Amazon CloudWatch での Prometheus メトリクスの使用 | Amazon Web Services
Amazon Web Services ブログ Amazon CloudWatch での Prometheus メトリクスの使用 Imaya Kumar Jagannathan、Justin Gu、Marc Chéné、および Michael Hausenblas 今週の初めに、AWS は CloudWatch Container Insights での Prometheus メトリクスモニタリングの公開ベータ版サポートを発表しました。この記事では、ユーザーがプロビジョニングする AWS クラスター上の Amazon Elastic Kubernetes Service (EKS) および Kubernetes で、コンテナ化されたワークロードに新しい Amazon CloudWatch 機能を使用する方法をご紹介します。 Prometheus は Cloud Native Compute
中日新聞:票と議席の変換曲線
野球とバスケットボールの競技規則をどれほど子細に読み比べても、いずれが３桁の得点で競り合うゲームなのかは、やってみないとわからない。衆院選に導入されてから四半世紀が経った小選挙区比例代表並立制の「ゲームのルール」、つまり、かならずしも法律に書かれているわけではない実質的なルールも、８回の総選挙でやっと浮かび上がってきた。 横軸に得票率、縦軸に獲得議席率をとり、過去８回の総選挙の各党の成績を滑らかな曲線で結ぶと、票と議席の変換曲線が現れる。有権者の票を議席に翻訳する選挙制度のゲームのルールだ。 この曲線から、大政党は４割以下の得票で過半数の議席を得ることができることがわかる。逆に、得票が２割以下の政党にとっては、票から議席へのレートが非常に悪い。小選挙区制度が少数派政党に不利といわれる所以だ。 ギャラガー指数は16.28 曲線ではなく数値で表すこともできる。ダブリン大学のマイケル・ギャラガー
0.概要このテキストを簡単にまとめると、声優ラジオへの投稿メールがあまりにも採用されなかったので、ラジオで読まれた他リスナーさんのメールを、メールカテゴリーや文字数などの観点から分析して、どうやったら読まれるかを考えたものです。 これと似たようなラジオメールのノウハウは、「声優ラジオ メール」とかでググればいくらでも出てきますので、そちらと併せて読んでもらってもいいかもしれません。 また全部無料公開しますが、面白かったら、この記事最下層にある「購入して続きをみる」や「サポートをする」とかしていただけると助かります。 1.私がなぜ声優ラジオにメールを投稿するようになったのか。見出しの話を書くのに少しだけ私が声優を好きなったキッカケを書いておきます。 2015年10月のとあるアニメイベントで、初めて声優の悠木碧さんを見る機会があり、それがキッカケで悠木さんのファンになりました。 それからしばら
こんにちは，株式会社Ridge-iの@obaradsです．本記事では点群処理における表現学習手法について紹介します．また，本記事は@machinery81にレビューしていただきました． TL;DR 表現学習とは 点群で表現学習を扱う理由 点群の特徴の生成 ラベル付きデータが制限されている状況下におけるモデルの性能向上 点群間の対応を見つけるための表現学習 表現学習方法について 再構築タスクによる学習 Contrastive Learning 点群の表現学習に関する文献紹介 点群処理への深層学習の適用以前の特徴量の算出 ～2017年：PointNetが提案される以前の表現学習手法 2017～2019年：PointNetが提案されて以降の生成モデルを用いた表現学習手法 2019～2020年：自己教師あり学習を利用した表現学習手法 2020年～：シーン点群に着目した表現学習手法 まとめと今後の傾
カーネル起動時トレース Linuxカーネルの起動処理は、様々なことが行われるのにそれをデバッグする方法はprintkだったり、逆にkgdbを外部デバッガから繋いだりと、結構な手間がかかっていました。カーネルが起動してしまえば、ftraceにperf, BPF, systemtapと複数の手段が使えるのに、起動時のデバッグは細かいことが出来ません。これは、起動時に指定できるオプションが大雑把になるのが大きな理由の一つでした。シェル芸ではないですが、1行プログラミングだけで様々なことをするのは大変です。 そこで導入されたのがExtra Boot Configuration (bootconfig)です。Bootconfigについては前回の記事を参考にしてください。 ここではカーネルコマンドラインのトレースオプションと、Bootconfigによって拡張されたBoot-time trace（CON
参政党の統一地方選を振り返る｜雨宮純
統一地方選で100人の議員を誕生させた参政党今年4月に行われた統一地方選では、参政党が前後半合わせて100人の議員を誕生させ、支持者からは「躍進」の声も聞かれた。 本日4/26の19時～武田邦彦先生との対談生配信！テーマは「統一地方選で参政党大躍進！武田先生と振り返る統一地方選、そして衆院選に向けて参政党は何を訴えていくのか！」。こちらからお入りください➡https://t.co/ihFUGMMUUk 松田政策研究所Youtubeでも前半は同時配信します。 pic.twitter.com/nNq4YUIuH3 — 松田まなぶ（松田学）＠参政党 (@matsudamanabu) April 26, 2023 総務省が発表している第20回統一地方選選挙結果から、一般市議選・町村議選・東京都特別区議選の候補者数と当選者数を取得し、合算したものを表にすると下記のようになる。 一般市議選・町村議選・
機械学習は、論文の流行をとらえているだけかもしれない：鈴木ー宮浦カップリングでのケーススタディ | Chem-Station (ケムステ)
化学者のつぶやき 機械学習は、論文の流行をとらえているだけかもしれない：鈴木ー宮浦カップリングでのケーススタディ 2022/4/18 化学者のつぶやき, 論文 JACS, 機械学習, 鈴木-宮浦クロスカップリング コメント: 0 投稿者: Zeolinite 機械学習においては優れたモデルを作り、反応生成物や収率の予測に成功した結果を報告するのが通常ですが、機械学習を使ってうまくいかなかったことを報告した論文がJACSに発表されたので、詳細を見ていきます。 背景 機械学習は、多くの分野において活用され顕著な成功をもたらしてきた技術ですが、高い精度の予測には明確な規則と高い品質のデータセットが必要で、それらがない場合には機械学習による予測は、影響力がなくなってしまいます。これは化学でも言えることで、データセットに機械的に明確な反応例が十分含まれている場合には、精度よく反応性を予測することがで
Kaggle体験記：IEEE CIS Fraud Detectionで19位/6381 - kurupicalのブログ
はじめに こんにちは。くるぴー(@kurupical)です。 このたび、IEEE CIS Fraud Detectionコンペに、@pondelion1783さん、@HighGradeToppoさん、@TaTakoihirokazuさんと参加し、19位/6381の成績を残すことができました。 チームのみなさまはとても優秀で、コンペに参加した2ヶ月の間とても刺激的な時間を過ごすことができ、いい経験になりました。 チーム目標であった「金メダル」も達成できてとても嬉しいです。本当にありがとうございました！ このブログでは、これからKaggleなどのデータ分析コンペ参加しようとしている方向けに、どのようにコンペに取り組んだのかという経緯を残しておきたいと思います。 何かのお役に立てれば幸いです。 もしよろしければ、1年前に書いたkaggle体験記もあわせてご覧ください。 kurupical.hat
凛世の自転周期を計測する - Qiita
■緊急告知■ 杜野凛世フィギュア 100時間連続配信をYoutubeで実施します！！ GW中、回転台の上に乗せた凛世のフィギュアを100時間放送し続けるだけの配信です。 開始時間は明日2日(土)の11時！#シャニマス #凛世100時間配信 ⬇️待機所⬇️https://www.youtube.com/watch?v=kZZt3OCrbDU&feature=youtu.be pic.twitter.com/khhkrddmTc — amiami_product (@amiami_products) May 1, 2020 【シャニマス】杜野凛世フィギュア 100時間耐久配信！！ 〈amiami〉 体験版: 【シャニマス】杜野凛世フィギュア 30分間ミニ耐久配信！！ 〈amiami〉 いえ、プロデューサーさまに、お喜びいただく…… それだけが、凛世の幸せなのです いや、なんていうか…… ちょっ
マスメディア報道のメソドロジーマスメディア報道の論理的誤謬（ごびゅう：logical fallacy）の分析と情報リテラシーの向上をメインのアジェンダに、できる限りココロをなくして記事を書いていきたいと思っています（笑） [先日記事]では【地球統計シミュレーション geostatistical simulation】により関西地方における新型コロナの期間感染率の【空間分布 spatial distribution】をイメージングしましたが、今回は同様の方法で、東京を中心とする関東地方における新型コロナの期間感染率の空間分布をイメージングしてみたいと思います。 関東地方における期間感染率の空間分布については、東京都が新規感染者の居住地市区町村を感染症例ごとに発表していないため、一度は推定をあきらめていましたが、日々更新されてしまう東京都の各市区町村における累計値を、東京都あきる野市が、4月1
はじめに ここ最近、大雨のニュースを見るたびに「〇〇年に一度の大雨」という表現を目にします。これは「千年に一人の美少女」や「百年に一度の逸材」といったレトリックではなく、データに基づいて統計的に算出された根拠のある数字です。 気象庁や自治体では観測結果をもとにこのような量を算出し、発表することで防災に役立てています。このシリーズでは、算出方法を確認し、Pythonを使って、実装・計算してみたいと思います。 なお、ここで紹介する手法は、実際に公的機関が発表しているものとは異なる場合が多分にありますので、十分にご注意ください。 今回は、前回に引き続き、分布関数をヒストグラムに当てはめる方法について紹介したいと思います。 「○○年に一度の大雨」の計算方法とは？ 気象庁は観測結果をもとに、各地点について「〇〇年に一度の降水量」を算出し、発表しています。 ある期間内に1回起こると考えられる降水量のこ
データ・リテラシーと言う言葉を聞いたことありますか？ 簡単に言うと、「データを読むことができて、データを理解でき、データを使って議論でき、データから得られた情報を使って意思決定ができる」能力のことです。 ダレル・ハフによって今から70年前になる1950年代に書かれた「統計でウソをつく方法 (How to Lie with Statistics) 」というこの世界では古典となる本があります。この本ほどデータリテラシーがいかに重要かをわかりやすく簡潔に説いた本はないと思うのですが、その教えは70年経った今でもまるで昨日書かれたかのように新鮮です。 むしろ、私達市民のデータリテラシーは当時と比べてあまり変わっていないかのようで残念です。 さらに、今日のようにデータがいよいよ簡単に手に入るようになり、簡単に分析できるようなツールも出てくるようになると、情報の消費者としてだけでなく、むしろ情報の供給
Kindleの蔵書リストをGoogle Colaboratoryでデータ分析してみた - karaage. [からあげ]
XMLをパースする方法に関して追記しました 何故か以前の方法でうまくいかなくなってしまったので、別の方法に切り替えました。うまくいかない人は、以下記事参考にしてみてください。 Kindleの蔵書リストを手に入れたのでデータ分析してみたくなった Kindleの蔵書リストの入手の仕方という面白い記事をみつけました。 早速Kindleのリストをcsvで入手できました。ただ、入手しただけでは面白くもないので、これを題材にデータ分析してみることにしました。分析はGoogle Colaboratoryで行いました。Google Colabに関して詳しく知りたい方は以下の記事参照ください。 Kindleの蔵書リストをデータ分析した結果 蔵書数 613でした。思ったより少なかったです（1000は超えていると思ってました）。感覚は当てにならないですね。 蔵書リストの入手の仕方の記事書いている人、1万冊超えて
![Kindleの蔵書リストをGoogle Colaboratoryでデータ分析してみた - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/e1d48c4944578c0bcf53ed79dc6fdccb898e203d/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20200719%2F20200719144507.png)
――「小説家」 この言葉を取り巻く感情を表現するのは、なかなか難しいです。 私は動画を作成したり、ボーカロイドを使って音楽を作ったりといった創作活動が好きですが、とりわけ、物語を書く事に関しては、比較的長い間やってきました。 しかしながら、自分の文章でお金をもらった記憶はないですし、これといって私の文章が公の目に晒された事もないので「あなたは小説家か」と問われたら「違う」と答えます。 「小説家」と言った時、少なくとも私の中の定義では「プロフェッショナルな物書き」が含意されます。 では「小説家になろう」とは何か。 「小説家になろう」が意味するところは「このサイトで頑張って執筆してプロフェッショナルな物書きになろう」ではなく「このサイトで小説を書いた時点で、君は立派な小説家だ」という意味だと私は解釈しております。 仮令、世の中の評価が 文學作品 ＞ 小説作品 ＞ ライトノベル ＞ なろう系だっ
カメラ画像から虹彩検出をしてみた - Qiita
はじめに 2020/1/19(土)に開催された第56回 コンピュータビジョン勉強会＠関東の発表内容をまとめました。 当日の資料はこちらから見れます。 ソースコードは以下のGithub上に公開しています。 https://github.com/33taro/gaze_cv 虹彩検出の手順について 虹彩検出は大学の頃、研究していたテーマなので、進化したOpenCVならお手軽にできなかなぁと思い実施しています。 手順としては次の通りです。 1.カメラ画像から人物の顔と顔のランドマーク検出 2.顔のランドマークから目領域を切り出し 3.目領域を2値化して虹彩領域を抽出 4.抽出した虹彩領域から虹彩検出 カメラ画像から人物の顔と顔のランドマーク検出 以前、別の記事で紹介した顔のランドマーク検出を利用して、虹彩(黒目の部分)を検出してみました。 詳細はそちらを参照してください。 顔のランドマークから目
Rust製パターンマッチングマシンDaachorseを使ってPythonパイプラインを高速化する話 - エムスリーテックブログ
エムスリーエンジニアリンググループ AI・機械学習チームでソフトウェアエンジニアをしている中村(po3rin) です。検索とGoが好きです。 今回は文字列界隈を賑わせている高速なRust製パターンマッチングマシンDaachorseをPythonで呼び出して既存の文字列パターンマッチロジックを高速化したお話をします。 Daachorseとは なぜPythonから呼び出したいのか パターンマッチングのみのベンチマーク python-daachorseだけオートマトン構築込みのベンチマーク まとめ We are Hiring! その他 Daachorseとは DaachorseはLegalForceさんで開発運用されている文字列パターンマッチを行うRust製ライブラリです。 github.com 技術的なトピックに関してはLegalForceさんの記事が全て解説しているののでそちらを参照してくだ
2021年11月10日と11日の2日間、LINE株式会社が主催するエンジニア向け技術カンファレンス「LINE DEVELOPER DAY 2021」がオンラインで開催されました。そこで前半では、曽弘博氏が、出前館における機械学習活用に向けた取り組みを紹介しました。後半は実際に出前館でどのように機械学習を実装しようとしているかについてです。前編はこちら。 推薦システムについて 曽弘博氏：では、推薦システムについての解説に入りましょう。こちらでやりたかったことを復習すると、「それぞれのユーザーに対して、そのユーザーの好みに合わせた店舗の推薦リストを提示すること」でした。 このタスクにに関して、ここでは2つの多様性という課題に関してお話をいたしましょう。 1つは推薦リスト全体での店舗の多様性です。ここでいう多様性というのは、「全てのユーザーに対する推薦リストを集めてきたときに、そのリストの集まり
本記事は画像解析ソフトであるImageJおよびFijiのGUIについて解説する記事です。これまで紹介してきたImageJのGUIの画面について改めて解説するので、ぜひ操作してみましょう。 今回はImageJの拡張版であるFijiのGUIについて解説します。ImageJで行う場合も基本的には同様の操作になります。 FijiもしくはImageJのインストール方法はこちらの記事を参照してください。 ImageJおよびFijiについて ImageJとは、アメリカ国立衛生研究所(National Institutes of Health, NIH)で開発されたオープンソースのソフトウェアで画像処理や分析に用いられます。また、OSに依存せずWindowsやMac、Linuxで同様の操作が可能です。 ImageJで行える代表的な画像処理は以下の通りです。 画像の前処理（フィルタリング、平滑化、鮮鋭化、境
Python: Null Importance を使った特徴量選択について - CUBE SUGAR CONTAINER
今回は特徴量選択 (Feature Selection) の手法のひとつとして使われることのある Null Importance を試してみる。 Null Importance というのは、目的変数をシャッフルして意味がなくなった状態で学習させたモデルから得られる特徴量の重要度を指す。 では、それを使ってどのように特徴量選択をするかというと、シャッフルしなかったときの重要度との比率をスコアとして計算する。 もし、シャッフルしたときの重要度が元となった重要度よりも小さくなっていれば、スコアは大きくなって特徴量に意味があるとみなせる。 一方で、シャッフルしたときの重要度が元とさほど変わらなければ、スコアは小さくなってその特徴量は単なるノイズに近い存在と判断できる。 あとはスコアに一定の閾値を設けたり、上位 N 件を取り出すことで特徴量選択ができるようだ。 今回使った環境は次のとおり。 $ sw
qrnというDBベンチマークツールを作りました。 github.com これは何？ 羅列されたクエリを実行するだけのDBベンチマークツールです。 今のところMySQLにしか対応していませんが、PostgreSQLへの対応はそんなに難しくないと考えています。 羅列したクエリを実行するだけなので、クエリのログ（MySQLならgeneral log）をほぼそのままテストデータにすることができます。 逆に同じクエリを異なるパラメーターで実行するようなことはできないので、そういうむきであればJdbcRunnerなどを使った方がいいと思います。 Installation https://github.com/winebarrel/qrn/releases から最新版をダウンロードしてください。 Usage $ echo '{"query":"select 1"}' >> data.jsonl $ ec
古くて新しい2値化画像処理を動かしてみる(ECCV 2020論文) - OPTiM TECH BLOG
R&D チームの徳田（@dakuton）です。 今年の8月に開催されたECCV 2020のacceptされた論文のなかに、使い古された2値化画像処理をもとにした論文(+実装)があり気になったので、今回はそちらを少し調べて動かしてみた結果をご紹介します。 対象論文 A Generalization of Otsu’s Method and Minimum Error Thresholding 要点 簡単にいうと「既存手法をまとめて、ちょっとだけ融通の効く2値化画像処理にしたもの」の提案です。 ヒストグラムベースでの2値化しきい値を自動決定する手法 下記の既存手法を特殊ケースとして内包できるよう、一般化した式にまとめた Kittlerの2値化(MET: Minimum Error Thresholding): 2クラスの正規分布が存在すると仮定し、分布の重なる範囲にて別クラスに該当する画素が最
第22回情報論的学習理論ワークショップ (IBIS 2019) | 第22回情報論的学習理論ワークショップ, 2019.11.20〜23, ウインクあいちに行った． 昨年の札幌に比べると名古屋は近い いつもの胃ではなく腸の具合が完全に悪くて半分ぐらいまともに発表を聞かずにトイレにいた ウインクあいち2階上のトイレは人も少なくホールの音声も聞こえて快適 抗生物質を処方された時は忘れずに整腸剤も貰わないと本当に駄目だと痛感しました 有料のチュートリアルも聞きたかったのですが朝から握手会があったので断念 11/20 グラフ文法を用いたグラフ生成 「化学構造式のためのハイパーグラフ文法」を発表した（JSAI2018） で予習していた 分子グラフの生成をしたい (ハードな)原子価の制約を必ず満たす分子ハイパーグラフ文法を提案 ソフトな制約は VAE で学習する 全てを深層学習でやるのではなく，ハード
SMTP D4C — SRE寄りのメール配信考察 - /var/lib/azumakuniyuki
メール配信の継続的信頼性を維持する為に必要な要素をまとめたSMTP D4Cという概念があります。 日本語では「いとも容易く得られる(わけではない)えげつない信頼性」となります。 SMTP D4Cを構成するのはつ次の五要素です。 Domain Authentication (ドメイン認証の徹底) Double Opt-in (確実なダブルオプトイン) Delivery (継続的な配信) Don't Change (配信の安定後は変更しない) Check & Change (定期的な確認と状況に合わせた変更) そもそもの背景 京都開催なSREのイベント Road to SRE NEXT@京都でメール系のLTがあると知り、 近所*1でもあるので、自分はSREではありませんが参加してみることにしました。 直前に「懇親会で飛び入りLTもOK」という案内を聞き、背中を押してもらったこともあり、 自分が
Pythonデータサイエンスハンドブック 第2版
Pythonのデータサイエンス用のツールを使いこなすための実用的な情報が詰め込まれたリファレンスの待望の改訂版です。IPythonとJupyter、NumPy、pandas、Matplotlib、scikit-learnを利用し、データの操作、可視化、行列計算、時系列解析、統計分析、機械学習、データモデルの構築、複雑な科学計算まで、幅広いトピックをカバー。それぞれのトピックについて、押さえておくべき基本、tips、便利なコマンドなどを紹介します。Pythonでデータ処理を行う人にとってはいつも手元に置いておきたい「使える」一冊です。 『Python Data Science Handbook, Second Edition』への称賛 訳者まえがき はじめに Ⅰ部 Jupyter：Pythonより優れたPython 1章 IPython、Jupyter入門 1.1 IPythonシェルの起動
ヤフー株式会社は、2023年10月1日にLINEヤフー株式会社になりました。LINEヤフー株式会社の新しいブログはこちらです。LINEヤフー Tech Blog こんにちは。CTO直下のR&D組織であるテックラボにて、メディア処理系の研究開発に取り組んでいる志賀と三浦です。本記事ではYahoo! BEAUTYにおける「似ているヘアスタイル」表示機能の性能を改善した方法を紹介いたします。 Yahoo! BEAUTYと「似ているヘアスタイル」 Yahoo! BEAUTYは「好みのヘアスタイルからスタイリストを探せて出会えるサービス」として2019年12月にスタート。ヘアスタイルに関する検索、ヘアスタイル写真、スタイリスト情報、ヘアサロン情報などの機能やコンテンツを提供しています。 ユーザーが好みのヘアスタイルを見つけるための機能のひとつとして提供されているのが、ヘアスタイル詳細画面で表示された
食べログ3.8問題の雑な追試
がっつり行うのも面倒だったので 10/10 の夜時点で下記地域ごとの「ランキング」に掲載店のすべてのスコアを集めた。 シンプルに、すべて、だ。 銀座飯田橋大井、蒲田小金井・国分寺・国立調布・府中・狛江東急沿線秋葉原・神田・水道橋日本橋渋谷・恵比寿・代官山上野京王・小田急沿線町田・稲城・多摩ヒストグラムはここ↓↓https://imgur.com/f7FZnnu 3.8の壁は見えないぞ？ https://clean-copy-of-onenote.hatenablog.com/entry/tabelog38_problem にある 評価数が少ないと、小数のユーザーで評価点がバラついてしまうので、 一定以上の評価数がある店舗に絞って情報を取得します が曖昧であるので厳密にしていただきたい。
【授業実践】データの分析。度数分布表とヒストグラムは身の回りのデータで学ぶ。【数学I】 - 「わからなさ」を楽しむ数学教師の挑戦。
今回は数学I、データの分析。 単元１時間目の授業である。 授業のデザイン（指導案）は以下の通り。 【導入】 １．遊園地のデータから、度数分布表とヒストグラムを作成し、どちらの曜日に行くか自分なりに分析する。 【展開】 ２．ディズニーシーのデータから、度数分布表とヒストグラムを作成し、１月と２月のどちらに行くか自分なりに分析する。 【まとめ】 ３．度数分布表やヒストグラムからデータを読みとる。 では生徒の学びを見ていこう。 導入の問題は以下のようなもの。 問題文には、 「太郎くんは遊園地に行って、ジェットコースターに乗りたい。土曜日と日曜日のどちらに行くか迷っている。下のデータを参考にして、どちらの曜日に行くのがいいか、考えよう。」 と書いてある。 何も言わずにいきなり生徒に配る。 すると、生徒たちは、自分なりのやり方で分析しようとする。 「よし。平均だそ。」 「うわー。どっちも３５分や。計
はじめに こんにちは！ABEJAでプロダクトマネージャーをしている栗林です！ ABEJAでは小売店舗での顧客行動を分析するInsight for Retailというプロダクトや、オフィスDX事業をはじめとして、物理世界の現象を機械学習などが適用可能なデジタルに変換する部分にも強みがあります！ 本日のTech Blogでは、安価かつ小型な加速度・角速度センサーを用いて製造業や物流業における作業者の行動や状態を推定する手法についてまとめました。 背景 みなさんは製造業や物流などにおける、正味作業時間という言葉をご存知でしょうか？ 正味作業時間とは実際の作業に充てられた時間を差します。 例えば、組み立て作業の際に必要となる道具や在庫が近くに無く、作業者がものを探したり歩行して取りに行ったとします。このときの準備や段取りにかかる時間は準備時間や付帯作業時間と言われ、作業工程において生産をおこなえて
はじめに こんにちは、Gunosy Tech LabのBIチームに所属しているクボタです。 Gunosyではアプリ内のロジックやUI等の変更において数値ベースでの意思決定を行なっています。 例えば新たなキャンペーンでのCVR増加やUI変更によるA/Bテストでのクリック数増加の効果検証などで統計的に裏打された手法を用いることで正しく意思決定を行うことを目指しています。 data.gunosy.io 本記事ではそのような状況で必要となるサンプルサイズの設計や統計的仮説検定のお話をさせていただきます。 はじめに 検定手法の選択 統計的仮説検定の手順 比較する指標の選定 帰無仮説 と対立仮説 の決定 検定統計量の選定 有意水準の決定 検出力の決定 効果量の決定 サンプルサイズの計算 ノンパラメトリック検定 多重比較 おわりに 参考文献 検定手法の選択 数値による意思決定を行う際に検定はよく利用され
Innovative Tech： このコーナーでは、テクノロジーの最新研究を紹介するWebメディア「Seamless」を主宰する山下裕毅氏が執筆。新規性の高い科学論文を山下氏がピックアップし、解説する。 スイス連邦工科大学チューリッヒ校とソニー・ヨーロッパの研究チームが開発した「Super-Human Performance in Gran Turismo Sport Using Deep Reinforcement Learning」は、カーレースゲーム「グランツーリスモSPORT」（GTS）を最速で完走する技術。タイムトライアルで超人的なパフォーマンスを実現する強化学習を用いたフレームワークだ。 グランツーリスモSPORTのカーレースで最速走行を学習する。中央のグラフでは、人間のドライバーによるラップタイムがヒストグラムで、ノンプレイヤーキャラクター（NPC）が黄色線、今回の手法のパフ
Google Cloud Tasksのあれこれ
このエントリーは一休.com Advent Calendar 2023の18日目の記事になります。 一休のいくつかのプロダクトで便利に活用されているGoogle Cloud TasksのHttpタスクあれこれについてまとめます。Httpタスクを使えば、パブリック IP アドレスを持つ任意のHTTP エンドポイントに、キューを経由して、タスクを処理させることができます。 再試行関係のパラメータを動かしながら確認してみる 公式ドキュメントは、https://cloud.google.com/tasks/docs/configuring-queues?hl=ja#retry Google Cloud Consoleから設定できるパラメータは、以下の通り。 最大試行回数 ... 公式ドキュメントのMAX_ATTEMPTS 最小バックオフ ... 公式ドキュメントのMIN_INTERVAL 最大バッ
連載概要 本連載はPythonについての知識を既にある程度は身に付けている方を対象として、Pythonでデータ処理を行う上で必須ともいえるNumPyやpandas、Matplotlibなどの各種ライブラリの基本的な使い方を学んでいくものです。そして、それらの使い方をある程度覚えた上で、それらを活用してデータ処理を行うための第一歩を踏み出すことを目的としています。 前回はCalifornia Housingデータセット（カリフォルニアの住宅価格のデータセット）を題材として、最大値や最小値、平均値、中央値などの基本統計量を計算し、2万行を超えるデータセットがどのような特徴を持っているのかを見てみました。今回は同じデータセットをグラフとして可視化して、さらなる特徴を探ってみることにしましょう。 CSVファイルの読み込み 前回はscikit-learnに含まれているデータセットを読み込んで、説明変
あえて今、3万円以下の中古ミラーレスカメラを選択肢に入れてみる
あえて今、3万円以下の中古ミラーレスカメラを選択肢に入れてみる2021.01.18 19:0048,989 ワタナベロク 3万円以下で買えるミラーレスは物凄く丁度いい。 この1ヶ月間で3万円以下のデジタルカメラを3台買う機会があり、その際に調べたなるべく安く買う方法や情報を簡単に書いてみます。 そもそも、なぜ3万円以下の中古カメラなのか初めてカメラを購入する人にとって何十万円もするカメラを買うのは勇気がいるし、もし飽きてしまったときに部屋の片隅にポツンと置かれたそのカメラを見るたびに｢無駄な買い物しちゃったな…｣と、毎回思い出すのはきっとツライ。 ｢3万円以下とか何十万円とか極端じゃなく、中間の7万～10万円くらいにしたら？｣なんて声も聞こえてきそうだが、それはそれで厄介なことがある。それはカメラ沼にハマってしまった時だ。カメラ沼にハマるとほとんどの人がフルサイズに憧れ、何かと理由をつけて
どーも！ 早起きした時に、まだ外が暗くて目覚ましテレビを見ると頭が混乱してしまうライターのともです。 時が過ぎるのも早く仮想通貨分析を行なって3年になります。（始めた頃と比べれば知識はかなり増えてきたなぁ…） さてさて！今日は最近のビットコインの値動きを見ていきたいと思います。 皆さんご存知かも知れませんが、ビットコイン過去最高価格600万円超えって異常な価格が凄いですね！ 今後『まだ上昇するのか？下落に転じるのか？』が気になりますね？ ちょっとしたテクニカル分析を用いてシナリオ予測してみましょう！ この記事のポイント アップとダウンの予測材料チェック 過去相場と似た指標をチェック ビットコインは上昇トレンド中なので『買い』でOK 3月15日の週足で『売り』判断 【BTC・アップシナリオ】直近の日足MACDゴールデンクロスに注目 ビットコインは日本円にして6,141,350円の最高値を超え
Metaは、AIツールで作成された写真に「Made with AI(AI製)」というラベルを付ける施策を始めました。ところが、人間が撮影した写真にも「AI製」というラベルが付けられてしまったことがわかりました。 Meta is tagging real photos as 'Made with AI,' say photographers | TechCrunch https://techcrunch.com/2024/06/21/meta-tagging-real-photos-made-with-ai/ 誤ってAI製のラベルが付けられてしまったのは、写真家のピート・ソウザ氏が撮影した以下の写真です。ソウザ氏は「AdobeのPhotoshopを使ってトリミングをすると、その画像をJPEGとして保存する前にヒストグラムを平坦化しなければなりません。この処理が、Metaのラベル付けの引き金と
こんにちは，米国データサイエンティストのかめ(@usdatascientist)です． この度33回に渡る「データサイエンスのためのPython入門講座」を書き終えたので，目次とまとめの記事を書いていこうと思います． (「データサイエンスのためのPython講座」動画版がでました！詳細はこちら) 本講座の目的 本講座では，Pythonでデータサイエンスをするにあたり必要な環境構築・Pythonの基本・データサイエンスに使うPythonライブラリの基本・その他データサイエンスで頻出のPythonモジュールの’基本の’使い方をマスターすることを目的としています． この講座で目指すところは Pythonでデータサイエンスに必要なデータ処理をするためのツール・ライブラリ・モジュールの使い方の基本をマスターする Excelなどの表計算ツールを使うことなくデータ処理ができる 画像ファイルなどのデータフ
【2024年5月時点】『S&P500（米国株）』 今は買いのタイミングなのか？ テクニカル分析で検証！ - 『タクドラたみ』の米国株投資
【結論】 「S&P500」は 積極的に買うタイミングではないが 買い場は 近づいているかもしれない 補足 ただし、ドルコスト平均法での積立投資は、株価が上がろうが、下がろうが、関係なく継続し積み立てる。 こんにちは！タクドラたみです♪ 今回は、毎月恒例、5月の、米国株の買いのタイミングをテクニカル面で検証です。 ぶっちゃけ、私の場合、テクニカル分析は、積立投資では、ほぼ役立っていませんが、アクティブ投資の、配当株投資では、とても役立っています！ この企画は、マクロ視点で長期投資を前提としています。 今後も、月に1回のペースで更新していきたいと考えています。 （私自身、短期で相場に向かい合う時間の余裕がないという事情もあります） 今回は、2024年5月24日時点での検証です。 使うテクニカルチャートは「S＆P 500：チャート - Yahoo!ファイナンス」を元にし、私が編集したものです。
先日公開された令和6年税制大綱（リンク）で発表された改正点のなかには、スタートアップに大きく関わる論点も複数含まれていて話題になりました。 2023年は、税制適格ストックオプションの行使価額に関する通達（参考：ストックオプションに対する課税Q&A）や・信託型ストックオプションに関する国税庁の見解の発表などストックオプション関連が話題となった年でした。 税制大綱にもストックオプションに関する改正点が何個か記載されており、どの内容も内容を正しく理解した方がいい内容です。 このnoteでは改正点のうち、「権利行使価額の限度額の緩和」を対象として、スタートアップにおける実態について振り返ります。 なお、税制大綱の該当箇所は以下の通りです。 新株予約権の行使に係る権利行使価額の限度額について、 次のとおりとする。 イ 設立の日以後の期間が５年未満の株式会社が付与する新株予約権につい ては、当該限度額
［GDC 2024］Armが推奨するレイトレーシング時代のスマートフォンゲームグラフィックスとは？ ライター：西川善司 Armの「Immortalis-G715」やQualcommの「Adreno 740」，古くはImaginationの「PowerVR Wizard」など，スマートフォン向けのSoC（System-on-a-Chip）に組み込まれたGPUが，レイトレーシング対応となって久しい。それにも関わらず，実際のスマートフォン向けゲームのグラフィックスに，レイトレーシングが採用された事例はまだまだ少ない。 そもそも，2024年の現状では，レイトレーシング対応GPU搭載のSoCを採用したスマートフォンがまだまだ少ない。だが，2023年発売の「iPhone 15 Pro」シリーズによって，状況は変わってくるかもしれない。iPhone 15 Proの搭載SoCである「A17 Pro」は，レ
こんにちは。谷口です。 今回は、これからPythonに入門したい方、プログラミング初心者の方向けに、paizaラーニングでPythonの基礎が学べるPython入門編、Flask編、Django編、Python×AI・機械学習入門編についてご紹介します。 Pythonってどんな言語？ Pythonは、現在もっとも人気のあるプログラミング言語の1つで、 プログラミング言語の中でも比較的短くシンプル構文なので読みやすく書きやすい 上記の理由から初心者でも基礎を学びやすい 機能的な標準ライブラリや外部のライブラリが多く存在していること などといった特徴があります。 特に計算処理やデータ解析、画像処理などの分野で使えるライブラリが多いため、最近は機械学習の分野でも人気が高まっています。また、DjangoなどのWebアプリケーションフレームワークも人気があり、Web開発の現場で使われることもあります
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
声優ラジオメール投稿初心者が、プチミレディオで初めてメール採用されるまでにしたこと。｜タカヒナ
点群データにおける表現学習 - Ridge-institute R&D Blog
Linuxカーネルの起動時トレースの話 - Qiita
『東京で何が起きていたのか／コロナ感染率の空間分布』
【気象データ】「〇〇年に一度の大雨」の算出 (分布関数の当てはめ編)【統計解析】 - LabCode
データと統計を使って人を騙す10の方法 - Qiita
「小説家になろう」をTableauで分析してみた。（前編）｜Reptile School Girls
フードデリバリーの多様な課題に向き合う 出前館の機械学習システム開発の裏側
【ImageJ】GUI操作で画像解析を行う【画像解析】 - LabCode
qrnというDBベンチマークツールを作った - so what
IBIS 2019 行った - 糞糞糞ネット弁慶
機械学習で「似ているヘアスタイル」を見つける手法 〜 Yahoo! BEAUTYでの実装事例
小型かつ安価なセンサーを使って人の行動推定を行ってみる - ABEJA Tech Blog
より正しい意思決定のための統計的仮説検定とサンプルサイズ計算 - Gunosyデータ分析ブログ
グランツーリスモSPORT最速完走をAIで 達人を凌駕する技術、ソニーなどが開発
［NumPy超入門］箱ひげ図とヒストグラムを使ってデータセットを可視化してみよう
【無料公開】次の予測シナリオとは？2パターン紹介【ビットコイン】 - ローソク足研究所
Metaが本物の写真に「AI製」というラベルを付けているという報告
データサイエンスのためのPython入門講座全33回〜目次とまとめ〜
資本政策の統計「ストックオプションの行使価額合計の相場感」｜VisionaryBase
［GDC 2024］Armが推奨するレイトレーシング時代のスマートフォンゲームグラフィックスとは？
【Python入門】Pythonってどんな言語？機械学習講座も解説 - paiza times