こんにちは。 本連載は、G's ACADEMYというプログラミングスクールを卒業してしばらくした卒業生たちに、ぶっちゃけプログラミングでどう人生が変わったかをお話していただくインタビューの連載になります。 IT人材の不足が深刻化する今日、世の中にはそれに付け込むかのように怪しげなプログラミングスクールが乱立したり、情報教材まがいのものが溢れています。そんな中、真面目にプログラミングで人生を変えたいと思っている人たちに、あくまで第三者的にプログラミングスクールのリアルをお伝えするべく、私たちは本連載を開始しました。 今回はその第10弾です。データサイエンティストをされている山田光倫(やまだみつとも)さんにお話を伺いました。 Profile 山田 光倫(やまだみつとも) ~2018年 心臓外科医 2019年 G’s ACADEMY TOKYO LABコース 卒業 2020年 株式会社Block
まとめ ・かなりの人が「結論をわかりやすく説明したときの論理」と「その結論を試行錯誤して見つけるときの論理」を明確に分けてない気がする ・だから簡単に理解できると、簡単に生み出した答えと勘違いする ・単に結論を理解してほしいときは、わかりやすい説明だけでよい ・相手に今後自分と同じように試行錯誤してほしい時は、わかりやすい説明に加えて、試行錯誤も伝える ※追記:私も今まで分けて考えてなかった。だから気づきとして書いてみた。「かなりの人」かどうかは私の印象でしかないのに決めつけました!すみません! 結論の背景や試行錯誤をどこまで相手に伝えるか、ずっとわからなかった基本私は余計なことを説明しがちだ。だから仕事中はできるだけ情報を省いて説明する。相手の反応を見る限りそれでちょうどいい感じがする。でも、本音では「省かない方が面白いんだけどなー」とずっと思っている。なぜ省かない方が面白いのかをこれか
このシェーダは (Anim) RRR Sh015 で使われていたもので、透明な板ポリをカメラの前に配置し、以下のシェーダを設定することで集中線を描画する。XYZ 合成ノードの Y にタイムラインを設定することで線をアニメーションさせている。線の長さは比較ノードで行う。 続きを読む LLM を使ったストーリー作成 LLM を使ったストーリー作成が一発でうまくいく事はない。なので、ストーリー作成の各工程ごとにアイデア出しの補助をさせることでストーリーを作成する。 AI のべりすとは日本語が使えるが性能は高くない。無料で公開されているローカル実行できる LLM を英語で使ったり、Chat GPT を使う方が効率がいい。品質があまり問題ではないなら無料かつ高速な Google の Bard も使える。AI のべりすとの強みはアダルト文章を日本語で出力できることだ。 目次モデルの選択アプリの選択スト
Pop2Piano : Pop Audio-Based Piano Cover Generation Jongho Choi, Kyogu Lee Before listening : We highly recommend that you listen to the samples in stereo audio. All stereo audio has the piano cover on one side and the original song on the other. Paper Code Colab HuggingFace > Generation Sample Dataset Sample (Fig 4.) on the Paper Demo Video Qualitative comparison This page is for showing generated
はじめに スターターキットについて スターターキットが提供するモデルの概要 実装 必要なパッケージ 実装の概要 メロディ生成実験 実験条件 実験結果 実装の舞台裏やTIPS、TensorFlow版との違いなど おわりに はじめに 最近、下記のイベントが開催されることがアナウンスされた。 benzaiten.studio.site 『AIミュージックバトル!『弁財天』は「伴奏」から「アドリブメロディ」をAIで生成し「どれだけイケてるメロディか」を競うAI自動作曲コンテストです。』 とのことである。 本コンテストではTensorFlowベースのスターターキット(Google Colabで実行可能)が提供されており、自動作曲初心者でも無理なく始められるようになっている。 筆者はPyTorchユーザなので、スターターキットのPyTorch版を作成しておきたいと思ったわけである。自動作曲自体に興味が
Instruction Selectionでは、LLVM IRを受け取り、それをSelection DAGに変換する。このフェーズは、さらに以下の細かなフェーズに分けることができる。 LLVM IRをSelection DAGへ変換 Selection DAGのCombine Selection DAGのLegalize Selection DAGをMachine Instruction用のDAGに変換 LLVM IRからMachine Instructionが生成されるまでの流れ LLVM IRをSelection DAGに変換する まずは入力されたLLVM IRをSelection DAGのデータフローグラフに変換しなければならない。これを実行するのはSelectionDAGBuilderというクラスにまとめられており、visit関数を渡り歩くことによってDAGが生成される。 例えば、
5年ほど前、ベルギーの独立系半導体・デジタル技術研究機関であるimecの研究者たちは、将来の相互配線(インターコネクト)材料として、微細化の限界が見え始めたCuを置き換えることを目的として、二元および三元化合物の探索を開始した。これは、新しい世界的な次世代配線材料研究の先駆けとなった。 実現に向けて、まず多数の候補をランク付けするためのガイダンスを提供する独自の方法論を設定した。本稿では、imecにおいて次世代半導体ロジックデバイスのBEOL(多層配線)研究の第一線で活躍する研究者自身が、提案した方法論を説明し、初期的に得られた結果を紹介し、将来の研究について展望する。 なぜCuが使えなくなるのか? 銅(Cu)は、1990年代半ばにロジックデバイスのBEOL(Back End of Line)アプリケーションに導入されて以来、相互接続する配線とビアを形成するための主流の導体金属となっている
その誕生を地元新聞も経済新聞も記事にしなかった。2年後、『コードの情報を白黒の点の組み合わせに置き換える』と最下段のベタ記事で初めて紹介された時、その形を思い浮かべることができる読者はいなかった。いま、説明の必要すらない。QRコードはなぜ開発され、どう動くのだろうか。 QRコードは、自動車生産ラインの切実な要請と非自動車部門の技術者の「世界標準の発明をしたい」という野心の微妙な混交の下、1990年代前半の日本電装(現デンソー)で開発された。 トヨタグループの生産現場では、部品名と数量の記された物理的なカンバンが発注書、納品書として行き来することで在庫を管理する。そのデータ入力を自動化するバーコード(NDコード)を開発したのがデンソーだ。 バブル全盛の1990年ごろ、空前の生産台数、多様な車種・オプションに応えるため、部品も納入業者も急激に増え、NDコードが限界を迎えていた。63桁の数字しか
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