チャーリーです。 ハンターハンターの暗黒大陸編を図解してみました。暗黒大陸編はハンターハンターの中でも特に登場人物が多く関係が複雑で、一度読んだだけだとなかなか理解するのが難しいと言われます。今回は、図解仲間の @watari922 と協力して命を削りながら図解しました。 ハンターハンター好きの二人が趣味でやったことですのでお手柔らかにお願いします。ちなみに画像が小さくてスマホだとかなり見づらいので記事最後にPDFも用意してます。また、ネタバレ要素を含むため、ネタバレされたくない方は閲覧をお控えください。 ※本記事の図解は、ちょうど36巻掲載までの分を含んでいます。 追記：ついに、37巻発売されるみたい！36巻までの復習用にこの記事をお使いください。 目次・暗黒大陸編の目的は大きく３つに分かれる ・目的を主要関係者ごとに分類するとこうなる → この関係性 「A」〜「F」を次以降で深掘りして

ディープラーニングの欠点をカバー、多変量データを短時間観測して将来動向を高精度予測――東京大学の研究グループが新理論を構築：短時間多変数の結果を長時間小変数に変換 ディープラーニングでは大量の教師データを集めることが前提となる。だが長期間にわたって時系列データを集めることは難しい。東京大学生産技術研究所の合原一幸教授らの研究グループは、多変数からなる過去の動向を短時間観測したデータを使って、この前提を崩す研究成果を発表した。遺伝子発現量や風速、心臓疾患患者数などの実際の時間データに対して予測を行い、有効性を確認したという。 東京大学生産技術研究所の教授である合原一幸氏らの研究グループは、多変数からなる過去の動向を短時間だけ観測したデータから、ターゲット変数の将来の動向を高精度に予測する新しい数学的基礎理論を構築した。 一般に、生体や経済、電力網のような複雑系では、多数の変数が複雑なネットワ

いつも渋谷で開催されているデータサイエンティスト養成講座ですが、今回は六本木です！SAS Institute Japan様の会議室をお借りして講座が開かれました。入館ゲートを通ったり、高層階へ上がったりと、いつもとは異なる雰囲気で受講者も講師もテンションが上がります！たまに環境を変えるのは気分の切り替えにもなっていいですね。 SAS Institute Japanが入っている六本木ヒルズ さて、今回もDeepAnalyticsのコンテスト「Jリーグ観客動員数を予測せよ！」のモデル作成の工夫について各チームの発表から始まります。 ・マンボウチーム アウェイのスタジアムで試合が開催される場合に、距離が遠いほどサポーターの数が減るのではないかと仮説を立て、各チームのスタジアム間の距離を出して特徴量とした。各チームのスタジアムの緯度経度をKaggleのAPIを使って距離に変換した。 ・ホウボウチー

Coqで学ぶ証明プログラミング！ テストだけでなく「証明」で安全性を保証する プログラミング言語「Coq」では、プログラムを「証明」して間違いを防ぐことができます。プログラムの正しさを保証できる一歩進んだエンジニアになりましょう！ coqtokyoを主催する今井宜洋さんの解説です。 みなさん、Coqってご存知ですか？ プログラムを証明して間違いを防ぐという優れものです。今回はそのCoqについて、coqtokyoという勉強会を主催している今井宜洋がお届けします。 プログラムをただ作るだけではなく、その正しさを保証できる一歩進んだエンジニアになってみましょう！ Coqって何？ プログラムを「証明する」ってどういうこと？ Coqを使ってみよう Coqのインストール方法 CoqIDE：Coqによる証明開発のフロントエンド Coqで関数プログラミング プログラムの仕様を記述しよう 証明開発モード ゴ

こんにちは、鈴木です。 20 万行を超えるアプリケーションのほとんど全てのソースコードを変更し、テストを行わずに本番リリースしました。 「それってテストいるんですか？」問題 いきなりですが質問です。ソースコードを 1 バイトでも変更したら再テストする必要はあるでしょうか。「絶対に再テストすべき」という方もいれば、「状況によるしケースバイケースかな・・」という方もいらっしゃると思います。 ケースバイケースと考える方は、どのような場合にテストを行わなくて良いと考えるでしょうか。例えば、コメント内の誤字を修正した場合はどうでしょうか。ローカル変数の名前を typo していたので修正した場合、デッドコードを削除した場合はどうでしょうか。 こんなことがありました ある日、Python のソースコードを眺めていると、「# $Id」のような CVS 時代のコメントがありました。いまやソースコードは Gi

2018/10/04 MACHINE LEARNING Meetup KANSAI #3

「新株予約権を付与する代わりに、大学の知的財産権を包括的に譲り受ける」 2018年5月、あるベンチャー企業が国立大学である筑波大学と異例のスキームを構築した。 その企業は、ピクシーダストテクノロジー株式会社。あの落合陽一氏がCEOを務めるベンチャー企業だ。 大学の知財などを活用してR&Dを推進したいベンチャー企業、知財を新株予約権に置き換えることで運用益を得たい大学の利害が一致するのがスキームのメリットだ。しかし、スキームを構築するため、筑波大学の教員も務めていた落合氏は、一度その職を辞すというリスクを負った。 なぜ、落合氏はスキームを組むことにここまで執念を燃やしたのか。そこには、ある思いが隠されていた。「この件で取材は初めて」と語る落合氏がこのスキームに込めた狙いを明かす。 研究開発型ベンチャー企業が知的財産権を持つメリットとは 2018年5月30日、落合氏が経営するピクシーダストテク

回答: まだわかってないことの方が多いと思います。 実は、加齢とともに必要な睡眠時間そのものは減少していきます。 しかし、同時に心肺機能や筋肉量 （＝グリコーゲン貯蔵量）も低下していくので、スタミナが減っていき、脳が集中して高いパフォーマンスを持続できる時間が減少していきます。 また、オレキシンやメラトニンなど、各種ホルモンの分泌生理も変化していくので、スタミナ減少の原因は複合的で、ほぼ全ての面において「老化」そのものだと言えるでしょう。 完全にリバースする方法はないでしょうが、努力によって少しでも改善できる可能性があるファクターとしては、HIITによる心肺機能の改善と、筋トレで...

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

Add new...Clone CompilerExecutor From ThisOpt RemarksStack UsagePreprocessorASTLLVM IROpt PipelineDeviceRust MIRRust HIRRust Macro ExpansionGHC CoreGHC STGGHC CmmGCC Tree/RTLGNAT Debug TreeGNAT Debug Expanded CodeControl Flow Graph

こんにちは。 決定木の可視化といえば、正直scikit-learnとgraphvizを使うやつしかやったことがなかったのですが、先日以下の記事をみて衝撃を受けました。そこで今回は、以下の解説記事中で紹介されていたライブラリ「dtreeviz」についてまとめます。 explained.ai dtreevizの概要 dtreevizとは より良い決定木の可視化を目指して作られたライブラリです。 解説記事 : How to visualize decision trees Github : GitHub - parrt/dtreeviz: A python machine learning library for structured data. Sample Imagesdtreeviz/testing/samples at master · parrt/dtreeviz · GitHub 多

もはや現代では大学に行く必要はない、いや行ったほうがいい、という議論があるらしい。 大学が、「学歴」という形で、社会における個人の扱いをある程度は規定している事実がありながら、今ひとつ「大卒」であるということが、それほど重要視もされていないようにも見えるプログラマという職種こそ、このような議論がふさわしいのかもしれない。 そのようなプログラマと学歴との関係を少し書いておこうと思う。 プログラマ・カースト プログラマは奇妙な人々である。 クーラーの効いた小洒落たオフィスの最新スペックのパソコンに向き合って、鳴り続ける外線電話に出ようともしないで、その間にTwitterで卑猥なイラストをリツイートするといった、一般の社会人では考えられないような非常識を行ってもクビにならず、むしろ、これこそギークの証であると、納得される部分さえある。 そんな普通でない人々に学歴など必要なく、必要なのはただ、計算

00_architecture_corpus.md アーキテクチャ大全のサンプル これくらいの実例とともにソリューション選択できるようにしていきたい。 01_drilldown_categories.md カテゴリ毎の件数表示 コンテキスト ドリルダウンの検索導線において、カテゴリごとにヒットする検索結果を表示することで、カスタマがそのリンクを押す/押さない動機を 強めることができます。 ソリューション ヒット件数を求めるにはカテゴリごとの検索結果を集計する必要があり、たいていの場合、負荷の高いクエリとなります。 SELECT SR_OUT.name, CASE WHEN cnt IS NULL THEN 0 ELSE cnt END FROM salary_ranges SR_OUT LEFT OUTER JOIN ( SELECT SR.name, COUNT(SR.name) AS

はじめに この記事は，C++初心者だけど競技プログラミングでC++を使っている，C++で競技プログラミングをやってみようと思っている人に向けた記事である． 「C++初心者」対象であって，プログラミングそのものが初心者である人向けではないかもしれない． なるべくC++11で可能な範囲で記述している． （最近の各種ジャッジサーバーではC++14も使えるからあんまりC++11にこだわる必要もないのだが一応） なお，この記事は気が向いたきに不定期に更新される可能性が高い． using namespace std; 競技プログラミングではタイプ量を少なくするために，using namespace std; というおまじないを書き，std:: を書かなくてもよいようにする． #include <iostream> using namespace std; int main() { // std::co

Google で機械学習システムの開発に携わる D. Scully 氏らによる Machine Learning: The High-Interest Credit Card of Technical Debt (機械学習：技術的負債の高金利クレジットカード) という論文。機械学習は、複雑なシステムを素早く開発するにあたって非常に強力なツールとなるが、それと同時に、 大きな技術的負債（メンテナンスコスト）を抱えるリスクがある。そのリスク要因と対処法についてまとめたのが本論文。 発表当時、日本でも少し話題になったので、日本語で検索するといくつか翻訳を目にすることができますが、 ここでは、あらためて抄訳を試みるとともに、読む上で重要となる単語・表現を最後に紹介したいと思います。 概要 機械学習は、複雑なシステムを素早く開発するにあたって非常に強力なツールとなるが、これらのメリットがタダで 享受