2. ⾃⼰紹介 • ⻄⽥ 綾佑 (ニシダ リョウスケ) • グリー株式会社 Wright Flyer Studios事業本部 • エンジニア • @hosi_mo 2014年 東京⼤学⼤学院 情報理⼯学系研究科修了 同年 グリー株式会社 ⼊社 Wright Flyer StudiosにてLINEタワーライジングの開発を経て、アナザーエデンの開発を担当。 アナザーエデンでは、StateMachineを導⼊したゲームループとイベントハンドラの設計、 UIフレームワークの整備、サウンド基盤、ネットワーク基盤、データストア、アセット管理、オートセーブ周りを 主に担当していました。

2. 2 アジェンダ ➢ Jetson Platformのご紹介 • Jetson採用事例 • Jetsonファミリ ラインアップ • Jetson Nanoの概要 ➢ Jetson Nano Getting Started • 各種のドキュメント、リソース • システムセットアップ • 電力効率 & パフォーマンスモニター • GPIO & アクセサリ ➢ DeepStreamとTensorRTの概要 ➢ Jetson NanoによるDeepStreamデモンストレーション 5. JETSON TX1 → JETSON TX2 4 GB 7 - 15W 1 – 1.3 TFLOPS (FP16) JETSON TX2 8GB | Industrial 7 – 15W 1.3 TFLOPS (FP16) JETSON AGX XAVIER 10 – 30W 10 TFLOPS (FP16)

1. Deep-Dive Into Scriptable Build Pipeline Gotanda.unity #12 May 22, 2019 Haruto Otake a.k.a @Trapezoid Group Manager Game Developer Library Group Common Support Services Dept. Publishing Management Dept. Game Div. Game & Entertainment Business Unit. DeNA Co., Ltd. 2. * Copyright (C) 2013 DeNA Co.,Ltd. All Rights Reserved. 自己紹介 ● 大竹 悠人(Haruto Otake) ● 共通基盤部 ゲームデベロッパーライブラリグループ ● a.k.a @Trapezoid ●

2017年10月27日、モノビットエンジン勉強会inサイバーコネクトツーにて、中嶋謙互が講演しました「ネットワークゲームにおける TCPとUDPの使い分け」のスライドになります。ネットワークゲームを製作する際にご参考頂けますと幸いです。 登壇者： 株式会社モノビット 取締役 CTO 中嶋謙互Read less

Ridge-i 論文読み会での発表資料 https://ridge-i-yomikai.connpass.com/event/124688/Read less

第2回3D勉強会の研究紹介スライドです。 [論文概要] ニューラルネットワークに組み込むことができる3Dメッシュのレンダラーである Neural Renderer を開発しました。『逆伝播』と呼ばれる処理をニューラルネットワークに適した形に定義し直したことがポイントです。そしてこのレンダラーを (a) 単一画像からの3Dメッシュの再構成 (b) 画像から3Dへのスタイル転移と3D版ディープドリームへと応用しました。Read less

1. 1 DEEP LEARNING JP [DL Papers] http://deeplearning.jp/ "SimPLe", "Improved Dynamics Model", "PlaNet" 近年のVAEベース系列モデルの進展とそのモデルベースRLへの応用 Presentater: Kei Akuzawa, Matsuo Lab. D1 2. 発表のモチベーション&目的 • モチベーション: モデルベースRL， 気づいたら進展してないか？ • PlaNet: D4PGの50+倍のサンプル効率（DeepMind Control Suit） • SimPLe: Rainbowの2~10+倍（Atari） • SOLAR: PPOの40倍（Reacher），および実機画像データ2時間(Lego block stacking) • …… ※ここでのサンプル効率=一定の性能を出すため

2. Coq とは ? Coq はINRIA (フランス国立情報学自動制御研究所) によって開発されている定理証 明支援系である．Coq は，表現力の高い型をもつラムダ計算であるCalculus of Inductive Constructions と呼ばれる計算体系に基づいている(以後，「項」はCoq の 型システムにより拡張されたラムダ項を指すものとする)．型や関数を自ら定義すること により，関数型プログラミング言語として用いることができる． また，Curry-Howard 対 応により，命題に対応づけられる型をもつ項を構成することにより，証明を構成すること ができる．Coq の型システムは依存型をもち，関数をはじめとした項をパラメータとし て取る型を定義することにより，述語を表現することができる．さらに，それら述語を tactic と呼ばれる言語を用いて対話的に証明することが可能であ

- The ABEJA platform provides an AI platform that allows for faster circulation of high-volume data through its capabilities in data collection, storage, training, deployment, inference, and retraining. - It offers AI-Ops solutions for businesses through machine learning to efficiently annotate large datasets and achieve high-performance pattern recognition. - ABEJA aims to advance the state-of-th

画像認識 �第9章 さらなる話題 中身はGANの最新サーベイです。 CVPaper Challenge 2019/04/06Read less

2. 緒方　貴紀 (@conta_) CRO@ABEJA, Inc. Computer Visionとか、Machine Learning の研究開発をやっています Self Introduction 2 4. 一般物体検出の論文 • 検出速度のアルゴリズム(YOLO)より高速で、Faster R-CNNと同等の高精度 なを実現するState of the artなアルゴリズムの提案 • 比較的低解像度でも高精度に検出できる • 階層的なFeature mapと利用することで様々なスケールに対応 • アスペクト比ごとに識別器を作ることで、高い精度の検出率を達成 • シンプルなネットワーク設計によりEnd-to-Endで学習できる SSD: Single Shot MultiBox Detector 4 5. 画像から定められたクラスの物体を検出&識別するタスク Object Detecti