Facebookがメディア企業に明かした「動画戦略」の中身：動画タブ、長尺動画、ミッドロール広告…… | DIGIDAY［日本版］
Facebookは2月17日、2017年に計画しているコンテンツと製品のロードマップについて、メディア企業に説明した。これは、メディア企業との距離を縮めようとする同社の継続的な取り組みの一環だ。その狙いは、自社のプラットフォームからフェイクニュースを排除するとともに、パブリッシャーの動画マネタイズ支援にある。 メディア企業は、Facebookがフェイクニュースを拡散させる役割を果たしたことを懸念している。そのためFacebookは、メディア企業との関係修復を試みているようだ。さらにFacebookは、メディア企業のビジネスを成功させることに最優先で取り組んでいることを、もう一度わかってもらいたいと考えている。 Facebookは2月17日（米国時間）、ニューヨークにある自社のオフィスに多数のメディア企業を招待し、2017年に計画しているコンテンツと製品のロードマップについて説明した。招待さ
コミュニケーションという幻想 | nobi.com (JP) | nobi.com
今年、東京都美術館で大規模な展覧会が行われるブリューゲルの「バベル」。バベルの塔の住人は神の怒りを買い、話す言葉がバラバラになり意思の疎通ができなくなってしまったという。 ■文意は読み手の頭の中でつくられている 四半世紀近く物を書き、情報を発信する仕事を続けた自分がたどり着いたのは「コミュニケーション不信」だった。 少し文章長めくらいで、懇切丁寧に説明しても意図が伝わらないことが多い。 逆に誤解が生じないように簡潔に削ぎ落とした文章でも伝わらない相手には伝わらない。 ソーシャルメディア時代になり、読んだ人の感想を目にする機会が増えたことでつくづく思い知らされたのは、文章の意図と言うのは書き手以上に読み手の頭の中でつくられるという現実だ。 世の中の半分くらいの人は文章を読む時、頭の中で声に変換して読むそうだ（私もその１人だ）。 ここでは実験として、普段、そうしない人も、次の文章を頭の中で、好
Deep Learning | Udacity
Dive into deep learning with this practical course on TensorFlow and the Keras API. Gain an intuitive understanding of neural networks without the dense jargon. Learn to build, train, and optimize your own networks using TensorFlow. The course also introduces transfer learning, leveraging pre-trained models for enhanced performance. Designed for swift proficiency, this course prioritizes hands-on
「比較しろ」って簡単に言いますけどね――質的調査VS量的調査/岸政彦×筒井淳也 - SYNODOS
社会学の中でも質的調査と量的調査の間には壁がある！？ 生活史を中心とした質的調査を行っている岸政彦氏と、計量を使った量的調査が専門の筒井淳也氏が「ずっと前から内心思っていたこと」をぶつけ合う。遠慮なしのクロスオーバートーク。（構成／山本菜々子） 筒井 ぼくと岸さんはなかなか、普段は会う機会が少なくて、こうして二人で話をするのははじめてですね。たぶんパーソナリティも違うし。 岸 同じ社会学の中でも、ぼくは生活史を中心とした質的調査、筒井さんは計量を使った量的調査をしています。 普段はあまり交流のない二つの分野ですが、今日は、お互いに思っていることを遠慮なく話し合ってみたいと思います。社会調査は質的調査と量的調査に分かれていると、筒井さんは感じていますか。 筒井 分かれているんじゃないでしょうか。「あなたは質的の人？ 量的の人？」という聞き方をしますよね。もちろん、共通点はありますが、質的と量
JavaScript における文字コードと「文字数」の数え方 | blog.jxck.io
Intro textarea などに入力された文字数を、 JS で数えたい場合がある。 ここで .length を数えるだけではダメな理由は、文字コードや JS の内部表現の話を理解する必要がある。 多言語や絵文字対応なども踏まえた上で、どう処理するべきなのか。 それ自体は枯れた話題ではあるが、近年 ECMAScript に追加された機能などを交えて解説する。 なお、文字コードの仕組みを詳解すること自体が目的では無いため、 BOM, UCS-2, Endian, 歴史的経緯など、この手の話題につき物な話の一部は省くこととする。 1 文字とは何か Unicode は全ての文字に ID を振ることを目的としている。 例えば 😭 (loudly crying face) なら 0x1F62D だ。 1 つの文字に 1 つの ID が割り当てられているのだから、文字の数を数える場合は、この ID
定番のConvolutional Neural Networkをゼロから理解する
Convolutional Neural Networkとは何か CNNで解決できる問題 Convolutional Neural Networkの特徴 畳み込みとは 合成性 移動不変性 Convolutional Neural Networkの構成要素 ゼロパディング（zero padding） ストライド Fully Connected層 Fully Connected層の問題点 Convolution層 Pooling層 TensorFlowによる実装 TensorFlowのインストール CNNでMNIST文字認識する 参考 近年、コンピュータビジョンにおける最もイノベーションと言えるのはConvolutional Neural Networkといっても過言ではない。 コンピュータビジョンの業界におけるオリンピックとも言えるコンペティションがImageNetである。 そのコンペティシ
BigQueryでテーブルを日付ごとに分ける必要がなくなったり、古いテーブルのストレージ代が安くなったりするらしい - 唯物是真 @Scaled_Wurm
↓の記事にBigQueryの予定している新機能などが書いてあったので個人的に気になったのを紹介 cloud.google.com テーブルの自動パーティショニング まだアルファ版らしいけど、テーブルの自動パーティショニングが使えるようになるらしい BigQueryではクエリの度にテーブルがすべてスキャンされてしまうので、1日ごとなどの適切な粒度でテーブルを分ける必要があった 1つのテーブルに全部の日付分のデータをいれたような巨大なテーブルに何度もクエリを投げると、そのテーブルの大きさに応じて料金が請求されるので下記の記事のようなことになってしまう BigQueryで150万円溶かした人の顔 - Qiita たとえば[test.data_20160301], [test.data_20160302]のように日付ごとにテーブルを作ると、TABLE_DATE_RANGE関数を使って以下のようにア
忘れやすい人のための git diff チートシート - Qiita
git diff は色んな場面で本当によく使うんですが、できることが多いだけに全然覚えられずに毎回調べてしまいます。 なので、場面ごとに使えるコマンドを一覧でまとめてみました。 先にワークツリーとインデックス【Gitの基本】- サルでもわかるGit入門を読んでおくと、ここに書いてある diff について理解しやすいと思います。 git pull する前にリモートとの変更点を見る git pull をする前にローカルの最新コミットと pull 先のリモートリポジトリとの変更点が見たいときはこのコマンドで見れます。 ここでいうリモート名は origin とかそういうやつです。 git push する前にリモートとの変更点を見る 上記のコマンドは、こんな感じで逆にもできます。
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
