You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

これはロボットに情熱をかける人々の特徴を分類するために、段階ごとにその要求が変化する、という仮説を示したものです。 この仮説だとどうしてもピラミッドの上にある欲求が崇高であり、低い位置の欲求に情熱を捧げる人々が低いステージであるという決めつけが見え隠れしていました。 それぞれのステージに良し悪しはなく、あくまでタイプを表すものではないでしょうか？ そこで小林らがRSJ2024ランチョンセミナーにて発表した、水見式ロボット診断を紹介します。 これは某能力バトル漫画に着想を得た、ロボットに情熱を捧げる人々のタイプを分類するものです。 オリジナル（？）のように自動で判断する方法はないので自分でどれか考えてみてください。 水見式ロボット診断図 v2（RSJ2024、小林ら、シンクロボ）この図はRSJ2024で発表したものとは若干異なります。より幾何学的関係が意味を持つように変更してあります。 強化

画像生成AIの「Stable Diffusion」などの開発に携わったAI研究者が立ち上げたAI開発企業「Black Forest Labs」が、次世代画像生成AIの「FLUX1.1 [pro]」をリリースしました。同時に、画像生成AIを自身のアプリケーションに統合するための「BFL API」のベータ版も公開しています。 Announcing FLUX1.1 [pro] and the BFL API - Black Forest Labs https://blackforestlabs.ai/announcing-flux-1-1-pro-and-the-bfl-api/ Black Forest Labsが2024年10月2日にリリースした「FLUX1.1 [pro]」は、前モデルのFLUX.1 [pro]よりも生成速度が6倍速く、画像の品質やプロンプトの順守、生成される画像の多様性が

はじめに 数か月ほど前、住所の正規化が話題になりました。こちらの記事が特に有名ですね。 関連して、こちらの記事も話題になりました。 当時はほかにも色々な人が日本のヤバい住所の例をあげてくれて、とても楽しかったです。 実は弊社でもAddressianという住所正規化サービスを提供しています。初めて目にする変わった住所を見かけたら、とりあえず自社のAPIに投げてみて「おお、正規化できた」「すごい！」などといいながら遊んで働いています。 サービスは無料で利用できますが、今までは利用の手順が面倒でした。 ユーザー登録する APIキーを発行する 住所正規化APIを呼び出すプログラムを用意する（サンプルコードあり） プログラムを実行して住所を正規化する そこで、もっと気軽に住所正規化を試してもらえるように、ユーザー登録しなくても使えるデモ機能を作ってみました。 デモ機能の概要 住所正規化デモ画面 こち

「ゼロから作るDeep Learning」(斎藤 康毅　著　オライリー・ジャパン刊)を読んでいる時に、参照したサイト等をメモしていきます。 新しい分野で、新しい単語、用語が出てくるのは当然ですが、それがアルファベットの頭をとった略語だったりすると、非英語民族にはどう読めばいいのかわかりません。 その昔、専門学校でCOBOLを教えたとき、学生が最初につまづいたのが、COBOLで使われている命令の発音と意味でした。発音できないものは覚えられないし、使えない。 と言う事で、 この本の中に出てきた単語で、読み方とか語源とか、私が調べたものをまとめてみました。 読んでいる最中なので、本に出てきた順になっています。 １巻目 １章 Python パイソン　もともと「にしきへび」の意味の英単語なので、その発音で読みます。 なんで、蛇？　かというと、モンティ・パイソンというＴＶ番組があって・・・（有名な話な

2018 年以来、世界中の何百万人ものユーザーが ML 集中講座を利用して、ML の仕組みと ML がどのように役立つかを学んでいます。このたび、AI の最近の進歩を盛り込んだ、インタラクティブな学習に重点を置いた MLCC の更新版をリリースすることになりました。改善された新しい MLCC について詳しくは、こちらの動画をご覧ください。

はじめに ソースコードをLLMに読んでもらうとき、単一ファイルだと楽なのですが、GitHubのリポジトリのように複数ファイルから構成されるプロジェクトだと困ってしまいますね。 リポジトリごとLLMに読んでもらえるようにいい感じにテキスト化できると良いですね。そんなソフトがありました。しかも2つ。 両方ともほとんどコンセプトは同じです。特に後者のgenerate-project-summaryは使い方も含めて、自分のやりたいことが、すでに開発者の清水れみおさんが以下の記事にまとめていました。 なので、あんまり書く必要ないのですが、せっかくなのでgpt-repository-loaderの使い方と、出力したファイルの別の活用方法について書いてみたいと思います。 gpt-repository-loaderでリポジトリをテキストに変換 使い方はREADMEに書いてあります。シンプルなソフトなので、

学習データと評価データの読み込み import pandas as pd import numpy as np # タイタニックデータセットの学習用データと評価用データの読み込み df_train = pd.read_csv("/Users/hinomaruc/Desktop/blog/dataset/titanic/titanic_train.csv") df_eval = pd.read_csv("/Users/hinomaruc/Desktop/blog/dataset/titanic/titanic_eval.csv") 概要確認 # 概要確認 df_train.info() RangeIndex: 891 entries, 0 to 890 Data columns (total 22 columns): # Column Non-Null Count Dtype --- ---

環境を揃えたいTomi（@nouns_is）です。Processing の公式IDEはかなり良くできていると思うのだけれど、コードを書くなら普段使い慣れているエディタで書きたい…という欲望を叶えるために、Visual Studio Code で Processing を動かしてみた。 ProcessingとVisual Studio Codeをインストール どちらも普通にインストールするだけなので、サクッとインストール。 https://processing.org/ https://code.visualstudio.com/ Processing に「processing-java」をインストール Processingを起動して、メニューバーの「ツール」から「”processing-java”をインストール」を選択し、インストール。パスワードを要求されたら、PCのパスワードを入力しよう

2015年秋季ノイタミナ『すべてがFになる THE PERFECT INSIDER』ED映像のディレクション・制作をしました。作中に登場する天才プログラマー、真賀田四季にちなんで、ジェネラティブ・アートと呼ばれる手法を用いてつくっています。 GitHubにとりあえずアップしてますが、とてもじゃないですが汚いコードです。僕の作業フォルダのフルパスなんかも入ってしまっています。 baku89/Subete-ga-F-ni-naru 何処かの誰かのために、どんなふうに作ったかメモしておきます。 Outline 概要 ジェネラティブ・アートとは、プログラミングを用いてグラフィックや音楽、立体物などを生成する芸術の一ジャンルです。その中でも今回は、コンピュータ・サイエンスや複雑系の分野で早くから研究されていたセル・オートマトン(CA)と呼ばれるモデルを用いています。 最も知られているのが,、プログラ

2023年版データ分析の100冊 が好評でしたので、2024年版を作りましたよ。 本記事のめあて IT系の技術者の方がデータ分析関連の仕事をするために役立つ本を紹介する（私が学び始めた時にあれば欣喜雀躍したであろう）記事として書いております 本記事作者の青木はバイオインフォマティクス（ゲノムデータのDB化中心・Perl・MySQL）からRで時系列分析→Pythonでデータ分析一般と業務をしてまいりました ですので研究者目的の本はありません。また、データ分析の基礎は主にRで学んだのですが、昨今の流行に合わせて理論のほかはPython本のみにしています 「本記事のR版のご要望があれば爆裂書きます！」と去年書いたのですが要望0 あはは、Rの本は今回撲滅しました！ こういうリストを挙げる奴は大抵読んでいない、と過去にも言われたのですが、未読本は削除しました 最近好著連発なので読んでいる途中だけど挙

「Simple Icons」は多数のブランドのアイコンをSVG形式でダウンロード可能なサイトとのことなので、どんなサイトなのか実際に確かめてみました。 Simple Icons https://simpleicons.org/ サイトにアクセスするとこんな感じ。 そのままでも特に問題なく使えそうですが、日本語バージョンが用意されているので変更します。右上の言語変更ボタンをクリックし、「日本語」をクリック。 サイトのUIが日本語化されました。記事作成時点で3198個のアイコンが利用可能とのこと。 検索欄に探しているアイコンに関連する言葉を入力することである程度の絞り込みが可能。並べ替えでは「アルファベット順」「色順」「関連度順」を切り替えられます。 UIのモード選択では「ライトモード」「ダークモード」「システムと同期」を切り替えることができ、ダウンロードではアイコンのダウンロードマークをクリ

この本では、初心者・入門者の方に向けて、AIネイティブ開発（AI-Native Programming）の知識や使い方を体系的にまとめました。 【概要】 ・内容：AIネイティブ開発とは？（AI-Native Programmingとは？）、GitHub Copilotとは？、GitHub Copilotの基本的な使い方、GitHub Copilotの料金体系、GitHub Copilotのインストール方法、AIネイティブ開発のテクニック10選、プロジェクト生成、ソースコード生成、コード補完、コマンド生成、データ生成、ドキュメント生成、デバッグ、コードレビューおよび修正、データ読み込み、ドキュメントへの質問、GitHub Copilotを使う上で気をつけるべきこと、Cursorの紹介、Google Colab AIの概要と使い方、AIネイティブ開発の「社内研修」を検討している方々へ ・所要時

前書き 全てのプログラマーは写経から始まる。 by俺 この記事は機械学習入門用ではありません。良質な写経元を提供するためにあります。無駄のないコードと無駄のない説明を用意したつもりです。kerasコーディングを忘れかけた時に立ち返られる原点となれば幸いです。 実行環境 python (3.7.10) tensorflow (2.4.1) keras (2.4.3) 対象者 pythonを自分の環境で動かせる人 かつ keras初心者 ■ kerasとは python で書かれた高水準のニューラルネットワークライブラリ。 (keras公式) もっとわかりやすく言うと... ディープラーニングを自力で全部作るのは大変。 でも、kerasを使うと簡単だよ！ ■ kerasコーディングの流れ データを用意する。 モデルを構築する。 モデルにデータを学習させる。 モデルを評価する。 ※モデルとは、デ

streamlitを使えばWebアプリケーションが簡単に作成できます。 この記事では、streamlitでよく使う機能をサンプルコードと共に紹介し、それらを組み合わせたWebアプリケーションの作成方法を紹介していこうと思います。 目次 1. はじめに 2. streamlitの基本的な使い方 3. streamlitの応用的な使い方 4. テキストマイニングアプリを開発してみる 5. streamlitの注意点 6. まとめ 1. はじめに streamlitはPythonで簡単にWebアプリケーションを作成できるオープンソースのライブラリです。streamlitを使うことで、データの可視化や機械学習モデルのデバッグ、プロトタイプの作成など、様々な用途でWebアプリケーションを作成することができます。 また、streamlitは簡単なコードで高度なUIを作成することができ、ウェブフレームワ

権限を渡すだけでは人は動かない 中土井僚氏（以下、中土井）：私の中で、未来との向き合い方が人間にとってすごく大事なんじゃないかって思ったきっかけが、書籍（『ビジョンプロセシング』）の中でも紹介している「タスク・アセスメント」という考え方なんですね。これはけっこう古くて、1980年代にトーマスさんとベルトハウスさんがエンパワーメントの研究の中で提唱しています。 権限委譲という観点で見た時に、権限が委譲されたら人は働くと思っていたところ、権限をただ渡すだけでは働かないよねということで、彼らはモチベーショナルなものとしてエンパワーメントを考えました。「それは、与えられたタスクをどう認知しているかによるんだよね」と考えたという話なんですよね。 この4つが、私の中では非常におもしろいなと思っていて。自己効力感は、自分の手のうちにそのことが入っているか。影響は、全体目標に対してその手段は合理的で、意味