深層学習を用いたコンピュータビジョン技術と運転行動モニタリングへの応用DeNA TechCon 2018での講演資料です。 「深層学習、特に畳み込みニューラルネットワーク (CNN) の進化により、近年のコンピュータビジョン技術は急速に発展しています。CNNは画像分類だけではなく、物体検出、セグメンテーション、姿勢推定といった様々なタスクに利用されています。 本公演では、近年提案されている様々なCNNや物体検出手法を解説します。また、これらの技術の応用として、車載カメラ画像認識を用いた運転行動モニタリングについて紹介します。」Read less
Sphinxで作る貢献しやすい�ドキュメント翻訳の仕組み
Sphinxには、多言語化サポート機能があります。 この機能を使用せずにSphinxで書かれたドキュメントを翻訳するには、ドキュメントのソースを書き換えることになります。 しかし、この方法には3つの問題があります。 Sphinxの文章フォーマットを壊さないように気をつけなければならない 多数のボランティアによる翻訳の分担がしづらい、ボランティア参加しづらい オリジナルドキュメントが更新されたとき、翻訳ドキュメントを追従させるのが難しい そこで、Sphixnの多言語化サポート機能を利用します。 Sphinxはgettext形式の翻訳カタログの入出力に対応しているので、翻訳支援機能を備えたさまざまなツールやサービスを簡単に利用できます。 翻訳支援サービスを使うことで、Sphinxのドキュメント翻訳は以下のように実施出来ます。 パラグラフ単位で翻訳できる（Sphinxがパラグラフ単位で翻訳カタロ
20171128分散深層学習とChainerMNについて
2. 自己紹介 名前：鈴木脩司 経歴 -2015 東京工業大学 大学院情報理工学科 計算工学専攻 – バイオインフォマティクス、特に配列相同性検索の高速化について研究 2015-2017 株式会社富士通研究所 – クラウドの運用管理について研究 2017- 株式会社Preferred Networks – Researcherとして、バイオヘルスケア分野、ChainerMNの研究開発 ちなみに、2011-2012の間、アルバイトとしてFixstarsでGPU等のアクセラレータ を使った高速化をやってました 2 3. 会社紹介：Preferred Networks, Inc. (PFN) 設立: 2014/3月(Preferred Infrastructureからの分社) – 出資者: NTT (2014), Fanuc (2015), TOYOTA (2015) 本社:
AWSでのビッグデータ分析
2. 2 アジェンダ • AWS 概要 • AWS ビッグデータ概要 • AWS ビッグデータ事例紹介 • AWS ビッグデータサービス紹介 • まとめ 3. 3 自己紹介 • Ryosuke Iwanaga (岩永 亮介) – a.k.a @riywo • Amazon Data Services Japan • Solutions Architect – Startup, Gaming – Big Data / Deployment / Container • Before Amazon – Software Engineer / Ops Engineer / DBA / etc. 4. 4 Solutions Architect at ADSJ • AWSの日本での利用 促進を行う – AWSに関する技術支 援(無料) – セミナー、ハンズオン 等登壇 – ブログ等での情報発信 •
Volta は、Chainer で使えるの？
3. 3 VOLTA (V100) The Fastest GPU for DL and HPC Volta Architecture Most Productive GPU Improved SIMT Model New Algorithms Volta MPS Inference Utilization Improved NVLink & HBM2 Efficient Bandwidth 4. 4 VOLTA (V100) The Fastest GPU for DL and HPC Volta Architecture Most Productive GPU Improved SIMT Model New Algorithms Volta MPS Inference Utilization Improved NVLink & HBM2 Efficient Bandwidth Tens
(JP) GPGPUがPostgreSQLを加速する
2. 自己紹介 ▌名前: 海外 浩平 ▌所属： NEC OSS推進センター ▌好きなもの： コアの多いプロセッサ ▌嫌いなもの： コアの少ないプロセッサ ▌経歴: HPC OSS/Linux SAP GPU/PostgreSQL ▌Tw: @kkaigai ▌主な仕事 SELinux周り諸々 (2004~) •Lockless AVC、JFFS2 XATTRなど PostgreSQL周り諸々 (2008~) •SE-PostgreSQL、Security Barrier View、Writable FDWなど PG-Strom (2012~) DB Tech Showcase 2014 Tokyo; PG-Strom - GPGPU acceleration on PostgreSQL Page. 2 4. GPU (Graphic Processor Unit) の特
機械学習と深層学習の数理
3. 機械学習のための行列の微分 x = x1 ... xk , f(x) はスカラー, F(x) = f1(x) ... fm(x) , a = a1 ... ak とする. ∂F (x) ∂x = ∂f1(x) ∂x1 · · · ∂fm(x) ∂x1 ... ... ... ∂f1(x) ∂xk · · · ∂fm(x) ∂xk , ∂xT a ∂x = ∂aT x ∂x = a 偏微分演算子でF(x)を作用していると解釈 ∂Tr(AB) ∂aij = bji → ∂Tr(AB) ∂A = BT A,Bを行列とする. 合成関数の微分 も直感通り ∂f(g(x)) ∂x = ∂g(x) ∂x ∂f(g(x)) ∂g(x) 付録１．数学の復習http://www.r.dl.itc.u-tok
H2O x mrubyで人はどれだけ幸せになれるのか
4. Copyright © DeNA Co.,Ltd. All Rights Reserved. H2Oとは ! https://h2o.examp1e.net/ ! Google翻訳いわく ! おおむねこの通りです（⾚字部分を除いて） ! みんな⼤好き某kazuho sanが開発 ! 現在の最新verはv2.2.0-beta1 4 H2Oは、古い世代のWebサーバーと⽐較して、 CPU使⽤率が低いユーザーに迅速な応答を提供する、 新しい世代のHTTPサーバーです。 基盤から設計されたサーバーは、優先コンテンツ配信と サーバープッシュを含むHTTP / 2機能をフルに活⽤し、 Webサイトの訪問者に有望な経験を提供します。
非技術者でもわかる（？）コンピュータビジョン紹介資料
3. この資料について 3 この資料は、とあるお客様のコンサルティング用に作成したも のです。 お客様から許可を得て公開しています。 業務上関係なさそうな分野の説明は省略しているため、コンピュー タビジョンの全体紹介としてはバランスを欠いてます。 「コンピュータビジョンってこんなことできるんだ！す げー！！」と思ってもらうのが目的です。 資料中にURLを埋め込んでいるので、埋め込み先にあるデモ動画 などを見ることをおすすめします。 参考に上げた論文は、state-of-the-artなものよりも考え方 がわかるようなものを選んだつもりです。 自分が得意でない分野も含むので、誤っているところなどは 優しく指摘していただけるとありがたいです。 4. 自己紹介 4 テクニカル・ソリューション・アーキテクト 皆川 卓也（みながわ たくや） フリーエンジニア（ビジョン＆I
情報処理とは何か あとbigdataとか
2012年夏に一橋大学の一年生向けの情報処理の講義において、講師をさせていただいたときの資料を再編したものです。Read less
キーボードで完結！ハイスピード Xcodeコーディング
関連資料はこちらからどうぞ。 http://www.dotapon.sakura.ne.jp/blog/?p=192Read less
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
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
Sphinxが支える翻訳ドキュメント
DeNAの分析を支える分析基盤
NVIDIA TESLA V100・CUDA 9 のご紹介
Webアプリケーションは難しい
対話返答生成における個性の追加反映
ドリコムJenkins勉強会資料