Why Go? | Mike Perham
2014-10-08 When I decided to build Inspeqtor, I had a fundamental choice: what language should I build it in? I’ve worked in Ruby for the last 8 years so it was a natural choice: “use the tool you know best” is never a bad choice when solving your own problem. However I’m not building something for myself: I’m building a product that will be used by thousands of others. Since Inspeqtor is an infra
Flipboard's Approach to Automatic Summarization — Flipboard Engineering
Bringing the beauty of print to the mobile interface is our all-encompassing vision at Flipboard; in doing so, we’ve learned that it’s necessary to provide our users with an experience dedicated solely to their content. With powerful magazine and topical recommendations, we’ve nearly perfected the way our users find stories, but never before, until now, have we tinkered with how our users read the
xlwings·さよならVBA。PythonとExcelの相互コミュニケーションライブラリ MOONGIFT
Webアプリ全盛の現在とあっても、業務では未だにExcelが多く使われています。その結果としてVBAが活躍しており、メンテナンスが難しかったり、コピペされるコードが量産されていたりします。VBAがダメという訳ではないのですが、触りたくないと考えるプログラマは多いのではないでしょうか。 もっと自分が使い慣れたプログラミング言語でExcelを扱いたいと考える人に使ってみていただきたいのがxlwingsです。PythonとExcelで双方向の操作が可能になります。 xlwingsの使い方 デモ。ExcelからPythonを呼び出します。 xlwingsはPythonからExcelのデータを読み込んだり、ExcelからPythonをコールできます。その結果、PythonからExcelにデータを追加したり、検索結果を表示させることも可能です。VBAの代わりに使うことが可能です。 Pythonであれば
不均衡データをSVMでクラス分類するにはどうすれば良いか - 渋谷駅前で働くデータサイエンティストのブログ
今年のKDD cupが絵に描いたような不均衡データ（正例と負例との数的比率が極端に偏っているデータ）で苦労させられたので、ちょっと調べたら色々と良い方法があるなぁと気が付きましたよということで備忘録的に紹介しておきます。 ちなみにググったら普通に@sfchaosさんのslideshareが出てきたので、僕なんぞの解説よりそちらをどうぞｗ 不均衡データのクラス分類 なおこちらのスライドの方がSVM以外にもランダムフォレストなどでの対処法も載っているので、汎用的だと思います。。。 クラス重み付けを調整してサンプルサイズが小さい方のクラスの影響力を上げてやる これはRのsvm{e1071}の説明だと割とあっさりとしか書かれてないので、どちらかというとPythonのsklearn.svm.SVCの説明を見た方が分かりやすいかもしれません。 SVM: Separating hyperplane fo
効果的なディープラーニング（深層学習）モデルのための10のヒント | POSTD
昨日、私は幸運にも Arno Candel の H ₂ 0 を用いたディープラーニングの講演会に参加しました。 ディープラーニングとは、階層型ニューラルネットワーク(バックプロパゲーションを用いた確率的勾配降下法による教師あり学習)を指します。 彼は、堅牢なディープラーニングモデルを開発するための以下のヒントを与えてくれました。 1. 非常に大きなデータセットの結果を迅速に得られるように、 H ₂ 0を利用して複数のノードにアルゴリズムを分配する。 2. 平均値を0に、標準偏差を1に設定する特徴のスケーリングにより、 データを自動的に標準化する。 こうすることで、元の単位や分散に関係なく、それぞれの適切な特徴量を最終モデルに確実に提供することができます。 3. +/- sqrt(6/(#units + #unitspreviouslayer))における均一分布を用いて、 重みを自動的に初期
形から入るリーンスタートアップ - Shoichi Matsuda's diary
無駄を徹底的になくす、と言われているリーンスタートアップ。 2012年ごろから話題でしたがようやく最近勉強を始めました。 新しい手法を取り入れるときはその導入コストに悩まされるものですが2014年の今、 リーンスタートアップをとにもかくにも始めるためのツールが充実してきていると感じたのでまとめておきます。 リーンスタートアップとは リーンスタートアップとは何でしょうか？ 以下のように参考になる資料はネット上にたくさんあります。 はじめてのリーンスタートアップ リーンスタートアップまとめ ざっくり言うと「検証を重ねて無駄を最小限に抑えながらサービスを構築していく手法」と言ってしまって良いかと思います。 検証の対象は多岐に渡ります。 課題は解決すべきものか 解決方法は顧客が求める形か 顧客はお金を支払ってくれるか 詳細を知りたい方はぜひとも資料をお読みください。 リーン・スタートアップ 作者:
Move Fast and Break Nothing
I gave the closing keynote at the Future of Web Apps in London this October, 2014. This is that talk. The slides and the full video of the talk are directly below. If you're interested in a text accompaniment, read on for the high-level overview. moving fast and breaking things Let's start with the classic Facebook quote, Move fast and break things. Facebook's used that for years: it's a philosoph
OpenCVの物体検出解説資料アップデート版 - takminの書きっぱなし備忘録 @はてなブログ
昔、OpenCVの物体検出器の使い方について、技術評論社の「OpenCVで学ぶ画像認識」という連載中で解説しましたが、当時はまだOpenCVが1.0とか1.1だったため大分情報が古くなってます。 で、その後コンピュータビジョン勉強会でOpenCV2.0用にアップデートした発表を行いました。その時の資料は「3/5にOpenCV祭りを開催しました」というエントリに上がってます。 この資料も時間が経って少し古くなったので、今回機会があったので更に内容をアップデートしました。 いつの間にかtraincascadeの仕様が微妙に変わったりしたので、その分も追記してあります（このエントリの内容）。 また、検出器作る際のTipsも最後に追加してあります。 というわけで、Slideshareに上げておきますので参考にしてください。
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
Efficient data transfer through zero copy