画像認識は現在、仕事・趣味と幅広い場面で欠かせないものとなってきています。その手段として機械学習を用いることももはや常識的になっていると言っても過言ではなく、そのためのチュートリアルも数多くあります。 ただ一方で、機械学習のもとになる「学習データの作り方」についてはあまり情報がありません。本編では、この「データの取り方、処理方法(下ごしらえ)」にフォーカスした解説を進めていきます。
![foundit #4_01 画像認識モデルを作るための鉄板レシピ(講師:久保隆宏 氏)](https://cdn-ak-scissors.b.st-hatena.com/image/square/3fc6466ba89056e2625e387d29611e1d9bbd5d50/height=288;version=1;width=512/https%3A%2F%2Fi.ytimg.com%2Fvi%2FvKDX5PBGWQA%2Fhqdefault.jpg)
In this post, I’ll share a framework we’ve developed at Coinbase that helps us make decisions more effectively. Our… この記事では、より効率的に意思決定を行うためにCoinbaseで開発されたフレームワークを紹介する。会社のコアバリューには「クリアなコミュニケーション」と「効率的な実行」というものがあり、紹介するフレームワークはこれらのコアバリューを可能にしている一例である。 以下のような意思決定の際に使用できる: 候補者を採用するかどうか商品開発のロードマップで何を優先するか他社の買収や自社の売却の是非プロダクトやチームをどう名付けるかなど。 もし困難な判断を迫られて、決定できずに延々と会議を続けていたり、気分が晴れなかったり、後悔するかもしれないと恐れている場合は、このフ
初めに 方針 ・pandasは、CSVや、Mysql、SQLiteなど様々なデータベースから、取り扱いやすい自身のDataFrameに変換することができる。 ・pandasのDataFrameはscikit-learnとの連携も容易である。 ・自然言語処理を日本語で行う場合、適切に前処理を行わなければ、良い結果をだすことはできない。 今回は自然言語処理における前処理の種類とその威力を参考にさせていただき、 具体的にpandasのDataFrameの形で存在する日本語データの前処理について考えていきます。 ※引用文は記載が無い場合、上記の記事からのものです。 準備と想定 sqlite3からpandasのデータフレームへ変換しています。 import pandas as pd import sqlite3 con = sqlite3.connect("db/development.sqlite
2018/04/19 JAPAN CONTAINER DAYS V18.04 (https://containerdays.jp/) にて発表したものを加筆修正しました。 Abstract: Kubernetes は豊富な機能とその高い拡張性により、現実における様々なユースケースに対応できる一方、その多機能さゆえにどう使えば良いか迷っている方もいると思います。Kubernetes の基本を学んだ人や本番運用を始めた人を対象に、私がメルカリでの Kubernetes 本番運用経験を元に考えた、アプリケーション運用、インフラ運用、組織の 3 つの観点での設計の指針を紹介します。
Windows 環境のエディタが Notepad のみという尖りきった環境だったので、Visual Studio Code を入れてみることにしました。 インストール Setting up Visual Studio Code に従いインストールします。 今回は Windows 10 へ導入したので、インストーラーを落としてポチポチするだけでした。メッチャ簡単。 Github Gist を利用した設定共有 Github Gist を利用し、設定の同期を行う拡張機能を導入します。 Settings Sync Github の Personal Access Token も必要なので、作成します。 Steps To Get the Github Key - Settings Sync 準備が整ったら Gist への初回設定アップロードを行います。 Shift + Alt + U を押し、Git
はじめに gistはスニペットを貼って共有するときなどは非常に便利ですよね。 テキストやソースはよく使っていたんですが、画像も同じノリでスニペット的に登録て使いたいなーと思ったときにちょっと手間取ったのでメモ。 gist(github)の設定などは終わってる前提の話しです。 アジェンダ gistに画像を登録する 適当にgistをつくる cloneする 画像を追加してpushする 画像のURLを確認する 他のgistに画像を貼るmarkdown gistで画像を貼るときにサイズを指定する 1がメインで2、3はおまけです 1. gistに画像を登録する gistに画像を登録した場合、いがいに素直にはできません。 まず適当なgistを作って、適当なgistに対して画像を追加するという手順を踏みます。 適当にgistをつくる これはgithubのgistページから作るだけですね。 cloneする
アジャイル開発において、プロダクトや組織の現状を把握するのに役立つメトリクスを知りたいと思い、「agile kpi」などでググって上位のサイトを読むという丁寧なサーベイを敢行。20個くらい読んでいくとだいぶネタも尽きてきたので、整理してみました*1。参考にしたサイトについては、記事の最後に載せておきます。 なお以下では、アジャイル開発とスクラム開発をほぼ同じ意味で使っていますが、怒らないでいただきたいですね。 メトリクスとKPI メトリクス(metric / metrics*2)とKPIはごちゃごちゃに使われがちです。こちらの資料では、以下のように説明しています。 Agile KPIs from Gaetano Mazzanti www.slideshare.net メトリック: プロセス・プロダクト・チームの定量的な評価・制御・改善のための物差し、またはその組み合わせ KPI: 戦略的な
Keras: Pythonの深層学習ライブラリ Kerasとは Kerasは,Pythonで書かれた,TensorFlowまたはCNTK,Theano上で実行可能な高水準のニューラルネットワークライブラリです. Kerasは,迅速な実験を可能にすることに重点を置いて開発されました. アイデアから結果に到達するまでのリードタイムをできるだけ小さくすることが,良い研究をするための鍵になります. 次のような場合で深層学習ライブラリが必要なら,Kerasを使用してください: 容易に素早くプロトタイプの作成が可能(ユーザーフレンドリー,モジュール性,および拡張性による) CNNとRNNの両方,およびこれらの2つの組み合わせをサポート CPUとGPU上でシームレスな動作 Keras.ioのドキュメントを読んでください. KerasはPython 2.7-3.6に対応しています. ガイドライン ユーザー
注意:この記事だけアクセスが多くて逆に不安になっております。 不正確な記述が含まれる可能性が大なので、必ずほかの記事も当たっていただければと思います。 今回は、循環的複雑度(Cyclomatic Complexity)について書きます。 これは、ソースコードのメトリクス(定量的に評価した値)の一つです。 条件複雑度(Conditional Complexity)とも呼ばれます。 簡単なメトリクスとしては、関数の行数やコメント行数など単純なものもありますが、 循環的複雑度はもう少し"プログラムの内容を考慮した"メトリクスです。 循環的複雑度とは、一言で言うと、 "あるひとつの関数がどれだけ複雑か"度 です。もう少し詳しく言えば、 "あるひとつの関数について、どれぐらい分岐があるか" 度 を表す数値です。 プログラムの中の各関数について、この複雑度の数値が計算されます。 Wikipediaに書
開発現場に学ぶ、円滑なコードレビューに必要な8つの手法 ~手段から準備、実施時期まで徹底解説~ コードレビューによって解決される問題とは?そして、実際にチームでコードレビューを実施する上で気をつけるべきこととは?ソニックガーデンの取締役プログラマー西見公宏さんが、コードレビューのポイントを、実践に基づき解説します。 ITを活用して事業の課題を解決するサービス「納品のない受託開発」を提供する会社、ソニックガーデンの西見公宏(にしみ・まさひろ/@mah_lab)です。お客様の「バーチャルCTO」として、サービスの企画からシステムの開発・運用まで、日夜幅広く関わらせていただいております。 皆さんは普段、ソースコードをどのくらい読んでいるでしょうか? 普段からソフトウェア開発をしている人であれば、何か問題が起こったときの原因調査のために他の人が書いたコードを読んだり、はたまた自分の書いたコードを読
これ↓なんですけど、意外と RT や Like が付いてたので、ちゃんと書きますね。 しっかしMicrosoftのドキュメントシステム良く出来てるなー。右のEditボタン押すとGitHubが開いてすぐPR送れる。あちらでマージされれば即サイトに反映される。Contiributorsに自分のアイコンが増えた♪ これはフィードバックするのに「面倒」は理由にできないですぞ。https://t.co/9KhAwhV5PP pic.twitter.com/r46zFUvkEp — あめいぱわーにおまかせろ! (@amay077) 2018年6月12日 このツイは Microsoft の製品やサービスのドキュメントについてなんですが、 Microsoft Docs というポータルがありまして、同社のサービスの多くはここでドキュメント公開されている模様です。 ここで公開されているドキュメント群は、バック
日本のDDD(ドメイン駆動設計)界の父ともいえる増田亨さんが著した「現場で役立つシステム設計の原則」を頂いたので、早速拝読させていただきました。 本書をおすすめしたい人 本書は、システム開発で以下のような問題を抱えている人におすすめです。 既存システムのソースコードの可読性が低く、理解に時間がかかる 機能追加・改修時の影響範囲調査に時間がかかる 機能追加・改修時の工数が予想以上にかかる テストコードが書きにくいソースコードになりがち 機能を追加・改修時の影響範囲が大きくなりがちで、テスト工数がかさんでいる デグレの確認に気を使い、多くの時間をかけている 不具合が発生したときに、調査・解決に時間がかかってしまう 新しいメンバーがプロジェクトに参画した時に、業務知識を伝えるのに多くの手間がかかる これらの問題のために、生み出す価値以上に、仕事時間が増えている このような問題を解消し、変更に強い
表題の通り、お恥ずかしい限りではありますが、人生ではじめて警察(神奈川県警!)のお世話になる運びとなりました。 罪状としては「不正指令電磁的記録 取得・保管罪」、通称ウイルス罪とのことで、まさに青天の霹靂の思いです。 以下ではこの度起こったことを可能な範囲でありのまま共有できればと思います。 この記事の目的まず、この記事を公開した目的は「他のクリエイターの人に同じ経験をして欲しくない」という一点に尽きます。 手前味噌ではありますが、私はこれまで多くの尊敬するクリエイターの方々と同じように「良いクリエイターであろう」と腐心し、できうるかぎりの努力をしてきたつもりです。 今回の件に関しても決して私利私欲のためではなく、あくまでユーザーのためにできることを、と模索した結果でした。 それがこのような形で取り沙汰されることとなり、残念という他ありません。 忸怩たる思いではありますが、この件から何かし
死屍累々の人工知能PoC 生死のカギを握るのは何か 2018.06.12 Updated by Ryo Shimizu on 6月 12, 2018, 08:44 am JST 深層学習が広く知られるようになり、産業への適用が始まってからもう5年が経過した。 日本で深層学習という言葉が流行り始めたのもすでに3年前だ。 実際のところ、このブームには大きな問題があった。 深層学習以外の技術にはこれといった進展はなかったのだが、深層学習が注目を集めたことで、死に体だったAI系企業がどさくさに紛れて息を吹き返したり、少し前なら見向きもされなかったような技術にまで脚光が当たるなどして玉石混交の状態のまま、さまざまなPoC(Proof of Concept;理論検証)に膨大な資金が投じられた。 残念ながらその大半は失敗した。この失敗は極めて必然的なものである。なぜならば、失敗したPoCはほぼ例外なく、
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