3. 『A Philosophy of Software Design』John K. Ousterhout ● 「複雑さ」は理解や修正を難しくするソフトウェアの構造に関連したもの ○ (定義とし書かれているのはこれくらい ) ● 複雑さだと… ○ 単純な変更でもいろんな場所のコードを修正が入る ○ 認知負荷が高い ○ 分からないことが分からない ● 複雑さの原因は… ○ 依存性 ○ 不明瞭さ 4. 『Domain Driven Design』Eric Evans ● ビジネスルール間に矛盾が発生すると複雑 ● 同じ言葉に違う意味を持たせていると複雑 ● Value Objectで良いものにIDを持たせるのは複雑 一貫性がないと複雑 → ユビキタス言語?

3. CartにCartItemを追加する Add Cart Add Cart Add Cart 1 1 1 { “productId”: “mikan”, “quantity”: 1 } API Endpoint AddCartItemUseCase { “userId”: “kawasima”, “productId”: “mikan”, “quantity”: 1 } 4. ユースケースシナリオ 1. ユーザのカートが存在することを確認する。 2. productIdが実在する商品かつ販売中の商品であることを確認する。 2a. 販売中でない場合 2a1. その旨をユーザに通知して終了 3. カートに商品と数量を追加する 3a. 既にカートの中に同一の商品があれば数量を足し合わせる 3a カート内の商品の数量が100を超える場合 その旨をユーザに通知して終了 4. カートの内容を保存す

東京大学 松尾研究室が主催する深層強化学習サマースクールの講義で今井が使用した資料の公開版です． 強化学習の基礎的な概念や理論から最新の深層強化学習アルゴリズムまで解説しています．巻末には強化学習を勉強するにあたって有用な他資料への案内も載せました． 主に以下のような強化学習の概念やアルゴリズムの紹介をしています． ・マルコフ決定過程 ・ベルマン方程式 ・モデルフリー強化学習 ・モデルベース強化学習 ・TD学習 ・Q学習 ・SARSA ・適格度トレース ・関数近似 ・方策勾配法 ・方策勾配定理 ・DPG ・DDPG ・TRPO ・PPO ・SAC ・Actor-Critic ・DQN（Deep Q-Network） ・経験再生 ・Double DQN ・Prioritized Experience Replay ・Dueling Network ・Categorical DQN ・Nois

2022年7月15日 クリーク･アンド･リバー社でのUXデザイン基礎セミナー第1回 「『UXデザインとは』からはじめる『本流』のUXデザインはじめの一歩」のスライドです。 UXデザインとは何をすることか、その中心は「ユーザーに会うこと」だというお話をしています。Read less

第6回 3D勉強会＠関東 発表スライド https://3dvision.connpass.com/event/156241/Read less

2. 2 /40 勉強会について • ⽬的：⾃由エネルギー原理について、数学的な部分も含めて理解する • 教科書：『⾃由エネルギー原理⼊⾨: 知覚・⾏動・コミュニケーションの計算理論』 • 形式：1回1.5-2時間、毎週⽔曜⽇19時開始、基本的に1回1章 • 発表者やその他情報は以下のnotionページを参照 https://daichikonno.notion.site/daichikonno/abe96c17997745d9aad947bc2ecd9411 ー ロ ■ ー ノ ン ニ ざ ヽ 、 イヽ ●ロロロ■D 原理入門 乾 敏郎 阪口 豊 Ｆ い ・ ・ 鮮 一̈ 一 、 ｙ 劉 ￨ ,“′ 4 ,/｀鰺 ￨ガ 1/' ノ 艤 :: ． 一 ︲ ■ 、 ヽ べ̈ ︲ ﹂ 一 一 ・ 鮭 一 一 ァ 口 ＝ ＝ □ ■■ ■ ■ Lne い ０ ♂ Ｌ ｎ ■ ■ ■ ■ ■ ■

すうがく徒のつどい、9/19 にて発表バージョン。 講演動画はこちら。 https://www.youtube.com/watch?v=eR3JvijvjW8 オリジナル論文はこちら。 https://github.com/kenjihiranabe/The-Art-of-Linear-Algebra/blob/main/The-Art-of-Linear-Algebra.pdf 1つ１つの技術解説はこちら。 各々の分解等のトピックス解説は、Qiita に詳しくしてあります。 https://qiita.com/kenjihiranabe/items/bfa9cd68bb355afc56b7Read less

2. Mobility Technologies Co., Ltd. 宮澤 一之 株式会社Mobility Technologies AI技術開発部 AI研究開発第二グループ グループリーダー 経歴 April 2019 - March 2020 AI研究開発エンジニア@DeNA April 2010 - March 2019 研究員@三菱電機 March 2010 博士@東北大学 自己紹介 2 @kzykmyzw 3. Mobility Technologies Co., Ltd. 3 2014年10月：Autopilot誕生 2015年10月：「バージョン7.0」リリース 2016年01月：Summonベータ版をリリース 2016年10月：第2世代のハードウェアを全車種搭載へ 2018年10月：Autopilotにナビゲーション機能追加 2019年09月：Smart Summon機能リ

2021/12/10に開催された TechMarketing Conference 2021 # データマネジメント #techmar での講演資料です。 https://techxmarketing.connpass.com/event/229173/ Read less

cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有しています。 http://xpaperchallenge.org/cv/ 本資料はViEW2021チュートリアルセッション「最新研究の始め方」のプレゼン素材です。また、xpaper.challengeの2020年末ワークショップとしてプレゼンした「研究効率化Tips」の拡張版です。本資料では3社12研究室300ページにわたるノウハウの詰め合わせです。 VIEW2021のチュートリアルセッションでは時間の制限があるため、こちらの資料から一部抜粋して発表を行うことになりますが、VIEW2021チュートリアルセッションの方にも足を運んでいただければ幸いです。 VIEW2021チュートリアルセッション：http://vie

2021年9月18日に開催されたXP祭り2021での講演「マイクロサービスに至る歴史とこれから」の講演資料です。 https://xpjug.connpass.com/event/218516/Read less

最先端のアルゴリズムがgithubなどから手軽に入手できるようになったことで、ビジネスの現場では、アルゴリズムやモデルの改善より、 アノテーションデータの質や量を改善する方が実用化を目指す上でよりコストメリットのいいアプローチとなりつつあります。 本発表では、従来のモデル改善を中心としたMLOpsの考え方と異なり、データ（アノテーションデータ）改善を中心としたMLOpsの考え方をご紹介します。 Read less

2. Table of contents 1. はじめに: 統計的実験計画の基本概念 2. ベイズ線形回帰 3. ガウス過程回帰 4. ベイズ最適化 5. 獲得関数の設計 6. レベル集合推定のための能動学習 7. 構造出力デザイン問題のための能動学習 8. より複雑な問題に対するベイズ最適化 9. 事例紹介 松井 (名古屋大) 機械学習による実験計画 1 / 145 3. 本講義の目的 • 機械学習による実験計画の基本的事項の理解を目指す • 実験計画 (または能動学習) の動機づけ • モデリングの方法 • ベイズ最適化アルゴリズムの設計 • 実例と実装例の紹介 • 以下の文献を特に参考にしている • “Taking the Human Out of the Loop: A Review of Bayesian Optimization” [Shahriari+ (2015)] • “

1. 実録 ペルソナが死ぬとき 〜ペルソナの上⼿な使いかた〜 2021年8⽉9⽇（⽉） ⽇本ウェブデザイン株式会社 / HCD-Net認定 ⼈間中⼼設計専⾨家 ⽻⼭ 祥樹 @storywriter 1 この資料は https://www.slideshare.net/storywriterjp/ss-249939279 の続編です 4. ペルソナが死ぬとき ペルソナシートの装飾（写真、職業…などの属性）が⻑すぎたり、「ユーザーの課 題」が⻑くて読みづらかったりして、チームメンバーの頭に肝⼼のところが残っていな いことがあります。 名前: ⽥中 優⼀ 年齢: 36 性別: 男性 職業: 美容外科医（院⻑） 住所: 東京都港区 家族: 妻（32）息⼦（3） 価値観: 上昇志向 年収: 4,000万円 趣味: アトラス社のゲーム、猫 医院経営で困っていること: 3年前に独⽴開業して、都内で美容ク

最適輸送問題（Wasserstein 距離）を解く方法についてのさまざまなアプローチ・アルゴリズムを紹介します。 線形計画を使った定式化の基礎からはじめて、以下の五つのアルゴリズムを紹介します。 1. ネットワークシンプレックス法 2. ハンガリアン法 3. Sinkhorn アルゴリズム 4. ニューラルネットワークによる推定 5. スライス法 このスライドは第三回 0x-seminar https://sites.google.com/view/uda-0x-seminar/home/0x03 で使用したものです。自己完結するよう心がけたのでセミナーに参加していない人にも役立つスライドになっています。 『最適輸送の理論とアルゴリズム』好評発売中！ https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https