最近，因果推論や因果探索に興味を持ち，勉強している．というのも最近，ゆううきさん と一緒に分散システムの異常の原因を即時に診断するための研究を進めている．原因を診断するためのアプローチとして，サーバやコンテナ等から取得できる様々なメトリック（CPU使用率やメモリ使用率など）を（グラフ理論における）ノードとして，因果グラフを構築することを考えている．メトリック同士の単なる「相関」ではなく，結果と原因の関係である「因果」を捉えようとするアプローチである．例えば，システムの障害が発生した場合，相関だけでは，AとBが関連がありそうというところまでしか言えないが，因果を特定できると理想的には，Aの原因はBであるといった議論ができるため，有用だと考えている． 実際に，前述のような因果グラフを構築して障害の原因を特定しようというアプローチは，以下の例に挙げるようにここ数年で増えている印象がある． 「Mi
下記のイベントでLTした資料です。私はDay 1に「「俯瞰」可視化が情報探索・分析を変える」というテーマで発表しました。 データ可視化ショーケースイベント Data Visualization meetup 2022 https://peatix.com/event/3452708 「俯瞰…
2021/4/28 に東京大学で開催された＜AIセミナーシリーズ＞ 「Arm CPUにおけるSIMDを用いた高速計算入門」講演会で使用した資料になります。Read less
仕事や学業で人工知能（AI）の知識が必要なことが増えてきた。AIを支える中心的な技術が機械学習だ。本特集では、AIの歴史と全体像から基本的な機械学習アルゴリズムのPython実装までを幅広く解説する。 機械学習のアルゴリズムは難しい…という印象をもたれがちですが、基本的なアルゴリズムは比較的シンプルなので、それほど難しくありません。 そこでこのPart 3では、scikit-learnなどのAIライブラリを使わずに、Pythonで線形回帰とk平均法を実現する方法を説明します。これらのアルゴリズムの実装方法はいくつかありますが、ここでは基本的な仕組みがよくわかるように、簡易的な方法で実装することにします。 線形回帰を実装してみよう 線形回帰の中でも最もシンプルな「単回帰」を実装してみます。 単回帰では、最小二乗法を使って、散布図の各データからの距離の2乗の総和を最小にする直線の式を求めます（
SHAPやLIMEなどの説明AI（XAI）のご紹介 / SHAP LIME PDP Grad-CAM
************************************************************* # 要約 ************************************************************* ・SHAP のアルゴリズムを説明 ・S…
TL;DR; We are changing std::sort in LLVM’s libcxx. That’s a long story of what it took us to get there and all possible consequences, bugs you might encounter with examples from open source. We provide some benchmarks, perspective, why we did this in the first place and what it cost us with exciting ideas from Hyrum’s Law to reinforcement learning. All changes went into open source and thus I can
Challenging algorithms and data structures every programmer should try
Austin Z. Henley Associate Teaching Professor Carnegie Mellon University Challenging algorithms and data structures every programmer should try 12/21/2022 See the discussion of this post on Reddit and Hacker News. Alright, so we are all spending our leisure time reading about algorithms, right? Well, back when I was a student, my algorithms courses regularly put me to sleep. This is unfortunate be
Rustで有名アルゴリズムを実装して、Rustについての理解を深めることが目的の連載です。今回扱うのは、配列のシャッフルについてです。最初に何も考えずに実装してみて、次に効率的に配列の要素をシャッフルするFisher–Yatesシャッフルを実装してみましょう。 Fisher–Yatesシャッフルを実装してみよう コンピューターにとって適当にシャッフルは難しい コンピューターは、人間よりも計算も速く正確に動いてくれるものですが、意外なことが苦手だったりします。そんな苦手なことの一つが「適当にシャッフルする」という作業です。 そもそも計算によって乱数を生成するのは簡単なことではありません。それで、さまざまな乱数生成アルゴリズムが提案されています。また、現在時刻やマウスの移動など、さまざまな物理現象を利用して、乱数生成を行う手法もあります。「適当さ」をコンピューターで再現するのは難しいものなので
Suppose you have an array of floating-point numbers, and wish to sum them. You might naively think you can simply add them, e.g. in Rust: fn naive_sum(arr: &[f32]) -> f32 { let mut out = 0.0; for x in arr { out += *x; } out } This however can easily result in an arbitrarily large accumulated error. Let’s try it out: naive_sum(&vec![1.0; 1_000_000]) = 1000000.0 naive_sum(&vec![1.0; 10_000_000]) = 1
Compiling Rust is NP-hard
Compiling Rust is NP-hard July 7, 2021 · 11 minute read ...though it's not the flagship borrow checking that's at fault. What I noticed, and would like to share with you today, is that the exhaustiveness checking performed by the Rust compiler on match patterns is a superset of the SAT problem. Exhaustiveness checking Consider the following code (playground): fn update_thing(old_thing: Option<Thin
機械学習を理解するにはアルゴリズムをから実装するのが一番です。そして問いデータを使って遊んでみましょう。 ロジスティック回帰とは、二項分類（2値分類）を行うための方法です。二項分類とは、ある物体がAかBのどちらかに分類することを指します。例えば、試験の点数が60点以上かどうかで分類することができます。 ロジスティック回帰では、試験の点数だけでなく、その他の情報も考慮に入れることができます。例えば、試験の点数だけでなく、勉強時間や家庭環境なども考慮に入れることができます。これらの情報を使って、試験の点数が60点以上かどうかを推定することができます。 import numpy as np class LogisticRegression: def __init__(self): self.w = None self.b = None def fit(self, X, y, learning_r
Twitterの公開したアルゴリズムのソースコードで判明した「おすすめ」タイムラインに掲載されやすい投稿・掲載されにくい投稿まとめ
Twitterの「おすすめ」タイムラインの投稿選択アルゴリズムが2023年3月31日に公開され、どんな投稿が「おすすめ」タイムラインに掲載されやすいかが明らかになりました。 Twitter's Recommendation Algorithm https://blog.twitter.com/engineering/en_us/topics/open-source/2023/twitter-recommendation-algorithm Twitter open-sources recommendation algorithm code https://www.bleepingcomputer.com/news/technology/twitter-open-sources-recommendation-algorithm-code/ Twitter's newly-released a
Wantedly RecSys 2020 参加レポート④ - 推薦システムにおける「Similarity / 類似性」とは ~ Netflix における事例 ~ | Wantedly Engineer Blog
こんにちは、ウォンテッドリーでデータサイエンティスト及びデータを活用したプロダクトのマネージャーを務めている松村です。2020年9月22日から9月26日にかけてオンラインで開催された RecSys 2020 に参加してきました。 こんにちは、ウォンテッドリーでデータサイエンティスト及びデータを活用したプロダクトのマネージャーを務めている松村です。2020年9月22日から9月26日にかけてオンラインで開催された RecSys 2020 に当社のデータサイエンティスト及び機械学習エンジニア５名で聴講参加及び、そのうちの３名が併設の RecSys Challenge の Workshop において口頭発表を行いました。その参加報告を行いたいと思います。 本記事では概要報告に留まりますが、明日からは参加メンバーが実際に発表を聴講して気にな せっかくなので参加メンバーで面白かったセッションを紹介する
I found out about pool allocators some time ago, and I really liked its simplicity and high performance, so I decided to write my own. This article was initially inspired by Dmitry Soshnikov’s article. It’s also worth mentioning that this article was discussed in Hacker News. Similarly to malloc, a pool allocator allows the user to allocate memory at run time. The pool allocator, however, is much
PyCaretとMLflowで機械学習の実験...
こんにちは！nakamura（@naka957）です。 今回は様々な機械学習アルゴリズムの比較・モデル実装に加えて、行った実験記録の管理を簡単に行う方法をご紹介します。実施事項がたくさんありますが、PyCaretとMLflowの活用で少ないコード行数で簡単に実施できます。 PyCaretは機械学習モデルの実装を簡単に行えるOSSですが、PyCaretからMLflowを呼び出すこともでき、実験記録の管理も同時に行えます。PyCaretとMLflowについては、DATA Campusにも紹介記事があります。是非、参考にしてみてください。 【PyCaret】 ■ AutoMLライブラリPyCaretを使ってみた〜モデル実装から予測まで〜 ■【続き】 AutoMLライブラリPyCaretを使ってみた 〜結果の描画〜 【MLflow】 ■ MLflowの使い方 - 機械学習初心者にもできる実験記録の
A non-mathematical introduction to Kalman Filters for programmers - Pravesh Koirala
Read my manifesto on Code as an alternative to Mathematics. Code for this article can be found on this Colab Notebook should you choose to follow along. Why Kalman Filters? Kalman filters are ingenius. If you have never heard of them, then a very intuitive (and arguably reductive) way to think about them is to consider them as a funnel where you pour information from multiple noisy sources to cond
Stockmarkのプロダクトは、5,000万件を超えるビジネス記事を基盤として提供されています。これらのデータがプロダクトの根幹の1つであり、記事を収集するクローリングは要といえます。 本記事では、1) 現在のクローリングの仕組み、2) 現在抱えている課題、 3) 未来へのアプローチ(新規チーム立ち上げ) の3点をご紹介いたします。 クローリングの仕組み そもそもクローリングという言葉に耳慣れない方もいらっしゃるかもしれません。非常に簡単に説明すると、クローリングとは "WebページのHTMLを保存し、HTMLからURLを抽出すること" です。クローリングするプログラムは、一般に "クローラー" と呼ばれます。（詳細は英語版の Wikipedia 記事を参照ください。） Stockmarkのプロダクトは、日々発生する膨大なビジネス記事(10万件以上)を常にクローリングし続けています。クロ
物理的に見ることができる限界サイズコーネル大学の研究チームは、2018年に高出力の検出器と電子タイコグラフィと呼ばれる手法を組み合わせて、最先端電子顕微鏡の解像度を大きく引き上げる世界記録を樹立しました。 しかし、そのとき達成された方法には弱点があり、見ることができる物質は原子数個分の厚さまでという、極薄サンプルにか対応できなかったのです。 この原因はサンプルが、それ以上の厚さになると、ぶつけた電子ビームが解析できないレベルで散乱してしまうためです。 今回、米国のコーネル大学カブリ・ナノスケール科学研究所（KIC）のデビッド・ミュラー氏が率いるチームは、これまで以上に高度な最先端の3D再構成アルゴリズムと電子顕微鏡ピクセルアレイ検出器（EMPAD）を開発し、解像度記録を2倍近く更新させました。 「これは単なる新記録の樹立というだけではありません。 我々は事実上、分解能の究極限界となる領域に
実践TLA+ | 翔泳社
設計だってテストしたい！ 【本書の内容】 本書は Hillel Wayne, "Practical TLA+", Apress, 2018 の邦訳版です。 複雑精緻なシステムを構築する際に、設計そのもの、仕様そのものにバグがないかをテストできたら、もう少し幸せな開発人生を送れそうな気がします。 本書は送金システムの小規模な仕様からTLA+を使ってヤバいバグを発見するところから始まります。この小さなサンプルをもとに、より良いアプリケーションの設計・テスト・構築に、どのようにTLA+を使えばよいかを理解し、実際のプロジェクトに援用できるよう、TLA+の演算子、論理、関数、PlusCal、モデル、および同時実行の基礎を学びます。 設計図の整理の仕方、分散システムや最終的な整合性の指定の仕方を学んだら、アルゴリズムのパフォーマンスやデータ構造、ビジネスコードやMapReduceなど、さまざまな実用
近似最近傍探索ライブラリFaissの4bit PQアルゴリズムについて、ARM CPU上での動作を60倍程度高速化しました - Fixstars Tech Blog /proc/cpuinfo
このブログは、株式会社フィックスターズのエンジニアが、あらゆるテーマについて自由に書いているブログです。 TL;DR: Issue, PR ソリューション第二事業部の今泉です。 先日東京大学の松井先生と共同でFacebook AI Research(以下FAIR)が公開している近似最近傍探索ライブラリFaissの4bit PQアルゴリズムのARM CPU(aarch64)上での動作を60倍程度高速化しました。 本稿ではまず近似最近傍探索やFaissについて軽く紹介した後、その高速化内容について解説を行います。 近似最近傍探索について まず最近傍探索とは、「複数のベクトルからなる集合 \( \mathit{Vs} \) が存在し、あるベクトル \( \boldsymbol{x} \) に対して最も近い要素 \( \boldsymbol{v} \in \mathit{Vs} \) を求める」と
ZOZO研究所、 ZOZOTOWNのファッション推薦データとアルゴリズム研究開発基盤をオープンソースとして公開 - ニュース - 株式会社ZOZOテクノロジーズ
本プレスリリース誤表記の訂正とお詫び： プレスリリース内記述にて「Open Bandit Dataは、ZOZOTOWN上での実際の推薦アルゴリズムから取得された2,800万件超のファッション推薦データ」という表記がありましたが、正しくは2,600万件のファッション推薦データとなります。表記に誤りがありましたこと、訂正してお詫び申し上げます。（修正日：2021年2月15日） ZOZOグループの研究開発組織「ZOZO研究所」は、大規模ファッション推薦データと研究基盤となる「Open Bandit(※1) Data & Pipeline」をオープンソースとして公開しました。 現在、米中の少数の大企業によるデータと技術の占有により、外部の企業や技術者が同じ土俵で技術進歩に貢献することが難しいという懸念が強まっています。(※2) この問題に歯止めをかけ、日本企業からの積極的な技術貢献を目指すべく、Z
最初から最後まで、遊びっぱなし。 でも、「使えるコード」が書けるようになります。 【本書の特長】 <<遊び感覚でプログラミングとアルゴリズムをおぼえよう！>> ・イチからPythonのプログラミングとアルゴリズムがわかる ・ゲームをつくりながら基本を理解できる ・パズル問題で実践的なコードの書き方が身につく ・環境構築不要のGoogle Colaboratoryですぐ始められる ・パズル問題の解答はPythonに加え、JavaScriptとRubyのコードも提供 【内容紹介】 楽しくなきゃ、プログラミングじゃない！ プログラミングを学ぶとき、 言語の文法などを勉強するのは退屈なものです。 何かつくりたいものがあり、 それを自分の手でつくることが 達成感となり、楽しさにつながります。 本書でも一般的なプログラミングで 必要な要素がひと通り登場しますが、 簡単なゲームをつくりながら基本をおぼえ
TikTokで「ウイグル」や「天安門」などと検索すると、中国寄りの動画が表示される可能性が高いことが明らかになりました。この現象を調査した研究者らは、「TikTokのアルゴリズムが政府批判を抑制し、利用者を洗脳している」と報告しました。 NCRI-Report_-The-CCPs-Digital-Charm-Offensive.pdf (PDFファイル)https://networkcontagion.us/wp-content/uploads/NCRI-Report_-The-CCPs-Digital-Charm-Offensive.pdf TikTok Algorithms Actively Suppress Criticism of Chinese Regime, Study Finds | NTD https://www.ntd.com/tiktok-algorithms-acti
『Pythonからはじめるアルゴリズムトレード ―自動売買の基礎と機械学習の本格導入に向けたPythonプログラミング』 Yves Hilpisch 著、村上 振一郎 訳 2022年4月8日発売予定 368ページ（予定） ISBN978-4-87311-979-3 定価3,960円（税込） 『Pythonによるファイナンス 第2版』の著者が、アルゴリズムトレードを始める上で必要な自動売買の基礎と、機械学習を本格的に導入するために必要なPythonの知識について解説します。具体的には、アルゴリズムトレード用の適切なPython環境の設定、データの取得、NumPy/pandasを使ったデータ分析、トレード戦略のバックテスト、市場予測、ストリーミングのリアルタイム処理等、アルゴリズムトレードのさまざまな側面にPythonを適用するさまざまな手法を紹介し、自動トレード戦略を効率よく構築、デプロイす
工場の自動化をオープンソースのソフトウェアで実現しようとするスタートアップが京都にある。矢野貴文氏が率いるRUTILEA（ルティリア）が開発する「SDTest」はAI／ディープラーニングを活用し、工場の自動化を支援するソフトウェアで、カメラを使った外観検査やロボットアームを使ったピッキングなどの機能を提供。2019年9月の公開から半年で500社がダウンロードしている。 SDTest（Software-Defined Test）は検査機器や装置に組み込むことで、電子部品における微細な表面の傷や印字ミスなど、高精度の外観検査を実施できる。ソフトウェアがオープンソースであることに加え、検査に必要なハードウェアも自社製造することで、これまで導入に1500万円程度かかった外観検査システムが300万円程度から導入できるのが最大の武器だ。 また、2020年3月にはピッキングを自動化する機能も公開。ソリュ
生成AIの業務活用のカギはRAG、AIはアルゴリズムから「World Model」へ─専門家が説く現状と将来 | IT Leaders
IT Leaders トップ ＞ テクノロジー一覧 ＞ AI ＞ インタビュー ＞ 生成AIの業務活用のカギはRAG、AIはアルゴリズムから「World Model」へ─専門家が説く現状と将来 AI AI記事一覧へ [インタビュー] 生成AIの業務活用のカギはRAG、AIはアルゴリズムから「World Model」へ─専門家が説く現状と将来 米ガートナー バイスプレジデント アナリスト アンソニー・ムレン氏 2024年7月25日(木)田口 潤（IT Leaders編集部） リスト 生成AIが画期的な技術であることは論を要しない。だれもが簡単に利用でき、文書の作成や要約、翻訳、問い合わせへの回答、アイデア出し、表や図形・画像の自動作成など、さまざまな処理を高いレベルでこなしてくれる。半面、進化の最中にある技術であり、平気で間違えることもあって、業務で効果的に活用するのはそれなりに難しい。企業
Fizz Buzz is a common challenge given during interviews. The challenge goes something like this: Write a program that prints the numbers from 1 to n. If a number is divisible by 3, write Fizz instead. If a number is divisible by 5, write Buzz instead. However, if the number is divisible by both 3 and 5, write FizzBuzz instead. The goal of this question is to write a FizzBuzz implementation that go
「The Algorithmic Beauty of Plants(植物のアルゴリズム的美しさ)」とは、ポーランドのコンピューター科学者であるプシェミスワフ・プルシンキェヴィチ氏とハンガリーの生物学者であるアリスティド・リンデンマイヤー氏が執筆した書籍で、植物の発生と成長プロセスに現れる特定のパターンをコンピューターシミュレーションで分析した最初の包括的な本として知られています。1990年の初版発行以来繰り返し論文として引用されている他、本書で紹介された植物のアルゴリズム的美しさを、実際のプログラムで再現するといった動きも複数見られています。 (PDFファイル)The Algorithmic Beauty of Plants http://algorithmicbotany.org/papers/abop/abop.pdf 001 Algorithmic Botany: Publicati
ドット絵はファミリーコンピュータなどの時代ではゲーム画面にとっての当たり前でしたが、解像度が上がり3DCGを用いたゲーム画面が当たり前になった今では、レトロなゲームを思い起こさせるノスタルジックなものとして楽しまれるようになっています。そんなドット絵をイラスト調に変換しながら拡大することができるのが、RPG Maker Uniteの公式外部ツールに選ばれた「ぴくせる すけゐらぁ」ということで、実際に使って拡大手順や拡大結果を確認してみました。 ぴくせる すけゐらぁ https://irokaru.github.io/pixel-scaler/ ドット絵を拡大するには、上記のリンクから「ぴくせる すけゐらぁ」にアクセスして「ピクチャを選択」をクリックします。 ファイル選択画面が表示されたら拡大したい画像を選択します。今回はWikipediaの非公式擬人化キャラクター「ウィキペたん」のドット絵
【22新卒エンジニア】Indeedから内定をもらうまで【新卒1000万】｜Keisuke@外資ITエンジニア
はじめにIndeed Japanの新卒エンジニアの内定をもらうことができました。本記事では、応募に至った経緯から内定をもらうまでのプロセスと、自分がどのように選考の対策をしたかについて書きます。 自分が体験した選考の流れは、ざっくりまとめると以下のようになります。 1. 履歴書（CV）を出す （2021年2月上旬）→ 書類通過のメール（2月中旬） 2. Karatというサービスを用いて外部のエンジニアとの面接 60分 （3月下旬）→ 通過の連絡（電話面接の翌日） 3. 本面接: Indeed Japanのエンジニアと1対1の面接 1時間 × 3回 （4月下旬） 4. オファーをもらう（4月下旬） 応募から内定まで、2ヶ月ほどしかかかりませんでした。これは新卒採用ではかなり短い方なのでは？と思います。なお、僕は準備に時間をかけたかったため、できるだけ面接の予定を遠くに設定してもらいました。面
アルゼンチンで新聞販売店を営む男性が、169件のクレジットカード詐欺をおこなったとして逮捕されたそうだ。発表によると容疑者のFernando Falsettiは、クレジットカード詐欺により日本円で約100万円相当の被害を発生させたという。話題になったのはその詐欺の手法（LA NACION、Infobae、GIGAZINE）。 警察が押収したノートから、同容疑者がクレジットカード番号とセキュリティコードを生成するアルゴリズムを見つけ、それを元に紙とペンで計算して有効なクレジットカード番号を割り出していたことが分かったとのこと。
数学を愛する会 on Twitter: "迷路を解くのに最も愚かな方法として、スタートから拡散する数千個の粒子をシミュレーションするという方法が紹介されています。 https://t.co/OOAcaQZmzL"
迷路を解くのに最も愚かな方法として、スタートから拡散する数千個の粒子をシミュレーションするという方法が紹介されています。 https://t.co/OOAcaQZmzL
この記事は自作している強化学習フレームワークの解説記事です。 はじめに 今までフレームワークを通じて様々な強化学習アルゴリズムを実装してきました。 今回その知識を生かしてオリジナルなアルゴリズムを考えてみたので記事にまとめてみます。 このアルゴリズムは以下の状況でかなりの精度を誇ります。 マルコフ決定過程なモデル 状態が離散で現実的な数 行動が離散で現実的な数 ※"現実的な数"というのは数に上限があり、その上限がそれほど大きくない場合を指します 基本アイデア 基本的なアイデアは探索（Exploration）と活用（Exploitation）の分離です。 強化学習では一般的に「探索と活用のトレードオフの問題」1があり、探索を優先すると報酬が少なくなり、活用を優先すると局所解に陥る可能性が高くなる問題があります。 私が過去に記事で取り上げた手法では、どれも探索と活用のバランスをとり学習を進めて
Amazon Web Services ブログ 新機能 – Amazon S3 向け、追加のチェックサムアルゴリズム Amazon Simple Storage Service (Amazon S3) は、オブジェクトおよびオブジェクトに関連付けられたメタデータのために 99.999999999% (イレブンナイン) の耐久性を提供するように設計されています。S3 は PUT した内容を正確に格納し、GET 時に格納された内容を正確に返すので、安心してご利用いただけます。オブジェクトが適切にやり取りされるように、S3 はチェックサムを使用します。チェックサムは基本的にデジタルフィンガープリントの一種です。 S3 の PutObject 関数では、オブジェクトの MD5 チェックサムを渡すことが既に許可されており、指定した値が S3 によって計算された値と一致する場合にのみオペレーションを受
人工知能(AI)の研究は急激に進んでおり、人間のような精度で絵を描いたり文章を書いたりするモデルも登場しています。しかし、これらは「人工知能」という名前でありながら、実際は事前に人間が与えたデータセットを元にアルゴリズムを組んで、その通りに処理しているに過ぎず、独立した知性を持った真の人工知能とはいえません。この真の人工知能を生むためには、「アフォーダンス」が必要だという論文が発表されています。 Frontiers | How Organisms Come to Know the World: Fundamental Limits on Artificial General Intelligence https://doi.org/10.3389/fevo.2021.806283 AIの研究は、アラン・チューリングが1950年に発表した論文「計算する機械と知性」の中で「機械は考えることがで
The first step in building my text editor is to implement the core API. If you’re wondering why I want to do this, the original article is here. I researched several data types, and I tried to be language agnostic. I wanted my decision to not be influenced by any particular language, and first see if there was a “best way” out there, solely based on operations. Of course, a “best way” rarely exist
「AI（人工知能）の民主化」と呼んでいいほど、AIを自ら開発・運用しようという機運が高まっている。データサイエンティストではない一般的なビジネスパーソンが統計や機械学習アルゴリズムに自ら触れ、データを分析してその結果を業務に活用し始めている。実際にアルゴリズムに触れる機会が増えたと感じる読者も多いだろう。 一方で、「アルゴリズムが色々とあり過ぎて、どこから勉強を始めるべきか分からない」といった悩みの声をよく聞く。そこで本特集はコンサルティングファームで働く現役データサイエンティストの視点から、ビジネスに使える最新のアルゴリズムを10種類選んで紹介する。 データサイエンスで利用されるアルゴリズムには、一つ一つ違った特性があり、業務シーンによって向き不向きがある。そこで本特集ではビジネスに使えるアルゴリズムを、以下の4項目の観点で評価した。 簡便性……専門知識が不要で、すぐに実装できること 汎
Twitterが2021年5月19日に、画像を自動でトリミングする機能にわずかながら「白人を優先的に中心に収める」という傾向があったとの調査結果を発表しました。これを受けて同社は、自動トリミング機能のアルゴリズムを段階的に廃止し、トリミングに関する判断をユーザーに委ねる方針を固めました。 Image Cropping on Twitter: Fairness Metrics, their Limitations, and theImportance of Representation, Design, and Agency (PDFファイル)https://arxiv.org/pdf/2105.08667.pdf Sharing learnings about our image cropping algorithm https://blog.twitter.com/engineering
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
グラフィカルモデルに基づく因果探索手法の調査 - Fire Engine
「俯瞰」可視化が情報探索・分析を変える
ARM CPUにおけるSIMDを用いた高速計算入門
ライブラリーに頼らずAIを自作、手を動かすことで理解が進む
Changing std::sort at Google’s Scale and Beyond
Rustで有名アルゴリズムに挑戦(24) Rustで効率的なFisher–Yatesシャッフルを実装してみよう
Taming Floating-Point Sums | orlp.net
ロジスティック回帰をscikit-learnを使わずゼロから実装する(Python)｜es
Writing a simple pool allocator in C
ビジネスに必要な情報を世界中から集めるクローリングの仕組みと今後の課題｜Stockmark
「分子内の原子」まで見える物理的限界にせまった画像を公開 - ナゾロジー
カーナビの歴史を振り返るイベント開催。これからのナビはどう進化する？ 最短ルート至上主義からの脱却が課題？【地図と位置情報】
プログラマを育てる脳トレパズル 遊んでおぼえるPythonプログラミング＆アルゴリズム | 翔泳社
TikTokのアルゴリズムが中国政府への批判を積極的に抑制している可能性があることが判明
4月新刊情報『Pythonからはじめるアルゴリズムトレード』
製造業をオープンソースで自動化——工場の変革を目指す京都発AIスタートアップ「RUTILEA」｜fabcross
High throughput Fizz Buzz
植物の成長システムをシミュレーションして3Dモデリングに反映した書籍「植物のアルゴリズム的美しさ」とは？
ドット絵を滑らかなイラスト調に拡大できるウェブアプリ「ぴくせる すけゐらぁ」を使ってみた
クレジットカード番号とセキュリティコードの生成アルゴリズムを調べ、紙とペンで計算・生成 | スラド セキュリティ
ぼくのかんがえたさいきょうの強化学習アルゴリズム（古典強化学習編） - Qiita
新機能 – Amazon S3 向け、追加のチェックサムアルゴリズム | Amazon Web Services
アルゴリズムの枠組みの延長線上にあるAI研究が真の人工知能を達成できない理由は「アフォーダンス」の欠如が原因
Text Editor: Data Structures
深層学習だけではない、業務の現場で「使える」AIアルゴリズムとは
Twitterが「人種差別をなくすため自動トリミングをやめる」と発表
https://twitter.com/mootastic/status/1551102157038186496
digital.asahi.com
rui0.ht.gob.jp
gammaplus.takeshobo.co.jp
diamond.jp
www.iwate-np.co.jp
www.sunday-webry.com