画像生成 AI の最前線！拡散モデル・画像生成モデルの最新研究を解説
検索アルゴリズム改善における機械学習の活用 〜MLOpsについて〜 - ぐるなびをちょっと良くするエンジニアブログ
はじめに こんにちは。 CX部門 データ・AI戦略室 データ戦略Gの田中です。 ぐるなびには2018年に新卒として入社し、レコメンドエンジンの開発や在庫・予約関連のデータ分析等に携わってきました。 現在は主に検索結果の並び順アルゴリズムの改善を行っています。 私たちのチームではアルゴリズム自体の改善に伴い、MLOps（機械学習の運用改善）にも取り組みました。 今回は、 MLOpsとは どうやって導入したか 導入で何が得られたか についてお話ししていきたいと思います。 検索アルゴリズム改善プロジェクトについて 検索の並び順アルゴリズム改善のプロジェクトが始まったのは約2年前でした。 それまでの並び順は複雑なルールベースで決められていました。 そこで機械学習のモデルを用いてより効果的な並び順を予測し、検索結果の改善・CVRの向上を試みました。 2020年の2月からプロジェクトがスタートし、3月
function ProfileDetails() { const user = resource.user.read(); // throw promise here return <h1>{user.name}</h1>; } この仕様自体、それだけで記事になるほど面白いです。（ここでは割愛します。） React Freeze React Freezeは、そんなSuspenseを利用したライブラリです。 元々React側は、データ取得の際に使うことが主なユースケースと言っていたのに対して、このライブラリの目的は、ある瞬間にユーザーに表示されていないアプリの部分について、不要な再レンダリングを避けることとなっています。 どうやって実現しているのでしょうか？ 実は、ライブラリの実装もシンプルで興味深いです。 // ref: https://github.com/software-mansi
はじめに こんにちは、ML・データ部推薦基盤ブロックの寺崎（@f6wbl6）と佐藤（@rayuron）です。 ZOZOTOWNのホーム画面は2021年3月にリニューアルされ、「モジュール」と呼ばれる単位で商品が表示されるようになりました。 本記事ではユーザーごとにパーソナライズされたモジュール（以降、パーソナライズモジュール）のロジックやシステム構成、および導入時に実施したA/Bテストの内容と結果をご紹介します。 先に結論から言ってしまいますが、今回のパーソナライズモジュールでは機械学習モデルを使わず、ユーザーの回遊行動を分析した結果を元にしたルールベースのロジックを使用しています。本記事のポイントは大きく以下の3点です。 ルールベースのパーソナライズロジック 機械学習モデル導入を見越したシステム設計 ホーム画面のパーソナライズによる効果 本記事がこれから同様のタスクに取り組む方の参考にな
Web is Dead. Long Live the InternetーWebは理想を諦めて、インターネットの一部になった - Nothing ventured, nothing gained.
2010年、米国のテクノロジー誌『WIRED』にて、当時編集長だったクリス・アンダーソンは「The Web is Dead. Long Live the Internet」という挑発的なタイトルの記事を発表した。これは、Webが死に、アプリケーションを中心としたインターネットが新たな主役になっているという主張だった。 アンダーソンはこの中で、かつてHTMLベースのWebページが中心だったインターネット利用の大半が、すでにYouTubeやFacebook、Twitter（現X）、そしてスマートフォンのアプリなど、Webブラウザの外側での活動に移っていると指摘していた。人々はもはやリンクをたどって情報を集めるより、アルゴリズムによってキュレーションされたフィードや、目的別に設計された専用アプリを通じて情報にアクセスしている。それは効率的で、快適で、収益性も高く、多くの人が支持する流れでもあった
今回はPattern-defeating Quicksortの論文を読んでいき、Goでどのように実装されているか簡単に見ていく
先日、都会で撮る 星の軌跡の撮影術 〜はじめて撮る人から上級者まで比較明合成による撮影の完全ガイドという本を出版しました。 この本は、比較明合成という画像処理によって都会の星の軌跡の撮り方を紹介している本ですが、それを WebAssembly を用いてブラウザ内で実現する Web アプリ を作りました（そしてその使い方を本の中で解説しました）ので、この記事では WebAssembly による移植周りについて少し解説したいと思います。 なぜ WebAssembly が必要だったか 今回 WebAssembly を、LibRaw というオープンソースソフトウェアをブラウザ上で利用するために使いまいた。 比較明合成をわかりやすく説明すると、複数の画像を比較して、最も明るい点を選択する合成方法です。星は日周運動により地上からは動いているように見えますが、カメラを固定して連写で何百枚と写真を撮り、そ
その他層の数も探索空間に入れています。ここで拡張率とは、MBConvの最初のConvでチャネル数を何倍にするかの係数のことで、こちらでより詳しく解説しています。 探索は精度$A$、ステップごとの学習時間$S$、パラメータサイズ$P$を用いて、$A\cdot S^w\cdot P^v$を最大化するように行われます。ここで$w=-0.07, v=-0.05$であり、これらの値は実験的に決定されています。 1.3.2 EfficientNetV2のアーキテクチャ 下表がEfficientNetV2のSサイズのモデルになります。 画像: "EfficientNetV2: Smaller Models and Faster Training", Tan, M., Le, Q., (2021) 比較のためにEfficientNet-B0(i.e. V1)のアーキテクチャも下に載せます。 画像: "Ef
アルゴリズムを闇雲に信じることがないように、その限界を認識する──『アルゴリズムの時代 機械が決定する世界をどう生きるか』 - 基本読書
アルゴリズムの時代 機械が決定する世界をどう生きるか (文春e-book) 作者:ハンナ・フライ文藝春秋Amazonグーグル検索をした時、Facebookをみたとき、ECサイトで「おすすめ」商品が表示される時──我々はいま、日常のあらゆる側面でアルゴリズムと接している。近年アルゴリズムはインターネットの中だけではなく、たとえば自動運転車とか、たとえば犯罪予測、国民の信用スコアの計算など、様々な側面で猛威をふるいだしている。 本書『アルゴリズムの時代』(原題『HELLO WORLD: How to Human in the Age of the Machines』)は、そうした状況に対して、アルゴリズムが実際どう使われていて、どの程度信用に足るものなのかを複数分野に渡って紹介していく一冊である。単純にアルゴリズムにはこんなこともできる！ とかあんなこともできる！ とその利点をずらずらと羅列し
上記のうちRingBuffer0,1,2,3の実装をしました。 RingBuffer0,1は特に実装の違いはありません。 RingBuffer2はマルチスレッド化のためProducerとConsumerの構造体を追加しています。 RingBuffer3はアライン調整のために_paddingフィールドを追加しました。 MultiThreadはもとのコードはcpuset(0,1)決め打ちだったので、それに合わせたものとcore idが違う(0,2)も実施しました。 実行結果 リファレンス(AMD Ryzen 7735HS) リファレンスとなるkumagiさんのコードをg++ -O2でビルドしました。 RingBuffer0_single: 1000000000 ops in 939 ms 1064962.726 ops/ms RingBuffer1_single: 1000000000 ops
こんにちは！ファンと共に時代を進める、Web3スタートアップのGaudiyでエンジニアをしている椿（@mikr29028944）です。 先日、Gaudiyではサーバーサイドウォレットの構築やEthereumにおけるECDSA署名の実装を行いました。 そこで今回は、少しニッチではありますが「ECDSA署名」をテーマに、Gaudiyの事業背景から、ECDSAの数学的な処理とコードまでを、実例をふまえてお伝えしてみたいと思います。 はじめに断っておくと、僕は大学時代にzk-SNARKsの理論を研究していたため、代数学を学んだことはありますが、この領域における専門家ではありません。なので理解が誤っている部分があれば、ぜひご指摘いただけると嬉しいです。 Web3スタートアップで働くことに興味がある方や、ブロックチェーンを業務で扱うエンジニアの方にご参考になればと思い、詳しく書いていたら1万5千字を超
人工知能（AI）は、資産家や権力者、そして利益の拡大を目指す巨大テクノロジー企業にとっては素晴らしいものだ。しかし、それ以外の人々にとって、AIやAIが実現する自動化は有害なものになる可能性がある。非営利団体のMozillaは、米国時間7月18日に公開したレポートでそのように結論づけた。 「現実世界では、グローバルな権力システムの恩恵を受けていない人ほど、AIの有害性がもたらす影響を何度も、かつ不釣り合いなほど大きく受けている」と、Mozillaの研究者は「Internet Health Report 2022」で述べた。「自動化が世界規模で急速に進む中、私たちが目にしているのは差別と監視という深刻な危険性だ。透明性や説明責任は欠如し、重大な結果をもたらす意思決定が自動化に依存し過ぎている」 AIは実世界にある膨大な量の複雑なデータを使って訓練されたシステムで、これまで困難あるいは不可能だ
PhobosLab
Introducing QOI — the Quite OK Image Format. It losslessly compresses RGB and RGBA images to a similar size of PNG, while offering a 20x-50x speedup in compression and 3x-4x speedup in decompression. All single-threaded, no SIMD. It's also stupidly simple. tl;dr: 300 lines of C, single header, source on github, benchmark results here. I want to preface this article by saying that I have no idea wh
[D] I don't really trust papers out of "Top Labs" anymore : MachineLearning あのさ。書いてある数字は事実だろうし実際書いてある研究はやったんだと思うよ。そこんとこは認めてやるよ。でもそれだけだ。例えば最近の"An Evolutionary Approach to Dynamic Introduction of Tasks in Large-scale Multitask Learning Systems"（巨大マルチタスク学習システムに対するタスクの動的追加における進化的アプローチ、著者Andrea Gesmundo, Jeff Dean、GoogleのAI部署所属）って論文だがな。この18ページの論文は超複雑で進化的なマルチタスク学習アルゴリズムについて書いてあって興味深いし、実際問題を解決してるさ。でも二点ツッ
【JavaScript】AtCoder に登録したら次にやること ～これだけ解けば十分闘える！過去問精選 10 問～を解いた感想 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
西川善司の3DGE：AMDの超解像技術「FidelityFX Super Resolution」は，DLSSのライバルとなり得るのか
西川善司の3DGE：AMDの超解像技術「FidelityFX Super Resolution」は，DLSSのライバルとなり得るのか ライター：西川善司 去る2021年6月1日，AMDは，「COMPUTEX 2021」のオンライン基調講演において，同社独自の超解像（Super Resolution）技術「FidelityFX Super Resolution」（以下，FSR）を6月22日にリリースすると発表した。 その当日に合わせてAMDは，FSRについての情報を公開している。本稿では，その内容をもとに，FSRの紹介と技術的背景などをレポートしたい。 超解像技術とは何か 解像度変換ではなく解像度を復元する技術 まずは大前提として，超解像技術とは何かを解説しておこう。頭に「超」が付くことで，なんとなくうさんくさいイメージがあるかもしれない，これは立派な学術用語である。 超解像とは，学術的には
大量データの重複検出をUnionFindと逆引きインデックスで劇的に高速化した話 - Techouse Developers Blog
先日、業務で重複判定を実装する機会がありました。その中でUnionFindと逆引きインデックスという技術を使ったのですが、実際に導入してみると非常に効果的だったので、今回は商品マスタの重複検出を例にこれらの技術を用いて重複検出の課題を解決した話をします。 想定する問題 ECサイトの商品マスタ管理において、同一商品が複数のレコードとして登録されてしまう問題があるとします。これは、異なる仕入先からの商品情報や、データ入力時の表記揺れなどが原因で起こります。重複した商品データは在庫管理の混乱や顧客体験の悪化を招くため、正確な重複検出と統合が必要になります。 重複判定条件 今回の商品マスタの例では、以下のいずれかの条件を満たせば「重複」とみなします。 JANコードが一致：jan_codeが同じ 型番が一致：model_numberが同じ ブランド名 + 容量が一致：brandとcapacityの組
しかしCompressionStreamはその名の通りWeb Stream APIなのでどう頑張っても出力は非同期です。なので関数名と引数は同じですが戻り値はPromise<string>になります。 また、アルゴリズムが違うので互換はありません。今までlz-stringで圧縮・解凍していた箇所をいきなりCompressionStream版に置き換えても機能しませんのでご注意ください。 ちなみに、lz-stringの圧縮アルゴリズムはドキュメントでLZ-basedと書かれており、おそらく作者独自のアルゴリズムです。 CompressionStreamで選択できるアルゴリズム（語弊あり）は gzip, deflate, deflate-rawです。gzipはgzipですが、deflateはzlibでdeflate-rawが純粋なdeflateです。命名については歴史的経緯があるようです。 前
nilaway どんなもの？ nil パニックによるランタイムエラーになる箇所を指摘してくれる静的解析ツール スタンドアロンで動く。golangci-lintで使用するにはカスタマイズが必要。 先行技術やツールと比べてどこがすごい？ 標準パッケージに同梱されているnilness[1]ではチェックできないnil パニックとなりうる箇所を指摘する 関数やパッケージの境界を跨いでnilフローを追跡 nil インターフェース値を報告 例えば以下のコードでは、nilnessはエラーを報告してくれないが、nilawayはnilパニックを報告してくれる。 var p *P if someCondition { p = &P{} } print(p.f) // nilness reports NO error here, but nilaway does. 技術のキモはどこ？ Our main idea
Load Balancing
Past a certain point, web applications outgrow a single server deployment. Companies either want to increase their availability, scalability, or both! To do this, they deploy their application across multiple servers with a load balancer in front to distribute incoming requests. Big companies may need thousands of servers running their web application to handle the load. In this post we're going t
Elasticsearch の reindex をするために試行錯誤して分かったこと - Uzabase for Engineers
こんにちは。NewsPicksでエンジニアやっております崔（チェ）です。現在は Data / Algorithm チームで検索エンジン開発を担当しております。弊社は、検索エンジンとして Elasticsearch を Amazon EC2 に乗せて構築しておりますが、メンテナンスに消極的だった部分があり、これからはマネージド化や検索精度向上など積極的に取り組んでいきたいと考えております（伸びしろしかない！）。今回は、その中でも色んなタスクのボトルネックだったアルゴリズムを変更した話をしたいと思います。ただ、アルゴリズムの詳細よりもそれの変更のために行ったインフラ的な内容にフォーカスしております。ご興味ある方は是非読んでいただけると嬉しいです。 はじめに ちょっとまって、reindex とは？ 本題に戻り reindex の実験 実験環境づくり そもそも Elasticsearch のシステ
競技プログラミング界のキーパーソンであるAtCoder社長 高橋直大氏と共に、優れたアルゴリズム開発能力を持つ「高度IT人材」の育成・採用について考える本連載。 今回は、「世界のラストワンマイルを最適化する」というミッションを掲げるスタートアップ、オプティマインドの社長・松下健氏と高橋氏の対談を実施しました。 「どの車両が、どの訪問先を、どの順で回ると最適か」を提示する、ラストワンマイルのルート最適化、いわゆる「配送計画問題」は、学問として長年研究されているテーマであると同時に、物流業界にとっては事業に直結する問題です。 トヨタ自動車などから10億円を超える資金調達をするなど、注目を集めるオプティマインドの取り組みと、高度IT人材が物流業界でどう活躍できるのかを、二人に熱く語っていただきました。 「組合せ最適化」との出合い。これは社会課題を解決できる研究だ！ 高橋：競技プログラミングの世界
Googleが開発したSwisstableと呼ばれるハッシュテーブル実装がAbseilとして公開されて、Rustの標準のHashMap実装にもその移植であるhashbrownが採用されました。 Swisstable の面白いところは、8または16要素をグループ化して、グループ内の各要素のハッシュ値のうち7bitをそれぞれ1byteに格納した8または16バイトの配列を作り、その配列に対して一気に並列でマッチングを行うことです。 この並列マッチングにはSSE2もしくはビット演算が使われます。この記事ではこの並列マッチング部分について解説します。 SSE2を使う場合 SSE2を使う場合は、グループのサイズは16になります。ハッシュ値を格納する配列のことを control と呼ぶことにすると、 control は char control[16] になります。control の各バイトの状態は次の
OpenAI、競技プログラミング「AtCoder」世界大会のスポンサーに 人間 vs. AIのエキシビションマッチも
競技プログラミングコンテストサイト「AtCoder」を運営するAtCoder社（東京都新宿区）は7月2日、同社が主催する世界大会「AtCoder World Tour Finals 2025」に、米OpenAIがスポンサーとして参画すると発表した。同大会初の人間 vs. AIのエキシビションマッチも実施する。 競技プログラミングは、特定の条件下における課題をプログラミングで解決し、その過程や結果を競う。AtCoder社では、正解と不正解が明確な課題を解く「アルゴリズム部門」と、近似的に最適な解を求める「ヒューリスティック部門」の2分野で、定期的にコンテストを実施している。 AtCoder社は、OpenAIがスポンサーになった背景として「競技プログラミングは、生成AIの応用先として、早くから研究コミュニティーの注目を集めてきた分野の一つ」と説明する。特にアルゴリズム部門では、数学的・論理的な
イーロン・マスク、Twitterにシャドウバン確認機能を追加へ。理由と異議申し立て方法も案内 | テクノエッジ TechnoEdge
Tech Journalist. Editor at large @TechnoEdgeJP テクノエッジ主筆 / ファウンダー / 火元 Twitterを買収しCEOに就任した実業家イーロン・マスクが、「シャドウバン」されているかなどアカウントの状況をユーザーが自分で確認できるアップデートを予告しました。 アップデート後はTwitterユーザーが自分のアカウントについて、いわゆる「シャドウバン」の対象になっているかどうか、なっていればその理由を確認できるようになるとともに、異議申し立ての方法も提供されます。 「シャドウバン」とは、アカウントにはアクセスできてツイートもできる、つまりアカウント停止 / BAN はされていないにもかかわらず、ツイートやアカウントが他の人に表示されない・見つかりにくい状態を指す俗語。特にTwitter用語というわけでもなく、他のさまざまなSNSや掲示板、コメン
4. アルゴリズムと密接に関わる数学＜中級編＞ 2 章では問題文を読むために必要なテクニックを 12 個のポイントに絞ってまとめました。しかし、競プロに出題されるようなアルゴリズムだけを考えても、数学と結びつく場面はまだまだたくさんあります。例えば、 3-2. 節では、二分探索の計算量 $O(\log N)$ と対数関数の関係 3-6. 節・3-7. 節では、幾何計算と三角関数・ベクトルの関係 3-11. 節では、経路の数の計算とフェルマーの小定理の関係 について紹介してきました。4 章ではさらに追加で 8 個のトピックを紹介し、アルゴリズムを数学的側面から捉えていきたいと思います。皆さんにアルゴリズムと数学が如何に密接に関わっているかを体感してもらうことが最大の目標です。 なお、3 章・4 章の構成は次のようになっています。 4-12. 最大値検索に学ぶ、微分法（レベル：3） まず、次の
「プロになるJava」ボツ原稿、今回は「13章 処理の難しさの段階」に入れようと思っていた、「アルゴリズムと計算量」の話です。 こういう話題でよくでる「こんな難しいプログラム組まないのでは？」という疑問についても最後にまとめています。 プロになるJava―仕事で必要なプログラミングの知識がゼロから身につく最高の指南書 作者:きしだ なおき,山本 裕介,杉山 貴章技術評論社Amazon アルゴリズムと計算量 ここまでいろいろな処理の計算手順について紹介しました。こういった計算手順のことを アルゴリズム といいます。 同じ処理をするアルゴリズムはいろいろ考えられます。そのとき気になるのは実行性能の問題です。 ただ、実行性能はコンピュータによってクセがあるので、アルゴリズムそのものについてを考えるときにはそういったクセを取り除いて考えたいものです。 そこで、アルゴリズムの性能について考えるときに
そろそろカスケードレイヤー(@layer)と向き合う
カスケードレイヤー@layerがモダンブラウザでサポートされたとはいえ、互換性の問題から、実際に現場で見かけるのは、まだまだ未来の話と思っていました。ふと、思い立ってCan I use... Support tables for HTML5, CSS3, etcを確認してみたところ、現時点（2022.12.27）でも、すでにGlobalで9割近くサポートされています。これは来年あたりから見かける機会が増えそうだと思ったので、そろそろカスケードレイヤーと向き合いたいと思います。 カスケードレイヤー@layer カスケードレイヤーはスタイルの優先順位を制御するためアルゴリズムの1つです。カスケードレイヤーを使用することで、スタイルの優先順位をレイヤー化（階層化）して管理することができます。とりわけ覚えておかなければならないのは、カスケードアルゴリズムは詳細度アルゴリズムよりも優先されるというこ
【JS体操】JavaScript で頭の体操をしよう！〜第1問 44文字 解説編〜 - KAYAC Engineers' Blog
こんにちは！カヤック面白プロデュース事業部のおばらです。 普段は受託案件、特にインタラクティブな WebGL や Canvas2D を駆使する案件のデザイン＆実装を担当しています。 先日出題したJS体操 第1問目、挑戦してくださったみなさまありがとうございました！ 早速ですが最短文字数の回答は 44文字 でした！ export default x=>x-(x%=.2)+.2-(.04-x*x)**.5 みごと44文字を達成した方は、 halwhite さん koyama41 さん sugyan さん tkihira さん たつけん さん の5名！（※ Unicode コードポイント順） おめでとうございます！！ 最短文字数を狙った正統派の回答以外にも、裏技的な面白アプローチがたくさんありました笑 このアプローチは面白い、ぜひ紹介したい！という回答がいくつかあったので、解説記事は2回に分けて
米Twitterは3月31日（現地時間）、予告通りプラットフォームを構成するソースコードの一部をGitHubで公開した。「おすすめ」に表示するツイートを選ぶアルゴリズムも含まれる。 Twitterは公式ブログで、コードの公開は「より透明性を高めるための第一歩」であり、今後も「Twitter自身とユーザーに大きなリスクをもたらさない」コードを共有していく予定という。 安全とプライバシー保護のために、児童の性的搾取と闘うためのコード、アルゴリズムに関連するトレーニングデータやモデルの重みは公開していない。また、広告レコメンデーションを強化するコードも含まれていない。 モデルの重みをめぐっては2月に一時期、「おすすめ」タブがイーロン・マスクCEOのツイートだらけになった（その後調整された）のは、マスク氏の要請でエンジニアチームがコードを修正したためと報じられた。 未発表新機能ハンターとして知られ
アーサー・コナン・ドイルが生み出した名探偵のシャーロック・ホームズは、重要な情報を「頭の中にある想像上の場所」に配置することで膨大な記憶を保存していると作中で述べられています。「記憶の宮殿」や「場所法」とも呼ばれるこの記憶術について調査した新たな研究では、この記憶術を使うことで、人々がより多くの物事を記憶できるようになることが判明しました。 Durable memories and efficient neural coding through mnemonic training using the method of loci https://www.science.org/doi/10.1126/sciadv.abc7606 Sherlock Holmes' famous memory trick really works | Live Science https://www.live
Pythonの異常検知パッケージPyODのフォーマットに従って、カーネル密度推定に基づく異常検知を実装した - 備忘録
はじめに 異常検知（外れ値検知）のための便利なPythonパッケージとしてPyODが存在する。 pyod.readthedocs.io github.com クラシックな手法から比較的最先端の手法まで実装されており、インタフェースも使いやすいのでオススメできる。 2021年8月9日現在、PyODにカーネル密度推定（Kernel Density Estimation; KDE）ベースの異常検知が実装されていなかったので、それを実装したということである。 PyODのインストール pipでインストール可能である。 pip3 install pyod 異常検知について 以下の記事を読むのが良いだろう。 qiita.com カーネル密度推定について ばんくし氏の記事が参考になるだろう。 vaaaaaanquish.hatenablog.com 作成したクラス：KDE すでに実装済のPyODの各種アル
Nov 19, 2024 BM25, or Best Match 25, is a widely used algorithm for full text search. It is the default in Lucene/Elasticsearch and SQLite, among others. Recently, it has become common to combine full text search and vector similarity search into "hybrid search". I wanted to understand how full text search works, and specifically BM25, so here is my attempt at understanding by re-explaining. Motiv
TechCrunch
Welcome, folks, to Week in Review (WiR), TechCrunch’s weekly news recap. The weather’s getting hotter — but not quite as hot as the generative AI space, which saw a slew of new model
Pythonでテキストアナリティクス 〜『テキストアナリティクス入門』に沿い共起ネットワークなど描いてみた〜 Part3：辞書登録編 - Qiita
2022/08/15 紹介いただいた「国語研長単位」モデルで実行した番外編の記事もアップしました。 はじめに テキストアナリティクス入門 この書籍は、テキストアナリティクス初学者向けの入門書です。 テキストアナリティクスとは何だということのみならず、頻出語やこれを表現したWordCloud、共起ネットワークをどのように活用すべきかが、実例に沿ってわかりやすく解説されていて、とても参考になりました。 紹介されているテキストアナリティクスを実行したい！ということで、 1回目は、テキストの頻出語確認→WordCloud→共起ネットワークの作成および原文検察を、形態素解析した単語で実行。 2回目は、1回目の内容を複合語（名詞+名詞）で実行。 3回目である今回は、ひとつの単語として表現したい複合語を辞書に登録し、実行してみました。 テキストアナリティクスは、テキストを形態素解析にかけて単語に分解し、
2025年9月9日、X（旧Twitter）はソースコードの一部をGitHubに公開、これまで秘密のベールに包まれていた「For You」タイムラインがどのように作られているかが明らかになりました。本記事では、この貴重な情報をもとに、Xでより多くの人にフォローしてもらい、投稿を見てもらうための具体的な方法を、GitHubと縁がない非エンジニアでも理解できるように、分かりやすく解説します。 ※この記事のベースは、XがGitHubに公開したソースコードと周辺情報からClaudeで生成し、人が手を加えて完成させています。AIが作った記事は嫌われがちですが、有用性が高そうなこと、情報発信のスピードを優先したいことなどから、生成AIを大々的に活用しました。 Xの投稿表示システムの全体像 システムの基本的な仕組み Xの投稿表示システムとは、あなたのタイムラインに「どの投稿を、どの順番で表示するか」を決め
競技プログラミングには概念を知っておかないと解きようがない、いわゆる覚えゲーのような問題が存在します。典型的な例が 10^9+7 といった素数で割った余りを求めろといったもので、普段業務で日常的に素数で割った余りを求めている人でもなければ、割り算がしたければフェルマーの小定理や拡張ユークリッドの互除法を使えば良いと直ぐには思い付けないのではないでしょうか。 最小共通祖先も覚えゲーで必要な概念の一種と言えます。これは読んで字のごとく、与えられた根付き木の下で2頂点に共通する祖先のうち、最も根から遠い頂点を指す概念で、例えば木の2頂点が与えられて、頂点間の経路について何かを求めろといった問題で威力を発揮することが多いです。これを用いて解ける例を挙げるとすると次の問題でしょうか。 https://atcoder.jp/contests/abc014/tasks/abc014_4 最小共通祖先を求
マンハッタン距離（Taxicab distance）／ユークリッド距離（Euclidean distance）、L1／L2ノルムとは？
マンハッタン距離（Taxicab distance）／ユークリッド距離（Euclidean distance）、L1／L2ノルムとは？：AI・機械学習の用語辞典 用語「マンハッタン距離」「ユークリッド距離」について説明。いずれも2点間の距離を計測する方法のこと。マンハッタン距離とは、碁盤の目状の道を縦に横にとタクシーが進むようにn次元の距離（＝差）の絶対値を合計することで距離を計算する方法。ユークリッド距離とは、n次元の距離（＝差）の二乗値を合計した値の平方根を求める（＝ピタゴラスの定理を適用する）ことで直線的な最短距離を計算する方法を意味する。 連載目次 用語解説 数学／統計学／機械学習におけるマンハッタン距離（Taxicab geometry：タクシー幾何学、Taxicab metric、Manhattan distance）とは、2点間の距離を計測する際に、n次元ベクトルの次元ごとに
Redirect
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
マイクロソフトの「コパイロット」とはなにか OpenAIとの依存と共生【西田宗千佳のイマトミライ】
React Suspenseで不要な描画処理をなくす
ZOZOTOWNホーム画面におけるパーソナライズの取り組み - ZOZO TECH BLOG
Go1.19で採用された Pattern-defeating Quicksort の紹介
都会の星の撮り方本を出版しました。WebAssembly を使っています
2021年最強になるか！？最新の画像認識モデルEfficientNetV2を解説 - Qiita
徐々に高度になるリングバッファの話、をRustで試した - Qiita
ECDSA署名の数学的理解とCloud KMSによる実装 - Gaudiy Tech Blog
AIは権力を持たない人々に過剰な害をもたらす--Mozillaが警告
金持ちの研究所から出てきた機械学習の論文なんてゴミだ
続・URLシェアを支える技術 CompressionStream
Goのnil panicを防ぐ静的解析ツール：nilaway
高度IT人材が物流業界の「配送ルート最適化問題」を解く | ウェブ電通報
Swisstable Hash に使われているビット演算の魔術 - methaneのブログ
アルゴリズム・AtCoder のための数学【中編：数学的知識編②】 - Qiita
アルゴリズムと計算量 - 「プロになるJava」ボツ原稿 - きしだのHatena
Twitter、「おすすめ」アルゴリズムを含むソースコードをGitHubで公開
シャーロック・ホームズが使う記憶術「記憶の宮殿」は実際に記憶力向上に役立つとの研究結果
Understanding the BM25 full text search algorithm
技術に疎くてもわかるXのアルゴリズム解説：公開コードから読み解く仕組みとフォロワー増加戦略 | ベイジの日報
最小共通祖先を求めるアルゴリズムの形式検証 | Wantedly Engineer Blog
diskgarage.com
x.com
www.47news.jp
weekly.ascii.jp
www.bengo4.com
www.110107.com