Vingowリニューアルの裏側 「真」に使いやすいアプリの開発に向けて | Vingow 開発チームブログ
こんにちは。開発チームの統括をしている細野です。 このたびVingowが大幅にリニューアルしました。これまでのオレンジをベースとしたデザインから大きく変わって、白を基調とした明瞭なデザインに変更しています。何を考えながらどのように開発を進めたのか。アップデートに至るまでの裏話をご紹介します。 なぜリニューアルが必要だったか？ (1)「真に」iOS 7対応するため iOS 7になり、スキューモーフィズムを排除する必要がありました。そうしたデザイン環境の変化に応じて、Vingowのイメージを一新する必要がありました。 (2)要約機能を有効に活用するため 自動要約機能を有効に活用したUIにすることで、さらに魅力的に利用できるアプリになるのではないかと考えていました。 (3)よりターゲットを絞り込むため 今回からビジネスユースをメインに据え、よりターゲットにとって使い勝手のいいアプリにする必要があ
numpyでのKLダイバージェンスとJensen-Shannonダイバージェンスの実装 | Vingow 開発チームブログ
scipyには距離を測るための手続きが用意されています(scipy.spatial.distance)。ユークリッド距離やcosine距離(cosine類似度)などもあるのですが、確率分布間の距離とも言うべきKLダイバージェンスやJensen-Shannonダイバージェンスなどは実装されていません。ということで、実装してみました。 実装コードだけ見たいという場合は、最後まで読み飛ばしてください。 KLダイバージェンスとJensen-Shannonダイバージェンスについて KLダイバージェンス(カルバック・ライブラー情報量; Kullback–Leibler divergence; 相対エントロピー)とは、分布と分布の差異の大きさ(≠距離)を測るものです。分布と分布があったとき、のに対するKLダイバージェンスは で定義されます。また、クロスエントロピーを使って と定義することもできます。クロ
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
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
