山野氏の自己紹介 金子春信氏（以下、金子）：ここから、PoCの内容について山野さんにお話しいただきたいと思います。 山野葉子氏（以下、山野）：ありがとうございます。ただいま紹介いただいた山野と申します。今日はこのような場でお話しする機会をいただき、Akamaiさま、本当にありがとうございます。 それでは私から、「Akamai Guardicore Segmentation」のPoCをした内容についてお話ししたいと思っています。はじめに簡単に自己紹介をします。私、株式会社大和総研のフロンティア研究開発センターに所属している山野葉子と申します。よろしくお願いします。 私のキャリアですが、まず大和総研に入社して、証券会社さま向けのオンライントレードのシステム開発に従事した後、企画部門で金融機関さま向けのDXソリューションの企画などに携わってきました。 フロンティア研究開発センターには2016年ぐ
同じニュースを見たにもかかわらず、政治的なスタンスが左派か右派かによって理解のしかたが180度違ってしまうという現象が、しばしば発生します。政治的なニュースを処理している人の脳をスキャンする新たな研究により、このような偏りが脳の中で発生するメカニズムが解明されました。 Shared neural representations and temporal segmentation of political content predict ideological similarity | Science Advances https://doi.org/10.1126/sciadv.abq5920 Study offers neurological explanation for how brains bias partisans against new information | Brown
12月12日（土）、PHPカンファレンス2020が開催されました。PHPカンファレンスは今年20周年の節目を迎え、初のオンライン開催となりました。前編に続き、本稿ではその模様をお伝えしていきます。 竹澤有貴さん「事業のスケールアウトを支えるPHPで作る分散アーキテクチャ」 スターフェスティバルの竹澤有貴さんは、これまで大規模データを扱う業務に多く携わってきました。その中での経験を基に、事業を支える大規模アプリケーションをどのようなパターンで構築していくかについて話しました。 「Event Sourcing」と「CQRS」をキーワードに上げ、これらと同列に語られることの多いドメイン駆動設計についても紹介しました。 ビジネスの成長と組織 アプリケーションは小さなアプリケーション、小さなチームから始まります。当初は意思疎通が取りやすいのでコードベースの統一も容易に取れますが、大きいチームにな
自作Cコンパイラでセルフホスティングを達成した
低レイヤを知りたい人のためのCコンパイラ作成入門（以降「低レイヤ」）を参考にして作り始めたCコンパイラがようやくセルフホスティングできるようになったので、 今までの経験をメモしておく。 リポジトリはこちら：https://github.com/tyfkda/xcc 動機XV6という学習用OSをひとまず使えるものにしたいなぁと思っていて、Cコンパイラが動けばXV6上で開発できるようになるのでぜひとも動かしたいと思っていた。 しかし既存のソースだとCからアセンブリを出力するだけで、アセンブラやリンカはgccを使うとかしていることが多くて、そのままだと動かすのが難しいのではないかと思っていた。 「低レイヤ」もその方式なんだけど、それを直接バイナリを出力する方法で実装したらできるのではないかと、始めてみた。 進め方「低レイヤ」では最初に整数１個をコンパイルできるだけというミニマルな状態から始めて、
「リモセンと深層学習の課題とトレンド」を知る上で、よくまとまっている2017年の論文"Deep learning in remote sensing: A comprehensive review and list of resources."がありましたので、この論文の解説をします。 1. はじめに 宇宙から地球を観測するリモートセンシング（リモセン）データと深層学習については宙畑でも色々な記事が出ています。この「リモセン×機械学習」を俯瞰でみた時にどのようなトレンドになっているのでしょうか。 この「リモセンと深層学習の課題とトレンド」を知る上で、よくまとまっている2017年の論文“Deep learning in remote sensing: A comprehensive review and list of resources.”がありましたので、この論文の解説をします。なお、本
こんにちは、メディアサービス開発部Webアプリケーション開発課のシゲタです。5/11~5/13に長野県松本市で開催されたRubyKaigi2023に参加してきました。RubyKaigiへの参加は今回がはじめてなので、参加してみてどうだったのか等の感想をお話しします。RubyKaigiの雰囲気が少しでも伝えられれば幸いです。 ハイレベルで刺激を得られるセッション 気になったセッションについて LT Implementing "++" operator, stepping into parse.y Fix SQL N+1 queries with RuboCop Learn Ractor 連日開催されるアフターパーティ 話したこと ご飯や観光など 感想 ハイレベルで刺激を得られるセッション わかってはいましたがやはりRubyKaigiのセッションはハイレベルでした。 Ruby言語本体の仕様や機
Image recognition (i.e. classifying what object is shown in an image) is a core task in computer vision, as it enables various downstream applications (automatically tagging photos, assisting visually impaired people, etc.), and has become a standard task on which to benchmark machine learning (ML) algorithms. Deep learning (DL) algorithms have, over the past decade, emerged as the most competitiv
今日も少し前に流行ったモデルの復習。 今日はBERTに関してまとめる。 https://wikiwiki.jp/animegameex/%E3%83%90%E3%83%BC%E3%83%88 これもまた既に素晴らしいまとめがあるのでそちらを参考にしながら復習した。 jalammar.github.io towardsdatascience.com BERTとは 「Bidirectional Encoder Representations from Transformers」の略。 BERT自体は事前学習モデルではあるが、これを利用することで様々なタスクのSOTAを達成している。 「A new era of NLP」なんて言われるほど、色々なところで騒がれている。 さて、以下の内容としては BERTのモデルについて どうやって目的のタスクに適用するか の2つを中心にまとめようと思う。 ※きっ
「風が吹けば桶屋が儲かる」は江戸時代から伝わる言い回しで、一見、何の関係も無さそうなところにまで影響が及ぶ事例や、そのために使われる無理なこじつけを批判するような場面で使います。 元々の意味としては「風が吹けば土埃がたつ、すると土埃が目に入って目を病む人が増える、目を病む人の生業は三味線の師匠が多いから三味線が売れる、三味線には猫の皮を貼るから猫が狩られる、狩られて猫が少なくなると鼠が増える、鼠が増えると桶などが齧られる、ゆえに仕事が増えて桶屋が儲かる」という連鎖だそうです。まぁ、これは笑い話レベルのこじつけですが、最近、これに類したトラブルを経験したので紹介してみましょう。 mate-calcのSeg.fault ある日「mate-calcが動かなくなった」という報告が届きました。"mate-calc"はMateデスクトップ環境で開発されている電卓ツールで、一見すると単純な電卓なものの、
はじめに いよいよ本連載も今回で最終回です。最終回ということで、近年報告件数が増加傾向にある「型混同の脆弱性」[1]を取り上げたいと思います。具体的には、2016年にPHP にて発見されたCVE-2016-3185を解説します。PHPは前回（本誌2021年5月号）も取り上げましたが、今回はそれとはまったく別の種類の脆弱性になります。その点を頭の片隅に入れつつお読みください。また補足になりますが、今回の脆弱性はすべてPHP 7.0.3で検証・解説しています。 今回の脆弱性：CVE-2016-3185 CVE-2016-3185はPHPのインタプリタ内に実装されているmake_http_soap_request関数の中に存在する型混同の脆弱性です。前回のおさらいになりますが、PHPのインタプリタ自体に脆弱性が存在した場合、不正なPHPのプログラムを解釈・実行させるとその脆弱性が発現します。 実
trilogy を調査したら Active Record が抱える問題にまで辿り着いた - Money Forward Developers Blog
はじめに あけましておめでとうございます。k0iです。 皆さんは年末年始、いかがお過ごしでしたでしょうか。 私は久しぶりに会った高校の友達と飲んで帰省の列車に乗り遅れ、更にスマホを落として壊してしまい中々痺れる年越しとなりました。 2024年も良い年になると良いですね.....! さて、Rails 7.1 で trilogy という MySQL 互換の Database Adapter が追加されました。 しかし我々はすでに MySQL 互換の Database Adapter として mysql2 を使っています。 一体なぜ新しい Adapter が必要なのか。trilogy は何を解決するために開発されたのか。 気になりませんか?(なりますよね?) そこで、trilogy について開発の背景や、採用すると何が嬉しいのかを調査してみました。 タイトルにもある通り、調査の過程で Activ
Google、モバイルアプリ開発で視覚処理などの機械学習を利用しやすい「ML Kit」をリリース：Pose Detection API β版も機能強化 Googleは機械学習に対応したモバイルSDK「ML Kit」の一般提供を開始した。合わせてSelfie Segmentation API β版のML Kitへの追加と、ML Kitに含まれるPose Detection API β版の機能強化も発表した。モバイルアプリケーション開発者が視覚処理と自然言語処理に関する機械学習を利用しやすくなる。 Googleは2021年3月9日（米国時間）、Googleのオンデバイス機械学習機能を利用したAndroidアプリケーションやiOSアプリケーションを開発するためのモバイルSDK「ML Kit」の一般提供を開始した。合わせて、Selfie Segmentation（自撮り写真分割）APIのβ版をML
V Language Review (2022)
V is a programming language promising to be “Simple, fast, safe, compiled. For developing maintainable software.” V has a controversial past but what is the state of V in 2022? Is V worth checking out? In this post, we’ll take a look at V as it exists in May 2022. TLDR Read the summary Rules of engagement I’ll be using the current version of V built from git which is 50ab2cfd1ae02d4f4280f38c60b8db
The Art of Malware – Danus Minimus – Reverse Engineer and Malware Analyst
Bringing the Dead back to life I would like to dedicate this post(or perhaps series of posts) to Mark Ludwig, the author of The Giant Black Book of Computer Viruses, who passed away in 2011. You’ve sparked my initial interest in viruses back in 2013 when I was only 15, and although back then I could barely understand your book I would like to make some closure in modern day era. You saw viruses as
【論文まとめ】DINO: Emerging Properties in Self-Supervised Vision Transformers
本記事ではFacebook AI Researchの研究者らによって提案されたDINOという，画像モデルにおける自己教師あり学習の解説を行います． Caron, Mathilde, Hugo Touvron, Ishan Misra, Hervé Jégou, Julien Mairal, Piotr Bojanowski, and Armand Joulin. 2021. “Emerging Properties in Self-Supervised Vision Transformers.” arXiv [cs.CV]. http://arxiv.org/abs/2104.14294. (cf.) Facebook ブログ, GitHub, Yannic Kilcher氏の解説動画 要点：画像モデル (e.g. ResNet, Vision transformers)における，ラベル無
Character bones that look like Openpose for blender _ Ver_96 Depth+Canny+Landmark+MediaPipeFace+finger
Character bones that look like Openpose for blender Ver96 Depth+Canny+Landmark+MediaPipeFace+finger + customizable body mesh This time I added a box depth model for LosseControlDepth. Compared to regular Depth, it has more flexibility inside the volume. https://civitai.com/models/232042/loosecontrol-use-the-box-depth-map-to-control-the-protagonist-position Character bones that look like Openpose f
The Intl.Segmenter object enables locale-sensitive text segmentation, enabling you to get meaningful items (graphemes, words or sentences) from a string.
ControlNet初心者教本 改訂版｜かたらぎ
０：ControlNetとは ControlNet(コントロールネット)とは画像などを下地にしてポーズや構図、画像の雰囲気を抽出し、画像の生成時に参照する仕組みです。この時利用する仕組みのことをプリプロセッサ(preprocessor)といいます。 下の画像は人間を棒人間のような線で抽出するopenposeの例です。このようにポーズをまねたりすることができます。 コントロールネットopenposeの例１：コントロールネットの導入 まずは、SDWebUIから「拡張機能」を選択して「URLからインストール」を選択してください。「拡張機能のリポジトリのURL」に以下のURLをコピー＆ペーストしてください。あとはインストールを押すだけです。 https://github.com/Mikubill/sd-webui-controlnet インストールが完了したら「インストール済み」タブに戻って「適用
News & Views Elimination of covid... Elimination of covid-19: a practical roadmap by segmentation Letters Elimination of covid-19 Elimination of covid-19: a practical roadmap by segmentation BMJ 2021; 372 doi: https://doi.org/10.1136/bmj.n349 (Published 08 February 2021) Cite this as: BMJ 2021;372:n349 Kentaro Iwata, professor of infectious diseases1, Yuki Aoyagi, internist21Division of Infectious
Amazon EMR のバージョンアップ 1/3：メジャーバージョンアップの前にやったこと - Repro Tech Blog
Development Division/Platform Team/Sys-Infra Unit で実施した Amazon EMR 1 のバージョンアップについてどのようなことをやったのか紹介します。 Repro では Presto や Hive などのセットアップに EMR を使用しており、以下の用途で活用しています。 プッシュ通知の配信対象を抽出する 管理画面で参照するデータを抽出する S3 などに貯まっているイベントデータを集計する EMR のアプリケーションとしては以下を使用していました。 Presto Tez Hadoop Hive Hue 経緯 Repro では多くのミドルウェアを運用しており、日々バージョンアップしているのですが、最近まで2019年2月18日にリリースされた EMR 5.21.0 というバージョンを使用していました。もちろん Log4Shell のような脆弱
任意のバーチャル背景を使えるページを作った - Qiita
TL; DR ウェブカムの入力から人物部分のみをくりぬいて背景画像と合成するWebページを作成した https://knok.github.io/virtbg/ 上記URLにアクセスし、"Start video"ボタンを押すと下に合成された動画が表示される "Stop video"で停止 ドラッグ&ドロップで背景画像を差し替え可能 ソースコード: https://github.com/knok/virtbg OBS Studio + 各種OS向けプラグインで任意のビデオ会議ツールに利用可能 jitsiでの動作例: 動機 非常に多くの企業・団体等がバーチャル背景を提供しています(例: Web会議で使える「 #バーチャル背景 」配布がブームに 企業まとめ (1/12) - ITmedia NEWS)。 あらかじめバーチャル背景をサポートした配信ツール(Zoom, Microsoft Teams
「星野リゾート」が最初にやること SWOT 分析 「商品コンセプト」（product concept、商品の基本的な特徴）を考える最初のステップとして、「SWOT分析」（SWOT analysis）があります。 「SWOT」はStrengths（強み）、Weaknesses（弱み）、Opportunities（機会）、Threats（脅威）の頭文字をとったものです。 「自分の『強み』を活かし、『弱み』を見せないようにする」「外部の『機会』を活用し、『脅威』を避ける」ということです。これを念頭に、商品コンセプトを考えるのです。 技術で勝って、商売で負ける？ 「自分の強みを活かして、よい商品をつくる」ことを重視する考え方は「商品志向」（product orientation）と呼ばれます。 「外部の機会に対応する」「市場の求める商品をつくる」という考えは「市場志向」（market orient
OpenSSL Security Advisory
OpenSSL openssl at openssl.org Tue Apr 21 13:25:24 UTC 2020 Previous message: OpenSSL version 1.1.1g published Next message: OpenSSL version 3.0.0-alpha1 published Messages sorted by: [ date ] [ thread ] [ subject ] [ author ] -----BEGIN PGP SIGNED MESSAGE----- Hash: SHA256 OpenSSL Security Advisory [21 April 2020] ========================================= Segmentation fault in SSL_check_chain (CV
Published: May 19, 2021 ● Updated: Mar 21, 2024 IntroDeep learning has been very successful when working with images as data and is currently at a stage where it works better than humans on multiple use-cases. The most important problems that humans have been interested in solving with computer vision are image classification, object detection and segmentation in the increasing order of their diff
Mapping roads through deep learning and weakly supervised training
Mapping roads through deep learning and weakly supervised training Creating accurate maps today is a painstaking, time-consuming manual process, even with access to satellite imagery and mapping software. Many regions — particularly in the developing world — remain largely unmapped. To help close this gap, Facebook AI researchers and engineers have developed a new method that uses deep learning an
Hello "Hello world!"
Languages are often judged initially on their "Hello, world!" program. How easy is it to write? To run? How easy is it to understand? It's a very simple program, of course, one of the simplest, even... just produce a little text, and display it, what could be simpler? It's really not fair to judge a language by such a cursory impression, but it can give you an idea of what a language values and ho
Seeking the reasons for segfaults of a Haskell program - あどけない話
My open server of Haskell QUIC on Linux sometimes got segfaults. I saw two types of segfaults. One is a simple segfault by accessing a wrong address: mighty: segmentation fault The other is relating to free(): *** Error in `mighty': corrupted double-linked list: 0x00007fcdf0008f90 *** I guessed that a buffer overrun occurred against a buffer allocated by malloc() and this segfault happened when th
This shouldn't have happened: A vulnerability postmortem
Posted by Tavis Ormandy, Project Zero Introduction This is an unusual blog post. I normally write posts to highlight some hidden attack surface or interesting complex vulnerability class. This time, I want to talk about a vulnerability that is neither of those things. The striking thing about this vulnerability is just how simple it is. This should have been caught earlier, and I want to explore w
The game of Go has long been viewed as the most challenging of classic games for artificial intelligence 囲碁はAIにとってもっとも困難なボードゲームの一つと考えられてきました (Mastering the game of Go with deep neural networks and tree search | Nature より) Alpha Zero： https://science.sciencemag.org/content/362/6419/1140.full?ijkey=XGd77kI6W4rSc&keytype=ref&siteid=sci (オープンアクセス版) Alpha Go Zero： Mastering the game of Go without human
フェロー 関原 弘樹 多くの組織で年度末を迎える 3 月となりましたがメディアは新型コロナウイルスのニュース一色です。 多くの学校が休校となり数々のイベントが中止される中、みなさまも国や自治体の施策を含めた関連ニュースを注視されているのではないでしょうか。 この新型コロナウイルスに関する年初からのニュースや担当組織の動きを見ていると現実のウイルスもコンピュータウイルスも感染による被害を最小化するにはその初動がいかに大切かということがよくわかりますね。 また、○○がないとか、○○が対策になるという不確定な情報が飛び交い、それにより人々が行動するという有事の際のありがちなパターンを見るにつけ基本的な知識とリテラシーの重要性を再認識しました。 しばらくは窮屈な毎日となりますが、人との接触を避けつつ適度に体を動かしてストレス解消に努めたいものです。個人的には幸い寒さもだいぶ和らいでいることから早朝
Image Segmentation: Tips and Tricks from 39 Kaggle Competitions
Case studyHow Brainly avoids workflow bottlenecks with automated tracking Case studyHow Neptune gave Waabi organization-wide visibility on experiment data
はじめに 最近色々なWeb会議システムを使うことが増えました。未経験だったZoomや、久しぶりにSkypeも使ってます。 Zoomのバーチャル背景が人気ですが、確かに便利です。が、残念ながら私の仕事で標準のGoogle Meetでは、まだ使うことはできません。 Snap Cameraや、OBSなどOSで仮想カメラとして認識されるアプリを使えば可能ですが、そこはWebシステムなのでJavaScriptでなんとかしたいですよね。そこで無理やりやってみた、という話です。(Chrome限定です） Chrome ウェブストアで公開しました こちらの拡張機能を公開しました(2020.06.03) Chrome Virtual Camera ※種類やファイルを指定してから、映像を取得してください。Google Meetの場合はカメラを一旦オフにして、再度オンにしてください 使える材料 tensorflo
Weed Density and Distribution Estimation for Precision Agriculture using Semi-Supervised Learning 雑草の制御されていない成長は、作物の収量と品質に深刻な影響を与える可能性があります。除草剤を無制限に使用すると、生物多様性が変化し、環境汚染を引き起こします。代わりに、雑草が蔓延している地域を特定することで、これらの地域の選択的な化学処理を支援できます。農場の画像分析の進歩により、雑草を特定するためのソリューションが生まれました。ただし、これらのアプローチの大部分は、手動で注釈を付けた大量の画像を必要とする教師あり学習方法に基づいています。結果として、これらの監視されたアプローチは、多種多様な植物種が栽培されているため、個々の農民にとって経済的に実行不可能です。この論文では、自律型ロボットから取得
Examining the design of interactive articles by synthesizing theory from disciplines such as education, journalism, and visualization. Computing has changed how people communicate. The transmission of news, messages, and ideas is instant. Anyone’s voice can be heard. In fact, access to digital communication technologies such as the Internet is so fundamental to daily life that their disruption by
図解でわかる！すぐに使えるビジネスフレームワーク40選【基礎〜発展】 - Workship MAGAZINE(ワークシップマガジン)
会社の新人研修で多くの人が学ぶもののひとつに「ビジネスフレームワーク」があります。ビジネスフレームワークとは、ビジネスの現場で用いられる共通の考え方、分析ツール、思考の枠組みのことです。 ビジネスフレームワークを使うことで仕事の能率が高くなり、また他人に説明する際にロジカルで分かりやすく伝えられるメリットがあります。 しかし一言にビジネスフレームワークといっても、その種類は非常に多くあります。 そこで今回は、現場で頻繁に使われる40個のビジネスフレームワークを概観していきましょう！ ビジネスフレームワーク 基礎編10選 まずは最も基本的な10個のビジネスフレームワークをご紹介します。新入社員の方は、最低限これら10個のビジネスフレームワークを知っておきましょう！ 1．PDCAサイクル （出典：http://vekitomo-0.hatenablog.jp/entry/2017/01/09/
Help us understand the problem. What are the problem?
[YOLOv8 Instance Segmentation] 「きのこの山」に潜伏する「たけのこの里」を機械学習で見つけてみました 〜データセットは、Segment Anything Modelで自動的に生成されています〜 | DevelopersIO
[YOLOv8 Instance Segmentation] 「きのこの山」に潜伏する「たけのこの里」を機械学習で見つけてみました 〜データセットは、Segment Anything Modelで自動的に生成されています〜 1 はじめに CX事業本部製造ビジネステクノロジー部の平内（SIN）です。 YOLOv8は、イメージ分類・物体検出・セグメンテーション・骨格検出などに対応していますが、今回は、セグメンテーションモデルをファインチューニングして、「きのこの山」と「たけのこの里」を検出してみました。 最初に、動作している様子をご確認下さい。比較的に精度高くセグメンテーション出来ていると思います。 2 データセット作成 セグメンテーションモデルを学習する為のデータは、下記のように、対象物の輪郭座標が必要であり、これを大量に作成するのは、結構な膨大な作業量になってしまいます。 そこで、この作業
![[YOLOv8 Instance Segmentation] 「きのこの山」に潜伏する「たけのこの里」を機械学習で見つけてみました 〜データセットは、Segment Anything Modelで自動的に生成されています〜 | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/39c333a033a0d0be80ef5ce7121caeffe0f678de/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2024%2F02%2Ficon.png)
画像認識とは？AIを使った仕組みと最新の活用事例
近年は、さまざまな分野でAI・人工知能が積極的に導入され始めています。その中には「AIを用いなければ実現できない技術」も多く、もはや私たちにとってAIは欠かせない存在と言っても過言ではありません。 そんな中、AIを活用したサービスとして「画像認識」に注目が集まっているのをご存知でしょうか。今回は、この「画像認識」の仕組みについて詳しく解説していくとともに、活用事例もご紹介していきますので、ぜひ参考にしてみてください。 画像認識のサービス比較と企業一覧 画像認識とは？ 「画像認識（Image Recognition）」とは、画像に映る人やモノを認識する技術です。「画像に何が写っているのか」を解析します。画像認識はパターン認識の一種で、近年は深層学習（ディープラーニング）という手法によってさらに精度が向上してきており、多様な分野での導入が進んでいます。 人間の場合であれば、過去の経験をもとに「
NeRF at CVPR 2022
There are more than 50 papers related to Neural Radiance Fields (NeRFs) at the CVPR 2022 conference. With my former student and now colleague at Google Research, Andrew Marmon, we rounded up all papers we could find and organized them here for our edification, and your reading pleasure. Below are all the papers at CVPR’22 that we could find by scanning titles and reading the associated papers, som
点群SegmentationのためのTransformerサーベイ - takminの書きっぱなし備忘録 @はてなブログ
今回、主に点群に対してSemantic Segmentationを行うためにTansformerを適用した研究についてサーベイしてみたので、資料を公開します。 元々は、前回開催したコンピュータビジョン勉強会＠関東「深層学習＋３D論文読み会」で発表するために準備していたのですが、発表者が十分に集まったことと、ハイブリッド開催のため運営が大変になりそうだったので、発表は断念しました。 最初は画像と点群でのTransformerの適用方法の違いが気になって調べだしたので、PointTransformerとPointMixerあたりまでを発表するつもりだったのですが、発表を取りやめて調べる時間もできたので、色々と追加で調べているうちに分量が増えてしまいました。 調べてみて、果たしてTransformerは畳み込みと比べて点群処理に最適か？というのはよくわかりませんでした。ただ、PointBERTの
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
セキュリティと管理の課題感から取り組んだ「Akamai Guardicore Segmentation」のPoC 大和総研が感じた「ネットワークを可視化できる」メリット
「同じものを見ても支持政党が違うと解釈がまったく異なるのはなぜか？」が神経学的に解明される
PHPカンファレンス2020 レポート［後編］ | gihyo.jp
論文解説：リモートセンシングにおける深層学習のトレンド | 宙畑
RubyKaigiにはじめて参加してきた感想 - BOOK☆WALKER inside
A Visual History of Interpretation for Image Recognition
（論文）BERT - 機械学習・自然言語処理の勉強メモ
第43回 風が吹けば桶屋が儲かる？ | gihyo.jp
第5回（最終回） PHPの脆弱性 ～型混同～ | gihyo.jp
Google、モバイルアプリ開発で視覚処理などの機械学習を利用しやすい「ML Kit」をリリース
Intl.Segmenter - JavaScript | MDN
Elimination of covid-19: a practical roadmap by segmentation
星野リゾートが「立て直し」で最初に行う「SWOT分析」とは | ZUU online
A Complete guide to Semantic Segmentation in 2024
スッキリわかるAlphaZero - どこから見てもメンダコ
【エバンジェリスト・ボイス】NIST SP800-207 Zero Trust Architecture
Google Meetでもバーチャル背景を使いたい - Qiita
半教師あり学習を用いた精密農業のための雑草密度と分布推定
Communicating with Interactive Articles
TSO(TCP Segmentation Offload)について - Qiita