『音楽理論ってどんな種類が有るの？(楽典、和声法、対位法など・・)』
rustlex385のブログ作編曲家から見た音楽理論の捉え方や実際の活用方法、その他日々思う事感じる事などなどお伝えしています。よろぴくね(・∀・)♪ 今回は、数々有る 「音楽理論」の種類について お話したいと思います。 何故この記事を書くか？というと 僕自身、音大に進学して３年生位になるまで 「そういう学問がある」という情報を知らないが為に 自分の作品のクオリティや、 人に伝えられる音楽的コミュニケーションの質が 伸び悩んでいた時期が有ったからです。 例えば、「対位法」という学問が有ります。 これは、 「あるメロディに対して、もう一つのメロディを 意図的に同時に美しく鳴らせるようにするにはどうすれば良いか？」 という問いの答えにとても役に立ちます。 これは、 作曲をして行く上で非常に重要な情報です。 しかし、 「対位法」という学問を知らない、 もしくは、 「対位法＝そういう問題を解決出来
楽典：形式
楽曲の構造の種類のことを、「形式」、または「楽式」といいます。 動機 楽曲の構造を見ていく上で、もっとも細かい単位となるのが、「動機」です。 動機は、通常、2小節の長さを持ちます。 動機は、何らかのメッセージを持つ最小単位です。 似たような概念に、「フレーズ」があります。フレーズも、非常に短い単位です。しかし、フレーズが演奏上の区分についてであるに対し、動機はあくまで楽曲構成上の区切りを意味します。 本によっては、動機の半分の長さ（1小節）を「小動機」と呼ぶものがあります。 実際に書かれた楽譜の中には、楽曲構成の観点から見て、通常1小節で書いているところを2小節に分けて書いているものや、また2小節を1小節で書いているものがあります。したがって、そのような書き方をしている楽譜では、小節数が倍になったり半分になったりします。 小楽節 楽曲構成上最も小さなまとまりを、「小楽節」と言います。 小楽
機械学習プラットフォーム Azure Machine Learning を使ってみた – プログラミング生放送
Microsoft Azure ML (Machine Learning) にふれてみた話です。機械学習の知識はないですが、簡単に使えて、すぐに Web サービスなどに使えそうだったので、トライしてみました。 そもそも、どんなことができるかは、提供されている サンプル一覧 を見るとなんとなくわかります。 Microsoft Azure Machine Learning Gallery 映画のリコメンド、Wiki の説明文から似ている会社を探す、手書き文字の認識（予測）、自動車の価格予測など、いろいろあります。 私が今、Azure ML とあわせて使ってみたいデータはツイートデータですが、ここでは、Azure ML のサンプルを元に紹介します。 Azure ML ワークスペースの作成と ML Studio はじめに、manage.windowsazure.com でワークスペースを作成します
協調フィルタリングを利用した推薦システム構築
Ventures Salon vol.6 で発表した資料です。 https://www.facebook.com/events/736789056438293 発表用&学習用の資料になっています。
『本を読むときに何が起きているのか ことばとビジュアルの間、目と頭の間』｜感想・レビュー - 読書メーター
本を読むときに何が起きているのか ことばとビジュアルの間、目と頭の間の評価67％感想・レビュー189件
深層学習でツイートの感情分析 - Qiita
はじめに 今回はラベル付きツイートデータの感情分析(Sentiment Analysis，or 感情分類 Sentiment Classification)をしました． 2015/10/19 追加実験を行いました． 2015/12/19 SCNNのソースコード公開しました．hogefugabar/CharSCNN-theano 2015/12/27 SCNNだけでなく，CharSCNNの実装も公開しました．hogefugabar/CharSCNN-theano アルゴリズム 今回はDeep Convolutional Neural Networks for Sentiment Analysis of Short Textsという論文に載っているCharSCNNというアルゴリズムを使おうとしたのですが，メモリの都合上SCNNというアルゴリズムを使いました．このアルゴリズムは入力として与える文
サービス終了のお知らせ - NAVER まとめ
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
MLlib: RDD-based API - Spark 3.5.0 Documentation
MLlib: RDD-based API This page documents sections of the MLlib guide for the RDD-based API (the spark.mllib package). Please see the MLlib Main Guide for the DataFrame-based API (the spark.ml package), which is now the primary API for MLlib. Data types Basic statistics summary statistics correlations stratified sampling hypothesis testing streaming significance testing random data generation Class
#CookpadTechConf 2016で「Railsアプリ開発環境の高速化」について話した - k0kubun's blog
クックパッドの社員が発表するCookpad TechConfというイベントの第一回が今日行われ、「Railsアプリ開発環境の高速化」というテーマで話してきた。 開発環境の改善について 僕が技術部に入る前、サービス開発をやる中で一番不満だったのが開発環境のパフォーマンスだったので、技術部に配属されたころからこの仕事をやりたいと思っていた。 今回は先輩方が既に行っていた開発環境のパフォーマンスチューニング - クックパッド開発者ブログの一部を紹介しつつ、その続きとして自分がやってきたことを発表した。 業務で出した成果のうちいままで外部で発表したのはbyebugの高速化くらいだったので、普段僕がどんな仕事をやっているのか紹介する良い機会になった。 発表内容の補足 思ったより15分の枠で話せたことが少なかったので、発表内で話し足りなかったことについて書く。 libsassおすすめです 急いでて全然
Chanko
Rapidly & Safely prototyping your rails application maintained by cookpad What's this? Chanko provides a simple framework for rapidly and safely prototyping new features in your production Rails app, and exposing these prototypes to specified segments of your user base. With Chanko, you can release many concurrent features and independently manage which users see them. If there are errors with any
ディープラーニングを使って転職会議の企業クチコミデータを感情分析してみる - Qiita
せっかく会社の名前を借りたAdvent Calendarの記事なので、会社に絡んだ題材を扱います。 （前置き）転職会議 について Livesenseでは、転職会議という転職者による企業の評判クチコミを扱ったサイトを運営しており、日々企業についてのクチコミが投稿されている。 これまで転職会議では、クチコミのテキストデータと5段階からなる評点データを別々のデータとして取得していたが、先日のリニューアルで、評点とテキストデータを同時に投稿できるようになり、さらに読みやすいクチコミを提供できるようになった。 リニューアル以前に投稿されたクチコミ リニューアル後に投稿されたクチコミ ここで感じる課題感 新しく投稿されるクチコミは評点によって読みやすくなったものの、過去に蓄積された大量の投稿には当然5段階の評点データは無いし、そのままでは顔アイコンを出すことは当然出来ない。 しかしこの課題を解決して、
ニューラルネットワークで時系列データの予測を行う - Qiita
Hopfield networkは、一般的なクラス分類以外に最適化問題への応用が可能なモデルです。 Elman/Jordanは、Simple recurrent networksと言われているように一番シンプルな形となっています。RNNを利用したい場合はまずどちらかでやってみて、精度的な問題があるのなら他の手法に切り替えてみる、というのがよいのではないかと思います。 Elman/Jordanの違いは上記のとおりですが(前回データの反映が隠れ層から行われるか、出力層から行われるか)、こちらにも詳しく書かれています。精度的な優劣はありませんが、隠れ層の数によって次に伝播する量を変化させられるElmanの方が柔軟と言えると思います。 Echo state networkは毛色が違ったモデルで、ノードを事前に結合せずReservoir(貯水池などの意味)と呼ばれるプールに貯めておき、入力が与えられ
因果関係がないのに相関関係があらわれる４つのケースをまとめてみたよ（質問テンプレート付き） - Take a Risk：林岳彦の研究メモ
どもっす。林岳彦です。ファミコンソフトの中で一番好きなのは『ソロモンの鍵』です*1。 さて。 今回は、因果関係と相関関係について書いていきたいと思います。「因果関係と相関関係は違う」というのはみなさまご存知かと思われますが、そこをまともに論じていくとけっこう入り組んだ議論となります。 「そもそも因果とは」とか「因果は不可知なのか」のような点について論じるとヒュームから分析哲学（様相論理）へと語る流れ（ここのスライド前半参照）になりますし、統計学的に因果をフォーマルに扱おうとするとRubinの潜在反応モデルやPearlのdo演算子やバックドア基準（ここのスライド後半参照）の説明が必要になってきます。 その辺りのガッツリした説明も徐々に書いていきたいとは考えておりますが（予告）、まあ、その辺りをいちどきに説明しようというのは正直なかなか大変です。 なので今回は、あまり細かくて遭難しそうな話には
データ ＆ アナリティクス | アクセンチュア
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
株式会社ALBERT（レコメンドエンジン）
データ分析から導き出されたインサイト無しにAI（人工知能）の活用は始まりません。私たちは、各業界知識とデータ・アナリティクス技術を駆使しデータドリブン経営を強力に支援します。 データ、アナリティクス、AIは企業にとって競合他社との差別化を図るかつてないほど大きな要因になっています。今日の経営幹部が効率を向上しながら新たな収益源を開拓し、新しいビジネスモデルをタイムリーに構築する方法を模索する中、価値を生み出し成長を続ける企業には「データ活用」という共通項があります。私たちは、無数のデータから企業にとって本当に必要なデータを活用するための方法を知っています。 将来を見据えたオペレーション体制を備えている企業の半数以上（52％）は、すでにデータとアナリティクスを大規模に活用しています。データとAIに関する取り組みをビジネス戦略に沿って実施することで投資利益率を迅速に最大化し、最終的にはAIをビ
word2vec, LDA, and introducing a new hybrid algorithm: lda2vec
Available with notes: http://www.slideshare.net/ChristopherMoody3/word2vec-lda-and-introducing-a-new-hybrid-algorithm-lda2vec (Data Day 2016) Standard natural language processing (NLP) is a messy and difficult affair. It requires teaching a computer about English-specific word ambiguities as well as the hierarchical, sparse nature of words in sentences. At Stitch Fix, word vectors help computers l
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
https://github.com/cookpad/styleguide/blob/master/ruby.ja.md
クックパッドの継続的な成長のために開発と運用が何をしてきたのか、その失敗と成功について // Speaker Deck