StanでAizu Online Judgeの難易度・習熟度を推定したい（３：IRTモデルによる習熟度推定） - くじらにっき++
シリーズ一覧 kujira16.hateblo.jp kujira16.hateblo.jp はじめに 前回までの記事を公開したところ，Twitterで「問題に取り組んだときの正答確率の部分を項目応答理論でモデリングしないのはなぜか」というコメントをいただきました。 …すいません，項目応答理論というものを知りませんでした。 指摘を頂いてから勉強したのですが，この方法でモデリングするほうが自然だと感じたので，これからは正答確率の部分を項目応答理論でモデリングしていきたいと思います。 モデル式 項目応答理論の1パラメータロジスティックモデルでは，習熟度 の人が 難易度 の問題に正答する確率 を以下のようにモデリングします*1。 ここで はロジスティック関数 です。 項目応答理論では被験者の習熟度と問題の難易度を同時に推定しますが，今回の記事で使うデータでは一部の問題については難易度が既に付与さ
StanでAizu Online Judgeの難易度・習熟度を推定したい（２：人工データによる実験） - くじらにっき++
シリーズ一覧 kujira16.hateblo.jp kujira16.hateblo.jp 目的 あるユーザがある問題に正答したというデータは得られますが，正答していない問題は，取り組んだけれども実力不足で解けなかったのか，そもそも取り組んでいないのかを区別することができません。データの生成過程についての仮説が正しかったとしても，パラメータの自由度が高すぎてパラメータ推定が行えないかもしれません。 そのため，データの生成過程についての仮説は正しいと仮定して，パラメータ推定が収束するかどうか確かめるために，人工データに対してパラメータが正しく推定できるか実験してみることにしました。 人工データの生成 問題に取り組む確率が ，平均的なパフォーマンスが ，パフォーマンスのばらつきが のユーザが1人いて，[100, 1200] の一様分布に従う難易度の問題が50問ある状況を考えます。ユーザは，前
dockerでジャッジシステム作りたい時 - Qiita
Aizu Online JudgeやAtcoderなどのオンラインジャッジシステムを作る時のメモ． オンラインジャッジシステムを作る上で必要なことは プログラムに入力を与えて期待する出力かどうか判定する リソースを均等にする 細かく言えばたくさんありますが，こんな感じだと思います． 今までは一つ目しか満たしてなかった（とてもよくない とりあえず安全に実行できる環境にするべきだろうということでdockerを導入した． その上で，幾つかハマりどころが合ったので残しておく． 要件 入力と出力は数MBになりえる 実行時間制限を指定できる． メモリ使用量を制限できる． プロセス数を制限できる． 生成されるファイルサイズを制限できる（今回は無し cpu使用率を均等にする（今回は無し 使用したメモリ量を取得できる． 実行時間を取得できる． プロセスのステータスを取得できる． 仕様 サーバーの性能的に，同
Imo Judge を支える技術
オンラインジャッジとはプログラミングコンテストのために作られたプログラムの自動採点システムであり，選手が提出したソースコード (以下，ユーザプログラムと言う) をコンパイルして実行しその結果を元に採点を行います．プログラミングコンテストは公正にかつ問題を起こさずに粛々と行われなければなりません．送られてきた任意のソースコードを実行するという極めて危険な行為をせざるをえないオンラインジャッジでは，これらを満たすために様々な工夫が行われています．この記事では，私が作っている Imo Judge を例にとり様々な工夫を紹介します． サーバの構成 ICPC では PC2 という Java で書かれたジャッジシステムが使われています．また TopCoder も同様に Java で書かれたジャッジシステムが使われています．しかし，クライアント側でアプリケーションとして動かすと環境依存を避けることは (
1
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
処理を実行中です
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
