最近でこそ「MVV」（ミッション・ビジョン・バリュー）ということが話題になることが増えて、スタートアップにおいて、比較的早期に組織のレーゾン・デートル（存在意義）を考えたり、言語化することが増えてきましたが、これは日本では比較的最近のトレンドのように思われます。 まだメルカリが社員10名程度だった頃、現在同社の取締役会長を務める小泉文明さんが経営陣4人とともに合宿をして、今では有名なメルカリのバリュー、「Go Bold」（大胆にやろう）、All for One （全ては成功のために）、Be Professional （プロフェッショナルであれ）を定めたのは日本のスタートアップ業界では良く知られた話です。2013年末から2014年にかけてのことで、当時、アーリーステージのスタートアップが、こうした言語化をするのは極めて珍しいことでした。すでにメルカリは最初の5か月で100万ダウンロードと成長
アルゴリズムの世界地図 - Qiita
0. アルゴリズムとは？ まず、アルゴリズムとは何かを説明します。（0 節の説明はスライド「50 分で学ぶアルゴリズム」 の説明を参考にして書きました） さて、次の問題を考えてみましょう。 問題： 1 + 2 + 3 + … + 100 の値を計算してください。 単純な方法として、式の通りに 1 つずつ足していく方法が考えられます。すると、以下の図のように答えが計算されることになります。 これで答え 5050 が正しく求まりました。これはれっきとした アルゴリズム であり、この問題を 99 回の足し算 で解いています。しかし、計算回数が多く、計算に時間がかかるのではないかと思った方もいると思います。 ここで、方法を変えて、「1 + 100」「2 + 99」「3 + 98」…「50 + 51」の合計を求めることで、1 + 2 + 3 + … + 100 の値を計算してみましょう。 50 個の
6 月 30 日付けで退職、昨日 28 日が最終出社日でした。 2018 年 2 月から、約 1 年半お世話になりました。 マーソ株式会社 is 何 ( 2019 年 6 月末時点の情報です ) www.mrso.jp MRSO という Web サービスを運営している会社です。 MRSO は、人間ドックや検診を全国の医療施設から検索・予約できるポータルサイトです。 登録されている医療施設数は、国内の類似サービスの中ではトップクラスの規模です。 他にもこんな事業をやっています。 MRSO で利用できるギフト券、マーソギフト券の販売 健康をプレゼントするとう考え方 ご両親に人間ドックを受けてほしい！ というユースケースが多いようです 企業向けの健診結果管理システムの開発・運用 ( toB ) 何をしていたのか MRSO の開発・運営に必要なほとんどの領域を担当していました。 具体的には、 新機
モチベーション なぜRustを選んだか？ 私はQEMUは「アーキテクチャエミュレーション界のLLVM」だと思っている QEMUが高速な理由：TCG Binary Translation ゲスト命令(RISC-V) → TCG → ホスト命令(x86)の処理をRustで作ろう RISC-Vの命令をフェッチしてデコードする RISC-Vの命令をTCGに変換する TCGをx86に変換する 実装結果 Binary Translation実行を高速化するための様々なテクニック BasicBlock分まで複数命令をまとめて変換 TCG Block Chainingの実装 評価結果 TB Lookup and Jumpの実装 評価結果 まだ完成していないところ 一部の最適化はまだ未実装となっている ゲストアーキテクチャがx86のみとなっている。TCGによる複数プラットフォーム対応として、まずは環境のそろ
Chrome の JavaScript はとても高速なことでも有名ですが、その実行エンジンは V8 と呼ばれます。V8 自体は独立したモジュールであり、Node.js 等にも使われております。 V8 が JavaScript を高速に実行する技術の一つが JIT (Just In Time) コンパイルです（一般的に JIT と呼ばれます）。これは、そのまま実行すると遅い JavaScript を実行中にリアルタイムに直接マシンコードに変換し（これが Just In Time と呼ばれる所以です）、途中からそのコードに入れ替えて実行することで高速化を達成しています。特に何度も実行される関数で効力を発揮します。 JIT という名前は聞いたことがあろうとも、実際に JIT がどのようなコードを実行しているのかを確認する機会は滅多にないでしょう。この記事では、実際に V8 の JIT の出力を確
グラフ最適化をマスターしよう！ - Qiita
はじめに グラフ最適化（Graph Optimization）は、パラメータをグラフ構造で表現し、最適化問題を解決する手法です。特にロボティクスなどの領域で広く活用されています。 以下に、グラフ最適化の応用例をいくつか挙げます。 Visual SLAMやSFMのバンドル調整（Bundle Adjustment）問題 Graph SLAMのループクロージング問題 経路計画問題(TEB, ebandなど) 実際のアプリケーションでは、ceresやgtsam、g2oなどのグラフ最適化ライブラリを利用することで、グラフ最適化問題を解決することができます。しかし、グラフ最適化の内部原理を理解していないと、性能の向上や課題の解決が困難になることが多いです。 筆者自身は、グラフ最適化の理解を深めるため、独自のグラフ最適化ライブラリをPythonで実装したことがあります。g2oなどの大規模なOSSと比較し
行列入門
行 列 入 門 i 本教材について 本教材は，行列の基本的な性質を学ぶために作成したものです。 行列については，平成 21 年告示の学習指導要領における新設科目「数学活用」の「社会 生活における数理的な考察」の「数学的な表現の工夫」の内容となりました。行列は現代数 学の基礎的な内容として様々な場面で活用されているにもかかわらず，繁雑な計算の意味 やどのような場面で活用されるのかがわかりにくかったことから， 「数学活用」の内容とし たものです。ただし， 「数学活用」の内容としたことから内容は大綱的に示すことになりま した。そこで，専門教科理数科の「理数数学特論」の内容としてはそれ以前のもの（平成 11 年告示の学習指導要領における数学 C の内容）をそのまま残すとともに，高等学校数学を 超える内容に興味をもつ生徒には「数学活用」の内容を踏まえ「線型代数学入門」のような 学校設定科目を設けて指
npm v7の主な変更点まとめ
こんにちは@watildeです。趣味でnpmへのコミットをたまにしているのですが、最近はNode.js側に比重を置いているのでv7のキャッチアップに少し遅れてしまいました。キャッチアップついでに自分なりに情報をまとめたので、v7における代表的な新機能と破壊的変更について、GitHubの記事よりも少し詳しめに紹介と解説を行ってみます。なるべく参考リンクを付けているので、詳細が気になった際はリンクから一次情報に飛んで読んでみてください。 また、情報に誤りがあった場合はTwitterにて教えていただけると助かります。 背景 npmチームより、2020/10/13にnpmの新しいメジャーアップデートであるところのv7の公式リリースが発表されました。8月からbeta版のリリースを繰り返していましたが、2ヶ月かけて内部的なリファクタリングとスモークテストを繰り返して今回の発表に至ったのかと思います。ま
(defn and3 [x y z] (and x (and y z))) (defn and4 [a b c d] (and (and a b) (and c d))) (defn or3 [x y z] (or x (or y z))) (defn or4 [x0 x1 x2 x3] (or (or x0 x1) (or x2 x3))) (defn mux8 [a b c d e f g h select] (let [[s0 s1 s2] select] (or8-1 [(and4 a (not s0) (not s1) (not s2)) (and4 b s0 (not s1) (not s2)) (and4 c (not s0) s1 (not s2)) (and4 d s0 s1 (not s2)) (and4 e (not s0) (not s1) s2) (and4 f
【異常検知】異常原因を特定する - Qiita
異常検知は、正常データだけで学習できる製造業で人気のある手法です。 そして、異常検知で異常を検出したとして、「異常原因を特定したい」という 要望もよく聞かれます。 そこで、本稿では、複数のセンサが付いた異常検知システムにおいて、 異常が発生した場合に、どのセンサが異常値を示しているのかを特定する 方法を検討します。 ※コード全体はこちらに置きました。 ※こちらはPythonデータ分析勉強会#17の発表資料です。 きっかけ 以前に、こんな内容をツイートしたところ、皆さん興味をお持ちのようでした。 昨日、JFEスチールの製造ラインで異常検知する話しを聞いた。 ・数十個にわたるセンサで常時監視 ・異常検知の制約は、異常のみならず異常原因も特定する ・センサは相関が強いものだけを取り出し、主成分分析だけで異常検知 ・これによりコストと納期を大幅に削減 ー続くー — shinmura0 @ 3/14
はじめに こんにちは。趣味でmacOSアプリ開発をしている学生デベロッパのKyomeと申します。今回は、CPU負荷に合わせた速度でメニューバー上で猫が走るだけのmacOS向けユーティリティ(?)アプリ、RunCatをリリースしてから約一周年ということで、RunCatの開発裏話を記しておこうと思います。 RunCat 「なんか面白いアプリ作りたいな〜。」 「この前はカスタムキーボードでピアノ作ったし、マニアックなとこ攻めたいな。メニューバーとか...。」 Mac Bookを開き、ふとメニューバーを見ると、Wi-Fiの接続チェック中のアニメーションが目に入る 「へぇ...メニューバーってアニメーションできるのか。」 「...猫でも走らせてみようか。」 すべてはこんな思いつきから始まりました。 RunCatはCPU負荷に合わせてRunnerと呼ばれるキャラクター（あるいはモチーフ）のアニメーショ
レベルが上がるとHPが上がって打たれ強くなるのは何故か？という問への名回答。『HPの話になるといつもこれを思い出す』『格ゲーもきっとこれ』
ドク@ボーイッシュ(ボーイじゃない @yorushibafu @jeroninjachaos WIZのACの概念は、ファンタジー史上に残る発明ですよね。 全裸忍者の強さもこれで説明出来るのが凄い。 2021-12-01 19:11:19 烏森 早紀 @kasumorisaki @jeroninjachaos 崋山鋼鎧呼法みたいに、物理的に硬くなっていたりメタルスライムみたいに硬くすばしこいと、通った与ダメージ数が同じ攻撃でも数値上で相対的に下がるはずなので… 聖闘士やサイヤ人みたいに、盛大にダメージを受けてもしぶといのが高HPキャラと思っていました… 2021-12-01 19:29:59
[新サービス] VPC 向け AWS マネージドファイアウォールサービス「AWS Network Firewall」がリリースされました | DevelopersIO
re:Invent が近づくにつれて続々とアップデートが続いていますね。（追いかけるのが大変です、、） 本日も新たなサービスとして 「AWS Network Firewall」 がリリースされました！ AWS Network Firewall とは AWS Network Firewall は VPC 向けのステートフルなマネージドネットワークファイアウォールのサービスです。インターネットゲートウェイ、NAT ゲートウェイ、VPC、DirectConnect など VPC の境界でトラフィックをフィルタリングすることができます。 （似たようなサービス名で AWS Firewall Manager がありますが、あちらは AWS WAF をアカウントで管理するためのサービスです） AWS Network Firewall のメリット ステートフルで高度なフィルタリング ステートフルなルールと
![[新サービス] VPC 向け AWS マネージドファイアウォールサービス「AWS Network Firewall」がリリースされました | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/282e5d89940d22b7b6e85de812014aa1e9e593f2/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2019%2F05%2Famazon-vpc.png)
昨年末からルービックキューブをやりだして、3 ヶ月ぐらいたちました。最近人に会ったときに、かなりの確率で話題にあげているので聞いたことがある人もいるかもしれません。そこで、一度文章にまとめてみたいと思います。 なぜやりだしたのか きっかけは、なんとなく脳に刺激をあたえるのに指先を動かしたいということでした。 仕事がプログラマなんだし、仕事中に指はよく動かすだろうと思われるでしょう。しかし、普段使っているキーボードはキー数が少なく、あまりホームポジションから手を動かさなくてコーディングができるようになっています。そのため、HHKB のような標準的な配列でキー数の多いキーボードを使うとすごく疲れます。 ## なにをやっているのか メインは、 3x3x3 と呼ばれる一般的なやつをやっています。 左から2x2x2, 3x3x3, 4x4x4 とはいえ、やっているうちに、2x2x2 や 4x4x4
Raspberry Pi 3 B+ ＆ PyTorchの深層学習で、カメラ映像内の複数物体をリアルタイム分類 - Qiita
Raspberry Pi 3 B+ ＆ PyTorchの深層学習で、カメラ映像内の複数物体をリアルタイム分類PythonOpenCVRaspberryPiDeepLearningPyTorch 大学の授業関係でラズパイ3B+とpicameraをゲット。暇なので、ラズパイに深層学習を用いた分類をさせてみようと思い立ちました。ただ、前もって撮った写真を分類させるのではなく、picameraからのリアルタイムの映像内の物体を分類させ、いい感じに表示させます。 学生レベルかもしれませんが、一部分でも参考になれば幸いです。 思い描いたこと 「固定されたpicameraの視野内に複数の私物を置くと、それをリアルタイムに分類し、表示する機能」をラズパイ内に作ってみようと思いました。 具体的には、背景差分（背景画像と変化した部分を抜き出す手法）で物体を抽出し、PyTorch [ﾊﾟｲﾄｰﾁ]（Keras,
morimorihogeです。飲食店の夜間営業解禁ほんとうれしい。 先日いわゆる眼内コンタクトレンズ手術（ICL）というやつをやりまして、小学生時代以来手放せなかったメガネを付けない生活を手に入れました。 ちょいちょいZoomとかで聞かれることもあったので、術後2か月以上経過したここいらでどんな感じだったかをまとめてみます。 ※免責事項：本記事の情報はN=1の僕自身の体験および考えであり、記載されている内容の医学的・統計的正確性及び判断の客観的妥当性について保証するものではありません。内容の解釈・リスクの判断については他のサイトや直接医師とも相談するなど各自自分で判断するようにしてください。 ※参照URLをいくつか記載していますが、僕は専門家ではないため内容が正しいかどうかまでは検証できていません。こちらもご了承下さい。 眼内コンタクトレンズ手術って何？ 名前の通り、眼球にコンタクトレンズ
「Intel Core i3 10100」をレビュー。Ryzen 3 3300Xに惨敗だが1万円で買える10100Fには期待 : 自作とゲームと趣味の日々
2020年10月23日12:00 （注：商品価格は執筆当時のものです。販売ページリンクにはアフィリエイトを含みます） 「Intel Core i3 10100」をレビュー。Ryzen 3 3300Xに惨敗だが1万円で買える10100Fには期待 wisteriear コメント(7) タグ ：#Intel_Core-S_10Gen#CPU_レビュー#レビュー#Intel_Core-S_10Gen_レビュー スポンサードリンク Intel第10世代Comet Lake-Sシリーズから、1万円台で購入できる4コア8スレッドのエントリーモデル「Intel Core i3 10100」をレビューします。 さらに前世代上位モデルのCore i5 9400や前世代同クラスのCore i3 9100、同コアスレッド数かつ同価格帯の競合モデルRyzen 3 3300Xと比較して、クリエイティブタスクやPCゲー
Learn how to bring multithreaded applications written in other languages to WebAssembly. WebAssembly threads support is one of the most important performance additions to WebAssembly. It allows you to either run parts of your code in parallel on separate cores, or the same code over independent parts of the input data, scaling it to as many cores as the user has and significantly reducing the over
今年のGWや夏休みは旅行を計画している人も多いのでは？そんな楽しい瞬間を切り取るのに必須なのはカメラですよね。でも、いざ撮影をしてみるとおしゃれな写真がとれず残念な思いをする……なんてことも。 そこでおすすめなのがiPhone。最新機種のiPhone 14 Pro & iPhone 14 Pro Maxでは多くの革新的な機能が追加され、カメラの性能も格段にアップ。サッと取り出して撮っただけなのに、すてきな写真が撮れるんです！ 今回はiPhone14Proと一緒に京都フォトトリップに行ってきました。プロから教わる撮影テクニックも紹介！旅先でもすぐに実践できることばかり、ぜひチェックしてください。 ◎iPhone 14 Pro & iPhone 14 Pro Maxの詳細は公式HPをご覧ください iPhone 14 Proで最初にやっておくべきカメラの設定 まずは、iPhone 14 Proで
jubeatが死んだ (追記あり)｜サノカモメ｜note
(2021/06/12追記) その後のアプデで改善した点について、別の記事を書きました。ちょっと生き返ってます。 5/7、アプリ版jubeatの「超大型アップデート」が行われ、jubeat plusは消滅し、新しいjubeatが始まった。 プロローグ: 0.12MBの地獄 5/7にアプデの配信が始まったが、 ・KONAMI IDとの連携時にエラーが出て、二度とやり直せない ・ダウンロードがめちゃくちゃ遅い ・ダウンロードが残り1%で何度も止まる というスタートだった。特に3番目は、リトライ時に「0.12MB」を読み込む旨の表示が出続けた。夕方から早朝にかけ定期的にボタンを押していたものの何も起きず、お昼ごろようやく読み込めた。 あの時何を読み込んでいたのか。いや何を読み込めなかったのか。我々にそれを知る術はもうない。 ……と辛抱強く待ち続け、ようやく新生jubeatと対面することができたの
ルービックキューブ6面攻略は誰でもできる。外出自粛のこのチャンスにやってみよう！ - ほおずきれいこの骨髄ブログ・2nd season
ルービックキューブのすすめ 約１年前、ある俳優たちの中でルービックキューブが流行っているというのをテレビで見て、ルービックキューブなんて、アホでもバカでもできるのに、と思ってブログ記事を書きました。 そのとき撮った動画がこれです。３分４５秒です。 【ルービックキューブ】普通にやる その後、ワンピースのルービックキューブが全然完成しないという記事を書きました。 そのときの動画がこれ。 これが２２４再生もされているんです。 【ルービックキューブ】超イライラ。ワンピースの絵が揃わない！ hoozukireiko.hatenablog.com それで思いついたのが、記事のリサイクル。 コロナ禍のこんなときには、おうちでルービックキューブを。 ルービックキューブは覚えれば、誰でもできます。 それが覚えられないんだよっ！って言わないで！ 覚えることはそんなに多くないです。 ルービックキューブ Ver.
Knoa氏の予測方法変数の説明（要約） x1 = 過去の感染者数, x2 = 変異株の比率, x3 = 3週前の感染者数の最大値, x4 = 2週前の人流, x5 = その他それっぽいデータ脳内モデル f の説明： 感染者数 yt = f(x1, x2, x3, x4, x5) 目で、散布図を見比べて、「矛盾が少なそうだなあ！」と感じた値 yt を５週分適当に選ぶ（矛盾ってなんだ？）式なんてないよKnoa氏の予測方法(7月26日改定版)で分かったこと ★やはり予想通りだった★。= (散布図を見ながら人力で推定する) 「誰が計算しても同じ結果が出る」と書かれていたが、そりゃ無理だろう。目で見て比べて決めることを 「計算」 するとは普通は言わない。Knoa氏が主観で「推定」した数値と「同じ」数値を出せるわけがない。エスパーでもない限り。再現可能性・検証可能性がないと科学的議論ができない。あたり
最近、Twitterの投稿などで、5/12のバージョンアップ以降、ChatGPTのGPT-4モデルの精度が劣化したとの意見を見ましたので、実際に検証してみました。 以下は、同じプロンプトでGPT-4モデルが出力した文章です。どちらがバージョンアップ前でどちらがバージョンアップ後かわかりますか？ AIによる文章生成技術の概要 近年、AI技術の発展により、文章生成に関する研究が盛んに行われています。文章生成AIは、自然言語処理（NLP）と機械学習を活用し、人間のように文章を生成することができる技術です。これにより、ブログ記事やニュース、広告コピー、会話型AI（チャットボット）など、さまざまな分野での応用が期待されています。 AIによる文章生成技術の概要 AIによる文章生成技術は、人工知能の一分野であり、特定のテーマやスタイルに従って文章を自動的に生成する技術です。この技術は、自然言語処理（NL
１．Llama 2の日本語能力最初に、Llama 2に日本語で話しかけてみました。 入力 こんにちは。日本語は話せますか？ LLama 2 Konnichiwa! Yes, I can speak Japanese. How may I assist you today? （こんにちは。はい、日本語が話せます。今日はどのようなご用件でしょうか？） 入力 富士山はどんな山ですか？ Llama 2 Fuji-san is a very famous mountain in Japan, known for its beautiful and iconic shape. It is a stratovolcano, which means it is a type of volcano that is characterized by its steep, conical shape and i
競技プログラミングでは頻繁に出てくる「ダブリング」という手法について説明しようと思います。 競プロをはじめて間もない人や、競プロ外の人に向けて書きたいと思います。 最初に予防線を張っておきますが、内容が正しいかどうかは保証しません。 繰り返し二乗法繰り返し二乗法という有名なアルゴリズムがあります。 例えば、3の100億(10^10)乗を計算せよと言われた時に、 1回1回計算していたのでは時間がいくらあっても足りません。 しかし繰り返し二乗法を使えば、log(100億)くらいの計算量で計算出来るようになります。 具体的にどういう仕組みかを説明するために より小さな場合として3の11乗を計算するとした時に、 3^11 = (3^8) x (3^2) x (3^1) と3^(2^k)の積に分解出来るならば、 11を1011と2進数で表した時の1の数分だけで計算が終わることになります。 （a^bは
Python as a language is comparatively simple. And I believe, that you can learn quite a lot about Python and its features, just by learning what all of its builtins are, and what they do. And to back up that claim, I'll be doing just that. Just to be clear, this is not going to be a tutorial post. Covering such a vast amount of material in a single blog post, while starting from the beginning is p
【Conference Projector】OpenAI API を使って CVPR 2023 全体を眺めるWebサイトを作成した - IrohaLog
概要 CVPR 2023 会議全体を可視化したグラフを眺めながら論文検索できるWebサイトを作成したので紹介します。 会議に採択された論文全体を可視化したグラフから、 カテゴリやアプリケーションが近い論文を探せます。 テキスト検索ではない方法で、広い視野で論文を探せます。 会議全体で盛り上がっている分野や、逆にニッチな分野を把握することもにも役立ちます。 研究テーマを模索している方や、広い視野で業界動向を知りたい方におすすめです。 yuukicammy--conference-projector-wrapper.modal.run 概要 はじめに Conference Projector で何ができるか システム概要 実装詳細 (1) スクレイピング (2) カテゴリ、アプリケーションなどのテキスト生成 (3) Embedding (4) PDFからの画像抽出 (5) 次元圧縮 (6) K
ダメだ、noteで記事を書き始めたが1500文字くらい書いてお蔵入りになった。対策に仕立てないとPublishしたくないという謎の病だが、大作に仕上げる気力がない。 これは深刻だ。Shortな記事でも公開していけるような仕組みと心構えを考えないと... — 樫田光 | Hikaru Kashida (@hik0107) May 6, 2020 そのため、この記事はライトに書いてみる。 きっと、間違いや浅い知見もたくさんあるだろうが、知るかそんなこと。 だいたいいつも前置きで疲れるので、前置きなしで。 1 / LTVを見る顧客が将来的にサービスにもたらしてくれる収益の総和 顧客獲得のコスト（CAC：Customer Acquisition Cost）という投資に対して、きちんと回収できているか= Profitableかどうか の判断のために使う。 LTV ＞ CACの関係になっていることを「
怪しい医療情報に惑わされないための基礎知識。個人の体験談はなぜ誤解をさせるのか？（大須賀覚） - エキスパート - Yahoo!ニュース
ネットには、「〇〇を食べたらアトピーが治った」「〇〇をしたら癌が治った」のような個人の体験談に基づく医療情報があふれています。 これらは、実際に体験した人の感想ですから、一見すると信頼できそうと思う人もいらっしゃいます。しかし、医療の世界では、これらは不正確で誤解を招くことが多いと知られています。なぜでしょうか？ これを理解する鍵は、「人と家電の違いを知ること」にあります。 どういうことかを、がん治療を例にして、丁寧に解説したいと思います。この基礎知識を身につけると、不正確な医療情報に惑わされにくくなると思います。 ネットにあふれる個人の体験談ネットのがん治療についての書き込みをみると、以下のようなものがみられます。 「余命半年と言われたのに、この食品を食べたら２年も生きた。あれはすごい」 「友人が抗がん剤治療を受けて、たった２ヶ月で亡くなった。あれはひどい」 これらの体験談を聞いて、どう
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
Knoa氏の予測方法変数の説明（要約） x1 = 過去の感染者数, x2 = 変異株の比率, x3 = 3週前の感染者数の最大値, x4 = 2週前の人流, x5 = その他それっぽいデータ脳内モデル f の説明： 感染者数 yt = f(x1, x2, x3, x4, x5) 目で、散布図を見比べて、「矛盾が少なそうだなあ！」と感じた値 yt を５週分適当に選ぶ（矛盾ってなんだ？）式なんてないよKnoa氏の予測方法(7月26日改定版)で分かったこと ★やはり予想通りだった★。= (散布図を見ながら人力で推定する) 「誰が計算しても同じ結果が出る」と書かれていたが、そりゃ無理だろう。Knoa氏が主観で「推定」した数値と「同じ」数値を出せるわけがない。エスパーでもない限り。目で見て比べて決めることを 「計算」 するとは普通は言わない。再現可能性・検証可能性がないと科学的議論ができない。あたり
MySQL に独自 charset を追加できる…という話はずっと前に聞いたことあったけど、やったことなかったんでやってみた。 詳しくは MySQL :: MySQL 8.0 リファレンスマニュアル :: 10.13 文字セットの追加 を。 マルチバイト charset は C でプログラムを書いてコンパイルする必要があるけど、1バイト charset はファイルを置くだけで追加できる。 1バイトの charset と言えばみんなご存知の JIS X 0201 ですよね。ということで、jisx0201 という charset を作ってみる。 JIS X 0201 のコードはこんな感じ: x0 x1 x2 x3 x4 x5 x6 x7 x8 x9 xA xB xC xD xE xF 0x NUL SOH STX ETX EOT ENQ ACK BEL BS HT LF VT FF CR SO
概要昨日発表されたGPT-4VのAPI（画像に対して質問を投げることができるAPI）を早速利用してみたので、サクッと使ってみようと思う。 使い方当然ながら、現時点ではLangChainなどのライブラリからは利用できないし、Pythonのライブラリもなさそう（→ありました）。ここに使い方が乗っているので、そのまま使ってみる。ローカルのイメージをbase64エンコードして送る感じらしい。 やってみる今回は、インターネットで検索して出てきた画像に対して、簡単な質問をしてみよう。今後いろんな論文をサクッと実装していきたいと思うのだけど、まずは手始めに早稲田大学の講義のページを使わせてもらいます。制約条件付き最適化の問題を解かせてみようと思います。 https://www.f.waseda.jp/ksuga/2007chap17.pdfよりimport base64 import requests
Google recently published a blog article and paper introducing their SIMD-accelerated sorting algorithm. SIMD stands for single instruction, multiple data. A single instruction is used to apply the same operation to multiple pieces of data. The prototypical example is addition, where one instruction can do e.g. 4 32-bit additions. A single SIMD addition should be roughly 4 times faster than perfor
The Humble <img> Element And Core Web Vitals — Smashing Magazine
Images have also been a key part of the web. They communicate ideas instantly, but they are also a lot heavier than text to load. This means that it’s essential to get loading and displaying them right, if you want to give your users a fantastic first impression. An excerpt from Addy’s new book (also, check a free PDF preview). The humble <img> element has gained some superpowers over the years. G
はじめに 実験でも数値計算でも、観測に誤差が伴うものをグラフにする時にはエラーバー(誤差棒)をつけると思います。エラーバーのつけ方には流儀がありますが、とりあえず1シグマ、つまり「誤差の乗り方がガウス分布だと仮定した時の標準偏差」をエラーバーとすることが多いです。 で、エラーバーは1シグマなので、「真の値をそのエラーバーの中に含む確率」が68%です。つまり観測点の3つに1つは「真の値」がエラーバーの範囲外にあることになります。なお、ここでは「真の値」を「観測を十分な回数繰り返した時に収束する値」のこととします。 さて、発表を見ていて、たまに「ん？」と思うようなグラフを見かけます。以下では、そんな「ん？」なグラフの実例と、その原因について見てみようと思います。 ケース1：正しい誤差棒 入力値$x$に対して、観測値$y$が$y=x$となる単純な系を考えましょう。ただし、観測するたびに誤差$\v
概要 ある種の数え上げの計算は、多項式・形式的べき級数に対する計算と結び付けることができます。数え上げの問題を、多項式・形式的べき級数に対する計算と読み替えて、代数的な式変形により答を得る手法が、競技プログラミングにおいても注目され始めているようです。 さまざまな問題を文字式の問題に翻訳できるようになっておけば、文字式に対して理解を深めるだけで、幅広い問題に対する解決力を同時に伸ばしてしまうことができます。また、中高数学の学習で学んだ文字式や関数の式変形に対する能力が利用できることも魅力になると思います。 ここでは、数え上げの対象を多項式・形式的べき級数の問題に対応させる練習をしていきましょう。（逆に言うと、対応させた先の「多項式・形式的べき級数の問題を解く」方法の説明は、この記事では扱いません。） 多項式への言い換えは、経験がないうちは、唐突に感じてしまうことがあると思いますが、頻出のパ
![[多項式・形式的べき級数]（１）数え上げとの対応付け | maspyのHP](https://cdn-ak-scissors.b.st-hatena.com/image/square/d3b83cb0b151f85f4ab582d54745629884ec04db/height=288;version=1;width=512/https%3A%2F%2Fmaspypy.com%2Fwp-content%2Fuploads%2F2023%2F01%2F5Dth6Yjz_400x400.jpg)
2023年11月のサム・アルトマンCEO解任騒動の一因として話題になったのが、OpenAIの新たなAI開発プロジェクト「Q*(キュースター)」です。このQ*は、従来の大規模言語モデルには苦手だった数学的推論の能力が強化されており、より汎用人工知能(AGI)の研究に画期的な進歩をもたらすのではないかと予想されています。そんなQ*がどういうAIなのかについて、AIについて詳しいジャーナリストのティモシー・B・リー氏がまとめています。 How to think about the OpenAI Q* rumors - by Timothy B Lee https://www.understandingai.org/p/how-to-think-about-the-openai-q-rumors リー氏は以下の問題を例に出しています。 「ジョンはスーザンにリンゴを5個与え、さらに6個を与えました。
Beating the compiler
In modern times, everyone knows that writing assembly is a fool's errand: compilers are the result of literal engineer-centuries of work, and they know the processor much better than you do. And yet – one hears rumors. Written in ancient tomes, muttered in quiet watering holes, scrawled on the walls of bygone temples, hinted at by mysterious texts; the rumors paint a specific picture: Compilers ar
2020年版 フィルムM型ライカの買い方ー今すぐ買えー - カメラが欲しい、レンズが欲しい、あれもこれも欲しい
2020年6月22日 レア物は高騰がし続けるのM3とM2の価格を訂正しました。 2020年12月6日 レア物は高騰がし続けるのM3とM2の価格を訂正しました。 2021年5月18日 レア物は高騰がし続けるのM3と価格を訂正しました。 最近ライカの高騰ぶりが激しいので書く。 間に合わなくなる。欲しいなら今すぐ買え。 私の経験上、10年前に30万円って高いなーと思っていたレンズがもう100万超えていたりする。 これからはもっと買えなくなる。 もう値段は上がるしかないライカ。買うなら今しかないと思った。 aremo-koremo.hatenablog.com これを書いてそろそろ6年。 aremo-koremo.hatenablog.com これを書いてすでに4年。 すでに記事と相場の相違が激しくなっている。 その間、私はそれまで持っていた、M型ライカを全て手放して、2019年7月にM4 BP
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
スタートアップの組織設計図の5類型と、その失敗率 | Coral Capital
マーソ株式会社を退職します - ikasama over technology
フルスクラッチから作って理解するQEMU (Rust編) - FPGA開発日記
JavaScript 実行エンジン V8 の JIT 出力コードを読んでみよう
FizzBuzzは無慈悲な面接の女王 - Qiita
僕はなぜここまでして猫をメニューバーで走らせたかったのか... - Qiita
ルービックキューブをやりだしたおはなし - takkanm’s blog
メガネ歴ン十年のプログラマが眼内コンタクトレンズ手術をしてみた｜TechRacho by BPS株式会社
Using WebAssembly threads from C, C++ and Rust
iPhone 14 Proで写真が変わる！旅先ですぐに使える撮影テクニック【プロ直伝】 | flick!
Knoa氏の予測方法 変数の説明（要約） x1 = 過去の感染者数, x2 = 変異株の..
最近の改訂でGPT-4の精度が劣化したとの噂があったので検証してみた｜IT navi
Llama 2の性能がGPT-3.5並みだというのが本当かテストしてみた｜IT navi
競技プログラミングで頻出の「ダブリング」を解説する
Understanding all of Python, through its builtins
グロースを実施する時にやることのメモ｜樫田光 | Hikaru Kashida
Changing std::sort at Google’s Scale and Beyond
Knoa氏の予測方法 変数の説明（要約） x1 = 過去の感染者数, x2 = 変異株の..
MySQLに独自charsetを追加する - tmtms のメモ
GPT-4VのAPIをサクッと使ってみる！｜peisuke
Sorting with SIMD - Blog - Tweede golf
見たら「ん？」となるエラーバーのグラフ - Qiita
[多項式・形式的べき級数]（１）数え上げとの対応付け | maspyのHP
OpenAIが開発している新型AI「Q*(キュースター)」とは一体どのようなものだと推測されているのか？