PyCon JP 2015における、tse(https://pypi.python.org/pypi/tse) の解説
![集合知2回目](https://cdn-ak-scissors.b.st-hatena.com/image/square/8b0e449057e48b8af169ce1bc96e6ab9005cb7a3/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2F2-150217085946-conversion-gate02-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
Railsチュートリアル (第3版) の歩き方を解説した資料です。 Railsチュートリアルで得られる成果、事例、手助けになるコミュニティ、補足資料などを紹介しています。 Railsチュートリアル http://railstutorial.jp/ 【関連サイト】 Rails解説セミナー: http://railstutorial.jp/seminars Railsスクリーンキャスト: http://railstutorial.jp/screencasts Railsガイド: http://railsguides.jp/ 各種イベントまとめ: http://coedo-rails.doorkeeper.jp/Read less
1. A suffix array is an array containing all suffixes of a string sorted in lexicographic order. It allows for efficient string searches, including prefix searches, substring searches, and near neighbor searches. 2. The suffix array can be used to find the starting positions of all occurrences of a pattern or substring within the text in time linear to the pattern length. It supports finding the l
1. Boost.SIMDによる実用的な SIMDアクセラレーション Mathias Gaunard Joël Falcou Jean-Thierry Lapresté MetaScale Boostcon 2011 翻訳 : 高橋 晶(faithandbrave@gmail.com) 2. コンテキスト コンテキスト NT2からBoost.SIMDへ • 昨年、我々はハイパフォーマンスな数値計算のための、Matlabライクな ProtoベースのライブラリであるNT2のプレゼンテーションを行った • Boost.SIMDは、SIMDサブコンポーネント抽出のライブラリ • GSoCプロジェクトが、レビュー準備のために今年の夏に行われる予定 • ここでは、どんな提案をするのかについて話す 4. SIMDの抽象化 SIMDの抽象化はなぜ必要なのか? x86ファミリー • MMX 64-bit f
This document discusses using Lisp for practical natural language processing (NLP). It begins with an overview of NLP practice, including research work like setting goals, devising algorithms, training models, and testing accuracy. It then discusses some pros and cons of using Lisp for NLP, including its support for interactivity, mathematical foundations, and tree structures. Examples are given o
IBIS 2021 https://ibisml.org/ibis2021/ における最適輸送についてのチュートリアルスライドです。 『最適輸送の理論とアルゴリズム』好評発売中! https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https://speakerdeck.com/joisino/zui-shi-shu-song-ru-men
最適輸送問題(Wasserstein 距離)を解く方法についてのさまざまなアプローチ・アルゴリズムを紹介します。 線形計画を使った定式化の基礎からはじめて、以下の五つのアルゴリズムを紹介します。 1. ネットワークシンプレックス法 2. ハンガリアン法 3. Sinkhorn アルゴリズム 4. ニューラルネットワークによる推定 5. スライス法 このスライドは第三回 0x-seminar https://sites.google.com/view/uda-0x-seminar/home/0x03 で使用したものです。自己完結するよう心がけたのでセミナーに参加していない人にも役立つスライドになっています。 『最適輸送の理論とアルゴリズム』好評発売中! https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https
Using schedulers like Marathon and Aurora help to get your applications scheduled and executing on Mesos. In many cases it makes sense to build a framework and integrate directly. This talk will breakdown what is involved in building a framework, how to-do this with examples and why you would want to-do this. Frameworks are not only for generally available software applications (like Kafka, HDFS,
Golang勉強会 in Kagawa http://gdgshikoku.connpass.com/event/26262/
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