AzureのストレージアカウントをAWSに擬えてみる - Qiita
前書き 不定期に開催される会社のキャンペーンで、クラウド資格をゲットしたら報奨金をもらえるというキャンペーンがあり、まさにそのキャンペーンが行われている最中です。今回このキャンペーンに乗じてAzure Solutions Architect Expert：通称AZ-305の資格取得をすることにしました。（AZ-305を受験するにはAzure Administrator Associate：通称AZ-104に合格している必要があります。） 筆者は現在AWSを用いたインフラエンジニアとして活動しています。そのため、AWSのサービスと対応させればそれほど困らずに理解ができるのではないかと考えていました。実際、多くのサービスは細かな違いこそあれ、おおよそ対応したサービスが存在していました。 例：Traffic Manager → Route53 など また、こちらのUdemyの講座の解説がかなり丁
AWS サービスと Azure サービスの比較 - Azure Architecture Center
この記事は、Microsoft Azure サービスと Amazon Web サービス (AWS) の比較を理解するのに役立ちます。 Azure と AWS によるマルチクラウド ソリューションを計画している場合も、Azure への移行を計画している場合も、すべてのカテゴリで Azure サービスおよび AWS のサービスの IT 機能を比較できます。 この記事では、ほぼ同等のサービスを比較します。 すべての AWS サービスや Azure サービスが一覧に示されているわけではありません。また、一致する各サービスが機能ごとに厳密に等価になっているわけではありません。 マルチクラウド ソリューション用の Azure および AWS 主要なパブリック クラウド プラットフォームとして、Azure と AWS ではそれぞれ、グローバルに対応する広範かつ詳細な機能セットを提供しています。 それにも
医療分野での文埋め込みモデルの比較 - Qiita
前書き ChatGPTなどの大規模言語モデル(LLM)では，Hallucinationが課題の一つです． 医療など内容の正確性が求められる分野では特に重要な課題で，LLMに外部データベースから正確な情報を与えた上で， 生成を行うRetrieval augmentation Generation (RAG)が対策方法の一つになります． RAGでは，関連する情報を正確に検索する必要があり，文章の正確な意味を反映した埋め込み表現を得ることができる文埋め込みモデルが重要です． そこで，医療分野の日本語の文章に対して，文埋め込みモデルをSemantic Textual Similarity(STS)タスクで比較・検証してみます． 1. 方法 1.1. 検証対象のモデル とりあえず目に付いた以下の5つのモデルを使います． OpenAI/text-embedding-ada-002以外はすべてHuggi
ChatGPTとClaudeの違いは? チャットAI比較対決 (1/5)
sponsored 最新インテル第14世代Coreプロセッサー対応のハイエンドモデル！ M.2 SSDが6つも搭載可能なゲーミングマザーボードASRock「Z790 NOVA WiFi」を写真で解説 sponsored ミニLED採用で有機EL並みに黒が黒いWQXGAディスプレー RTX 4060搭載でクリエイティブ作業もパワフル処理！MSI「Prestige 16 Studio A13V」レビュー sponsored TGS2023 GALLERIAブースステージイベントをレポート【後編】 SHAKAさんやBeauloさん、『スト6』プロも！ GALLERIAステージイベントが豪華すぎた sponsored ナイスモバイル株式会社 高学軍社長ロングインタビュー 「MAXHUB製品は日本専用チューニング＆ローカライズ済」ナイスモバイル高社長 sponsored 【後編】CVTE社ロングイン
【YOLO】各バージョンの違いを簡単にまとめてみた【物体検出アルゴリズム】 - Qiita
1.はじめに ・上の記事で、YOLO v1の仕組みについて簡単にまとめたので、今回はYOLO v6までの各バージョンの違いをざっくりまとめてみたいと思います。 1.2.どの視点から違いを見分けるか 1.2.1.物体検出の「精度」 ・如何に「正確」に「画像の細かい(小さい)部分」まで物体を検出できるかどうか。 1.2.2.物体検出の「速さ」 ・如何に「速く」物体を検出できるかどうか。 2.YOLO v2 YOLO v2は、、、 ・v1と比べて物体検出の「精度」も「速度」も上がりました。 ・検出できる種類の数がかなり増えました。(9000種類) ・犬や猫といった大枠の分類だけではなく、「犬種」や「猫種」といったさらに細かい分類までできるようになりました。
MSE/PSNR vs SSIM の比較画像紹介 - Qiita
はじめに MSE/PSNR に比べて SSIM の方が見た目の差分をよく反映する典型的なケースを集めたドキュメントを紹介します。 Mean Squared Error:Love It or Leave It? A New Look at Signal Fidelity Measures https://ece.uwaterloo.ca/~z70wang/publications/SPM09_figures.pdf Fig.4 まで注釈します。(参照先のドキュメントでは Fig.15 まであります) 前提知識 ２つの画像がどの程度似ているかの定量化、画像類似度指標として特に有名なものとして、MSE/PSNR と SSIM があります。 MSE/PSNR まず、２枚の画像の同じ位置同士のピクセル輝度差に abs をとって集計するのを思いつくでしょう。AE (Absolute Error) と呼
ブラウザ拡張のE2Eテストを検討してみた（Playwright、Puppeteer、Cypress） - Techtouch Developers Blog
この記事はテックタッチアドベントカレンダー 8 日目の記事です。 フロントエンドエンジニアの taka です。Amazon Black Friday でフットウォーマーを買ったのですが、冷え性の自分には最高でした。冷え性の方には是非使ってみてもらいたいです。 今回は、モダンなツールである Playwright と Puppeteer、Cypress を実際に触ってみたので、そこから得られた知見を紹介したいと思います。 要件の整理 一般的な要件 テックタッチ特有の要件 機能ごとの比較 テストツールの有無 複数タブ / ウィンドウ ShadowDOM ブラウザ拡張 要素の特定 スクリーンショット 動画 実行速度 まとめ 要件の整理 テックタッチはブラウザ拡張であるため、一般的な Web アプリケーションとは少し要件が異なってきます。以下に、一般的な要件とテックタッチ特有の要件を書き出しました。
Puppeteer使いがPlaywrightを使ってみて感じた利点
ブラウザの自動操作にPuppeteerを利用しているが、試しにPlaywrightを使ってみたら良いと思う点が多かったのでまとめた。正直な感想を言うと、「ほぼ上位互換では？」と思うくらいには良い点が多かったし、悪い点は見つからなかった。同じ作者の後発なだけはある。 なお、Puppeteer歴1年、Playwright歴1日で書いているので、変な箇所があればご指摘ください。 利用バージョン Puppeteer : 5.5.0 5.4.1 Playwright : 1.8.0 便利だと思った点 とても柔軟なselector Puppeteerはpage.$x()など一部でXPath selector が利用できるものの、page.click()やpage.$eval()など多くの関数ではCSS selectorしか利用できなかった。 しかし、Playwrightでは、selectorを利用する
npm trends: Compare NPM package downloads
Sick of boring JavaScript newsletters?Bytes is a JavaScript newsletter you'll actually enjoy reading. Delivered every Monday, for free.
【検証】騒音測定アプリでスマホが騒音計に？騒音計アプリの精度比較レビュー。おすすめのアプリは？ | 騒音調査・測定・解析のソーチョー
騒音計アプリを検証した理由 当社では日々騒音に関する課題や相談、お問い合わせを頂戴しますが、近年次のようななお問い合わせを頂く機会が増えました。 「騒音測定アプリって使えますか？」 「アプリで測定したけどこのデータは信頼できますか？」 「どのアプリが一番精度が良いと思いますか？」 このような質問にはいつも「ごめんなさい。実際に使用したことがないのでわかりませんが、校正された測定器ではないので、信頼性という意味では低いのではないでしょうか」と、何とも歯切れの悪い回答をしていました。騒音のプロとしてこれではいけないと思い立ち、このたび検証をしてみることにしました。 どのように検証したか（検証方法） □用意したもの ①騒音計 NL-22/リオン ②騒音系アプリ 10個（いずれもアンドロイドのアプリ、「騒音」で検索して上位に表示されたものを選びました） □検証の方法 動画のように周波数の代わる音源
重要！FKとIKの違い | Cinema 4D Tips
人間の体をアニメーションするためには、回転の支点を正しく設定し、階層化する必要がある、ということを、前回書きました。階層の作りかたは、オブジェクトマネージャーで階段状につなぐだけなので、一度分かってしまえば簡単に作ることができます。では、基本的な階層を正しく設定すれば、キャラクターアニメーションにおける回転運動がすべて表現できるかというと、できると言えばできます。ただ、反復と修正がかなり多くなり、手間はかなりかかることになります。そこで、登場するのがIK（インバースキネマティクス）という考え方です。 FK（フォワードキネマティクス） 目の前にあるどら焼きを手に取るという（卑近な・・・）例で考えてみます。目の前にあるどら焼きを、肩を支点とした回転→肘を中心とした回転→手首を中心とした回転で取ることは可能かどうか・・・というと、おそらく、ギー～、ギー～という・・・、ロボットダンスのようになるで
React Hooks での form の扱い方 - Qiita
Hooks 出る前 (v16.7 まで) [key]: value という書き方 (ES2015以降) で、setState することで、input ごとに onChange のメソッドを作らなくてすんでた。 class InputForm extends React.Component { constructor(props) { super(props); this.state = { name: '', pass: '', }; this.handleChange = this.handleChange.bind(this); this.handleSubmit = this.handleSubmit.bind(this); } handleChange(event) { this.setState({ [event.target.name]: event.target.value
2020年のVRSNSを比較してみた - Narazaka::Blog
VRChat基本毎日ログイン勢ですが、VRChat以外のVRSNS相当も結構増えてきました。だけど入り浸ってるとこ以外のVRSNSってなかなか行きづらいですよね。 ゴールデンタイムにはやはりVRChatにいたいけど、そうすると他VRSNSをやるのは当然人のいない時間帯になったりしちゃうし、あとアバターの変換が地味に面倒。操作もそれぞれ微妙に異なってそこも面倒。 しかしそんな中でも頑張ってちょいちょい各VRSNSに行ってみたんで、その感想をまとめてみます。 なんか行くモチベとかになれば幸い。 ただし以下記述の通りVRChat以外のプレイ時間が少ないので、まあ信憑性としては「そんなもの」だと思ってください。（結構ミスの指摘を受けていたりする） 他にもあるかもだけど、現状自分が一瞬でもログインしたやつ限定です。雰囲気人がいそう順。 VRChat （プレイ時間2300時間） 特徴 内容 属性 VR
AutoMLがすごいと聞いたので色々使って比べてみた - Qiita
○：良好 ▲：実施しているが、表示不能 △：一部可能 ×：実装されていない or 良好ではない 4.2. Google/AutoML Tables 統計・機械学習に詳しくない方をターゲットにしていると感じました。 統計情報の表示画面・モデルの評価画面ともに説明が丁寧で、知識が少なくともある程度の結果を出せるように作られていると感じました。 一方、データの読み込みや処理などに癖が強いためこのサービスを含めたgoogle cloud platformへの知識は必要になりそうです 良い点 統計情報の表示画面が非常に優秀 ヘルプが充実しているため、モデルの評価が容易 悪い点 データ形式の制約が多い(行数1000行以上、分類ならクラスごとに20以上必要など) モデルの内部構造(採用した手法)が分からない 分析ページのサンプル画像 データの種類を自動判別してくれる他、欠損や固有値、各種統計情報を自動計
Face Detection - OpenCV, Dlib and Deep Learning | Learn OpenCV
In this tutorial, we will discuss the various Face Detection methods in OpenCV, Dlib, and Deep Learning and compare the methods quantitatively. We will share code in C++ and Python for the following Face Detectors: Haar Cascade Face Detector in OpenCV Deep Learning based Face Detector in OpenCV. HoG Face Detector in Dlib Deep Learning based Dlib Face Detection We will not go into the theory of any
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
Chat with Open Large Language Models
How to scrape a website without code | Ultimate Guide 2024
クラウド「AI」API入門：AWS／Cognitive Services／Google Cloud／IBM Watsonの比較
MySQLとPostgreSQLコマンド比較表 - Qiita
AWS/Azure/Google Cloudサービス比較 2023.12 - Qiita
