投資したら「ポンタ」貯まる SBI証券、月間1.1% - 日本経済新聞インターネット証券最大手のSBI証券は11月、ロイヤリティマーケティング（東京・渋谷）が運営する共通ポイント「Ponta（ポンタ）」を投資サービスで使えるようにする。国内で1億人を超える会員基盤を持つポンタを活用して、若年層を中心に新規の初心者層の取り込みを狙う。現物株取引で月間手数料の1.1%相当のポンタがたまる。投資信託の購入時に現金のほか、ポンタを選べるようにする。SBIはすでにカルチュ
macで容量の無駄を可視化するアプリ - Qiita
常に容量問題に四苦八苦している僕が使っている 容量確認Application等を紹介します 容量確認 GrandPerspective (無料) 各ファイルの容量をタイルの大きさで表示してくれるアプリ 個人的にはコレが一番好き 使い方はシンプルだけど、リクエストが有れば解説します。 DaisyDisk (記事公開時:￥1,200) こんな感じで表示してくれる。 ドンドンクリックして潜っていく感じ 評判が良かったのでセール時に買ってみたものの あまり使えなかった DiskWave (無料) 容量に特化したFinderってイメージ 容量が色分けされて出て来るのが割と便利 初期の頃はコレを使っていた クリーンアップ CleanMyMac (記事公開時:￥3,980) macのキャッシュ等ジャンクファイルを削除してくれたり El Capitanから再起動に埋め込まれたアクセス権限の修復なども出来る
ONNXの概要とオペレータ
機械学習モデルの推論で広く使用されているONNXの概要とオペレータについて解説します。ONNXを使用することで、推論に特化したフレームワークを使用した高速な推論が可能になります。 ONNXの概要ONNXはOpen Neural Network Exchangeの略称で、推論で広く使用されている機械学習モデルのフォーマットです。PytorchやKerasなどの機械学習フレームワークからエクスポートすることができ、ONNX RuntimeやTensorRT、ailia SDKなどの推論に特化したSDKで推論ができるようになります。 出典：https://onnx.ai/ONNXのメリットPytorchやKerasなどは学習に最適化されているため、推論速度はあまり速くありません。ONNXに変換し、推論に特化したSDKを使用することで、推論を高速化することができます。 また、PytorchやKer
機械学習PJにてCICDパイプラインを組むときに考えるべきこと - Qiita
はじめに 機械学習PJにてCICDパイプラインを組むときに考えたら良いのではないかと思われることを書いていきます。 実際に組んでみる際に考えたこと、組んだことを振り返って思うことを書いていきます。 CI/CDとは CIはContinuous Integrationの略で、CDはContinuous Deliveryの略です。 CIは、コードがセントラルリポジトリにマージされる度にビルドやテストなどが自動で実行されること、 CDは、ソフトウェアのリリースプロセス全体の自動化のことを言います。（雑に言うと） なぜCI/CDを導入したかったのか ビルド→テスト→デプロイといった、モデル・アプリの本番運用に必要なプロセスを自動化することで、プロダクトアップデートのためのSpeed・Reliability・Accuracyを向上したかったからです。 Why We Need DevOps for ML
【MLOps実践】機械学習システム開発における品質担保のための取り組み（PoCフェーズ編） - Qiita
はじめに MLプロジェクトのPoCフェーズにて、MLOpsエンジニアとして取り組んだことをまとめてみました。 「MLモデリング以外のことを全部やる」、位のくくりで取り組んだので、厳密には「それMLOpsか...?」ということもまぁまぁある気がしますが、ご容赦下さい。 前提となるMLOpsの概要についてはこちらに記載しています。 意識していたこと 以下、MLプロジェクトのPoCフェーズにおける大小様々な課題とそれを解決するためにやったことを書いていますが、 ・PoCフェーズでの成果が後続フェーズできちんと利用できるにすること、が最低限達成すべきことであり、一方で ・データサイエンティストのコストは極力最小化する（トレードオフな部分はある）、ということは意識していました。 前提 フェーズ MLプロジェクトがPoCフェーズ→構築フェーズ→運用フェーズから構成されるとした場合の、PoCフェーズにつ
【MLOps入門】MLOps概要 - Qiita
1. はじめに 昨今、AI・機械学習関連技術が基礎研究のフェーズを抜け、製品開発のフェーズにて本番稼働システムに投入・運用されることが多くなるに連れて聞くことが多くなった「MLOps」という概念について、簡単に書きます。 本記事ではMLOpsの概要を記載し、実践的な取り組みについては別途記載します。 （追記）アップデート版として MLOpsの意義：機械学習プロジェクトを成功させるための鍵 を投稿したので、そちらも合わせてご確認ください。 2. 機械学習プロジェクトの課題 機械学習プロジェクトを遂行していくことを阻害する課題として、例えば下記があります。 学習リソースが枯渇して、迅速な実験ができない 学習環境のスピーディなスケール ex. 並列で実験を回したいが、個別所有のGPUマシンだと1並列しか回せず、共同利用のGPUマシンは混んでいて使えない。（昨日まではGPUマシンを遊ばせていたのだ
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
Tensorflow (.pb) format to Keras (.h5)
SBI証券の外国株などの外貨建て商品が反映されない – マネーフォワード MEサポートサイト