9名のKagglerの方にアンケートにご協力いただき、2020年に面白かったコンペと論文を教えていただきましたのでその結果を紹介します。 2020年も数多くのデータ解析コンペが開催され、興味深い論文が多く発表されました。 昨年公開した「Kaggle上位ランカーの5人に聞いた、2019年面白かったコンペ12選と論文7選」は現時点で20,000人を超える方にご覧いただき、Kaggleを始めとするデータ解析コンペへの関心が非常に高まっていると感じました。 そして本年も9名のKagglerの方にアンケートにご協力いただき、2020年に面白かったコンペと論文を教えていただきましたのでその結果を紹介します。 (1)回答いただいたKaggler9名のご紹介 まずは今回のアンケートに回答いただいたのは以下9名のKagglerの方です。 aryyyyyさま(@aryyyyy221) カレーちゃんさま(@cu
Zero 2 WはRaspberry Pi 3シリーズと同じCortex-A53 CPUを採用しており、4コア・64-bit対応の点で3B・3A+と共通です。周波数に関しては少し抑えめの1GHzとなっていますが、Zero Wとの性能差を考えれば3B・3A+より多少遅いことなどもはや誤差と言えそうです。 DRAMについてはZero Wや3A+と同様512MBです。1GBあると嬉しい感じはしますが、3A+と差ができてしまうので仕方ないかなと思います。個人的には本当は3A+も1GBあると嬉しいですけど。 無線LANについては引き続き2.4GHz帯のみのサポートです。ここは3A+との棲み分けポイントになりそうです。5GHzがほしかった！という方は3A+を検討すると良いでしょう。 ベンチマーク 恒例のUnixBenchでベンチマークを取得しました。今回もスイッチサイエンスさんからお借りしている電波暗
本記事のサマリーELYZA は、「Llama-3-ELYZA-JP」シリーズの研究開発成果を公開しました。700億パラメータのモデルは、日本語の生成能力に関するベンチマーク評価 (ELYZA Tasks 100、Japanese MT-Bench) で「GPT-4」を上回る性能を達成しました。各モデルは Meta 社の「Llama 3」シリーズをベースに日本語で追加学習を行なったものです。 ■「Llama-3-ELYZA-JP-70B」 700億パラメータモデル。「GPT-4」を上回る日本語性能を達成。無料で利用可能なデモを用意しています。 ■「Llama-3-ELYZA-JP-8B」 80億パラメータと軽量ながらも「GPT-3.5 Turbo」に匹敵する日本語性能を達成。モデルを商用利用可能な形で一般公開しました。 使用したAPIのバージョンなど、より詳細な評価結果については本記事の後段
3つの要点 ✔️ デコンパイルに特化した初のオープンソースモデル「LLM4Decompile」を開発 ✔️ モデルに新しい学習目的を導入し、デコンパイルの精度向上を実現 ✔️ 再コンパイルと再実行可能性に焦点を当てたデコンパイルのための初の標準化されたベンチマークを構築 LLM4Decompile: Decompiling Binary Code with Large Language Models written by Hanzhuo Tan, Qi Luo, Jing Li, Yuqun Zhang (Submitted on 8 Mar 2024) Comments: Published on arxiv. Subjects: Programming Languages (cs.PL); Computation and Language (cs.CL) code： 本記事で使用してい
植田日銀は政策修正を「うまくやった」し「うまくいった」
やまざき・はじめ／1958年、北海道生まれ。東京大学経済学部卒業。現在、楽天証券経済研究所客員研究員。株式会社マイベンチマーク代表取締役。東京大学を卒業後、三菱商事に入社。野村投信、住友生命、住友信託、メリルリンチ証券、パリバ証券、山一証券、明治生命、UFJ総研など、計12回の転職を経験。コンサルタントとして資産運用分野を専門に手掛けるほか、経済解説や資産運用を中心に、メディア出演、執筆、講演会、各種委員会委員等を務めた。2024年1月1日、永眠。 山崎元のマルチスコープ 旬のニュースをマクロからミクロまで、マルチな視点で山崎元氏が解説。経済・金融は言うに及ばず、世相・社会問題・事件まで、話題のネタを取り上げます。 バックナンバー一覧 植田和男総裁が率いる日本銀行が、金融政策の修正を行った。識者によって評価は分かれるところだが、筆者は「うまくやった」し、結果的に「うまくいった」と考える。（
新型「MacBook Air」に関しては、3月18日の発表から既に多くの情報が発信されている。この記事にたどり着いた方々の関心事は、「では実機のデキはどうなのだ？」ということだろう。 まずは結論を書いておきたい。もし、あなたがWindows搭載機ではなく、Macを選ぼうと既に決めているのであれば、新型MacBook Airはノートパソコンとして「最も標準的な選択肢」だ。 なぜなら、適応するユーザーの範囲が広いからだ。しかも搭載するキーボードは、過去に使ってきたあらゆるMacBookの中で、最も快適なタイピング体験をもたらしてくれる高品位なものだ。 少しでも価格を抑えたい（とはいえ安普請ですぐに壊れたり、使い勝手や質感が悪かったりでは満足できない）と思っている方から、薄く軽量だけれどパワフルなスペックのノートパソコンが欲しい方までフィットする製品になった。 Apple直販価格10万4800円
米Apple（アップル）が新しい「M1チップ」を搭載したMacを発表した。MacBook Air、13インチMacBook Pro、Mac miniの3機種だ。ここでは、新しいMacBook AirをレビューしながらM1搭載Macのすごさを見ていこう。 初代のiPhoneが登場したのは2007年なので、iPhoneが登場して既に13年が経過している。広くスマホが使われ始めてから、約10年といったところだろうか。この間、スマホの性能はどんどん進化してきた。その後iPadなどのタブレットも登場して、こちらも進化を続けてきた。そしてこの10年、我々の一般的な認識は「ヘビーな作業や仕事はパソコンの役目で、スマホやタブレットはライトに使うデバイス」というものだった。 ところが、いつの間にかスマホのCPU（SoC）は、驚異的な進化を遂げていたのだ。特にアップルは独自のチップを開発し続け、スマホやタブレ
🦆🦆🦆🦆🦆🦆DuckDB入門🦆🦆🦆🦆🦆🦆
tl;dr SQLiteのOLAP版だよ OLAP系のクエリにおいて、PandasやSQLiteより早いらしいよ CSV・Parquet・Pandas DataFrameの読み書きできて便利だよ 背景 ポジション・競合 一言で言うとSQLiteのOLAP版です。位置づけとしては、論文(DuckDB: an Embeddable Analytical Database (SIGMOD 2019 Demo))記載のSystem Landscapeがわかりやすいです。 （DuckDB: an Embeddable Analytical Database (SIGMOD 2019 Demo)より） このLandscapeでは、データベースを Standalone（クライアント・サーバモデル）か、組み込み（シングルマシン・インプロセス）か OLTPかOLAPか の二軸に分割しています。その上で、 ク
ISUCONとはLINEヤフー株式会社が運営窓口となって開催している、お題となるWebサービスを決められたレギュレーションの中で限界まで高速化を図るチューニングバトルです ISUCON10 予選において発生していた、競技開始の遅延をはじめ、ベンチマーカーの不具合、ポータルの 50x エラー等、度重なるトラブルについて詳細を説明させていただきます。 運営チーム一同として、様々な要因から複合的なトラブルに発展させてしまったという認識です。これらの反省点を踏まえ、同種のトラブルを起こさぬよう、次の運営チームへ反省点やデータを引き継いでいきたいと考えています。その観点において、以下に ISUCON10 予選で発生していた各種トラブルの背景・原因について振り返ります。 競技時間の延期についてまずは ISUCON10 予選の競技時間が、当初予定の 10:00 開始から 12:00 、さらに延期して 1
トラベルブックのフロントエンドチームでは2020年の9月から、ページのパフォーマンス改善に取り組んでいます。 今回は今までどのようにやってきたのかを紹介したいと思います。 Core Web Vitals 2020年5月、Core Web Vitals がSEOに影響されるというのがGoogleから発表され、集客的にもユーザー体験をページパフォーマンスが重要になりました。 弊社はメディアサービスを運用しており、SEOはビジネス的に重要な指標としています。 そのため、Core Web Vitals をパフォーマンス改善の指標としました。 Core Web Vitalsはより良いユーザー体験を提供するための指標となっていて、読み込み時間、インタラクティブ性、視覚的な安定性 に焦点をあてた下記3つの指標をベースに計測します。 Largest Contentful Paint (最大視覚コンテンツの
「おお！これが！」 Appleのティム・クックCEOは、カッと目を見開いた後に満面の笑みを浮かべた。そして右手をポケットへと伸ばすと、自分のiPhone 11 Proを取り出してその背面を指差した。 クックCEOをうならせた工業用インキ 彼がのぞき込んでいたのは、緑色の液体が入った釜だ。実はこの液体、2019年発売のiPhone 11 Pro、同11 Pro Maxから採用された新しいカラーバリエーション、「ミッドナイトグリーン」を描き出すのに使われているインキだ。 「グリーン」というと、世界中の多くの人が、環境意識を象徴する色だと思っているかもしれない。 しかし、皮肉なことに緑色のインキの多くは実は環境に悪い。 通常、緑色は臭素を使って作り出すが、これは処理を間違えるとダイオキシン発生につながるハロゲン化物だ。 以前は鉛で黄色を作り、青色を混ぜていたが鉛も環境に悪い。 環境に良い、極めて
こちらの記事は、Ian Batterbee氏により2020年 1月に公開された『 5 predicted UX trends for 2020 』の和訳です。 本記事は原著者から許可を得た上で記事を公開しています。 2020年、ユーザーエクスペリエンスに影響を与える可能性のあるものとその概要について Illustration by Freepik 1. 音声UI Amazon の Alexa などの音声UIは、すでに世界中の多くの家庭で人気になっていますし、今年は保有率がさらに高くなるのではないでしょうか。 「2019年、アメリカの全世帯のうち35％が、少なくとも1つのスマートスピーカーを保有していると推定され、2025年までの予測では、この普及率は約75％に増加すると見込まれています。」 — https://www.statista.com/ Amazon は2019年末に向け、スマート
QOI(Quite OK Image) format 2021年11月にDominic Szablewski氏(@phoboslab)の手による新しいロスレス画像圧縮「QOI(Quite OK Image) format」がアナウンスされました。 C言語のヘッダオンリー・ライブラリとしてわずか300行たらずで実装され、PNGフォーマットに近いデータ圧縮性能でありながら、20～50倍のエンコード速度、3～4倍のデコード速度を実現しています（作者自身によるアナウンス記事より）。 アナウンス記事: Lossless Image Compression in O(n) Time ソースコード: GitHub phoboslab/qoi ベンチマーク結果: QOI Benchmark Result この記事ではQOIフォーマットに関する個人的評価と、その画像圧縮アルゴリズムをざっくりと解説します。
使用した言語 解析ツールの準備 本番前 一ヶ月前 一週間前 本番 開始前 00:00 開始 01:00 - 様々なツールの整備が完了 01:30 最初の気づき bcryptは遅い 03:00 平文保存のコードが一応完成 03:30 バグが取れる 03:30 ベンチ走らせまくり 04:00 第2の気づき: getNewCategoryListが遅い 04:00 第3の気づき: MySQLのチューニングが効きそう 04:20 大量に平文パスワードをかきあつめおわる + MySQLのチューニングをしたりする 04:30 getCategoryByIDをバグらせる 04:35 getCategoryByIDが直る 04:40 getSimpleUserByIDのオンメモリ化に取り組む 05:00 第4の気づき: getNewCategoryList内のクエリは非効率的 05:00 第5の気づき:
OpenAI、次世代AIモデル「GPT-4o」を発表
日本時間2024年5月14日未明、OpenAIは新たなフラッグシップモデル「GPT-4o」を発表しました。このモデルは、音声、視覚、テキストのリアルタイム処理を可能とし、従来のAIモデルを大きく上回る性能を誇ります。OpenAIのCTOであるミラ・ムクティ氏は、「GPT-4oは、人間とマシンのインタラクションの未来を大きく変える一歩です。このモデルにより、コラボレーションがはるかに自然で簡単になります」と述べました。 「GPT-4o」の主な特徴を以下にまとめました。 他のモデルを凌駕する性能 GPT-4oは、OpenAIの以前のモデルであるGPT-4 Turboや、ライバル会社のClaude 3 Opusなどの大規模言語モデルと比較して、頭ひとつ抜けた性能向上を実現しました。サム・アルトマンCEOは、今年4月に "Chatbot Arena" でgpt2というコードネームでテストされていた
転置インデックスの圧縮技法
転置インデックスは、検索エンジンの実装において、中心的な役割を果たすデータ構造である。 転置インデックスのデータ構造とアルゴリズムは、クエリ処理アルゴリズムとともに、検索エンジンの性能に直結する。とくに大規模な検索エンジンにおいては、キャッシュ効率を高めてクエリ処理を高速化するために、転置インデックスの圧縮は必要不可欠となっている。 この記事では、転置インデックス、とくにポスティングリストの圧縮について、近年の手法を簡単にまとめる。 目次 転置インデックスの基本 転置インデックスのデータ構造と特性 転置インデックスのアクセスパターン 近年のインデックス圧縮技法 Variable-Byte Family VByte Varint-GB Varint-G8IU Masked-VByte Stream-VByte Opt-VByte Simple Family Simple9 Simple16
Photo by PhotoMIX Ltd. on Pexels.com ピックアップ：Report: Google is about to take on Slack and Teams with a new ‘unified’ communication app ニュースサマリー： Googleが企業向けモバイルおよびブラウザアプリの統一に動いているとThe Informationが報じた。 「Gmail」「Drive」「Hangouts Meet」「Hangouts Chat」を1つのインタフェースで利用できるようにし、「Google Calendar」などの統合されない予定のサービスとの連携を強めるという。これまで多数のコミュニケーションアプリを立ち上げたGoogleだが、機能を統一させ、ユーザーにわかりやすく訴求させる狙いだ。 競合には大手企業に人気のある「Microsoft T
【記事更新】私のブックマーク「反実仮想機械学習」（Counterfactual Machine Learning, CFML） – 人工知能学会 (The Japanese Society for Artificial Intelligence)
Home » リソース » 私のブックマーク » 【記事更新】私のブックマーク「反実仮想機械学習」（Counterfactual Machine Learning, CFML） 反実仮想機械学習（Counterfactual Machine Learning, CFML）齋藤 優太（東京工業大学） はじめに機械学習の応用において，反実仮想（Counterfactual）─起こり得たけれども実際には起こらなかった状況─についての情報が得られるとうれしい場面が多くある．例えば，「今動いている推薦アルゴリズムを仮に別のアルゴリズムに変えたときにコンバージョン率はどれくらいになるだろうか？」や「あるユーザに仮にクーポンを与えた場合に離反率はどれくらい減少するだろうか？」などの実務現場でよくある問いに答えるためには，反実仮想についての情報を知る必要がある． 反実仮想機械学習（CFML）とは，因果効果
他にもまだまだあると思いますが、自分が見たことがあるのは上記になります。 それぞれ見比べてみると、やはりエンコード・デコード両方に対応しているライブラリが人気があるようです。 この中で特に人気のある easyjson , gojay , json-iterator/go でベンチマークをとってみた結果、パフォーマンスの良い順に並べると次のようになりました。 gojay > json-iterator/go > easyjson > encoding/json 設計方針の違いがそのまま速度に現れているようにも見えますが、理論上最速にできるはずの easyjson が遅かったりと実装の良し悪しも影響しているようです。 一番遅いのは encoding/json です。そもそも encoding/json が遅いから新しい JSONライブラリを作ろうとしているはずなので、一番遅いのは仕方ないのです
ISUCON9 予選問題の解説と講評 : ISUCON公式Blog
予選の問題作成を担当したメルカリのkazeburoです。 ISUCON9の予選に参加していただいた皆さま、ありがとうございました。 お楽しみいただけましたでしょうか。 また、主催の941さんをはじめとするLINEの皆様、ポータルの作成と運用をやっていただいたさくらインターネットの皆様、問題作成と事前回答に協力にいただいた皆さま、サーバ環境を提供していただいたアリババクラウドの皆さま、本当にありがとうございました。 問題の公開今回の予選問題のソースコード、データ、およびプロビジョニングに使用した設定ファイルなどは以下のリポジトリで公開しております。アプリケーション、ベンチマーカーを起動する手順もありますので、手元で挑戦することもできるかと思います。 https://github.com/isucon/isucon9-qualify 蛇足ですが、本リポジトリのコミット数は1,700以上、PRも
StarCoderとStarCoderBaseは、80以上のプログラミング言語、Gitコミット、GitHub Issues、Jupyter Notebookなど、GitHubからライセンスとして許可されたコードのデータでトレーニング（機械学習）されている。Meta製LLMの「LLaMA」と同様に、1兆のトークンに対して約150億のパラメーターモデルをトレーニングした。Hugging Faceは350億のPythonトークン用にStarCoderBaseモデルを微調整し、StarCoderを作成した。 StarCoderBaseは、一般的なプログラミングベンチマークで、既存のオープンコードLLMよりも優れたパフォーマンスを示し、OpenAIの「code-cushman-001」（「GitHub Copilot」の初期バージョンを強化したオリジナルの「Codex」モデル）のようなクローズドモデ
一般公募の枠で CfP 出してあえなくリジェクトされたテーマを、スポンサー枠で勝手に敗者復活させてお話してきました。 はじめに Java 標準のクラスライブラリには、いくつかの乱数生成器の実装 (クラス) が存在しています。長年 Java でアプリケーションを書いている方であれば状況に応じてそれらの実装を使い分けることも難しい話ではありませんが、Java を扱い初めて間もない方にとってはそう簡単な話ではありません。 たとえば java 乱数 のようなクエリでググるとその状況がうかがい知れるのですが、巷にはプログラミングスクール各社の SEO を目的としたコンテンツが溢れていて、それらはいずれも「java.util.Random とか Math.random() とかなんでそんなレガシーなクラス/メソッドしか紹介しないの？ この記事を書いたライターというかエンジニアの人たちは J2SE 1.
計測方法は、(10**6).times{ }のような最小限のコードです。 実際、制限時間が2秒だとして、10の7乗台前後から、想定解法でも厳しくなってくる印象です。 それ以前の1,000,000回(10の6乗)で2秒超えてTLEするなら、自分の書いたアルゴリズムを疑いましょう。 今のC++は10の7乗だと「余裕をもって間に合う」レベルらしいので、C++と比べるとRubyは10倍遅い感じです。 競技プログラミングでは、問題に与えられた要素数も 方針・アルゴリズムを考えるヒントになるので、このあたりの感覚はもっておくとよさそうです。 高速化手法のまとめ・見方 先に高速化のまとめがあった方が親切かと思い、簡単にまとめておきます。 (まとめの方にしか書いてないのもあります……) 本記事は、アルゴリズムの話も少し混じっていますが、アルゴリズムはRubyに限らないので、ほぼ触れてません。 「アルゴリズ
どこから始めるか、あるいはまず何に最初に焦点を合わせるとよいのかを決める際は、これらの主なUX手法から選ぶといいだろう。時間の制約やシステムの成熟度、製品やサービスの種類、現在の最大の懸念事項によって、他の手法より適切な手法もある。製品サイクルごとに異なる手法を用いたり、交互に用いたりするとよい。手法によって目指す目標も知見の種類も違うからだ。以下のグラフは、UX関連のキャリアに関するアンケート調査で、UX実践者がこれらの手法をどのくらいの頻度で利用しているかについての回答内容である。 UXキャリア調査レポート（無料）による、UXの専門家が最もよく利用する手法。パーセンテージは、その手法を少なくとも1～2年に一度は利用していると答えた回答者の割合を示している。 UXに関する活動を1つしか実施できず、既存のシステムの改善を目指す場合は、（思考発話法を用いる）定性的なユーザビリティテストを実施
記事の概要を3行でまとめ検索システムの移行や導入は組織化しましょう 指標に気を取られすぎないようにしましょう 検索を見ると様々なドメインに触れるので知識が増えてお得 はじめにnote株式会社で検索エンジニアをしているchovです。 早速ですが、noteでは全文検索エンジンを以下の箇所で利用しています。 ハッシュタグの検索 ユーザの検索 マガジンの検索 記事の検索 メンバーシップの検索 CloudSearchを利用した検索結果これまではCloudSearchを利用していましたが、2022年の4月ごろからElasticsearchへの移行プロジェクトを始め、この記事が公開される2023年2月時点でほとんどの検索をElasticsearchに移行するところまで進みました。 本稿では移行プロジェクトの進め方や検証の手法について解説しますが、これから全文検索エンジンの導入・移行を行う方の参考になれば
プログラミング言語 Ruby30 周年記念イベント 2023 年 2 月 25 日、Ruby 誕生 30 年を記念したイベントが開催されました。 2020 年から流行した新型コロナウィルス感染症の影響で、一時期のイベントはすべてオンラインでの開催が主流となっていました。 本イベントも当初はオンライン形式で予定されていましたが、当日は松江オープンソースラボをメイン会場としてオフラインとオンラインのハイブリッドで開催されました。 開催日 2023-02-25 (土) 13:40 - 17:30 開催場所 松江オープンソースラボ / YouTube 配信 主催 一般財団法人 Ruby アソシエーション / 一般社団法人 日本 Ruby の会 公式ページ プログラミング言語 Ruby30 周年記念イベント 進行 ：前田修吾 公式ハッシュタグ #ruby30th 動画 アーカイブ動画 オープニング
急なレスポンスタイム悪化から、オープンソースプロジェクトにPull Requestを送るまで - 弥生開発者ブログ
こんにちは、Misoca開発チームの黒曜(@kokuyouwind)です。 最近はシャニマスのイベントシナリオ感想記事をnoteにまとめたりしています。 😨 急に本番のレスポンスタイムが悪化した話 Webエンジニアにとって、「本番障害」という4文字ほど見たくないものはないでしょう。 本番障害ほどではないにしても、「急なレスポンスタイム悪化」もあまり見たくない文字列ですね。まぁ、見たくなくても向こうからやってくるんですが… というわけで、今回は本番レスポンスが急に悪化したときの話です。いろいろ調べた結果、利用しているオープンソースプロジェクトが原因だったことがわかりPull Requestを送ったので、その流れをまとめてみたいと思います。 ❗️ レスポンスタイム悪化の検知 Misocaでは監視ツールとしてMackerelを、APMツールとしてSkylightを利用しています。 本番レスポン
国友直人のホームページ
私のホーム・ページにようこそ 制作協力：福井崇人・一場知之/最後の訂正:2023年1月15日 [ 英語 | 日本語 ] 研究・教育活動の主な分野 統計学、計量経済学、数理・計量ファイナンス、経済統計学、データサイエンス(統計科学) 最近の活動 社会協力活動 国土交通省第三者委員会委員(建設工事受注動態統計調査の不適切処理問題, 2021.12.23-2022.1.14) 報告書, 国土交通省 研究協力 経済時系列解析プログラム・季節調整法X12SIML(佐藤整尚先生, 2023.2.1) 日本語解説, 英語解説 新刊 「データ分析のための統計学入門」("OpenIntro Statistics, 4th Edition" by D.Diez, M.Cetinkaya-Rundel and C.Barr, 日本語印刷版(誤植訂正版), 日本統計協会, 小暮厚之氏・吉田靖氏と共訳,2021年3
GitHub ActionsのイメージビルドをDockerレイヤキャッシュで高速化（翻訳）｜TechRacho by BPS株式会社
概要 原著者の許諾を得て翻訳・公開いたします。 英語記事: Build images on GitHub Actions with Docker layer caching — Martian Chronicles, Evil Martians’ team blog 原文公開日: 2021-03-11 著者: progapandist (And[re]y Bar[a]nov)、dragonsmith (Kirill Kuznetsov) サイト: Martian Chronicles, Evil Martians’ team blog -- ニューヨークやロシアを中心に拠点を構えるRuby on Rails開発会社です。良質のブログ記事を多数公開し、多くのgemのスポンサーでもあります。 はじめに: 適切なDockerレイヤキャッシングでGitHub Actionsでイメージを構築する方法
基盤モデルの開発をしている中で苦労することは？ 南野充則氏（以下、南野）：では、ここからパネルディスカッションに移っていきたいと思います。最初は、こちら側でお題を用意しています。大きなトピックとしては、基盤モデルの開発とコスト、基盤モデルにおけるアカデミアとビジネスの観点でどのような考え方をされているのかというところ。 あとは、日本語特化LLMの意義と展望といったところですね。大きなトピックとして揃えていますが、今「Slido」でのご質問もいただいていますので、適宜Slidoも拾いながらやっていければと思います。Slidoは、このQRコードからみなさんに質問していただければと思います。 さっそくですが、トピック1に移っていきたいと思います。「基盤モデルの開発をしている中で苦労されることは？」というところで、これはまず垣内さんからお願いしたいです。この基盤モデルを作っている中でどんな苦労があ
2021年 強さへの旅 - 運河
振り返るなら、2021年はトレーニングに取り組んだ年だった。 社会情勢的に、貯金をすべて使うほどに好きだった海外旅行にも行けなくなって、エネルギーを持て余していた。 とにかく遠くに行きたかった。 年が終わる頃に遠くまで来たな、と思える何かが欲しかった。 2021年末の今では、英語と運動について習慣的にトレーニングするようになって、今年の初めよりは少しだけ遠くまで来れた気がする。 2021年に意識して取り組んだことを振り返ってみようと思う。 いつも想う 死ぬ前にきっと もっと行けたなんて思うんじゃないか - S.L.A.C.K 英語 英語学習に力を入れようと思った一番のモチベーションは、知らない単語が多すぎて読めない洋書があったことだった。 技術書やビジネス書を読むときにはそんなに苦労しないけど、たとえばサピエンス全史のような語彙レベルが少し高い本を読むのにはかなり苦痛だった。 大学受験と数
全文公開 『2020年6月30日にまたここで会おう』 第一檄「人のふりした猿にはなるな」｜瀧本哲史『2020年6月30日にまたここで会おう』特設note
本講義は、去る2012年6月30日、東京大学の伊藤謝恩ホールにて行われたものである。生徒の参加資格を29歳以下に限定、約300人の10代・20代が全国から集結した。 はい、瀧本です。 とくに今日は自己紹介する必要もないと思うので、バーッと進めますね。 僕は話すのがちょっと速すぎるようで、よく通訳が必要とか言われるんですが（笑）、ここに集まったみなさんは頭も良いかと思うので、京大の授業でいつもやっているようにやります。 はい、ついてきてもらえればと。 で、今日のこの会場は、東京大学の伊藤謝恩ホールです。みなさん、「伊藤」って誰のことだか、わかります？ イトーヨーカ堂、セブンイレブン・ジャパン創業者の、伊藤雅俊さんなんですね。 伊藤さんが50億円ぐらいをバーンと東大に寄付してくださいまして、今年、本郷キャンパスにこれができました。赤門の向こう側にある福武ホールも、ベネッセの福武さんが同じくらい
はじめに こんにちは、推薦基盤部の与謝です。ECサイトにおけるユーザの購買率向上を目指し、レコメンデーションエンジンを研究・開発しています。最近ではディープラーニングが様々な分野で飛躍的な成果を収め始めています。そのため、レコメンデーション分野でも研究が進み、精度向上に貢献し始めています。本記事では、ディープニューラルネットワーク時代のレコメンド技術について紹介します。 目次 はじめに 目次 パーソナライズレコメンドとは 深層学習より前の推薦手法 協調フィルタリング Matrix Factorization SVD（Singular Value Decomposition） Factorization Machine 深層学習を使った推薦手法 ニューラルネットワーク推薦手法に対する警鐘 Recboleプロジェクト Recboleプロジェクトを用いた各アルゴリズムの検証 General Re
わたしに声をかけてくれるIT技術者、とくに経験が浅い人に私用PCの開発環境は何を使っているかということをよく聞かれます。なにかの役に立つかもしれないので、環境を紹介しつつ、どういう思いでそうしているのかについても書きます。 私のバックグラウンドを説明しておくと、会社員として15年ちょっとLinuxカーネルの開発、サポート業務をしていました。その後6年くらい別のSaaS企業で自社インフラ用の分散ストレージの開発をしています。このストレージはLinux上で動作します。趣味ではLinuxカーネルやその周辺領域についての技術書を出したり記事を書いたり、YouTubeの動画を公開したりしています。つまりLinuxに非常に縁が深いです。 わたしはPCを2台持っています。一つめは普段使いのモバイルノートPC、もう一つはミニタワーのデスクトップPCです。ノートPCはVAIO Zで、スペックを盛れるだけ盛り
ＧＩＧＡスクール構想の実現 標準仕様書 令和２年３月３日 文部科学省 目次 はじめに ・・・・・・・ 1 １．学習者用コンピュータの標準仕様書 ・・・・・・・ 2 （１）学習者用コンピュータの標準仕様書について ・・・・・・・ 2 （２）学習者用コンピュータ等機器賃貸借標準仕様書例 ・・・・・・・ 3 （３） 「学習用ツール」について ・・・・・・・ 10 （４）LTE 通信でのネットワーク整備について ・・・・・・・ 15 ２．校内 LAN 整備の標準仕様書 ・・・・・・・ 17 （１）校内 LAN 整備の標準仕様書について ・・・・・・・ 17 （２）校内 LAN 整備調達仕様書の作成方法 ・・・・・・・ 17 ① 用語の説明 ・・・・・・・ 17 ② インターネットへの接続構成 ・・・・・・・ 19 ③ 校内 LAN 配線 ・・・・・・・ 19 ④ 必要機器の数量及びスペック算定方法
Grokは、Xのオーナーであるイーロン・マスク氏の別会社、xAIが開発するAIチャットbot。Xのプレミアムユーザーが利用できる。 xAIは22日、Grokのための「世界最強のAIトレーニングクラスタ」をテネシー州メンフィスで稼働開始したが、AIのトレーニングには設備だけでなく、大量のトレーニング用データが必要だ。 Xのユーザーデータをトレーニングに使う設定がいつから追加されていたかは、Xからの発表がないので分からない。 Xは昨年9月に改定したプライバシーポリシーで、公開データをAIのトレーニングに使うという文言を追加したが、その時点ではユーザー向けの設定にGrokに関する項目はまだなかった。 本稿執筆現在、Xあるいはイーロン・マスク氏（現地でパリ五輪観戦中）からは、この件についてのポストはない。 関連記事 xAIのメンフィスAI向けギガファクトリー始動 「世界最強のAIトレーニングクラス
はじめに どんな人向けの記事？ ローカルLLMに興味のある人 zoltraakに興味のある方 LLMを用いて要件定義書を作りたい方 内容 今回は元木さんのZoltraakを使って、自然言語から要件定義書を作ってみようと思います。 ただし、リリースされてから2ヶ月以上経ったzoltraakを普通に動かすだけでは面白くないので、この記事ではローカルLLMを使った場合にどの程度の品質のアウトプットが得られるか、そもそもまともに使えるのかを検証してみたいと思います。 結論 結論から述べると、下記の通りになりました。 現状のローカルLLMだけでzoltraakを完全に動作させるのは難しそう。 要件定義書は問題なく作成できる。 その後の工程の、ディレクトリ・ファイル構成を作成するための実行可能なpythonコードを作ることができなかった。 grimoiresの記載を工夫することで、ある程度は改善できる
RustがC++に速度で勝った話 - Fixstars Tech Blog /proc/cpuinfo
実行毎に数十msはブレるので、元のC++実装に対しての時間で比較して見ると、最適化オプションと配列境界チェックの除去が効いているように見えます。 そして先述の通り、RustとC++で実行順を入れ替えたり何度か実行しても、最終的に必ず（わずかに）Rustの方が時間短かったので、（2019/09/20:45追記）「計測誤差ではないの？」という問い合わせを内外から多数受けたので、（先述の通り経験的に計測誤差でないことは明らかではあるんですが経験者でない人向けの）分かりやすい証拠としてC++とRustそれぞれ単体を100回ずつ計測した結果を置いておきます。分布から分かる通り、検定などするまでもなく有意にRustの方が時間が短いことが分かります。また、C++側は元のナイーブな実装のままなので、高速化の余地（例えばrestrict）は十分にあります。ここでは「手軽にやった時に」を想定しており、その条件
動機 The Rust Performance Book という書きものを見つけました。いろいろなパフォーマンス改善テクニックが書かれているわけですが、実際に普段書いてる Rust コードの中で一体何がパフォーマンスに与える影響が大きいのか？という点が気になってベンチマークを取ってみました。 今回パフォーマンスを計測するプログラムはビットマップ画像（1600px x 1200px）をグレースケールに変換する処理です。I/O のパフォーマンスは無視します。&[u8]から RGB をそれぞれ 1byte ずつ（合計 3bytes）取ってきて、それをグレースケールの 1byte に変換してVec<u8>にする時間を計測します。イメージとしては下記のような関数です。 // source が カラーのビットマップ画像のデータ fn sample(source: &[u8]) -> Result<Ve
データの暗号化はインターネットでサービスを提供する企業には欠かせませんが、パフォーマンスの低下を嫌って自社サーバーのディスクに暗号化を施していない場合もあります。そんなディスクの暗号化によるパフォーマンス低下を改善した事例をCloudflareのエンジニアであるIgnat Korchagin氏が公開しています。 Speeding up Linux disk encryption https://blog.cloudflare.com/speeding-up-linux-disk-encryption/ ストレージの構造は「アプリケーション」「ファイルシステム」「ブロックサブシステム」「物理ストレージ」といった層に分けることができ、ネットワークにおけるOSI参照モデルに似ているとのこと。高次元の層に対して低次元の層での処理は抽象化されており、それぞれの層で暗号化が可能です。通常、高次元の層に
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
Kaggleランカーの9人に聞いた、2020年面白かったコンペ9選と論文9選 | 宙畑
Raspberry Pi Zero 2 Wを見て触ってレポート
「GPT-4」を上回る日本語性能のLLM「Llama-3-ELYZA-JP」を開発しました｜ELYZA, Inc.
デコンパイルに特化した大規模言語モデル「LLM4Decompile」の登場
新「MacBook Air」を試して分かった真の実力 2020年の“標準Mac”が誕生
安いパソコンは遅いという常識をぶち破る、M1搭載MacBookはゲームチェンジャー
ISUCON10 オンライン予選で発生したトラブルについて : ISUCON公式Blog
Lighthouseの点数を50点以上改善したお話 – TravelBook Tech Blog
ティム・クックCEOが思わずうなる、アップルブラックを生み出したこだわり
2020年に予測される 5つのUXトレンド - Qiita
ロスレス画像圧縮: QOI(Quite OK Image) format
ISUCON 9 参加記 - kyuridenamidaのブログ
Googleがアプリ統一へ、SuperApp化する世界 - BRIDGE（ブリッジ）テクノロジー＆スタートアップ情報
Goで高速JSONライブラリを作るためにしたこと | メルカリエンジニアリング
コーディング用大規模言語モデル「StarCoder」とは 何がすごいのか
Java における乱数生成器とのつき合い方 / #JJUG CCC 2019 fall に登壇してきました
Ruby競プロTips(基本・罠・高速化108 2.7x2.7)
UX調査早見表
noteの検索をCloudSearch からElasticsearchに移行しつつある話｜chov
プログラミング言語 Ruby30 周年記念イベント レポート
「数千万円かかるコスト」と「山のような技術的課題」 開発者たちが語る、日本語LLMの現在地
ディープラーニングを活用したレコメンドエンジン改善への取り組み - ZOZO TECH BLOG
わたしの私用PCの開発環境 - 覚書
[PDF]GIGAスクール構想の実現標準仕様書 令和２年３月３日 文部科学省
X、xAIのAI「Grok」のトレーニングに投稿を使う設定を初期設定で有効に モバイルでは無効化できず
ローカルLLMでzoltraakを動かせるか検証してみた
Rust のパフォーマンスに何が影響を与えているのか - Qiita
「OSの最深部」が垣間見える「ディスクの暗号化」に関するCloudflareのカーネル改善記録