.com/ 2 3. • ふと回帰分析したくなった時 • ふとMCMCしたくなった時 • ふと前処理したくなった時 • ふと機械学習したくなった時 • ふと集計したくなった時 • ふと社会科学したくなった時 でも iris はもう飽きた → そんなときのために、 誰でも使えるデータをご紹介 3 5. おもしろいと思った
G社のNMT論文を読んでみた
1. Google's Neural Machine Translation System: Bridging the Gap between Human and Machine Translation 中澤 敏明 2016年 黒橋・河原研 夏の勉強会 http://arxiv.org/abs/1609.08144 2. NMTの問題点 1. トレーニングも翻訳も(PBSMTに比べて)遅い 2. 低頻度語の翻訳が弱い – 既存手法はattentionに頼っているが、attentionは 信頼性が低い • Addressing the Rare Word Problem in Neural Machine Translation • On Using Very Large Target Vocabulary for Neural Machine Translation – 翻字(transl
親に知ってほしい受験勉強
小学校以降〜大学受験まで、学年に関係なく、受験を控えている or 受験をするかもしれない子どもの親に向けて、親にこそ知っておいて欲しい効率的な勉強方法を有給ニート中の有り余るヒマを注ぎ込んでまとめてみたスライド。Read less
現在のDNNにおける未解決問題
3. 現在のDNNを1枚でおさらい l 活性化関数には区分線形関数を使い、伝搬は減衰/発散もしなくなった – 例例：Relu f(x) = max(0, x) これはsoftplus log(1+exp(x))のhard版 l 最適化にはRMSPropやAdamなどHessianのオンライン推定版を使う l Batch正規化層で、各層の⼊入⼒力力は常に平均0, 分散1に正規化し学習を容易易に l ResNet: f(x) = x + h(x) を使うことで 1000層を超えても学習可能に l 変分ベイズとの融合で、⾮非線形の⽣生成モデルの学習も容易易に – 特に潜在変数が連続変数の場合は変数変換トリックで効率率率よく学習可能 – 半教師あり学習、1ショット学習が可能に l 強化学習との融合で、⽣生の⼊入⼒力力から
なぜ、いま リレーショナルモデルなのか（理論から学ぶデータベース実践入門読書会スペシャル）
1. なぜ、いまなぜ、いま リレーショナルモデルリレーショナルモデル なのかなのか 奥野 幹也 Twitter: @nippondanji mikiya (dot) okuno (at) gmail (dot) com @ 「理論から学ぶデータベース実践入門」読書会スペシャル 3. 自己紹介 ● MySQL サポートエンジニア – 日々のしごと ● トラブルシューティング全般 ● Q&A 回答 ● パフォーマンスチューニング など ● ライフワーク – 自由なソフトウェアの普及 ● オープンソースではない ● GPL 万歳！！ – 最近はまってる趣味はリカンベントに乗ること ● ブログ – 漢のコンピュータ道 – http://nippondanji.blogspot.com/
オープンデータをつかう図書館、オープンデータをつくる図書館＠京都図書館大会（2015.8.17）
12. ● 我が国は「電子行政オープンデータ戦略」、「世界最先端IT国家創造宣言」等に基づきオープンデータを推進 ● これまでの間、 ・ 公共データの二次利用を可能とするルールの策定（2014年6月） ・ データカタログサイトの整備（試行版:201３年12月、本格版:2014年10月） ・ 「地方公共団体オープンデータ推進ガイドライン」の公表（2015年２月） 等 ⇒ データ公開面では一定の成果を挙げつつあるものの、今後は利活用面にも焦点を当てる必要あり ＜重点的に取り組む事項＞ ＜データの利活用の推進＞今後のオープンデータの展開に 向けた基本的考え方 これまでの取組を継承しつつ、利活用 を見据えた効果的・効率的な展開を 図る必要 「課題解決型のオープンデータの推進」 に発想を転換 府省庁の重要施策等の検討に当たっ ては、課題の発見（見える化）・解決 の一手段としてオープンデータの活用可
全脳アーキテクチャ若手の会 強化学習
3. 身近になった人工知能 • Pepper (Aldebaran Robotics,Softbank 社 ) – 人間の声のトーンなどから感情認識 • 将棋電王戦 (niconico) – 人間 vs コンピュータでの将棋 – 人間１勝、コンピュータ４勝 (2014第3回) 3 5. 最近、こんなことが話題に • グーグル開発の人工知能DQN ネットでは「命名事故？」「奇跡的」 （2015年 2月26日 withnews , 抜粋 ) 米国のＩＴ大手グーグルが、画期的な人工知能を開発した、と２６日号の科学情 報誌「ネイチャー」（電子版）で発表しました。その名も「ＤＱＮ」。「ＤＱＮ （ドキュン）」とは、「知的水準が低く、常識がない」という意味の日本のネッ トスラング。グーグル肝いりのプロジェクトだけに、世界中のネットユーザーの 間で「ドキュン」が浸透するかもしれません。 ネイチャー電子版に
Deep Learningによる画像認識革命 ー歴史・最新理論から実践応用までー
3. Nakayama Lab. Machine Perception Group The University of Tokyo 3 多様なマルチメディアセンサデータを 柔軟に理解・活用する知能システム 実世界 Web ライフログ インタフェース 詳細画像識別 マシン パーセプション 深層学習 表現学習 マルチモーダル 転移学習 大規模画像 認識・検索 多様なマルチメディア 動画像、自然言語、音楽音声、… マルチメディア マイニング 画像知識獲得 機械学習 データマイニング HPC 4. Nakayama Lab. Machine Perception Group The University of Tokyo １．画像認識分野におけるdeep learningの歴史 ２．一般画像認識：Deep learning 以前と以後で何が変わったか ◦ Bag-of-visual-wor
コンピュータビジョンの最新ソフトウェア開発環境 SSII2015 チュートリアル hayashi
コンピュータビジョンの最新ソフトウェア開発環境 －OpenCV,PCLの導入・機能紹介。プログラミング言語の選択と開発ツールの活用－ OpenCV3.0の個別の新アルゴリズムについてはプレゼン中には紹介できなかったのもあり、DERiVEのメルマガにてvol.22以降に個別にアルゴリズム紹介を行っています http://derivecv.tumblr.com/post/113871865219 また、DERiVEのFacebookページもよろしくです。 https://www.facebook.com/pages/DERiVE-コンピュータビジョン-ブログ/165910800110198Read less
MQTTでオフィスハック with RasPi
http://iotlt.connpass.com/event/11373/ IoTLT vol.1にて発表。 MQTTを使った電子工作の入門編的なスライドです。 JavaScriptだけで電子工作を完結します。Read less
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
Pokémon GOとGCP
外部データラッパによる PostgreSQL の拡張
Niantic位置ゲームを 簡単にパクれないワケ
2016年はFitbitで生体データを監視元年！
NOSQLの基礎知識（講義資料）
インターネットにおける悪評 - 高野光弘編
Webアプリケーションは難しい
Redmineチューニングの実際と限界 - Redmine performance tuning
