1990年代、『ファミ通』は攻めのゲーム雑誌だった
このようなものがあります。心臓の弱い方は閲覧を控えたほうがよいかもしれないですが。 ■【閲覧注意】渡辺浩弐『2013年のゲーム・キッズ』第一回 謎と旅する女 Illustration／竹 | 最前線 ■『2013年のゲーム・キッズ』渡辺浩弐 Illustration／竹 | 最前線 – フィクション・コミック・Webエンターテイメント 『～年のゲームキッズ』シリーズといえば、ご存じの方も多いでしょう。かつてゲーム雑誌『ファミ通』等に連載された渡辺浩弐氏のSF小説で、そのデジタルホラーとでも言うべき独特の世界で織りなす1ページ分のショートストーリーは、根強いファンを生み出し、いまだに語り継がれています。今回の上のリンク先のものも、これらの小説を知っている人なら「ああ、ゲームキッズらしいなあ」と思ったのではないでしょうか。ちなみに自分はそれに加えて、どことなく90年代の脅かし系サイトを思い出し
タクシー広告をやるならおさえておきたい動画の5つのポイント｜はやし｜Ubieマーケター
1ヶ月ほど前にタクシー広告に関するnoteを書いたところ、予想以上の反響をいただき、初めてお会いする方からも「note見ましたよ」と言っていただけることがかなり増えました。 やはり前回も書きましたが、タクシー広告は今急速に普及してきているものの、まだ具体的なノウハウはあまりそこらへんに転がっておらず、その結果多くの方に僕のnoteを見ていただけたのかなと思っています。そこで味をしめてもう1つ書いてみようと思ったわけですが、前回はタクシー広告ってそもそもやるべきなの？ということを書いたので、今回はやるとしたらどんなCMがいいの？という点について書いてみます。 先に期待値調整しておきますが、僕は動画製作やCM製作のプロでは全くもってありません。あくまで1人のインハウスマーケターとしての意見ですので、「いやCMの王道的にはこうした方がいい」という意見もあるかもしれません。記事を読んで違うと思うこ
databricksのhiveメタストアに保存されたテーブルの過去バージョンにアクセスする方法 - Qiita
databricksの標準ファイルフォーマットであるdeltaにはtime travelなる機能があり、この機能を使うと過去のバージョンのデータにアクセスできる。このdelta形式は実はhiveメタストアにも使われているので、hiveメタストアに保存されたテーブルにもtime travelは使える。しかし、やや面倒な方法をとる必要があるため、備忘録的に書いておく。なおtime travel機能については下記を参考のこと。 https://www.databricks.com/jp/blog/2019/02/04/introducing-delta-time-travel-for-large-scale-data-lakes.html hiveメタストア上のテーブルのフォーマットを確認してみる とりあえず下準備としてsklearn.datasetsのbreast_cancerを使って、hiv
ChatGPT上で性格の違うキャラクターにインタビューをしたら個性的だった | DevelopersIO
こんにちは。デザイナーのスギヤマです。CX事業本部に所属し、普段はモバイルアプリケーションやLINEアプリケーションの開発に従事しております。 弊社はBtoBtoC形態で、受託の案件を遂行する機会が多く、直接エンドユーザーにインタビューをするのがなかなか難しい状況や、時間がかかってしまうケースが存在します。その場合は、社内や別のコミュニティなどで近しいユーザーに協力をお願いし、インタビューやテストを行うことがあります。 しかし、非常に短期間な状況や、限定された状況でユーザー像を見つけ出したり、ヒントを得たりする必要があるケースもあります。そこで、ChatGPTを使用して様々なキャラクターを学習させ、回答の変化を観察することにしました。 やること キャラクターのプロフィールを作成 既存のサービス（某スーパーマーケット）のユーザー情報をもとに、4名のキャラクターを作成しました。 確定している実
RedshiftのMERGE SQL commandがGAになりましたね。 - KAYAC engineers' blog
SREチームの池田です。 今回はAmazon RedshiftのMERGE SQL commandがGAになりましたので、MERGE SQL commandの何が嬉しいのかを話をしたいと思います。 SRE連載 4月号になります。 aws.amazon.com 3行でまとめ RedshiftのMERGE SQL commandがGAになりました。 Bulk UpsertをSQL1文で実行できるものです。 以前と比べるとスッキリします。 複数のデータソースから算出されるレポートの更新に使うと嬉しい。 以前のRedshiftにおけるBulk Upsertについて ご存知かもしれませんが、『なかったらInsert、あったらUpdate』を通称Upsertといいます。 Redshiftにおける、Upsertのやり方ですがMERGE SQL commandが出る前のRedshiftでは以下のドキュメン
RWKV14Bを日本語AlpacaデータセットでLoRAして公開しました(ご家庭で動く!?)｜shi3z
布留川npaka大先生がRWKVのファインチューニングする方法を公開していたのだが、Google Colabでは7Bが限界で14Bは失敗したらしい。 人はいつでも、誰かのお役に立つチャンスを伺っている。 今こそ千載一遇のチャンス!ドスパラ様から我らがMemeplexのために開発していただいた、怒涛のA6000x2マシンが火を吹く時が来た!みんな!パソコン買うならドスパラ!AIやるならドスパラだぜ!忘れないでくれよな!(※ドスパラはMemeplexにスポンサーしています) 大先生がGoogle Colabで14Bの学習に失敗したのは、学習時のメインメモリの消費が80GBを超えてしまったからだそうだ。 ならば大丈夫。我らがドスパラ謹製Memeplexマシンは、A6000(VRAM48GB)を二枚搭載した上に、メインメモリは怒涛の256GB。もともとRAMディスクとして使うことを想定していたもの
ベクトルデータベース Pinecone の概念を整理する | DevelopersIO
前回の記事ではじめてPineconeを使いました。Pineconeについて、もう少し詳しく知りたいと思ったので、公式ドキュメントを読んで内容をまとめました。基本的には分かりやすい概念が多いのですが、1つだけ難しいなと思った概念がでてきたので、サンプルとともに説明します。 ベクトルデータベースとは 機械学習では、文章、画像、音声、動画などのあらゆるデータを、特徴を抽出したベクトルに変換して扱うことが多いです。ベクトルは、数百から数千の次元の数値として表現されます。ベクトルデータベースは、このような特殊なデータ構造を持つデータを扱うために作られたデータベースです。 ベクトルデータベースを使うことで、ベクトル間の類似性を高速に検索することができます。これによって、文章のセマンティック検索、画像・音声・映像などの類似検索、ランキングやレコメンド、重複検出、異常検出、などに応用することができます。
論文は読むのではなく代わりに読んでもらう - xuwei-k's blog
ということをここ2、3ヶ月やっててわりと続いてるのでおすすめです。論文じゃなくて普通の英語の本でもいいけど。 論文自体を読もうと思ったきっかけや、具体的にどうやって論文探して、どういう論文読むのか？みたいな話はべつの機会に書くとして、なにはともあれ論文読むのは英語の勉強の為でもあるわけです。 そもそも英語の勉強するには、単に読むより、リスニングとかその他色んな方法でやってみたほうがいいですね？たぶん。 CDくっついてる教材みたいなのを何冊か買って勉強してみたこともあるんですが、内容が興味あるものでないせいか、なんとなく微妙な感じになるので、色々試行錯誤した結果「だったら論文読んだほうがいいだろ」となりました。 あと、(比較するの若干おかしい？が) そういうやつは、そもそもCDの音声をPC経由でiPhoneやiPod的なものに入れる事自体面倒なので、論文ダウンロードして読み上げてもらうほうが
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
ネットワークの規格を知って、未経験の機器や機能にも強くなろう | Tech Blog | CRESCO Tech Blog