というのを読んで。この文章に対する反応としても「わかる」と共感を示している人を複数人観測したので、同じように感じている人は一定数いそう。 ぼくが感じたのは「家のことを優先したい」となったときに「勉強会がオンライン開催になると参加しにくい」というのは、どういうロジックなのかな？ということ。オンライン開催じゃない、物理的に集まって開催するタイプのオフラインの勉強会であれば家庭のことを優先しつつも参加できるのじゃろうか。
家庭を優先しようと思うと、オンライン開催の勉強会には参加しにくい - junebox
というのを読んで。この文章に対する反応としても「わかる」と共感を示している人を複数人観測したので、同じように感じている人は一定数いそう。 ぼくが感じたのは「家のことを優先したい」となったときに「勉強会がオンライン開催になると参加しにくい」というのは、どういうロジックなのかな？ということ。オンライン開催じゃない、物理的に集まって開催するタイプのオフラインの勉強会であれば家庭のことを優先しつつも参加できるのじゃろうか。
機械学習を使って画像の圧縮をしてみた - Qiita
はじめに 代表的なクラスタリングアルゴリズムである K-Means を用いて、画像の圧縮をしてみます。まずは、K-Means のアルゴリズムについて説明します。そのあと、K-Meansを使った画像圧縮について説明します。なお、内容についてはCoursera Machine Learningを参考にしています。 K-Means アルゴリズム アルゴリズムの直感的な説明 K-Means アルゴリズムは大きく分けて以下の３つの処理に分解されます： 重心の初期化 クラスタ割り当て 重心の再計算 それぞれのステップについて、イメージを交えて理解していきましょう。 1. 重心の初期化 まずは、重心と呼ばれる点の位置を決定します。それぞれの重心は各クラスタの標準的なパターンとみなされます。そのためデータを分けたいクラスタ数分の重心が必要です。下図では星印が重心、丸印がデータを表しています。ここでは重心の
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
処理を実行中です
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
GitHub - zevenet/kube-nftlb: nftables load balancer integration in kubernetes
