豊技大、磁気の性質を使って論理演算を実現- 無電流コンピュータ実現に期待
科学技術振興機構(JST)は、豊橋技術科学大学の後藤太一 助教、金澤直輝氏、高木宏幸准教授、中村 雄一准教授、内田裕久教授、井上光輝教授、慶應義塾大学 理工学部の関口 康爾 専任講師、モスクワ大学のグラノフスキー教授、マサチューセッツ工科大学のロス教授らの共同研究グループが、磁石の波であるスピン波を位相干渉させることで、スピン波演算素子を実現したことを発表した。この研究成果は8月11日、英国科学誌「Scientific Reports」に掲載された。 「スピン波回路」と呼ばれる磁石が作る波を利用した回路は、電子回路と違って電流を情報キャリアとして使わないことから、発熱が極めて小さな情報処理システムを作り出すと期待されている。これまでのスピン波に関する研究では、位相干渉は実現されていたが、その演算素子としての機能の実証は不十分であった。また、演算素子の全ての機能を実現するのに不可欠な、否定論
Linuxメモ : topの代わりとして使えそうなコマンド（glances, ctop, gtop, htop, vtop, cpustat）を試してみる - もた日記
glances インストール 使い方 ctop インストール 使い方 gtop インストール 使い方 htop インストール 使い方 vtop インストール 使い方 cpustat インストール 使い方 GitHubを眺めていたらtopの代わりとして使えそうなコマンドが色々あったので試してみる。 glances Glances - An Eye on your system（公式ページ） github.com glancesは色々な情報を表示できるモニタリングツール。 インストール pipでインストールできるので下記コマンドを実行。 $ pip install glances 使い方 glancesで起動できる。図のように色々な情報がまとめて表示可能。 ブラウザで確認できるWebサーバモードや、リモートマシンを監視するクライアント／サーバモードもあるようだ。 ctop ctop（公式ページ
【書評】現場で役立つシステム設計の原則 - システム開発で思うところ
現場で役立つシステム設計の原則 変更を楽で安全にするオブジェクト指向の実践技法 [ 増田亨 ] ジャンル: 本・雑誌・コミック > PC・システム開発 > その他ショップ: 楽天ブックス価格: 3,175円 読みました。断片的に収集していた増田亨さん（@masuda220）の知識を理解するのに良い本だと思います。もしDDDについて調べていて増田さんのスライドなどを見て「もう少し詳しく知りたいかも」と思った人は読むことをお勧めします。 良かった ロジックをenumを使って表現する P60： EnumでStrategyを管理するという言い方になるのかな？確かにこういうのは分類と実装を意味ある塊に整理出来るので良さそうです。 調べたら、こういうのもありました。 【enum】メソッドの定義（３）−strategyパターンを使う方法 - THE HIRO Says メソッドは必ずインスタンス変数を使
プロのエンジニアに必要なものとはなんだ？『Clean Coder』に学ぶ信頼獲得のメソッド【今こそ読み解きたい名著】 - エンジニアHub｜Webエンジニアのキャリアを考える！
プロのエンジニアに必要なものとはなんだ？『Clean Coder』に学ぶ信頼獲得のメソッド【今こそ読み解きたい名著】 プロのエンジニアならば、必ず有する周囲からの厚い信頼。しかし、信頼とはどのように獲得すればいいのでしょうか。名著『Clean Coder』から、エンジニアらしい信頼獲得の術を学びます。 数多くの開発者から支持を受け、読み継がれてきた名著。そこには読み継がれる理由があります。 名著には、内容・ボリュームともに充実した書籍が多く、概要に目を通しただけで本を読んだつもりになっていたり、腰を据えて読む時間がなく「積ん読」してしまいがち。「エンジニアが絶対読むべき書籍●選」といった記事をブックマークするだけで読んだつもりになっていないでしょうか。 ポイントを押さえつつ内容を深掘りし、名著の根底に流れるエッセンスを開発に活かしましょう。 アプリエンジニアの池田 惇（@jun_ikd）で
機械学習における、定型的な作業を自動化する - Qiita
機械学習を利用する際は、データの前処理から始まって適切なモデルを選んでパラメーターを最適化して・・・というように多くの作業が伴います。 ただ、この作業の少なくない部分は定型的なものです。前処理でいえば、数値データに対しては正規化を行う、カテゴリー変数は0/1の特徴量へ変換する(ダミー変数化)、といった処理はどんな場合でもとりあえず実行する処理になります。 もちろん高度な特徴量エンジニアリングなどは話が別ですが、データがあったときに定型的な作業をさくっと行い、とりあえず基礎的なモデルでどれぐらいの精度が出るのかを見てみたい、というシーンはよくあるものです。 そこで、そんな作業を自動化するための仕組みを開発しました。名前はkaruraといいます。 chakki-works/karura コンセプトとしてはこの図のように、モデルを作るにあたっての定型的な一連の作業を自動化する、といったものです。
Redis Sentinel 手動でのフェイルオーバー(スイッチオーバー) - Qiita
サーバーのOSのバージョンアップを行なった際、 手動でRedis Sentinelのフェイルオーバーを行なった際のメモ master nodeが落ちたことをSentinelが検知するまでの時間を短くするため、手動でフェイルオーバーを行ったほうがいい、ということで... 公式ドキュメントで手動のフェイルオーバーについて記載してある箇所 SENTINEL failover <master name> Force a failover as if the master was not reachable, and without asking for agreement to other Sentinels (however a new version of the configuration will be published so that the other Sentinels will
Prometheus を Docker for AWS にデプロイしてみた | DevelopersIO
はじめに こちらの記事で、Prometheus という OSS のシステムモニタリング＆アラート監視ツールに触れました。 Prometheus への入門を兼ねて、AWS 上の Docker Swarm にデプロイしてみたいと思います。 Prometheus とは？ もともと SoundCloud で 2012年から OSS として開発され、公開されているシステム監視＆アラートツールキットです。 2016年 Kubernetes の次のプロジェクトとしてCloud Native Computing Foundationに参加しています。 主な機能は、以下のとおりです。 多次元データモデル （メトリック名とキー/値のペアで識別される時系列） 柔軟なクエリ言語 分散ストレージに依存しない； 自律的な単一のサーバーノード 時系列のコレクションは、HTTPを介したプルモデルを介して発生します プッシ
ラーメン二郎を識別する人工知能の中身 - Qiita
この記事は 前にラーメン二郎を識別するチャットボットを作ったのですが、そのバックエンドではディープラーニングで画像分類をしています 具体的には、Tensorflow上で動く画像識別モデルInception-v3を使って、独自カテゴリ約1300種類の画像を分類しています 結構はまりどころが多く、動くところまで持っていくのはそれなりに面倒だったので、手順を残しておきます Tensorflowでの画像認識 Inception-v3？ GoogleのディープラーニングフレームワークTensorflowのチュートリアルではいくつかの画像認識のサンプルが出てきます MNIST For ML Beginners：単なるニューラルネットワークで28x28のモノクロ数字画像の分類 Deep MNIST for Experts：CNNで28x28のモノクロ数字画像の分類 Convolutional Neura
GPSを使わずにユーザーの位置情報を取得する方法 - Qiita
Why? モバイルアプリやゲームを作っていると、カジュアルにユーザーのおおまかな位置情報が欲しいと思うことは無いでしょうか？ しかし、AndroidやiOSでいちいちGPS使用権限の許可を得るのも大げさ。 そんなときにCloud Functions for Firebaseを使えば、カンタンに、しかも破格の料金1でユーザーの大まかな位置情報を取得することができます。 How? Cloud Functionsでは、リクエストヘッダ x-appengine-citylatlong 内にアクセスユーザーのおおまかな位置情報を表す緯度経度情報が入っています。ですので、このヘッダ情報を出力するfunctionを定義するだけで、いとも簡単に目的を達成できます。 なお精度に関して手元で検証したところ、現在位置の市区町村の役所の位置が出力されるようです。 例えば港区内でアクセスすると、35.658068,
Pandasで特徴量取得する場合に使う操作をまとめてみた - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか。私は元気です。 分析は基本的にPythonを使って行います。（大体Pandasですが・・・） Pandasを利用すると色々できます。が、ふとどうするんだっけ処理が増えていきました。 自分のメモがてらカテゴリを分けて記録に残したいと思います。 最後のほうは特徴量の作り方集になっています。 Kaggleで実際に使ったことがある処理も数多く掲載しました。 思いついたら随時、追加しようと思います。 準備 ファイル操作 読み込み 書き込み テーブル操作 1行ごとに処理をする。 複数列を取得する。 選択操作 テーブル条件の指定 複数条件の指定 NaNを埋める。 カラム、テーブルの統計情報を取得する。 完全一致の列を発見し、除去する。 日付操作 日付から日などの情報を取得する。 2つ以上のDataFrameの結合操作 内部結合 外部結合 2つの結合処理 集計操作を使った特
Roslyn Script によるコード生成「Scripty」を試用 - miso_soup3 Blog
T4 以外でのコード生成を調べていた時に、「Scripty」という Roslyn で動くコード生成のライブラリがあったので、メモ。 基本的な使い方は、以下のドキュメントから分かります。 daveaglick/Scripty: Tools to let you use Roslyn-powered C# scripts for code generation Dave Glick - Announcing Scripty 記述されているように、特定の NuGet パッケージを取得し、Visual Studio Extension をインストールします。 Roslyn Syntax API でプロジェクトファイルにアクセスできるようになっています。 Sample 今回お試しとして、ASP.NET MVC 5 のプロジェクト内にある「**Controller.cs」クラス名と、そのコンストラクタ
Open Sourcing GraphQL Guru Server – Netscape – Medium
Open Sourcing GraphQL Guru ServerA GraphQL Node.js framework From the first time I read How to Build a GraphQL Server by Jonas Helfer I instantly fell in love with apollo-server. What I liked most about the apollo-server was how it simplified the creation of a graphql server and it used the Schema Definition Language to declaratively express the schema. Within minutes I had a server up and running
Pythonのテストのパラメータ化にはparameterizedを使うと楽（unittest/pytest/nose/nose2対応） - Blank File
Pythonでテストをパラメータ化した時の書き方を unittest と pytest を使った場合で紹介し、最後にそれらで使えるparameterizedというライブラリを紹介します。 ちなみに私はpytestよりもunittest派です。 はじめに テストを書いていると値が違うだけのケースを複数確認したくなる時があります。 例えば、1 + 1 = 2, 2 + 3 = 5, 32 + (-32) = 0, …などのようなケースです。 これをすべて別のテストケースとして書き下すのは面倒ですしメンテも大変なことになるので、テストフレームワークは大抵こんなテストが簡単にできる仕組みを提供しています。 今回はPythonでよく使われているunittest（標準ライブラリ）とpytestでこれらのテストの書き方を紹介します。 なんでいまさら？と思われそうですが、pytestはともかくunitte
BigQuery上でIPアドレスから位置情報を算出する方法 - matsukaz's blog
概要 クライアントのIPアドレスを含んだ行動ログをBigQueryに保存し、どの地域からアクセスされているのかを分析したいなと思ったので、やり方をまとめました。 3年以上前の情報ですが、以下の記事を参考にしています。 cloudplatform.googleblog.com 準備 以下のような元データをBigQuery上に用意します。 $ cat test_data.csv 1,192.188.171.9 2,202.41.146.198 3,103.83.231.23 4,202.64.101.91 5,43.240.52.112 6,103.12.247.112 7,217.228.79.15 8,35.10.42.69 9,86.40.207.143 10,66.71.60.27 11,72.136.125.125 12,68.144.88.194 13,194.197.79.18
Microsoft、Azureの使用状況詳細を取得できるAPI「Azure Consumption and Charge API」を公開
Microsoft、Azureの使用状況詳細を取得できるAPI「Azure Consumption and Charge API」を公開：クラウドの使用状況や課金状況の詳細分析に Microsoftは、「Microsoft Azure」と「Azure Marketplace」のリソースの使用状況と課金状況のデータを取得できる「Azure Consumption and Charge API」を正式リリースした。 Microsoftは2017年8月1日（米国時間）、「Azure Consumption and Charge API」の正式版を公開した。 Azure Consumption and Charge APIは、「Microsoft Azure」と「Azure Marketplace」のリソースの使用状況や課金状況のデータを取得できるようにするAPI（Application Prog
創業63年、箱根の老舗ホテルが人工知能を導入した理由
創業63年、箱根の老舗ホテルが人工知能を導入した理由：【特集】Transborder ～デジタル変革の旗手たち～（1/4 ページ） 公式Webページに機械学習を使ったFAQシステムを導入した、箱根の老舗ホテル「ホテルおかだ」。こうした最新ITを導入する裏には、旅行業界における大きなビジネスモデルの変化があった。 箱根湯本にある創業63年の老舗ホテル「ホテルおかだ」。AIを導入するなど積極的なIT活用を進めているが、その中心となっているのは営業部長の原洋平さんだ。原さんは、NECにも勤めたエンジニアだったが、生まれ育った旅館に戻り、仕事の中で見つけた業務課題を自作のITツールで改善していた。 インタビュー前編はこちら→NECから温泉旅館へ転身――元エンジニアが挑む、老舗ホテルのIT化 そんな中で起こった「東日本大震災」をきっかけに、ホテル経営、そしてITに対する原さんの考えは変わっていった。
「RTOSとは何か」を理解できる7つの特徴
組み込み機器をどう動かすかを考える際、選択肢として浮上するのが「RTOS（Real Time Operating System）」である。このRTOSとは何であり、なぜ必要か、どのような特長を持つのか、組み込み向けLinuxとはどう違うのか、解説する。 RTOSの存在意義 組み込み機器と一口で言ってもどのあたりをターゲットにするのかで議論は変わるが、8bit～32bit程度のマイコンを利用した比較的スタンドアロンに近い組み込みシステムを議論の対象とした際、頻出する言葉が、「RTOS（Real Time Operating System）」である。 それぞれのマイコンベンダーが開発環境に合わせ、最低限のデバイス用ライブラリや標準的なランタイム（文字列操作など）を提供してくれるのが通例であり、これだけでもシステムは構築できる。であるからして、こうしたシステムでは必ずしもOSが必要とは限らないの
組み込みLinuxの「正体」と開発の「困難さ」
数ある組み込み機器のなかでも、タッチパネルやネットワークなどある程度リッチな機能が必要となる際に選択されることの多いOSが「組み込みLinux」である。他OSとの違いや開発にまつわる現状を解説する。 組み込み機器の中でも、ある程度の機能が要求されるデバイスになると、ソフトウェア側にも相応に配慮が必要になる。例えば最近の旅客機に搭載される多機能エンタテイメント機器。オンデマンドでの映画や音楽の再生、飛行情報や地図上での現在位置の表示といった機能がてんこ盛りになっている訳だが、これの実装を例にして考えてみよう。 まずマルチタスクOSは当然必須で、機内のVODサーバと接続するためにはネットワークスタックも必要である。そして音楽や動画のコーデックも搭載して、プレーヤーも載せなければならない。地図表示も単に世界地図上に現在位置を表示するだけの簡単なものもあれば、3Dで地形や航路を表示するものまである
「シグナル」を送ってみよう
前回は、シグナルについて、シェルでのキー操作を通じて確認しました。今回は、killコマンド／killallコマンドを使って、動作中のプロセスにシグナルを送ってみましょう。 連載目次 シグナルとkill／killallコマンドの関係 何らかの理由で終了させることができなくなった「プロセス」は、「kill」コマンドや「killall」コマンドで終了させることができます。また、killallコマンドは、キー入力などを受け付けないサーバプロセスを終了させたり、再起動させたりする際にも使用します。 killコマンド／killallコマンドは、動作中のプロセスに対して「シグナル」を送信するコマンドです。プロセスの終了には「TERMシグナル（SIGTREM）」や「KILLシグナル（SIGKILL）」を、サーバプロセスの終了／再起動には「HUPシグナル（SIGHUP）」を送信します。 なお、killコマン
CVPR 2017でのコンピュータビジョン研究の最新動向
コンピュータビジョンとパターン認識の国際会議CVPR 2017に、CyberAgentからアドテク本部AI Lab所属の山口、大田、谷口の3名が聴講参加してきました。CyberAgentアドテク本部ではエンジニア、リサーチ関連職の技術レベルの向上を目的に、学術会議への参加や論文投稿を行なっております。今回の記事では今年のCVPRでの研究の最新動向についてお伝えします。 CVPRについて 研究動向 物体検出 深層学習モデルの解釈 マルチタスク学習 広告応用 クリエイティブ VQA対話モデル おわりに CVPRについて CVPR 2017 公式サイト CVPRはICCV/ECCVとともにコンピュータビジョン研究のトップ会議で、世界中の研究者が毎年一堂に集まり研究討論を行います。学術関係者だけでなく、近年は企業向けにトレードショーのようなEXPOも併催されるようになっています。 CVPR 201
超高速な開発ができるわけ | Yakst
あるひとりの人がシステムを作ったが故にそのシステムに精通している場合に、最も生産的な開発が行われる。しかしこれは、ひとりの人がシステムの面倒を見ることを超えてシステムが成長する時には矛盾してしまう。 ある状況下において、特定の開発者たちが他の人の10倍生産性が高くなることがあるのはなぜかについて議論してみましょう。 ヒント : 開発者の話ではなく、状況が大きなカギ。 生産性が非常に高いことにウキウキした気分になるのはいつでしょうか。新しい機能が指先からあふれ出てくる時？それは、私たちが関わるツールのことを知り尽くしている時、あるいはもっと決定的に言うと、自分がシステムを変更しつつある時に起こるのです。自分のバックパック、それも自分で詰め込み、そしてひとつひとつの小袋の中まで何年にもわたる旅行を経て調整してきたバックパックの中身を知っているように、システムを知ることです。それぞれのモジュール
ディリクレ過程混合モデルによるクラスタリング（実践導入編） - Fixstars Tech Blog /proc/cpuinfo
このブログは、株式会社フィックスターズのエンジニアが、あらゆるテーマについて自由に書いているブログです。 前回の続きから 前回、前々回でディリクレ過程混合モデルによるクラスタリングの手法について見てみました。今回は、実際にデータを使ってクラスタリングしてみたいと思います。前回の最後にクラスタリングの具体的手順を記載したのですが、具体的と言いつつコードに落とし込めるレベルにはなっていなかったので、今回はコーディングできるレベルでの手順を示したいと思います。 実データで実験を行うためには、$G_0$ の形を具体的に決める必要があります。$G_0$ はクラスタパラメータ $\boldsymbol{\theta}$ を生成する確率密度関数です。クラスタに所属するデータは正規分布に従うものとしましょう。そうすると、クラスタパラメータは正規分布の平均 $\boldsymbol{\mu}$ と共分散 $
仮想マシン上でWindowsデバイスドライバをデバッグする - Fixstars Tech Blog /proc/cpuinfo
このブログは、株式会社フィックスターズのエンジニアが、あらゆるテーマについて自由に書いているブログです。 はじめに 前回までは、簡単なデバイスドライバを作成し、DbgPrint関数によるログ出力だけでドライバの基本動作を確認するというものでしたが、今回は本格的なカーネルデバッグを行うための手順について紹介します。Windowsのカーネルデバッグは、 https://docs.microsoft.com/en-us/windows-hardware/drivers/debugger/getting-started-with-windows-debugging に記載されているように、実際にドライバを動作させるターゲットPCと、デバッガを起動してデバッグ作業を行うホストPCとを接続し、PC間の通信によって行います。実ハードウェアを制御するデバイスドライバの開発においては、ターゲットPCはホスト
SYCLを使ってOpenCLを単一ソースで書いてみる - Fixstars Tech Blog /proc/cpuinfo
このブログは、株式会社フィックスターズのエンジニアが、あらゆるテーマについて自由に書いているブログです。 OpenCLを書いている時、ホストとデバイスのコードが完全に分離していて連携しづらくてツライ・・・といった経験ありませんか？AMDのGPUに限るならHIPといった選択肢もあるのですが、OpenCLであってほしい場面はたくさんあります。 そんなところで、実は、OpenCLを単一ソースで書けるKhronosの規格にSYCL（シクル、と発音します）というものがあります。 この記事ではこの規格の実装をためしにつかってみました。付属してるサンプルなどを動作させるところまでの解説と、書いてみたコードの紹介をします。 SYCLについて Khronosグループによると、単一ソースのモダンなC++(具体的にはC++11)でOpenCLデバイスを扱うための規格です。バージョン1.2と2.2の暫定版が策定さ
【 Google I/O 2017 】AI が AI を 創る 世界 へ : Google Brain が AutoML（Auto Machine Learning）を 発表 - Qiita
【 Google I/O 2017 】AI が AI を 創る 世界 へ : Google Brain が AutoML（Auto Machine Learning）を 発表google人工知能DeepLearningMachineLearning機械学習 Google I/O 2017 で、Google Brain が、"遺伝的アルゴリズム と 強化学習 の 組み合わせ" によって（？）、ニューラルネットワーク を 自動で進化・改良させていく AutoML を 発表した。 日経テクノロジーonline （日経エレクトロニクス 2017年8月号）中田 敦＝シリコンバレー支局 2017/07/19 00:00 『グーグルの「AIファースト」戦略が加速、深層学習用TPUや「AIを改善するAI」を発表』日経Roboticsから今月の1本 AutoML ニューラルネットワークがニューラルネットワー
機械学習の論文を読んでみたいけど難しそう、という時に見るサイト - Qiita
機械学習の基礎はそれなりに習得し、次のステップとして論文を読んでみたい、実装にチャレンジしてみたい、という方も多いのではないかと思います。 ただ、機械学習の論文といってもどこから読んでいいのか、興味がある論文を見つけるにしても英語のAbstractを眺めて行くのはちょっとつらい・・・という方のために、ポータルサイトを作りました。 arXivTimes Indicator 以前、機械学習に関わる論文の要約を共有するGitHubリポジトリとBotを作成したのですが、そこでの投稿内容をまとめて見ることができます。 ジャンル別に参照可能な他、 Pocketをお使いであればPocketへの登録も可能です。 arXivTimesは、機械学習の研究動向に関する集合知を形成することを目的としています(日本語で参照可能な)。 そのため、今回のポータルの作成を機により多くの投稿をしてもらい、また要約の質を高め
自力で機械学習の訓練画像データを収集する(Google Custom Search API ピカチュウ編) - Qiita
※ 詳細は最後に書いてありますがこの方法は100枚しか画像を収集できないという致命的な欠点があります。 はじめに 画像中にある物体認識の機械学習モデルを作成するに当たってまず必要になるのが大量の訓練画像の収集です。 犬や車といった一般的なものであればImageNetなどのサービスからダウンロードすることができますが、例えばピカチュウやアンパンマンと言ったキャラクターの画像はありません。そこで思いつくのがGoogle検索を使って画像を集める方法です。 今回はそのGoogle Custom Search API を使って機械学習用の画像データを集める方法をご紹介します。 Tumblr API編はこちら カスタム検索エンジンの作成 まずCSEでカスタム検索エンジンを作成します。 まず検索エンジンの編集の下にあるAddをクリックします 次にフォームに適当に値を入れていきます。ここで注意点として「検
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
よりテクニカルなテスタになるには
マイクロサービスのデータを管理する
GitHub - urfave/cli: A simple, fast, and fun package for building command line apps in Go