この記事は NTTコミュニケーションズ Advent Calendar 2019 の11日目の記事です。 昨日は @koki-sato さんの 作業手順書を docsify で作成する でした。 はじめに セキュリティ脅威を分析する際にOSINT(Open Source INTelligence)と呼ばれる手法が用いられることがあります。OSINTとは公開されている情報源を用いた情報収集・分析活動のことで、その主たる情報源はインターネット上で公開されている記事やSNS、脅威フィードなどです。 OSINTの活用例としては、OSINTで集めた痕跡情報を参考にしてインシデントレスポンス時に発見したURLやファイルが悪性であるかを判断することなどがあります。 日々情報収集をしていると以下のような課題に直面します。 元情報がどこにあったか分からなくなる 溜め込んだ情報が多すぎて見つけられなくなる マ

はじめに クラウド全盛の昨今ですが、あえてクラウド化に逆らうセルフホスティングの話をします。クラウドに任せるのではなく、自分のサーバの中に自分で使うwebサービスを建てる、そういうおはなしです。 Self-hosting (web services) - Wikipedia 今回はそんなself-hostingにおすすめのwebアプリケーションをドドーンと紹介します。 計算機の歴史は常に振り子でした。 集中処理と分散処理、逐次処理と並列処理、同期処理と非同期処理、RISCとCISC... これらは決して排他的に対立するということもなく適材適所にするものですが、どちらが主流かというのは時代のトレンドとともに振り子のように揺れ動いてきました。 「クラウドとオンプレ」「所有と非所有」というのもまたその一つですね。 利点と欠点 まず利点はなんといっても、自分のデータを自分の手元においておけることで

概要 2023年にチーム運営やプロジェクト管理の円滑化を目的に検討したOSSをまとめます。 コミュニケーション mattermost(マターモスト) メンバーが少人数だったのもありslack無料版を利用していましたが となってしまったので、 これを機にslackクローンのOSSであるmattermostに移行しました。 基本的な使用感はslackとほぼ変わらず、 利用して数ヶ月が経ちましたが、特に不便もなく利用できています。 添付ファイルはGCSやS3に配置することもできるので VMのディスク容量も抑えることができます。 GCPで構築する場合はマーケットプレイスから比較的容易に構築することができます。 ナレッジツール outline コンフルエンスの無料版を利用していたのですが、 チームの人数が増えてきて無料版の人数制限の10人を超えたのをきっかけに移行しました。 使用感はnotionのド

Mar 2013, updated in Mar 2015, Apr 2018, Feb 2019, May 2020, Oct 2021 This guide will cover various ways to make hexagonal grids, the relationships between different approaches, and common formulas and algorithms. I've been collecting hex grid resources[1] for over 25 years. I wrote this guide to the most elegant approaches that lead to the simplest code, starting from the guides by Charles Fu[2]

みんな大好き自動生成アルゴリズムのお時間です。 何を隠そう私ゲームボーイカラーのシレンGB2から始まりローグライクゲームが大好きでして、ダンジョン生成はいつかやってみたいと思ってたんです。 苦戦しつつもおおむね形になったのでコード載せつつ解説していこうかなーと。 先に参考になった文献をば oyasen.exblog.jp SFCシレンを解析してくれているブログ様で、ダンジョン生成についての手順が書いてます。 ダンジョン生成アルゴリズムは古今東西様々な方法があるようでネットで記事を調べると結構部屋作り→通路作りの順のものが多いようですが、この記事によるとSFCシレンでは通路作り→部屋作りの順でやっている模様。 今回はこれを踏襲してやっていきたいと思います。 0.下準備 とりあえず下準備としてマス目の定義を行っておきます。 各マス目の床定義として //床のタイプ public enum Til

深層強化学習のパッケージ調査 背景 深層強化学習の仕事で使う必要が出てきたが、パッケージが乱立しており、どのパッケージが最適なのか不明であった。 どのパッケージが最も使い勝手が良さそうか比較評価した。 また、選択したパッケージの簡易的な利用方法を取りまとめた。 今回は、あくまでもパッケージ調査に主軸を置いており、理論面は書籍等の媒体を参考にしてください。 深層強化学習のパッケージ調査 深層強化学習のパッケージの基本構成 強化学習は、環境とエージェントで構成されている。 環境とエージェントは分離してパッケージ化されていることがほとんど。 今回は調査した環境とエージェントそれぞれのパッケージについて比較調査した。 深層強化学習パッケージの比較 環境のパッケージ 元々有名なプロジェクトであった、openai/gymやgoogle-deepmind/dm_controlがサポート終了し、後継のパッ

久しぶりのQiita投稿です．現在，三菱UFJフィナンシャル・グループの戦略子会社であるJapan Digital Design株式会社でリサーチャーをしています．こちらは，Japan Digital Design Advent Calendar 2023 の７日目の記事になります！ 本記事では，「強化学習を使ってポケモンをプレイする動画」についてご紹介させていただきます！ ※ 動画内容の切り抜き利用につきましては，Peter Whidden氏の許可を頂いております． ※ 本記事では，ポケモンをプレイするための技術を解説していきますが，動画で見た方が面白いので，ご興味のある方はぜひご覧になってみてください！ 導入 みなさま強化学習（reinforcement learning）をご存知でしょうか？ 強化学習とは，機械学習の手法１つで，エージェント（AI）が環境とのやり取りを通じながら，累積

はじめに 強化学習でゲームを解くことに興味があってちょっとずつ勉強している強化学習苦手勢です。Advent Calender 用に何かゲームの攻略について書いてみることにしました。OpenAI が公開している Stable Baselines の紹介とそれを使ってスーパーマリオブラザーズ 1-1 をクリアするところまでやりましたという内容です。OpenAI Gym / Baselines 深層学習・強化学習 人工知能プログラミング 実践入門を参考にました。 Stable Baselines は OpenAI が公開している強化学習アルゴリズムの実装セットです。多くの有名な手法を利用しやすい形で提供しています。強化学習アルゴリズムは実装時に仕込んでしまったバグの検出が難しく、学習が上手くいかない時に問題を切り分けにくくしています。Stable Baselines のような標準化された実装を使

1. はじめに 本記事は、エンジニア向けにChatGPTの活用例を紹介する 「ChatGPTと始めるシリーズ」第5弾です。今回は強化学習に挑戦したいと思います！ 今回の題材はこちらです。 OpenAI Gym のシミュレーション環境 LunarLander-v2 を使用して、宇宙船を着陸させるエージェントを強化学習を用いて作成します。 （過去のシリーズ記事はこちらです） 2. 作業内容と問題 2.1. 作業内容について提案してもらう 少し複雑な作業になるので、まずは作業内容を ChatGPT と相談したいと思います。 ChatGPT からの回答がこちらです。 本記事では、上記の作業内容に沿って、強化学習の基本である Q-Learning、 Deep Q-Learning の順に試していきます。 2.2. 問題設定 今回使用する環境は冒頭で紹介したように、下記のリンクの LunarLande

「Applibot Advent Calendar 2021」 21日目の記事になります。 前日は @yucchiy_ さんの Unityでアプリ内にアセットを組み込む3つの方法 という記事でした。 はじめに 様々な場面で AI が活用されるようになってきた昨今、機械学習やら深層学習（DeepLearning）などの単語を目にする機会も増えました。興味はあるのだけれど、なんとなく難しそう、大変そう… と手が出せていない方、居るのではないでしょうか？（私です） えいやと試してみたところ、機械学習も Unity も素人の私（サーバサイドエンジニア）ですが、想像以上に簡単に、学習したモデルを動かすまでを体験することが出来ました。 備忘録代わりに手順をまとめたので、ぜひ機械学習に触れたことの無い方も手元で試してみてください。 機械学習ってこんな感じなんだ〜、というふわっとした理解が出来るかと思いま

発端：　自分は囲碁ファンでAIに興味をもつSEだから、アルファ碁が出た時点で非常にその裏をしりたかった。AlphoZeroを出た後に色々な情報が入手できたので、簡単な五目並べのゲームをAlphaZeroのアルゴリズムで実装してみました（他のブログにする予定）。その過程で強化学習ももう少しやってみようかと思って、このプログラムを書いた。 結果：　Chromeがオフラインとなると、Dinoとの画面が出る（直接URL欄にchrome://dino/を入力してもOK）。スペースを押すと始まる。そのゲームを機械学習を使って、ある程度の訓練をすれば、普通に人間よりよく跳べるようになた。　ただし、ゲーム設定で簡単化した（スピード固定、鴉なし） 準備： 1. Chrome のインストール 2. ChromeDriverのダウンロード　ここから 3. Pythonのインストール　（Anaconda推奨 ）

実際に移管した際の作業メモです。.comドメインで実施しましたが、AuthCodeを取得するタイプの他のドメインも同じ手順だと思います（汎用.jpなどは異なります）。 移管元： お名前.com https://www.onamae.com/ 移管先： さくらのドメイン https://domain.sakura.ad.jp/ （免責）作業時点(19年12月)で、移管の費用は1886円でしたが、変動があると思いますので、公式サイトで確認してください。その他、種々の設定状況によって、この手順のとおりにいかないこともあるかもしれません。対処法が分かる都度、追記編集は行う予定ですが、全てのケースを網羅する手順書ではないことをご了承ください。 お名前.com での作業 コントロールパネルにログインし、以下の作業を行います。 ドメイン設定 Whois情報公開代行設定 -> 設定されている場合、解除 ド