経団連の榊原定征会長が「過去3年賃金引上げを続けているにもかかわらず個人消費が伸びていない」とコメントした。 Chairman of Japan Business Federation (Keidanren) Sadayuki Sakakibara attends a luncheon with Myanmar State Counselor Aung San Suu Kyi (not in picture), organized by Keidanren and other Japanese business and economic associations, in Tokyo, Japan November 4, 2016. REUTERS/Issei Kato

政府「普段から備蓄しといて！」 日本国民「トイレットペーパーなんてなくなる訳ないやろw日本の流通はスゴイ！！アッパレ！！」 政府「トイレットペーパーは在庫あるから！！無くなるってのはデマだから！！」 日本国民「うおおおおおおおそんなの知るかああああ買い占めるンゴオオオオオ」 日本国民「トイレットペーパーないンゴオオオオオ！！日本人にモラルは無くなってしまったのか……！？」

TM NETWORKの楽曲「Get Wild」に関する意識調査です。 答えられる範囲でけっこうですので、以下のアンケートへの回答をお願いいたします。 ※いただいた回答は他媒体へ転載・流用させていただく場合がございますので、予めご了承のほどお願いいたします。

遅ればせながら、今年もよろしくお願いします。 メモ。 仕事とかお仕事とかのTODOリストを作っていて、プライベートまで忙しくなってくると、プライベートもタスク管理をしないといけない気分になっていくるのだけれど、同時にそれはとてもよろしくないことのように思う。 例えばあらかじめ人生でやりたいことを列挙して、それが全部クリアできたとして、そんな生は何か面白いのだろうか。生きる価値とか意味とか意義とかたのしみとかがあるのだろうか。「水のような心」を得たところでそれが人生に必要なことだろうか。「生産性」とやらが増したとして、それは生を計る何かしらの基準になりうると本当に思えることがあるのだろうか。 水のような心を持って、創造的なエネルギーを出しまくりな生き方よりも、わけのわからないことが次から次へと降ってきて、それを避けたり頭から突っ込んだり、ぜんぜん関係のないところに魂の赴くままに寄り道したり脱

東証、３市場体制へ＝実現に高いハードル 2019年01月03日18時30分 東証は、現在四つある株式上場市場を三つに集約する方向で検討に入った。拡大してきた「１部」の企業数を絞り込むほか、「２部」と新興企業向け「ジャスダック」を統合することが柱。各市場の特性を鮮明にし、内外の投資マネーを呼び込むのが狙いで、年度内にも再編案を固める。ただ、既存の投資商品への影響や上場企業の反発が見込まれ、実現に向けたハードルは高い。 焦点は、全ての東証上場企業約３６００社の６割を占める約２１００社の株式が売買されている１部の絞り込みだ。２部や、別の新興企業向け「マザーズ」からの昇格基準を低めに設定したことなどで肥大化が進んだ。 年金基金などの機関投資家は、１部全銘柄の値動きを示す東証株価指数（ＴＯＰＩＸ）を運用指標にしている。同様の値動きを目指す投資信託も多い。東証の有識者懇談会の委員は「１部というだけで投

最新記事(inside out)へ  | 年と月を指定して記事を読む（クリック!） /　2001/　2002/　2003/　2004/　2005/　2006/　2007/　2008/　2009/　2010/　2011/　2012/　2013/　2014/　2015/　2016/　2017/　2018/　2019/　2020/ 2015年3月　を読む << 2015年4月　を読む >> 2015年5月 を読む 二の腕を上げるとおっぱいも上を向く「おっぱい紐」が魅力的…。そんな話題・そんなおっぱい紐があったなら「どう思う？」と（高槻監督に）話を振られたので計算してみることにします。 まず、「おっぱい紐」を見て気になるのは、おっぱいの重量を「紐」で支える構造になっていることです。たとえば、高槻監督が撮影された女優の叶紀美子さんを例に取ると、アンダーバスト６０ｃｍのKカップで、乳の直径は約１６ｃｍ

UUID（Universally Unique Identifier）や汎用一意識別子（はんよういちいしきべつし）やユニバーサル一意識別子（ユニバーサルいちいしきべつし）は、ソフトウェア上でオブジェクトを一意に識別するための識別子である。 UUIDは128ビットの数値だが、16進法による550e8400-e29b-41d4-a716-446655440000というような文字列による表現も仕様で定められている。 分散システム上での利用を考慮して設計されており、統制なしに作成しても重複や偶然の一致が事実上起こらないものとして使用できる[注釈 1]。 マイクロソフトによるGUIDは、UUIDの実装の1つとされる。 規格[編集] Network Computing Systemで導入され、それをDistributed Computing Environment（DCE）の一部としてOpen Sof

コメントに書こうと思ったのですが、長くなったのでトラックバックで。 なんでブックマーカーはブロガーのブクマレスや言及に過剰反応するの：弁償するとき目が光る はてな村の低能で自意識過剰な皆さんは「過剰反応だ」「余裕がない」と騒ぎ立てますが、なんでスルーできないのでしょうか。はてな村の低脳な1人の村民から意見ですけれども、きっとこういう感じじゃないかなと、 以前のエントリーで、はてなブックマークユーザーと、被ブックマーク側(ブログ管理者)との関係を、サッカーの選手と観客として喩えたのでのですが 歓声としてのはてなブックマーク いつでもピッチに立てるように身体を温めておけ 今回もそれで説明してみます。 ここでは、選手の行動が観客席から評価されるわけですが、 好評な場合もあれば 批判を受けることもあります*1 具体的に言うと、私の地元チーム、アルビレックス新潟が先日の試合では 0-7 で磐田に大敗

うう、ね、眠い。120MBぐらいの仕事データをネット上にアップしており(ただいま午前8時)、その待ち時間を利用して書いた、雑感。後で読み直すと恥ずかしいもしれんが、何も考えずにアップ。 ユーザーが参加して、積極的にコミュニティを作り、情報を発信しているグループは3つあると思う。それはmixi・2ちゃんねる・はてなブックマーク。とりあえず、この3つの動きを抑えておけば、ネットのトレンドに乗り遅れることはない。 世間では「2ちゃんねる」といえば、VIPPER、ニュー速系住人を指すことが多いように感じる。 個人的なイメージとしては奴らは「ヤンキー」。根はいいやつだけど、頭は単純で喧嘩と祭りが好き。考えるよりも行動する方が早い。他のネットユーザーに偏見を持たれているが、隠れ2ちゃんねらーも多い。 はてぶユーザーはとにかく真面目。実用的な記事やまじめな論評といったエントリーが好きで、ダメな事件や酷い

『国民生活白書』をめぐる見方の異なる論説を続けて読む機会がありました。ひとつは『サイゾー』8月号の山形さんの「山形道場」です。 山形さんは、『国民生活白書』での（家族、地域、職場での）人間関係希薄化への警鐘に異論を提起しています。人間関係の希薄化は皆が望んだことなのだからと。濃い人間関係はもはや面倒なだけではないか、そして互助組織みたいなものに全面的に頼らなくてはいけない社会ではもはやないから（それだけ豊かになったから）、人間関係が変化したのだ、と。 もちろん「人間関係」というのは複雑なものですし、山形さんの主張は、この「人間関係」が希薄化したからといって、それを政府が音頭とってどうなるもんじゃないだろう（人々が自発的に選択した結果であることが濃厚だし、市場の失敗という明白な証拠はない）、ということでしょう。 それに政府はおせっかいはやめて、経済の安定化に邪魔にならないようにしていれば、社

人気記事 1 NothingがCMFブランドのお手頃スマホ、ウォッチ、イヤホンを発表 2024年07月09日 2 クレカよりデビットカード、コードよりタッチ決済--日本のキャッシュレス決済の特徴を知る 2024年07月08日 3 昔のグーグル検索に戻りたい--AI要約や動画のないシンプルな検索結果にする方法 2024年07月09日 4 アマゾン「Echo Spot」に新モデル--時刻や天気などが一目でわかる 2024年07月09日 5 スマートニュース、セブン-イレブンのクーポンを提供開始--コンビニ3社に対応する唯一のアプリに 2024年07月09日 6 NEC、米TIME誌「世界で最もサステナブルな企業2024」第2位に--1位は仏シュナイダー 2024年07月03日 7 GMO、生成AIの活用により約67万時間の業務時間を削減--2024年上半期で 2024年07月08日 8 あらゆ

東京大学 杉山・本多研究室：機械学習と統計的データ解析 機械学習の基礎理論の構築と実用的なアルゴリズムの開発，及び，実問題への応用研究を行っています [ English | Japanese ] 研究概要 教科書 機械学習のための確率と統計 イラストで学ぶ機械学習：最小二乗法による識別モデル学習を中心に 統計的機械学習 統計的学習の基礎：データマイニング・推論・予測 パターン認識と機械学習 強くなるロボティック・ゲームプレイヤーの作り方～実践で学ぶ強化学習 学習の種類 教師付き学習 教師なし学習 半教師付き学習 強化学習 機械学習の理論とアルゴリズム モデル選択 不偏モデル選択規準 正則化モデル選択規準 能動学習 単一のモデルに対する能動学習 複数のモデルに対する能動学習 追加学習／オンライン学習 次元削減 教師付き次元削減 半教師付き次元削減 教師無し次元削減 類似度データからの学習／カ

Commandeur & Koopman「状態空間時系列分析入門」をRで再現する 仕事の都合で仕方なく状態空間モデルについて勉強していたのだけれど(なぜ私がこんな目に)、仕事で使うためには自分で計算できるようにならなければならない。 参考にしているCommandeur & Koopman 「状態空間時系列分析入門」（以下「CK本」）の著者らは、すべての事例についてデータとプログラムを公開している。ありがたいことであります。しかし、ssfpackという耳慣れないソフトを使わなければならない。わざわざ新しいソフトの使い方を覚えるのは大変に面倒だ。できれば普段使っているソフトで済ませたい。 というわけで、勉強かたがた、CK本に出てくる計算例を片っ端から R で再現してみた。汗と涙の甲斐あって、すべての章についていちおう再現できたので、ここに載せておくことにする。 もくじ: Rプログラム紹介 全体

前にSQLで言う所のcase when x then y else z end的な処理をpandasでやる時にすぐやり方を忘れるから記事にした。あれはあれでいいのだけれど、まだまだ前処理にすごく時間がかかる！！めっちゃめんどい なんとかしたい... 今までpandas.DataFrameで色々特徴量生成（feature creationとかfeature engineering）する時に、ごちゃごちゃpandasのネイティブな機能を使って生成してたけど、kagglerのエレガントなデータの前処理を見ていると下記モジュールを使っている人が多い印象。 scikit-learn.preprocessing category_encoders featuretools 特に大量に特徴量を生成したい場合、featuretoolsがすごく便利そうな予感！！！ よっしゃ!! 使ってみよ！！！ Featu

人工知能を自社で活用したいと考えている企業は多いだろうが、上層部がその知識に乏しければ、進むべき道を見誤る。世界を代表する通信機器会社ノキア会長のリスト・シラスマは、リーダーみずから学校で学び直すことから始め、同社の全社員に機械学習の基礎を習得する仕組みをつくりあげた。本記事では、そのための5つのステップが示される。 人工知能（ＡＩ）はほぼすべてのものに破壊的変化を及ぼす、という期待と可能性に対し、私は長いこと懐疑的であり、楽観的でもあった。しかし昨年、機械学習の急速な進歩にショックを受け、ノキアと自分がともに理解不足だったことに懸念を抱いた。そこで、私自身が機械学習についてどう学び、会社の学習をどう支援すべきかを考えた。 幸いにも、ノキア会長という立場のおかげで、世界を代表する何人もの人工知能の研究者たちに時間を割いてもらうことができた。ただし、彼らの話は断片的にしか理解できなかった。ま

There are so many ways to visualise data – how do we know which one to pick? Click on the coloured categories below to decide which data relationship is most important in your story, then look at the different types of chart within the category to form some initial ideas about what might work best. This list is not meant to be exhaustive, nor a wizard, but is a useful starting point for making inf

はじめに 機械学習や深層学習が人気の昨今ですが、それらのモデルの精度に最もクリティカルに影響するのはインプットするデータの質です。データの質は、データを適切に把握し、不要なデータを取り除いたり、必要なデータを精査する前処理を行うことで高めることができます。 本頁では、データ処理の基本ツールとしてPandasの使い方を紹介します。Pandasには便利な機能がたくさんありますが、特に分析業務で頻出のPandas関数・メソッドを重点的に取り上げました。 Pandasに便利なメソッドがたくさんあることは知っている、でもワイが知りたいのは分析に最低限必要なやつだけなんや…！、という人のためのPandasマニュアルです。 また、単に機能を説明するだけでは実際の処理動作がわかりにくいため、ここではSIGNATE(旧DeepAnalytics)のお弁当の需要予想を行うコンペのデータを拝借し、このデータに対