エアコンをつけたままにしたがらない理由夜間も気温が25℃を下回らない「熱帯夜」の季節がやってきた。2007年夏に東京23区実施されたアンケート調査では、25℃を下回らない熱帯夜条件になると睡眠障害の人が増加し、特に暑さの厳しい都心・内陸部では、30％近くにも上った(1)。省エネルギー意識が高まっているとは言え、エアコンの冷房なしに夏の夜を過ごすことは考えにくくなっている。 一昔前ならば、エアコンは寝つくときだけつけておき、寝ついたところの時間でオフになるようにタイマーをセットしておくのが、一般的だった。しかし昨今のこの暑さでは、エアコンが切れれば、暑さのあまりたまらず目覚めてしまう人も多いだろう。寒くなりすぎないようにやや高めの温度に設定して、一晩中エアコンをつけておくというアドバイスが、最近では主流である。 ただこのように助言すると、 「エアコンつけっぱなしで寝ると、次の朝だるいんですよ

個人的なプロジェクトも含め、いくつかの現場で Amazon Athena について触れる機会があったので、個人的に思うところについて記載します。 数時間で書いた雑な文章ですが、ご了承ください。 なお、先日リリースされた Amazon Athena API については以下の Qiita に first impression をまとめているので、 API 以外の話題について書きます。 Amazon Athena の API を使ってみた (2017/05) データの設計について Amazon Athena は managed な Presto 環境で、 事前に Presto サーバーの立ち上げなどリソース確保を行わなくても良い データについても、S3 にファイルをアップさえすれば、後付でいかようにでもデータの解析が出来る という手軽さを売りにされています。 これは利点としていっさい間違いではな

深さ優先探索と幅優先探索 深さ優先探索 幅優先探索 ビームサーチ 機械学習への応用 Google Alloの返答 学習時にビームサーチの幅を持たせて学習 3D形状の学習への応用 まとめ 参考文献 ビームサーチ（Beam Search）は、探索アルゴリズムの一種でメモリをそれほど必要としない最良優先探索です。 機械学習の分野でも、翻訳やチャットボットの返答などに応用されています。本記事では、ビームサーチのアルゴリズムを理解してどのように応用されているのかを解説します。 機械学習を活用したシステムを構築する際にも、探索空間が広い場合などには応用可能なので、使いこなせるようにしておくと役に立ちます。 深さ優先探索と幅優先探索 いきなりビームサーチの解説に入る前に、理解しやすいようにグラフ探索アルゴリズムを紹介します。 深さ優先探索 深さ優先探索は、その名の通り可能な限り突き進んで、行けなくなった

“殺人アリ"ことヒアリが日本に上陸したらしい。 Twitterではヒアリかどうかを判別してくれるヒアリ警察が人気だが、画像認識ではなく、中身は人間の専門家のようだ。ヒアリ警察さんも24時間365日稼働できないと思うので、Deep Learningで実装できないのか模索してみる。 先行事例 IBM Watsonはデフォルトでfire ant(ヒアリ)に対応。 dotnsf.blog.jp ただ、ヒアリ警察さんで紹介されている代表画像をかませてみたところ、全てのアリを識別できるわけではなかった。 アリのデータセットAntWebというのもあるらしい upura.hatenablog.com サイトのつくりが少し見辛い。 ざっとみた感じあくまで掲載論文のサーチが主眼のようなので、画像は少なめ。 IMAGENETにもfire antカテゴリあり Fire ant こちらは画像が豊富にある他、クモ等、

以下は完全に自分の独断と偏見で書いており、こうすべき！と押し付けるものでは一切ないことを明記しておきます。また、ツールって言ってるのはコマンドラインツールが主です。 モチベーション なぜツールを作ろうと思うのか 何かやるのに手数が多い オペレーションの工数が多くてそれが人間の手作業であるとき、往々にしてミスは発生する。 ヒューマンエラーを極力なくすために、自動化できるところは自動化すべきである。 操作がコード化されたら、その振る舞いに対してテストを書いて検証することもできる。 例えば Auto Scaling Group で管理された + ELB に吊るされた Elasticsearch のノード入れ替えは、以下の手順で行う必要があった（インスタンス起動時に Elasticsearch が立ち上がること + EC2 Discovery を仮定）。 退役させるノードを1台選ぶ（対象ノード）

例えば、今時の海外のゲームではAIがゲームバランスを調整していると聞く。 自動的なゲームバランスの調整にAI的なロジックが使われていて、ゲームとしての適切なグルーブ感を自動調整しながら、ユーザーの楽しさを継続させるという部分らしい。 文章に書くと昔からアルゴリズムで行われているこのようにも思えるが、きっと、もっと高度なことが行われていると、一旦仮定する。 いずれにせよ一番重要なのが「ゲームとして楽しいバランス」。これを決めるのは、ゲームクリエイターの味付けでありセンスであるというところ。 昔、天才ゲームクリエイターと呼ばれる人と一緒に仕事をしていたので聞かされた話があって、それは現在の業界的に正しいのかはわからないが、ゲームが完成する直前になってからがゲームクリエイターとしての勝負だということ。 決して単純なロジックやフローチャートでは語りきれない「天才だけがもっているセンス」をどうにかパ

Record China