SaaS特化の独立系VC、One Capital が「Japan SaaS Quarterly Report 2022.1Q」を公開
SaaS特化の独立系VC、One Capital が「Japan SaaS Quarterly Report 2022.1Q」を公開米国金利上昇の影響を受け、株式市場は軟調。しかし、未上場企業の資金調達は活況が続く One Capital株式会社(本社：東京都港区、代表取締役CEO：浅田慎二)は、22年第1四半期におけるSaaS市場のトレンドをまとめた「Japan SaaS Quarterly Report 2022.1Q」を公開しました。誰でも無料でダウンロードいただけます：https://onecapital.ck.page/baeadfded5 本レポートについて 弊社では、国内SaaS市場におけるトレンドや予測をまとめた「Japan SaaS Insights」を年1回発刊しています。この度、より速報性を重視したレポート「Japan SaaS Quarterly Report」を発
新型コロナの影響で2020年のAIサービス市場 約80億円も縮小 | Ledge.ai
画像はUnsplashより 株式会社グローバルインフォメーションは7月31日、市場調査レポート「人工知能サービスの世界市場 2020-2030年：Covid 19による成長と変化」（The Business Research Company）を発売した。 同調査レポートによると、人工知能（AI）サービスの市場規模は、2019年の8億5000万米ドル（約900億円）から、2020年には7億7700万米ドル（約820億円）に減少。CAGR（年平均成長率）において、マイナス9.46％に縮小すると予想されている。なお、大幅な減少は、新型コロナウイルス感染症（COVID-19）の影響によるものだという。 一方で、新型コロナウイルス感染症の影響は長引かないと見ているのか、その後、AIサービス市場は回復すると予想している。具体的には、2023年にはCAGR36.65％で、19億7000万米ドル（2080
ブラウザのJavaScriptからGoogle Cloud Vision APIを使うペライチのサンプル - DRYな備忘録
わけあってJavaScriptの環境での画像認識とか文字認識とかに若干興味あるのでやってみた。 参考 Google Cloud Vision API | Google Cloud Vision API | Google Cloud Platform Method: images.annotate | Google Cloud Vision API | Google Cloud Platform https://github.com/GoogleCloudPlatform/cloud-vision/blob/master/chrome-extension/background.js 記録 デベロッパーアカウントつくる プロジェクトつくる Credentialをつくる このとき、今回であればlocalhostからのリクエストを許す jsをどっかから適当にコピペしたら完成 1,2
Googleの画像認識のAPIを使ってみた - Qiita
概要 Googleの画像認識のAPIであるCloud Vision APIを用いて、ユーザがアップロードした画像の①ラベル認識、②テキスト解析、③表情分析を行うウェブページを作ります。作成にはGoogle Cloud Visionのキーが必要になります（基本的に無料）。必要となる知識は、初歩的なHTMLとJavaScriptの知識のみです。 Google Cloud Visionとは APIを通してGoogleの画像認識の技術を利用できるサービスです。公式のウェブサイトの文章を借りると、このAPIの特徴は以下の通りになります。 Google Cloud Vision API は、膨大な数のカテゴリ（「ヨット」や「ライオン」、「エッフェル塔」など）に各画像を素早く分類する機能や、画像内の個々の物体や人の顔を検出する機能、画像内に含まれているテキストを検出して読み取る機能を備えています。また、
Learn to become a Backend Developer
Update for 2020This roadmap has been updated for 2020, please have a look at roadmap.sh Web development today is completely different from what it was a few years ago; there are lots of different things that can easily baffle anyone entering into the web development. It was one of the reasons that we decided to make these step by step visual guides demonstrating the bigger picture and to give anyo
三十路エンジニアがVimとGoでそれなりに成長したという話 - Qiita
tl;dr 気がつけば三十路に突入していました 中堅エンジニアとしてそれなりの経験をしたがこれといった強みがない これから自分のエンジニアとしてのキャリアをどのように作ればよいのかわからない なんとなく黒画面(Vim, ZSH)いじりをしていた なんとなくGoで自作コマンド作りをしていた それなりに成長できたのではなかろうか まえがき 私は今年で三十路になります。 新卒からずっとエンジニアとして働いてきましたが、気がつけば中堅エンジニアのポジションにいたわけです。 当時ある程度の設計をこなしたし、数種類のプログラミング言語で人が見やすいコードを書く自信はありましたが、 数年間をレガシーなSIerの中で過ごしていたこともあり、先端の技術トレンドに触れていない。 ベンチャーでガリガリコードを書いてきた若者には到底及ばないのではという不安がありました。 本題 黒画面いじり 技術力をもっと高めなく
6万行の大規模リファクタリングを完遂する上でPOとしてやってよかった5つのこと - Qiita
この記事はCrowdWorks Advent Calendar 2018 の2日目の記事です。 はじめに こんにちは。 クラウドワークスでプロダクトオーナーをしている 柴田 @shiba_319 です。 私の担当するWEB開発チームでは、今年6月から10月の約5ヶ月間、クラウドワークスのコア機能の一つである「仕事依頼画面」の大規模なリファクタリングプロジェクトを行なっていました。 私は、普段コードを触るのはちょっとしたスタイル修正や簡単なコード修正程度の非エンジニアPOなのですが、 今日はそんな自分が 「約6万行の大規模リファクタリングを完遂するうえでPOとしてやってよかったこと」を書きたいと思います。 4名の開発チームで大規模リファクタリングをすることになった経緯 私たちの開発チームは、当時4名チームで、クラウドワークス発注者向けのUI/UX改善を担当していました。 （構成はエンジニア2
GitHub Enterpriseとの付き合い方 - Qiita
しかしながら、表はかなり利用頻度が低い状況を想定しているようです。たぶん普通は、これだけのスペックでは足りません。 そもそもこの値は古代のGHE 2.1の頃から更新されていない様子がある上、特に最近はGHE 2.14からリソース消費が激しくなったように思います。 GitHub Enterprise 2.12 → 2.14 にしてパフォーマンスデグレしてると思うのでサポートに連絡しつつしぶしぶオーバーサイズなスケールアップをして、お話の結果「うん、スケールアップしてCPUに余裕出てるね^^」と言われて「は?」ってなっている。 — そらは (@sora_h) 2018年8月22日 同意しかないですね……。 GHEの内部実装はあまりはっきり示されていないですが、ワークロードとしては細かいIOが大量に発生します。この事はドキュメントの別の箇所に記載されています。 The amount of phy
なぜ教師あり学習でバリデーションセットとテストセットを分ける必要があるのか？ - Qiita
どうも。最近 Coursera で機械学習のコースを受講している @QUANON です。 概要 教師あり学習のデータセットには、 トレーニングセット (training set) バリデーションセット (validation set) 使用しない場合もある。 テストセット (test set) があります。しかし、バリデーションセットとテストセットの違いが未だによく分からない、あるいは、なぜテストセットだけでなくバリデーションセットも必要なのかがピンと来ていないので、調べてみました。 バリデーションセットの役割 トレーニングセットを使って分類器を訓練した後で、その分類器のハイパーパラメータをチューニングするために使用します。様々なハイパーパラメータについて、同じトレーニングセットを使って訓練した後で、さらに同じバリデーションセットを使ってそのパフォーマンスを計測します。そして、最もパフォー
scikit-learnのk最近傍の結果の加工について – はむかず！
sciki-learnの最近傍法について scikit-learnにはk最近傍（K-Nearest Neighbor）を計算するNearestNeighborsというクラスがあるが、これはこんな感じで使う： >>> from sklearn.neighbors import NearestNeighbors >>> nn = NearestNeighbors(n_neighbors=3) >> x = np.array([[0,0],[0,1],[2,2],[3,3]]) >> nn.fit(x) earestNeighbors(algorithm='auto', leaf_size=30, metric='minkowski', metric_params=None, n_neighbors=3, p=2, radius=1.0) >> distances, indices = nn.k
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
Introduction to Neural Networks
JDK:新しいリリースモデル解説 @ 岡山・広島
田中TOMと愉快な仲間たち
GitHub - rragundez/PyDataAmsterdam2018 at 94ba390d7bf5f13c5e8242fb67e9e350785e24e2
Javascriptでの正規表現の後読みの代替 - Qiita
Node.js 2018 - Speaker Deck
【キカガク】機械学習の事業化までの道のりと社内教育のノウハウ
Choosing Best NodeJS Frameworks | Node.js frameworks
Get Started with Reactive Programming in Spring | Okta Developer
Basics_of_DNS_that_application_engineers_should_know - Speaker Deck
