Misfitウェラブルが目指す、テクノロジーとファッションの交点
テクノロジーは今後ファッション化してゆくというのは、Apple Watchの登場前後からさまざまな人によって指摘されていた点で、これは不可避の流れです。 スマートフォンならば、多くの人が同じ製品をもつことも仕方ないでしょう。それでも色で差別化をして、ケースで差別化をするというのがいまではあたりまえです。 Apple Watchについては色とバンドでさらに多くのバリエーションをもつことが可能です。自分の個性を表現する１台を選ぶことができるのです。しかしそれでも種類は少ない。 もし、先進的なデジタルデバイスを100種類、200種類といった膨大なラインナップで、流行に敏感なスタイルでつねに供給できたら、それ自体が一つのイノベーションです。そしてそれをおこなっているのが、Misfit RAY で有名になり、いまは Fossil 傘下にある Misfit のウェラブルなのです。 Fossil のファ
Data Science for Internet of Things (IoT): Ten Differences From Traditional Data Science - KDnuggets
「ＩＱ１６０以上しか理解できない絵本」 ブームの兆し
「本当の意味が分かれば知能指数（ＩＱ）１６０以上」をうたう絵本『くまさんとパンダくん』（黒猫出版）がブームの兆しを見せ始めている。全国紙の書評欄が相次いで独自の解釈を披露したことをきっかけに、昨今の絵本では異例の３０万部を突破。各地の書店では品薄が続いている。 絵本『くまさんとパンダくん』は、主人公のくまさんと友達のパンダくんが湖にピクニックに出かける物語。途中森の中でどんぐりを集めたり、お腹を空かせたきつねどんにサンドイッチを分けてあげたりするほのぼのとした内容で、最後はくまさんがベッドの中で楽しかった１日振り返りながら、ぐっすり眠って幕を閉じる。 対象年齢は３歳以上。字が読めない幼児でも楽しめるようになっているが、出版社では「物語の本当の意味が分かるには『秀才』とされる知能指数１６０以上が必要になる」と解説している。 今年７月の発売後、有名書評家のやなしたみきお氏が自身のブログで「非常
サイトを37倍に高速化した7つの手法 - オールアバウトTech Blog
今回はオールアバウトのnnmrが弊社サイトAll About Japanの速度を高速化した経緯についてまとめます。 All About Japanとは そもそもAll About Japan（以下AAJ）とは何かといいますと、弊社が提供している訪日外国人向けの日本紹介サイトです。 外国人向けサイトで、英語、中国語（繁体字）、中国語（簡体字）、タイ語、韓国語の5か国語に対応しております。 「Anime」「Izakaya」「Ninja」といったような特集や、実際に観光する人向けのモデルルート記事が特色です。 ■ 特集 (url : http://allabout-japan.com/en/tag/sushi/ ) ■ モデルルート記事 (url : http://allabout-japan.com/en/article/222/ ) 技術的な紹介 LAMP環境です。 （サーバー構成は後に記述
どうしてWaltsを開発したのか - そして昨今のFlux - Qiita
まずFluxとはなんだろうか。Fluxの解説はすでに多数掲載されているが、ここでは「データフローを一方向としたアーキテクチャ」と定義したい。 そもそも、FluxというのはObserverパターンにちょっとした規則を設けて、かっこいい名前を与えたに過ぎないのだが、現代のフロントエンドはこのFluxを見事に受け容れた。なぜか。それは開発者が秩序を求めたからである。 これは、拡大し続けるフロントエンド・サイドの開発規模に対して、従来のMVC、正確には複数のViewと複数のControllerが相互にデータを受け渡し合うアーキテクチャがスケールしなくなったことに起因する。（ここではMVCを厳密に定義していない。GUIアーキテクチャについてなのかバックエンド・アーキテクチャについてなのか判然とさせないまま、俗語的に用いている） シングルトンという名でごまかした巨大なグローバル神オブジェクトを至る所で
SVDによる次元圧縮の効果を見てみる - あるshimaoの備忘録的な何か
SVD入門 SVDについてはwikipediaやteramonagi大先生のRcppEigen & singular value decompositionを参照していただきたく思います。 今回やっていることを手順ごとに簡単に書くと、 １．行列XをX=UΣV^Tと分解 ２．情報量の多い上位k個の特異値を用いk列の正規直交ベクトルV_kを得る ３．XV_kを計算することで情報量を圧縮した空間に元々の行列XをX_kに写像する 情報が落ちるというマイナス面はあるのですが、ノイズ軽減、計算時間削減などの効果もあります。 今回はディスプレイ広告をクリックするか否かを広告の情報などから学習するモデルの構築をSVDを使った例として挙げています。 といっても、ノイズの多いスパースなデータをSVDで圧縮してC-SVM（ソフトマージンSVM）にかけるだけの簡単なお仕事です。 今考えると発生させたデータはスパー
RやExcelを使い、カイ二乗検定よりデーターがある分布に従うかを調べる方法 - 黄昏より暗きもの、血の流れより赤きもの
2016 - 05 - 30 RやExcelを使い、カイ二乗検定よりデーターがある分布に従うかを調べる方法 Excel R 統計 list Tweet 序章 各データ にある規則性がある事が掴めれば、例えば未来の数量の予測がしやすくなる。(簡単に言うと 過去の情報から、未来のアタリをつけやすくなる と言う事)。そのためにはまず各データ がどのような規則性があるか？それが例えば統計的な観点からどれだけ妥当か？を調べる必要がある。この統計的な観点から調べる方法の一つが、今日取り扱う カイ二乗検定 だ。 カイ二乗検定 を使う事で出来る事は、観測されたデータ(Observed)から、サイコロの各出目が であるか？又は ポアソン 分布など各分布に従うか？と言う時に調べ、データの持つ規則性を調べる事が可能だ。 例えば分散 が既知のときの母平均の検定や 区間 推定は 中心極限定理 を使い、標準化変数 が
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
Free eBook: Discovering data science with SAS
What's your favorite function in SAS?
18 Free Exploratory Data Analysis Tools For People who don't code so well
Top 16 Active Big Data, Data Science Leaders on LinkedIn - KDnuggets
Why Not So Hadoop? - KDnuggets
A Beginner's guide to Shelf Space Optimization using Linear Programming
R-style
A book on RStan in Japanese: Bayesian Statistical Modeling Using Stan and R (Wonderful R, Volume 2) | Statistical Modeling, Causal Inference, and Social Science