著作権、権利って難しい 技術者もこれだけは知っておきたい知識
2. 「使⽤用」と「利利⽤用」の違い l 使⽤用 l コンテンツを作った⼈人の了了解を得なくて良良い使い⽅方 l 本を読む l CDを聴く l ビデオを⾒見見る l 利利⽤用 l コンテンツを作った⼈人の了了解を取らなければならない l 多数コピーして販売する l インターネットで広く送信する l 「あらゆる使い⽅方」ー「利利⽤用」＝「使⽤用』 3. 「著作権」は「知的財産権」の⼀一部 l 知的財産権 （「私権」であって「規制」ではない） l 他⼈人が作ったものをパクッてはいけない l 創作意欲を無くしてしまわない様にインセンティブを付与する l 「三世⼀一新の法」「孫の代まで」著作者の死後５０年年まで 著作権、著作隣隣接権など 著作権 （ 知知 的的 財所 産業財産権 特許権、商標権など 産有 （⼯工業所有権） 権権 ） 植物品種
冬のLock free祭り safe
19. What is Blocking? コアが増えるほどに問題が顕著に！ 早くしろよ… 早くしろよ… 早くしろよ… 早くしろよ… 早くしろよ… 早くしろよ… 早くしろよ… 早くしろよ… 早くしろよ… クリティカルセク ション
MapReduceによる大規模データを利用した機械学習
1. 2011 2/22（火） Hadoop Conference Japan 2011 MapReduceによる大規模 データを利用した機械学習 株式会社Preferred Infrastructure 岡野原 大輔 hillbig@preferred.jp @hillbig 1 2. 自己紹介 株式会社 Preferred Infrastructure フェロー, 研究開発チームリーダー 専門分野 自然言語処理 （情報理工学博士） 携わった分野は形態素解析、文書分類/クラスタリング、専 門用語抽出、評判分類、情報抽出 機械学習,統計処理・圧縮データ構造,データ圧縮 主な業務内容 有用な技術を新規開発・発掘しプロダクトに反映 他社との共同研究開発 Hadoopを利用したデータ解析の案件も数件 2
rinko2010
3. 4 [Lafferty+, 01] Conditional Random Fields: Probabilistic Models for Segmenting and Labeling Sequence Data. John Lafferty, Andrew McCallum, Fernando Pereira. Proceedings of ICML’01, 2001. [Collins, 02] Discriminative training methods for hidden markov models: Theory and experiments with perceptron algorithms. Michael Collins. Proceedings of EMNLP’02, 2002. [Morency+, 07] Latent-dynamic discrim
プログラミングコンテストでのデータ構造
2. 内容 • Union-Find 木 • バケット法と平方分割 • セグメント木 • 共通点：自分で実装するデータ構造 • セグメント木が中心 – IOI でのセグメント木の出題が非常に多い
プログラミングコンテストでの動的計画法
2. はじめに • 「動的計画法」は英語で 「Dynamic Programming」 と言います． • 略して「DP」とよく呼ばれます． • スライドでも以後使います． 4. ナップサック問題とは？ • n 個の品物がある • 品物 i は重さ wi, 価値 vi • 重さの合計が U を超えないように選ぶ – 1 つの品物は 1 つまで • この時の価値の合計の最大値は？ 品物 1 品物 2 品物 n 重さ w1 重さ w2 ・・・ 重さ wn 価値 v1 価値 v2 価値 vn 5. ナップサック問題の例 品物 1 品物 2 品物 3 品物 4 U=5 w1 = 2 w2 = 1 w3 = 3 w4 = 2 v1 = 3 v2 = 2 v3 = 4 v4 = 2 品物 1 品物 2 品物 3 品物 4 答え 7 w1 = 2 w2 = 1 w3 = 3 w4 = 2 v1 = 3 v
PFI seminar 2010/05/27 統計的機械翻訳
8. 統計的機械翻訳(SMT: Statistical Machine translation)パラレルコーパスを用いて翻訳ルールを獲得c.f. ロゼッタストーン言語の専門家がいなくてもよい（国家的な理由も）高品質・大量のパラレルコーパスは国連・EUの国際会議の議事録などで大量に入手可LDC, Acquis, OPUS, Communautaire, …例：Europarlの場合 11言語毎に4000万単語言語のスケーラビリティが高いコーパスさえあれば良い c.f .Google 50言語間 9. 統計的機械翻訳の歴史 (1/2)～1980 用例ベース機械翻訳1989 IBMResearchによる著名な論文NLP業界での引用数第2位 (約1000件）翻訳システムのパラメータをパラレルコーパスから自動推定する簡単な手法から順に IBMモデル1 - 5がある提案者自身らは金融業界へと去っていっ
大学3年生の僕に伝えたいことをつらつらと
5. まとめは先に 大学から外に出ても 研究活動で身に付く考え方は有効 OSS 開発活動で身に付く考え方は有効 仕事は「成果の出方」で対処法を変えよう サーバ運用は自分でゼロからやっておこう 自分が作るものの最大ユーザ数を考えよう まわりを見回して役立つヒントを見つけよう 6. 研究・ OSS 開発は仕事に活かせる 研究開発をするときにあると幸せな能力 問題が与えられたときに、問題を解決できる能力 現状で十分なレベルで解決したことを伝える能力 過去に解決した問題を汎化する能力 ＝＞ あれ？これって研究室で学んだことと同じだよ！ 仕事 の数 = 問題 の数 × データ の種類 仕事を減らすには、 問題の本質を見抜き正規化する こと 問題を正規化し、正規化した問題を自動解決す る手法 手離れよいライブラリ化 Tips とサンプルを充実した説明書化が大切 ＝＞ OSS に関わってると身に付きそ
lsh
2. ( 最 ) 近傍点探索 ( Nearest Neighbor Search) とは いわゆる、特徴空間内での類似データ探索 二種類の問題が考えられる 定義 ℜ d 空間上の点集合 P が与えられた場合 最近傍点探索 クエリ点 q に対し、 p∈P で、 ||p-q|| を最小とする点 p を求める問題 r- 近傍点探索 クエリ点 q に対し、 p∈P で、 ||p-q||<r となる点 p を ( 存在するのならば ) 列挙する問題 3. 近傍点探索問題 近傍点探索アルゴリズムは、以下のようなタスクにおいて利用される インスタンスベース学習(k-近傍法) クラスタリング データセグメンテーション データベース検索 最短経路木探索(Minimum Spanning Tree) データ圧縮 類似データ検索 4. 近傍点探索アルゴリズム 最も単純なものは、クエリ点 q と、 p∈P の点全
1
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
