Kaspersky Labは7月29日(現地時間)、「New Mandrake Android spyware version discovered on Google Play｜Securelist」において、Google Playより配布された複数のアプリからマルウェア「Mandrake」の亜種を発見したと伝えた。これらアプリは2024年3月末までにGoogle Playから削除されたが、合計32,000回以上ダウンロードされたとみられている。 New Mandrake Android spyware version discovered on Google Play｜Securelist 悪意のあるアプリ 発見された悪意のあるアプリは合計5つで、最も新しいものは2024年3月15日に更新されている。アプリの一覧は次のとおり。 AirFS (com.airft.ftrnsfr) Ast
RedmineプラグインのシステムテストをPlaywrightで動かす方法を紹介します Playwrightは環境構築が簡単なのが魅力的です GitHub Actionsでの自動テストも簡単に設定できます 今週のブログ担当は石川です。 ファーエンドテクノロジーではRedmine本体の改善を行うとともに、RedMica UI Extensionプラグイン、Redmine issues panelプラグイン、Redmine message customizeプラグインなどさまざまなプラグイン(やテーマ)を開発し、そのうちいくつかをオープンソースソフトウェアとして公開しています。 Redmineは継続的にRailsやRubyのバージョンアップが行われており、プラグインはRedmineのバージョンアップに追従する必要があります。追従するためには十分な自動テストを書くことが大切です。 今回のブログで
本日の内容 WWDCも終わり、各社のAI戦略が一通りできったところで、5月上旬に発表された「Apple M4」の考察でもしてみようとおもう。AI時代もAI時代なので、Appleがどういうアプローチをしているのかを確認したい。 Apple M4 CPU GPU メモリ Neural Engine 〆 関連リンク Apple M4 Apple M4は、Apple Siliconでは久々のメジャーアップデートに近いものになったという印象がある。基本的にA14/M1世代から、M2・M3と比較的小規模なアップデートが続いたが、M4はやや大きめのアップデートと言える。とはいっても、A12ほどのアップデートかと言われればそうではない。ただ最近のAppleにしては大きめのアップデートだったという印象だ。 今回、Apple M4で目に見えて強化されたものはCPUとNeural Engineである。ともにAI
GPUではない高速AIチップ“LPU”開発の「Groq」が6億4000万ドルの巨額資金調達に成功 | XenoSpectrum
AIチップスタートアップGroqが、AIインフラ市場で大きな注目を集めている。同社は最近、6億4000万ドルのシリーズD資金調達ラウンドを完了し、企業価値を28億ドルに押し上げた。AIバブルの危険性も囁かれる中でのこの巨額の資金調達成功は、AIチップ市場の熾烈な競争と、投資家たちのAIインフラへの関心がいまだ続いていることの現れとも言えるのではないだろうか。 Groqの革新的なAIチップ技術と急成長戦略 Groqは2016年に設立された比較的若いスタートアップだが、その技術力と成長速度は業界に大きなインパクトを与えている。創業者でありCEOのJonathan Ross氏は、GoogleのカスタムAIアクセラレータチップであるテンソル処理ユニット(TPU)の発明に貢献した経歴を持つ。この経験を活かし、Groqは当初からAIの推論処理に特化したチップの開発に注力してきた。 同社の主力製品は言語
ESP32用ライブラリは以下を使用しました。 https://github.com/aed3/PS4-esp32 PS4コントローラは以下の互換品を購入 連動動作 ここではESP32マイコンとしてATOM Matrixを使用してコントローラのボタンでLEDの色を変えてみました。 ゲームコントローラとESP32つなぐヤツを初めてやってみた。 可能性が拡がった pic.twitter.com/QdfzhZmwew — HomeMadeGarbage (@H0meMadeGarbage) July 15, 2024 Arduinoコード #include <PS4Controller.h> #include "M5Atom.h" void setup() { Serial.begin(115200); PS4.begin(); Serial.println("Ready."); M5.begin
自作キーボードで作業環境の効率アップ
ハードウェアはこれで組み立て完了です。 ファームウエアの書き込み 続いて、ファームウェアの書き込みを行います。TONE&NOTEでは、「QMK Firmware」という自作キーボード用制御ファームウェアを用います。用途に合わせてカスタマイズしたキーの割り当て（キーマップ）を設定したファームウェアを書き込むことで、好みのキーボードに仕上げることができます。 まずは動作確認 初めに、はんだ付け作業などのキーボードの組み立てが正しく行われて、キーが動作しているか確認するために、テスト用のファームウェアを書き込んで動作確認します。ビルドガイドの「ファームウェアの書き込み」の、「TONEの動作確認をする」に手順があります。書き込み用のツールであるQMK Toolboxを起動し、キーボードをUSB接続してファームウェアを書き込んでみましょう。正しく動作していれば、キーを押すとA～Hの文字が、ロータリー
Kaspersky Labは7月29日(現地時間)、「New Mandrake spyware version discovered on ｜Securelist」において、より配布された複数のから「Mandrake」の亜種を発見したと伝えた。これらは2024年3月末までにから削除されたが、合計32,000回以上ダウンロードされたとみられている。 New Mandrake spyware version discovered on ｜Securelist ○悪意のある 発見された悪意のあるは合計5つで、最も新しいものは2024年3月15日に更新されている。の一覧は次のとおり。 AirFS (com.airft.ftrnsfr) Astro Explorer (com.astro.dscvr) Amber (com.shrp.sght) CryptoPulsing (com.cryptopu
SDXLをSD1.5で自動i2iしよう！(Stability MatrixでComfyUIの使い方から、Managerを使った簡単ワークフロー共有、生成ができるまで）
はじめにプロダクトの分析においては、ユーザーを任意にセグメンテーションして、より好ましいセグメントに遷移してもらうように施策を考える、ということを行います。例えば RFM 分析では Recency, Frequency, Monetaly の 3 つの尺度でユーザーを分類して、現状を把握し、優良グループを増やすなどの施策を考えます。 このとき、任意に定義された状態をユーザーは時間に応じて移動していくことになります。複数の状態を遷移していくような行動をモデリングする際にはマルコフ連鎖を用いるアイデアがあります。 今回は例として下記のような 3 つの状態を定義して、月次でのユーザーの状態遷移をマルコフ連鎖でモデリングするアイデアについて書いていこうと思います。 定着ユーザー: 前月も今月もアクティビティがあるユーザー 休眠ユーザー: 前月にアクティビティが 1 度もなかったユーザー 復帰ユーザ
TL;DR M5AtomはI2Sにより音を出力できるものの、公式のキットに搭載されているNS4168はモノラルアンプなのでステレオ音源に対応できません ステレオ対応DACであるUDA1334Aのモジュールを使うと、M5Atomからステレオ出力できることを確認しました 動作確認用のコードを、GitHubに公開しています M5Atomと音声出力 M5Atomは、M5シリーズの中でも最小のサイズと、サイズにしては多めのGPIOピンを特徴とする開発モジュールです。 スイッチサイエンスさんでatomを検索すれば分かるとおり、挿すだけで使える拡張モジュールがたくさん発売されています。 M5Atom向けには、音を扱えるモジュールとしてATOM EchoとATOM SPKが出ています。 ATOM Echo - スマートスピーカー開発キット - スイッチサイエンス ATOM NS4168搭載 スピーカーキッ
本日は、TF-IDFについて簡単に勉強してみたので、それのまとめです。 TF-IDFとは Term Frequency Inverse Document Frequency TF-IDF(Term Frequency - Inverse Document Frequency)を求める scikit-learnで計算してみる TF-IDFとは Term Frequency - Inverse Document Frequencyの略で自然言語をベクトルで表現する方法のひとつであり、ある文書を特徴づける重要な単語を抽出したいときに有効な手法です。 TF-IDFの求め方は次のとおりです。 tfとidfを掛けることによりtfidfを求められます。まとめると、下記のように表すことができます。 TF-IDFの計算式 このtf（Term Frequency）とidf（Inverse Document F
こんにちは。コミュニケーションIT事業部 ITソリューション部の英です。 普段はWebアプリやスマホアプリの案件などを担当しています。あと、趣味でAIを勉強しています。 突然ですが、AIの勉強をしているとk-means法とk近傍法って混同しませんか？ 不意に尋ねられた際にぱっと答えられる自信がありません。 なので、今回から2回に渡ってk-means法とk近傍法のそれぞれを実際に検証して身に付けようと思います。 k-means法：クラスタリング手法で、データをk個のグループに分ける、教師なし学習 k近傍法：あるデータ点を、その点に最も近いk個の既知のデータ点(近傍)の多数決で分類する、教師あり学習 まず、今回はk-means法を使って簡単なクラスタリングを行い、可視化してみようと思います。 次回はk近傍法(k-NN)について解説します。 この記事で学べること クラスタリング手法 k-mean
というNBER論文が上がっている（ungated(SSRN)版）。原題は「Identifying Shocks to Systematic Risk in Times of Crisis」で、著者はJacob Boudoukh（ライマン大）、Yukun Liu（ロチェスター大）、Tobias J. Moskowitz（イェール大）、Matthew P. Richardson（NYU）。 以下はその要旨。 We characterize how risk evolves during a crisis. Using high-frequency data, we find that the first two principal components (PCs) of the covariance matrix of global asset returns experience large
Limitedレンズのこと | 何処へ往くのか、赴くまま
コシナのSL/SLⅡのまとめ的なの書いたので、次はPENTAXのアイデンティティたるLimiterdレンズについて書いてみよう。そして書きすぎた。 またインターネットアーカイブとか使って調べています(‘∀`) PENTAXのLimitedレンズは他のメーカーには無い、異色のレンズシリーズです。 感応性に重点を置く為に敢えて収差を残しながらも、解像力などの結像性能も確保する…そういう熱の篭もったレンズ達です。 色々まとめていたら長くなったので目次が付きました。
腕を一周ぐるりと、キラキラのダイヤモンドが取り巻いていたなら…さぞかし、いつでも良い気分でいられるだろうと思いませんか。実はずっと、ダイヤのブレスレットに憧れていました。エタニティバングルもありますが、自分がより使いやすいと感じるのはバングルより手首に沿うチェーンタイプなので、テニスブレスレットをいつか手に入れたい。 ただ、こんなにゴージャスなジュエリーを自分の人生で使い切れるのか？という疑問が常に浮かんでしまい…なかなか購入の検討すらできずにいました。こんなにTシャツにデニムばかりで生きているのに大丈夫なのか。せっかく大物を買うなら箪笥の肥やしにはしたくない、いつでも気負いなく身に着けて自分の身体の一部にしたい！…最近ふと思い立ちました、じゃあ、とりあえず、練習してみようか？と。 ということで、スワロフスキーの「Matrix テニスブレスレット」を買ってみました。 一番オーソドックスなタ
はじめに この記事はMATLAB/Simulink Advent Calendar 2023の9日目の記事として書かれています。 qiita.com LiDARなどにより取得される3次元点群ファイルの有名なフォーマットにe57があります。 e57は、XML データ形式に基づいて点群や各種データを階層ツリー構造で格納します。米国試験材料協会 (ASTM) によって定められています。 例えば、Leica社のCycloneで点群をエキスポートするときや、iPhone LiDARのアプリである、Dot3Dで点群をエキスポートするときにE57形式を選択することができます。 以下の図は、Dot3Dで点群をエキスポートするときの様子です。一番下にE57があることがわかります。 E57形式について E57は、ヘッダー、バイナリーセクション、XMLセクションに分かれています。 画像出典：e57FileRea
情報処理技術者試験のプロジェクトマネージャー（PM）資格取得を目指し、現在勉強中です。 今回は学習過程で理解した責任分担マトリックス（RAM: Responsibility Assignment Matrix）について、自分なりにまとめてみました。 1. RAMとは RAMは、プロジェクトのタスクや作業項目に対して、誰がどのような責任を持つかを明確にするためのツールです。 特に、RACIチャートという形式がよく使われるようです。 RACIの意味は、以下となります。 R (Responsible): 実行責任者A (Accountable): 説明責任者C (Consulted): 相談対応者I (Informed): 情報提供を受ける者 2. RAMの重要性 学習を進める中で、RAMが非常に重要だと感じました。 その理由をいくつか挙げてみます。 人的資源の効率的な配置責任の明確化によるトラ
以前自炊なんかもやっていましたが、読み取ったあとOCRがうまく行かなくて、結局あまり便利にならなかった経験があります。 この度、思うところがありまして再度書籍の自炊を始めてみました。最近のソフトは読み取った画像を良き方向に回転させてくれるので以前に比べて格段に使いやすくなっています。 ところが、読み取った画像の中に微妙に角度が水平じゃないページが紛れていまして、このままOCRをかけると誤読しそうなので、書類を水平に変換するコードを作ってみました。 参考にしたのはこちらの記事です。 こちらの記事の考え方を参考にさせていただいてGoogleColab上で書類を水平に回転させるコードを書きました。 まずはコード 以下が作ったコードです。参考記事はC++で開発していますのでPythonで実行できるように変更を加えました。また、スキャン画像が10度以上傾いていたらそもそも内容が毀損してるだろうという
はじめに 「GPUプログラミングに興味があるけれど、CUDAは難しそうだし書きたくない……」 「ある並列プログラムをCPUとGPUで性能比較したいけれど、それぞれに対してコードを書くのは面倒……」 そういう方におすすめしたいのが、Kokkosという並列計算のためのC++ライブラリです。 このライブラリが持つ大きな特徴としては、高い performance portablity を有していることにあります。つまり、あるプログラムを、コードを変えず、性能を保ったまま異なる環境で動かすことができるということです。 Kokkosは、OpenMP、CUDA、SYCL、HIPなどのさまざまなバックエンド環境をサポートしており、これらを高い抽象度で記述することができます。 本記事では、並列プログラミングに関する前提知識をおさらいしたうえで、Kokkosの基本事項を学び、簡単な使用例を解説しようと思います
Section1：強化学習 ■強化学習とは ・長期的に報酬を最大化できるように環境のなかで行動を選択できるエージェントを作ることを目標とする機械学習の一分野 →行動の結果として与えられる利益(報酬)をもとに、行動を決定する原理を改善していく仕組み ・強化学習のイメージ ・エージェントは行動する主体のこと ・エージェントは、なんらかの環境に置かれ、環境の「状態」を観測し、それに基づき「行動」を行う。その結果として、環境の状態が変化し、エージェントは環境から「報酬」を受け取ると同時に、「新しい状態」を観測する。 ■強化学習の応用例 ・マーケティングの場合を考えると、環境、エージェント、行動、報酬は以下のように考えられる。 環境：会社の販売促進部 エージェント:プロフィールと購入履歴に基づいて、キャンペーンメールを送る顧客を決めるソフトウェア 行動：顧客ごとに送信、非送信のふたつの行動を選ぶ 報
CPU python とGPU CUDA の処理時間を比較。CUDAプログラミングにおけるスレッド数とブロック数の最適な構成とは。 - Qiita
CPU python とGPU CUDA の処理時間を比較。CUDAプログラミングにおけるスレッド数とブロック数の最適な構成とは。機械学習DeepLearningポエムChatGPTQwen ショートストーリー: 「圧倒的なGPUのパワー」 エリックは学生時代からコンピューターサイエンスに興味を持っていたが、特にGPUの並列計算に心を奪われていた。大学の研究室で初めてCUDAプログラミングに触れたとき、その計算速度の違いに驚きを隠せなかった。彼は「GPUのパワーを引き出すにはどうすればいいのか？」という問いに対する答えを見つけるために、夜遅くまでコードを書き続けた。 ある日、エリックは新しい課題に取り組むことにした。それは、非常に大きな配列のベクトル加算を行うプログラムだった。彼は、CPUだけでなく、GPUも使って計算速度を比較することに決めた。 彼の最初の目標は、CUDAカーネルを使って
Kaspersky Labは7月29日(現地時間)、「New Mandrake spyware version discovered on ｜Securelist」において、より配布された複数のから「Mandrake」の亜種を発見したと伝えた。これらは2024年3月末までにから削除されたが、合計32,000回以上ダウンロードされたとみられている。 New Mandrake spyware version discovered on ｜Securelist ○悪意のある 発見された悪意のあるは合計5つで、最も新しいものは2024年3月15日に更新されている。の一覧は次のとおり。 AirFS (com.airft.ftrnsfr) Astro Explorer (com.astro.dscvr) Amber (com.shrp.sght) CryptoPulsing (com.cryptopu
TickTick: todoリストとタスク管理とカレンダー
I’ve used so many iOSto-do lists and planners. This is the best one. Period. Up until now I had at least 3 to-do apps for focus, habit trackers, calendar, and a to-do list, but this app has everything included with basic features available for free. I have ADD and this app is a lifesaver for planning, prioritizing, or just writing memos. I always forget things but writing them down or putting them
ということで Google Colab でシュッと試してみたわよ !pip3 install rebuff langchain openai -UREBUFF_API_KEY="" # Use playground.rebuff.ai to get your API key OPENAI_API_KEY=""Rebuff は Playground も提供しててそこから API Key 発行できるだす～ チュートリアル通りとりあえずインジェクトっぽいプロントをちぇーっく from rebuff import Rebuff # Set up Rebuff with your playground.rebuff.ai API key, or self-host Rebuff rb = Rebuff(api_token=REBUFF_API_KEY, api_url="https://alpha.
ATOMIC TFカードリーダー
本製品はATOMIC TFカードキットからTFカードモジュールのみを取り出した製品です。ATOM本体は含まれません。 TF（MicroSD）カードの読み取りと書き込み用のモジュールです。Atom Matrix、Atom Lite、AtomS3、および AtomS3 Lite と互換性があります。 自動排出カードスロットを採用しているので、TF カードの挿入と取り外しが簡単です。最大16 GBのTFカードに対応し、設定ファイルやユーザーデータ等の重要なファイルをTFカードに保存することができます。プログラム実行中にも、これらのファイルにアクセスし利用することが可能で、リソースファイルを外部TFカードにオフロードすることで、コントローラ上の貴重なフラッシュメモリの使用量を削減する事ができます。 特徴 ATOM Matrix/ATOM Lite/ATOMS3/ATOMS3 LITEに対応 最大1
Redmineとプラグインの開発を支える自作のツール
Redmineとプラグインの開発をしやすくするために作ったツールを二つ紹介 redminedはソースコードとDockerがあれば、Redmineの開発を始めることができるコマンドラインツール action-setup-redmineは、GitHub Actions上で簡単にRedmineをセットアップできるアクション こんにちは、日高です。早いもので、入社4ヶ月が経過しました。今回は、その4ヶ月間にRedmineやプラグインの開発を行う中で、開発をしやすくするために自作したツールを二つご紹介します。 Redmined https://github.com/hidakatsuya/redmined 一つ目は、redminedというコマンドラインツールです。これを使うことで、RedmineのソースコードとDockerがあれば、常に同一の環境で動くRedmineに対して開発を行うことができるよう
CPU python とGPU CUDA の処理時間を比較。CUDAプログラミングにおけるスレッド数とブロック数の最適な構成とは。 - Qiita
CPU python とGPU CUDA の処理時間を比較。CUDAプログラミングにおけるスレッド数とブロック数の最適な構成とは。機械学習DeepLearningポエムChatGPTQwen ショートストーリー: 「圧倒的なGPUのパワー」 エリックは学生時代からコンピューターサイエンスに興味を持っていたが、特にGPUの並列計算に心を奪われていた。大学の研究室で初めてCUDAプログラミングに触れたとき、その計算速度の違いに驚きを隠せなかった。彼は「GPUのパワーを引き出すにはどうすればいいのか？」という問いに対する答えを見つけるために、夜遅くまでコードを書き続けた。 ある日、エリックは新しい課題に取り組むことにした。それは、非常に大きな配列のベクトル加算を行うプログラムだった。彼は、CPUだけでなく、GPUも使って計算速度を比較することに決めた。 彼の最初の目標は、CUDAカーネルを使って
Pythonでnumpyを使用し行列の垂直連結を行ってみます。 今回はnumpyを用います。このライブラリ・モジュールはPythonの標準ライブラリではありませんので、事前にインストールする必要があります。 ■Python 今回のPythonのバージョンは、「3.9.9」を使用しています。（Windows11）（pythonランチャーでの確認） ■numpyを使用し行列の垂直連結を行う では、早速2つの行列を作成し、それらを垂直に連結して新しい行列を作成するスクリプトを書いていきます。 ■コード import numpy as np # 2つの行列を手動で指定 matrix1 = np.array([[1, 2, 3], [4, 5, 6]]) matrix2 = np.array([[7, 8, 9], [10, 11, 12]]) # 行列の各行を垂直に連結して新しい行列を作成 res
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
5つのAndroidアプリが実はマルウェア、約2年だまし続ける - 確認を
RedmineプラグインのシステムテストをPlaywrightで動かす
AI時代に「Apple M4」はどの様に進化したのか - Nishiki-Hub
PS4コントローラ で ロボティクス - 電子工作 - HomeMadeGarbage
5つのAndroidアプリが実はマルウェア、約2年だまし続ける - 確認を - ライブドアニュース
「#stabilitymatrix」の人気タグ記事一覧｜note ――つくる、つながる、とどける。
吸収マルコフ連鎖を用いたプロダクト分析アイデア｜dmaruyama
M5AtomからI2Sでステレオ音を出力する（UDA1334A）
【初学者向け】TFIDFについて簡単にまとめてみた - ギークなエンジニアを目指す男
k-means法によるクラスタリングと可視化 - 電通総研 テックブログ
危機時におけるシステマティックリスクの識別 - himaginary’s diary
憧れ続けたテニスブレスレット。 - アラフォーがものを愛でる記録。
3次元点群の形式の1つであるE57ファイルについて - kentaPtの日記
プロジェクトマネージャー試験学習メモ：責任分担マトリックスの重要性
スキャンした書類をPythonで水平にする｜CODE89314
Kokkosで始める並列プログラミング入門【CPU/GPU】 - Qiita
ラビットチャレンジday4 レポート - Qiita
5つのAndroidアプリが実はマルウェア、約2年だまし続ける - 確認を - ライブドアニュース
Rebuff でシュッとプロンプトインジェクション対策｜bbz
Pythonでnumpyを使用し行列の垂直連結を行う