CEDEC2020の講演資料です。 『「龍が如くスタジオ」のQAエンジニアリング技術を結集した全自動バグ取りシステム』 株式会社セガ 第1事業部 阪上直樹 / 株式会社セガ 開発技術部 粉川貴至Read less
高解像度スタートアップガイドPart1です。 今回、元起業家・現コーチと現役起業家が共同でこれまでにない解像度でスタートアップがゼロから事業を成立させるまでのプロセスを描いています。 答えのようなものを書いているのではなく(答えなど、全く分かりません。日々新しい発見が続きます)、事業を成立させるために日々もがき奮闘する過程で見えてきたことを、できるだけ具体的に、高解像度で描かせて頂きました。 事業を生み出す本人だけでなく、その支援者・コーチの皆様にもぜひ一読いただきたいと考えております。 <Part1>:スタートアップが直面するリアル 1. スタートアップが直面する事業創造の真実 2.スタートアップが直面する高解像度事業創造プロセス https://www.slideshare.net/takahiroASA/part1-77922415 <Part2>:スタートアップに不可欠のWild
趣味でアルゴリズム取引のシステムを開発・運用してみたことで得られた知見について、社内のテーマ自由な勉強会で発表しました。Read less
2016年4月13日に六本木Super Deluxeで開催されたIT/Webエンジニア向けイベント「TechLION vol.25」(http://techlion.jp/vol25)に出演した際の講演スライドです。 持ち時間20分ということで、以前にシェアしたスライド「効果が出る仕事の教え方」を本題の演目と捉えて、そこに入る前のマクラとしてお話をまとめました。 ※直接対面でお話しする前提で作ったスライドなので、スライドだけ見てもいまいち伝わりづらい部分、誤解釈させてしまうリスクもあって、内心こわごわの共有ですが、いくらかでも、つまんでお役立ていただけるところがあれば嬉しいです。 出演後の後書きをブログにまとめましたので、よろしければあわせてご覧ください。 TechLION出演の後書き┃心のうち http://hysmrk.cocolog-nifty.com/blog/2016/04/te
1. Google's Neural Machine Translation System: Bridging the Gap between Human and Machine Translation 中澤 敏明 2016年 黒橋・河原研 夏の勉強会 http://arxiv.org/abs/1609.08144 2. NMTの問題点 1. トレーニングも翻訳も(PBSMTに比べて)遅い 2. 低頻度語の翻訳が弱い – 既存手法はattentionに頼っているが、attentionは 信頼性が低い • Addressing the Rare Word Problem in Neural Machine Translation • On Using Very Large Target Vocabulary for Neural Machine Translation – 翻字(transl
Artificial Intelligence, Data and Competition – SCHREPEL – June 2024 OECD dis...
1. Stanford Closer LOOK series Stanford Closer LOOK series 1 By David F. Larcker, stephen a. miles, and Brian Tayan october 11, 2016 Succession “losers” What happens to executives passed over for the ceo job? introduction Shareholderspayconsiderableattentiontothechoiceofexecutives selected as new CEOs whenever a change in leadership takes place. Although it is not precisely known how large a contr
6. チームラボでのUnityを使った案件 ● teamLabBody http://www.team-lab.net/portfolio/teamlab-body_jp.html ● 世界はこんなにもやさしく、うつくしい http://www.team-lab.net/portfolio/loving/whatloving.html ● SHANGHAI RUNWAY 2012 SPRING / SUMMER http://www.team-lab.net/menu/other/earthfashionshow12ss.html ● Play with Onitsuka Tiger by teamLab http://www.team-lab.net/menu/other/playwithonitsuka.html http://www.team-lab.net/menu/other/p
2. 本⽇の内容 l機械学習 lプログラミング⾔語Python lPythonでの機械学習 l各種⼿法の⽐較 lDeep Learningの利⽤ (Chainer / Keras) lまとめ サンプルコードはgithubにあります https://github.com/yasutomo57jp/ssii2016_tutorial https://github.com/yasutomo57jp/deeplearning_samples 3. 機械学習とは l データから規則性や知識を⾒つけること l 出来ること Ø 回帰 ²関数のパラメータを推定する Ø クラス分類 ²クラスを分類する基準,ルールを⾒つける Ø クラスタリング ²データを複数の集合に分割するルールを⾒つける データに潜む規則性 知識を発⾒ ⼤量の データ 機械学習
Unity道場11 Shader Forge 101 ~ShaderForgeをつかって学ぶシェーダー入門~ 基本操作とよく使われるノード編 関連教材:https://drive.google.com/file/d/0B3oaXWaXwfzOTXBYUE13RTNXYkU/view?usp=sharing 内容: 本資料は2016/08/28におこなわれたUnity道場11で使用したスライドです。 Unity Asset Storeで大人気のShader Forgeを使って、シェーダーを学んでみませんか? 本コースでは、Shader Forgeの基本的なオペレーションと、よく使うノードについて学びます。 よく使うノードの機能を学んだ後は、実際にシェーダーを組んでいく上で、しばしば使われるパターンを見ていきましょう。 本コースは、後続のクラスを受講することで、順次シェーダーについて学んでいく
6. 何をやるのか • 機械学習を利用したビジネス事例を、英語の原典を当たって調べる • すでに動いているビジネスにおける機械学習 • 日本語の読み物系の書籍、記事から気になったビジネス事例を探す • 書籍に内容を軽く解説する • どのようなアルゴリズムを使ったのか • どのようなデータを使ったのか • データのクレンジングは?評価方法は? • 原典を探す、原典と記事との相違を話す • 何が書籍では割愛されたのか • どのようなテクニックが使われたのか 7. 何をやらないのか • 機械学習のアルゴリズム解説 • 「人工知能」 • 「脳科学」 • 「シンギラリティ」 • 未来の社会がどうのこうの • サービス・製品・企業の説明 • ポエム • オカルト • ぼくの考えたさいきょうのぷろだくつ ソフトバンクグループ株式会社 第36回定時株主総会事業戦略説明資料 http://www.softb
This document summarizes a microservices meetup hosted by @mosa_siru. Key points include: 1. @mosa_siru is an engineer at DeNA and CTO of Gunosy. 2. The meetup covered Gunosy's architecture with over 45 GitHub repositories, 30 stacks, 10 Go APIs, and 10 Python batch processes using AWS services like Kinesis, Lambda, SQS and API Gateway. 3. Challenges discussed were managing 30 microservices, ensur
小学校以降〜大学受験まで、学年に関係なく、受験を控えている or 受験をするかもしれない子どもの親に向けて、親にこそ知っておいて欲しい効率的な勉強方法を有給ニート中の有り余るヒマを注ぎ込んでまとめてみたスライド。Read less
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