Hello and welcome back to TechCrunch Space. What a week! In the same seven-day period, we watched Boeing’s Starliner launch astronauts to space for the first time, and then we…
![TechCrunch | Startup and Technology News](https://cdn-ak-scissors.b.st-hatena.com/image/square/92584d6251feb0822f349cf0211361b2833c9939/height=288;version=1;width=512/https%3A%2F%2Ftechcrunch.com%2Fwp-content%2Fuploads%2F2018%2F04%2Ftc-logo-2018-square-reverse2x.png)
IPv6導入が世界中に進んでいますが、日本国内では2017年中にIPv6導入が一気に加速しそうです。 NTTドコモは2017年4月頃からIPv6導入 昨日、NTTドコモ端末でのIPv6利用が2017年4月頃より開始されることがTwitterで発表されました。 2017年4月頃より、 #ドコモ 端末よりインターネットにアクセスする際に #IPv6 アドレスが付与される場合があります。自サーバへの接続でIPアドレス制限されている場合は、今のうちに設定変更を実施しましょう。詳細は→ https://t.co/cblmNM9lZ0 担当pix — NTTドコモ開発者情報 (@docomo_dev_info) 2017年2月7日 そのTweetで紹介されている「詳細」は、次のページです。 NTTドコモ:spモードサーバ情報 その「spモードサーバ情報」のページでは、一番下に以下のように記載されていま
BdashというアプリケーションをElectronで作りました。 bdash-app/bdash: A simple business intelligence application. 以下からダウンロードしてインストールできます(現状まだMac版だけ)。 https://github.com/bdash-app/bdash/releases ざっくりとこんな感じのことができる。 SQLを書いて保存&実行できる 結果を元にグラフを書ける gistで共有できる 現状で対応しているデータソースはMySQL、PostgreSQL(Redshift含む)、BigQuery 仕事でRedshiftを使って分析SQLを書くことが増えて、手元ではJupyter Notebookを使ってたんだけど、SQL書いてグラフを書くだけの用途には若干オーバースペックでもうちょっと簡単にできるといいなと思ったのがき
今回はGAN(Generative Adversarial Network)を解説していきます。 GANは“Deep Learning”という本の著者でもあるIan Goodfellowが考案したモデルです。NIPS 2016でもGANのチュートリアルが行われるなど非常に注目を集めている分野で、次々に論文が出てきています。 また、QuoraのセッションでYann LeCunが、この10年の機械学習で最も面白いアイディアと述べていたりもします。 “The most interesting idea in the last 10 years in ML, in my opinion.” –Yann LeCun GANは聞いたことはあるけれどあまり追えてないという人向けに基礎から解説していきたいと思います。それでは順に見ていきましょう。 目次 基礎理論 DCGAN 実装 論文紹介 まとめ 基礎理
自分でGraphQLサーバーを実装しながら勉強したログ。間違ってるかも。 コードはここにあるが、何の注釈もない。 https://github.com/mizchi-sandbox/play-graphql-server RESTの課題 REST は URI とモデルのマッピング構造だが、往々にしてクライアントで必要となる構造は モデルのうち一部であったり、そのリレーショナルな構造に依存する。 つまり、REST というルールに従って必要なデータを組み立てると、リレーショナルな構造によってN回のリソースへのアクセスと、興味がないデータを含んだ不要なペイロードが発生しがちである。 GraphQL は何をしたいか 1リクエスト内でモデルへの問い合わせを合成し、さらに必要なものだけ返却したい 言語とは独立した、転送経路上のモデルの定義を行いたい パフォーマンス上の理由とセマンティクスが同居している
spモードサービスで利用するIPアドレス帯域は以下の通りとなります。 ahamo契約の端末からのアクセスについても下記のIPアドレス帯域を利用します。 iCloud Private Relayの設定がONの場合は異なります。 1.66.96.0/21 1.66.104.0/23 1.72.0.0/21 1.72.8.0/23 1.72.10.0/24 1.73.0.0/19 1.73.32.0/22 1.73.128.0/24 1.73.129.0/24 1.73.130.0/24 1.73.131.0/24 1.73.132.0/24 1.73.133.0/24 1.73.134.0/24 1.73.135.0/24 1.73.136.0/24 1.73.137.0/24 1.73.138.0/24 1.73.139.0/24 1.73.140.0/24 1.73.141.0/24 1.
Functional and Reactive Domain Modelingとは、ドメイン駆動設計(DDD)の関数型プログラミング(FP)とリアクティブプログラミング(RP)によるアプローチを書いた本 1. 関数型ドメインモデリング:イントロダクション 変更可能なステートを避ける - 変更可能なステートは管理が難しく、非決定性につながる 参照透過性 - FPは、参照透過なモデルコンポーネントを設計する能力を提供する。モデルの振る舞いが純粋関数で構築されていることで合成性を得られ、小さな関数から大きな関数を作ることができる 自律的成長 - 関数型の設計と思考で、モデルは自律的に成長する。純粋性故にモデルは数学的に扱うことができ、推論ができる コアドメインに集中する - DDDの原則を使用してモデルを構築すると、リポジトリやファクトリといったパターンに基づいて編成されたエンティティや値オブジ
この記事は何? ニューラルネットワークの理解が曖昧な部分があったので,実際にニューラルネットワークの動きを手計算して確かめた時のメモです. ニューラルネットワークの構造 下のような図で表される,小さめの構造のニューラルネットワークの動きを手計算で確かめてみようと思います. 入力層ユニット数は3,隠れ層ユニット数は2,出力層ユニット数は2とします. 隠れ層の活性化関数$h$はシグモイド関数$h(a)=\frac{1}{1+\exp(-a)}$を用います. 出力層の活性化関数$o$は恒等関数$o(a)=a$を用います. 重みの初期値は以下のように設定します. W^{(1)}=\begin{bmatrix} w_{11}^{(1)}&w_{12}^{(1)}&w_{13}^{(1)}\\ w_{21}^{(1)}&w_{22}^{(1)}&w_{23}^{(1)} \end{bmatrix} =
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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