![【Windows 11便利テク】 知らないと“いざ”というときに詰む「BitLocker回復キー」](https://cdn-ak-scissors.b.st-hatena.com/image/square/514f528c024dd8e0c1e3765f63675e810dad897e/height=288;version=1;width=512/https%3A%2F%2Fpc.watch.impress.co.jp%2Fimg%2Fpcw%2Flist%2F1406%2F634%2F002.png)
ビットコインが「サトシ・ナカモト」と名乗る匿名の研究者によって開発されたことは広く知られています。新たに、2018年にリリースされた「macOS Mojave」以降のmacOSに「サトシ・ナカモトが記したビットコインの論文」が初期状態で保存されていることが明らかになりました。 The Bitcoin Whitepaper Is Hidden in Every Modern Copy of macOS - Waxy.org https://waxy.org/2023/04/the-bitcoin-whitepaper-is-hidden-in-every-modern-copy-of-macos/ 問題の論文が保存されている場所は以下の通り。まず、Finderで「Macintosh HD」→「システム」→「ライブラリ」→「Image Capture」→「Devices」の順にフォルダをたどり
2022年07月23日 【正論?】あのニコニコ動画を3日で作ったプログラマーが衝撃発言‥‥「ソフトウェアは○○数な方が早く作れる」 Tweet 29コメント |2022年07月23日 10:00|Web・テクノロジー|職業|Editタグ :ソフトウェア開発プログラマ ニコニコ動画を3日で作ったプログラマー「ソフトウェアは人数が少ない方が早く作れる」 本当にこれだし、炎上しているプロジェクトに人員を追加すればいいと思っているマネージャーがどれほど多いか。 pic.twitter.com/UyVdntCCHx— いぐぞー!! ✈️ 旅するプログラマー (@igz0) July 21, 2022 当ブログサイトはアフィリエイト広告、バナー広告を利用しています。 X年後の関係者たち あのムーブメントの舞台裏#TVerhttps://t.co/UMhDIPA3L8— いぐぞー!! ✈️ 旅するプログ
雨水にはポリフルオロアルキル化合物(PFAS)という自然界に存在しない人工化学物質が含まれています。このPFASは近年危険視されるようになっており、国際的に最も厳しいPFAS関連ガイドラインに照らすと、雨水は世界中のどこでも安全に飲めない可能性がストックホルム大学の研究者らによって発表されました。 Outside the Safe Operating Space of a New Planetary Boundary for Per- and Polyfluoroalkyl Substances (PFAS) https://pubs.acs.org/doi/10.1021/acs.est.2c02765 Rainwater everywhere on Earth unsafe to drink due to ‘forever chemicals’, study finds | Euron
ロバスト回帰について 今回は、ロバストな回帰のうちの一つ、フーバー回帰というものについて、まとめてみます。 Tensorflowで回帰問題を解くときに出てきたので、整理もかねて。 ロバスト回帰とは そもそもロバスト回帰とは、訓練するデータに外れ値が含まれているときに、その外れ値の影響をできるだけ少なくするような学習方法のことを言います。 例えば、単純に二乗損失(Ⅼ2損失)を使う回帰では、外れ値の影響が、二乗しているせいで大きく影響してしまいます。 ロバスト回帰では、損失の値をうまく調節することで、可能な限り外れ値の影響を少なくしていきます。 フーバー回帰とは 先にフーバー回帰について、さらっと解説していきます。 統計学/機械学習におけるフーバー回帰とは、損失にフーバー損失(Huber Loss)を用いた回帰のことを言います。 では、フーバー損失とは...数式で表すと以下のようになります。
毎年恒例、1年の振り返り。 もう毎年1年を振り返ってるけど、これは「心の大掃除」なのだと最近分かってきた。(物理的な大掃除はほとんどやらないのに) 定期的なアウトプット枠を決めておくと、それに目掛けて色々と整理できる。これも定型化の効能だ。... 2022年はコロナ禍3年目。ウイルスから逃げ隠れする生活を始めてからもう3年。つまり自粛しているうちに3歳も歳を重ねようとしている。 オイラはリモートワークしやすい職種だから引き続きリモートワークしているけど、世間的一般ではかなりコロナ前の働き方に戻っているのだろうか。多くの人が未だにマスクをしてはいるものの、今年は緊急事態宣言も蔓延防止等重点措置も発令されておらず、飲食店の営業にも制限が無くなったようだ。 今年は、リモート越しに接していた同僚達の多くがコロナに感染した。ワクチン接種が進んだおかげなのか重症化した人はおらず、せいぜい高熱と咳程度の
Image credit: PimEyes 盗撮された写真を追跡できないという問題を解決するため、スタートアップの PimEyes は Googleの 画像検索機能よりも精度が高く、写真で人を検索することに特化した検索エンジンを開発した。関係者によると、現在、検索システムの精度は90%とのことだが、画像検索ができる便利なサービスであるものの、個人情報の流出や技術的な悪用など賛否両論があるようだ。 我々の周りの誰もが何らかの形で写真を盗撮された経験があるが、さらに悪いことは、盗撮さえたことにすら気づいていないということだ。 ポーランドに拠点を置くスタートアップ PimEyes は、AI 技術を使って、インターネット上に散らばるすべての写真を4秒で見つけ出し、それらを削除するための文書の作成を支援する。CNN の Rachel Metz 氏は、10年前に友人の結婚式で撮った写真を PimEye
この記事を読んで得られること ダブルクロスバリデーションとは? 他の交差検証手法との比較 ダブルクロスバリデーションの実装方法 「ホールドアウト法」、「交差検証」、「クロスバリデーション」 についても学べると思いますので参考にしてください。 ※プログラミング関係の内容を他にも投稿していますので、よろしければこちらの一覧から他の投稿も見て頂けますと幸いです。 ダブルクロスバリデーションとは? 機械学習では未知のデータに対する予測精度を評価するために交差検証を行います。ダブルクロスバリデーションはその手法の1つであり、各交差検証の手法を以下にまとめました。 1. 良くない例 まずは良くない例として、データセットを分割せずに学習用データ=検証用データの例を示しています。これはモデルの学習に用いたデータを使って、そのモデルを評価するというものです。検証用のデータは全て学習済みのデータ(見たことがあ
高い品質を特徴としてきたはずの国内製造業だが、近年は品質不正や重大インシデントなどの発生が後を絶たない。本連載は、品質管理の枠組みであるトヨタ式TQMと、製造現場での活用が期待されるIoT技術を組み合わせた、DX時代の品質保証強化を狙いとしている。第2回は、トヨタ式TQMの体系と管理上のポイントについて紹介する。 本連載は、品質管理の枠組みであるトヨタ式TQMと、製造現場での活用が期待されるIoT(モノのインターネット)技術を組み合わせた、DX(デジタルトランスフォーメーション)時代の品質保証強化をテーマとしています。 前回の連載第1回では、そのための基礎となる「品質保証強化の4つのステップ」について紹介しました。今回の第2回と次回の第3回では「トヨタ式TQMの体系と管理上のポイント」について解説します。 ⇒連載「トヨタ式TQM×IoTによる品質保証強化」バックナンバー 1.トヨタ式TQM
はじめに 24回PB計画をどんなときに使うか? 24回PB計画の特徴(ほかの計画との比較) 12回PB計画 vs 24回PB計画 24回PB計画 vs 一部実施要因配置計画 32回 24回PB計画の解析 解析手順 Rで実践 24回PB計画で推定可能な因子数 まとめ 参考文献 はじめに Fold-over 24-run Plackett-Burmann計画(折り返し24回プラケット・バーマン計画)とは12回のPB計画を2回分組み合わせた計画です。以下では24回PB計画と書くことにします。 24回PB計画の基本は12回のPB計画なので、12回PB計画をまだ知らないよ~という方は、先にこちらをご覧ください。 www.doe-get-started.com 24回PB計画をどんなときに使うか? 一般的に、PB計画はスクリーニング(実験初期に多くの因子の中から、有効な因子を絞り込む)目的で使用します
はじめに 機械学習モデルを公平性の観点から評価します。 Jupyter Notebookは下記にあります。 概要 収入を予測するモデルの予測が、性別によらず公平かどうかを評価します。 公平性指標としてDemographic Parityを使用します。 公平性指標を考慮してモデルの学習を行った場合の公平性も評価します。 公平性指標 Demographic Parity 今回考える公平性指標は、性別や人種などの各グループが公平に扱われているか(group fairness)を評価するために用いられます。 Demographic Parityは、グループによらず各クラスが予測される確率が同じになっているかを評価する指標です。 例えば、採用を判定するモデルで、男性と女性で採用確率が同じになっているかを評価する際に用いられます。 数式で書くと、性別や人種などの属性の集合を$A$、モデルが予測するクラ
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