感情認識技術の使用は即刻中止すべき、米AIナウが報告
感情認識技術に科学的根拠はほとんどなく、人々の人生に影響するような判断に使うのは禁止すべきだ——。AIナウ（AI Now）研究所は年次報告書でこう指摘している。 感情認識技術の市場は活況を呈している。機械が人間の感情を理解できるという根拠がないにもかかわらず、市場は少なくとも200億ドル規模になると予測され、急速に成長している。同技術は現在、就職希望者や犯罪容疑者の評価に使用されており、ゲーマーの心理状態を推論するためのVR（実質現実）ゴーグルといったさらに進んだ適用も試みられている。 さらなる問題として、感情認識は人種や男女の格差を拡大する場合があるという証拠もある。AIナウの報告書は、規制当局者が介入して感情認識技術の使用を厳しく制限すべきであり、それまではAI関連会社は同技術の採用を中止するべきだと記している。特に、顔の表情だけを利用して人がどう感じているかを正確に知るのは非常に難し
そろそろRユーザーもApache ArrowでParquetを使ってみませんか？ - Technically, technophobic.
先日、Apache Arrow東京ミートアップ2019で「RとApache Arrow」というタイトルで発表してきました。あと、Japan.RでもApache ArrowについてLTしました。 話したこととしては、 arrowパッケージを使うとParquetファイル（後述）の読み書きができる sparklyrパッケージが内部でApache Arrowを使うようになって、R↔Spark間のデータのやり取りが高速になった Arrow Flightがもっと一般的になれば、JDBCやODBCを使わなくてもデータベースからデータを取ってこれるようになる という感じで、個人的にいま強調したいのは1.です。とりあえずParquetファイルの読み書きというのがRユーザーにとって一番わかりやすいメリットなので、そこをきっかけにみんなApache Arrowにズブズブになって、もっと世の中のシステムがApac
YouTuberから学ぶデータサイエンスまとめ。海外チャンネル多め。 - Qiita
はじめに AdventCalendar何書こうかなぁと色々考えた結果、最近プログラミングや機械学習のレクチャーをしてくれるYouTuberの動画をよく見ているのでそれをシェアすれば良いのでは？と思い、まとめてみました 嘘です。あまりに過去書いたGCP関連のQiita記事が伸びないからグラドルが脇見せ始めるのと同じように売れ線の記事を書きたくなっただけです。 リンクをクリックするとそのままYouTube動画が開始されることがあるので、音声をオンにしている人(or 職場で見てる人)は注意してください 基本は再生リスト画面に飛ぶので再生されることは少ないですが直接動画に飛ぶリンクについては注記しております。チャンネルのイメージを掴んでいただくため引用の範囲でチャンネルTop画面をキャプチャしてます。 とりあえずここにあげてるのをチャンネル登録しておくと幸せになれる（はず） ジャンル チャンネル
人間よりコンピューター信じた悲劇 富士通の会計システムに欠陥 英国の準郵便局長550人冤罪に苦しむ （木村正人） - エキスパート - Yahoo!ニュース
［ロンドン発］英国の郵便局を支えてきた元準郵便局長550人以上が会計システムのエラーから「無実の罪」を着せられ、投獄されたり、破産したりしていたことが分かりました。 ロンドンの高等裁判所は16日「地獄の20年」を味わった元準郵便局長たちの訴えを認め、和解金578万ポンド（約8億3400万円）の支払いを郵便局の窓口業務を引き受けるポスト・オフィス社に命じました。 英メディアによると、この会計システムはもともと英コンピューター企業ICLが開発した「ホライゾンシステム」。高等裁判所の判事はホライゾンシステムにかなりのバグやエラー、不良があったため、準郵便局長の支店口座に不一致が生じたことを認めました。 郵便局側は「ホライゾンシステムに何の問題もなかった」と主張してきました。しかし判事は「2000年に導入されたシステムは少しも堅牢ではなかった」として、郵便局の支店口座で帳尻が合わずに資金不足が生じ
React の状態管理についての論点整理 - 30歳からのプログラミング
なぜグローバルな Store を作るのか React アプリの設計論では、複数のコンポーネントで利用する値をどのように管理するか、というテーマがよく話題になる。 前提として、コンポーネントは小さく分割すべき、という考え方がまずある。 これは React に特有のものではなく、プログラミングの一般論として、ひとつひとつの関数は小さくするのがベストプラクティスだとされる。それには様々な理由があるが、単一責任の原則、疎結合、テスタブル、などがよく理由として挙げられる。 React のコンポーネントも同じで、肥大化しないように管理することが、保守しやすいアプリへの道だ。いかに適切な粒度でコンポーネントを分割できるかが、React を使いこなす上で重要となる。 だがコンポーネントを分割していくと、複数のコンポーネントで共通の値を扱う、という状況が発生しうる。 それにどのように対処するか、というのが、
Microsoft Azure のオススメの学習方法についてまとめてみる - Qiita
はじめに 新しいサービスにはじめて触れるとき、どうやって学べば良いかが分からずに困ることってありませんか？ 特にパブリッククラウドは、サービス数が非常に多い上にアップデートが早いため、キャッチアップするのが大変ですよね。 本記事では、Microsoft Azure を学びたいと思っている方を対象に、オススメの学習方法についてまとめていきます。 想定読者 本記事が以下の皆様の Azure 学習の一助になれば幸いです。 これから Azure を学ぼうと思っている方 既に Azure を使っており、もっと学びたい方 AWS (Amazon Web Services) 経験者の方で Azure に興味がある方 GCP (Google Cloud Platform) 経験者の方で Azure に興味がある方 主要な学習リソースの概要 色々な学習リソースがありますが、Azure 公式ドキュメント と
2019年末版 形態素解析器の比較 - Qiita
形態素解析は日本語処理の初歩であり、文を単語に分割したり、品詞や活用形、基本形を分析するために行います。本記事では形態素解析のツールをいくつかの出力例を交えて比較していきます。 （SentencePieceでいいじゃん、という人はお呼びでないですが、そういう方には、Twitterのトレンドが変な分割になってたら嫌では？と申し上げておきたいです） MeCab 言わずと知れた形態素解析器。とりあえずMeCabを使うという人は今なお多いことでしょう。とにかく高速であるということと、システムと辞書が分離されているのが特徴です。またPythonから使うのも簡単になりました（Janomeというものがありましたがmecab-python3の方が高速です）。Javaから使いたい人はKuromojiを使えばmecab(+ipadic)相当の結果が得られるはずです。 辞書はIPA辞書が推奨されていますが、Un
Books For Site Reliability Engineering
By: Heather Adkins, Betsy Beyer, Paul Blankinship, Ana Oprea, Piotr Lewandowski, Adam Stubblefield Can a system be considered truly reliable if it isn't fundamentally secure? Or can it be considered secure if it's unreliable? Security is crucial to the design and operation of scalable systems in production, as it plays an important part in product quality, performance, and availability. In this bo
Google - Training Site Reliability Engineers
Training Site Reliability Engineers: What Your Organization Needs to Create a Learning Program Written by: Jennifer Petoff, JC van Winkel & Preston Yoshioka with Jessie Yang, Jesus Climent Collado & Myk Taylor Providing training and education for Site Reliability Engineers is universally important to set them up for success in your organization. However, the specific training needs of each enginee
Go言語で扱えるデータフレーム厳選4つ - Qiita
はじめに データサイエンティストでなかったとしても、数値データを使って様々な解析をする際には CSV ファイル等ファイルを読み込み、数値の配列としてメモリに保持して、それらをループ等で利用して解析を行っておられると思います。 その際、配列は1次元目に行、2次元目に列、を格納するのが一般的です。多くのケースではこの方法で事足りるのですが、解析を行ううちに「列としてデータの固まりを扱いたい」「ラベル付けされた列を扱いたい」と感じる事が出てくると思います。 これを簡単にしてくれるのが「データフレーム」です。 データフレーム4種 本記事では Go 言語から扱えるデータフレームを4つご紹介します。 QFrame https://github.com/tobgu/qframe QFrame は、フィルタリング、集計、およびデータ操作をサポートするイミュータブルなデータフレームです。 QFrame での
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
【Hothotレビュー】 物理Escキー復活などCPU以外ほぼ全取っ替えになった「MacBook Pro 16インチ」は“買い”である