Kubernetesでの性能解析 ～なんとなく遅いからの脱却～（Kubernetes Meetup Tokyo #33 発表資料）
Guide To AGPL
Kubernetesでの性能解析 ～なんとなく遅いからの脱却～（Kubernetes Meetup Tokyo #33 発表資料）
【メタサーベイ】基盤モデル / Foundation Models
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/Read less
SPA時代のOGPとの戦い方
JavaScriptが解釈できないクローラーが正しくogpタグを読めるようにするために、どのようなアーキテクチャでSPAのサイトを構築すればいいかというお話Read less
A-Frameで始めるOculus Quest対応WebVR
The document discusses using facial tracking with AI and WebXR to create a pseudo-3D representation. It provides steps to download sample files and setup, then explains using MediaPipe and TensorFlow to implement real-time facial recognition and link the camera position to the detected face position, creating a sense of 3D. Code snippets are included to initialize the model, start face tracking ea
畳み込みニューラルネットワークの高精度化と高速化
May 15, 2019Download as PPTX, PDF96 likes65,835 views 2012年の画像認識コンペティションILSVRCにおけるAlexNetの登場以降，画像認識においては畳み込みニューラルネットワーク (CNN) を用いることがデファクトスタンダードとなった．CNNは画像分類だけではなく，セグメンテーションや物体検出など様々なタスクを解くためのベースネットワークとしても広く利用されてきている．本講演では，AlexNet以降の代表的なCNNの変遷を振り返るとともに，近年提案されている様々なCNNの改良手法についてサーベイを行い，それらを幾つかのアプローチに分類し，解説する．更に，実用上重要な高速化手法について、畳み込みの分解や枝刈り等の分類を行い，それぞれ解説を行う． Recent Advances in Convolutional Neural Net
BlackBox モデルの説明性・解釈性技術の実装
1. COPYRIGHT 2019 INFORMATION SERVICES INTERNATIONAL - DENTSU, LTD. ALL RIGHTS RESERVED. 0 BlackBoxモデルの説明性・解釈性技術の実装 ※公開用 （株）電通国際情報サービス（通称、ISID） クロスイノベーション本部 AIテクノロジー部 小川 雄太郎 DLLAB 機械学習モデル解釈ナイト (エンジニア向け) 19年11月27日 19:00-19:40@日本マイクロソフト株式会社・品川 2. COPYRIGHT 2019 INFORMATION SERVICES INTERNATIONAL - DENTSU, LTD. ALL RIGHTS RESERVED. 1 本発表の内容 01 簡単に会社と自己紹介 02 説明性・解釈性技術の重要性 03 種々の説明性・解釈性技術を実装・実行した結果と感想
そのアプリ開発�PowerAppsでやるか否かの指針？（※個人的見解）
1. やまだ流 そのアプリ開発 PowerAppsでやるか否かの指針？ （※個人的見解） 2019/03/02 PowerApps + Flow アプリ作成研究所 in 名古屋 #2 山田 晃央（Yamada Teruchika） 株式会社アイシーソフト[www.icsoft.jp] シニアテクニカルマネージャー @yamad365 https://qiita.com/yamad365
深層学習の判断根拠を理解するための 研究とその意義 @PRMU 2017熊本
【DL輪読会】High-Resolution Image Synthesis with Latent Diffusion Models
実録Blue-Green Deployment導入記
データベースにおけるSaaSパーティショニングモデル、データベースエンジン毎の構成イメージ、マルチテナント化に向けた考慮点について解説しています。
スキルチェックリスト 2017年版
一般社団法人データサイエンティスト協会 スキル委員会が、2017年10月23日に公開した、「データサイエンティスト スキルチェックリスト ver2.00」です。
CuPy解説
CuPyの簡単な解説を行います。NumPyと比較してCuPyによりどのくらい早くなるかや、利用上の注意点（メモリプール）について説明します。 ElementwiseKenrnel, ReductionKernelの使い方も解説します。 CuPyの実装のすごーくざっくーりした全体概要にも触れます。
不均衡データのクラス分類
[DL輪読会]A Bayesian Perspective on Generalization and Stochastic Gradient Descent
Poincaré Embeddings for Learning Hierarchical Representations
2017-09-15 第9回最先端NLP勉強会
Meta-Prod2Vec: Simple Product Embeddings with Side-Information
Meta-Prod2Vec: Simple Product Embeddings with Side-Information The document describes Meta-Prod2Vec, a method for embedding products that leverages both co-occurrence information from user sessions as well as side information about products like categories and brands. It improves upon Prod2Vec, which learns embeddings from co-occurrence data alone, by incorporating side information to help address
ユーザーストーリーとは？
ユーザーストーリーとは？ 1. ユーザーストーリーとはhttp://www.flickr.com/photos/cannedtuna/4674434821/ 2. 吉羽龍太郎 (@Ryuzee) アジャイルコーチ 認定スクラムプロフェショナル(CSP) 認定スクラムマスター(CSM) 認定スクラムプロダクトオーナー(CSPO) http://www.ryuzee.com/ 野村総合研究所等を経てベンチャーのCTOhttp://www.flickr.com/photos/adforce1/2539903964/ 3. プロダクトオーナー スクラムマスター チーム (7±2人) ステークホルダー製品に対して責任をもち機能 スクラムプロセスがうまく プロダクトの開発を行う。 製品の利用者、出資者、管理職に優先順位を付ける いくようにする。 製品の成功に向けて最大限 などの利害関係者。鶏と称す 外
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
メタバースのビジネスモデルと技術限界
Cvpr2021で発表されたvirtual try on まとめ
Linux女子部 iptables復習編
学会に発表者として継続的に参加するためのセルフマネージメント
リクルートが実践で学んできた“セルフBI”推進に求められる3つの要素
