20230421_DS協会のChatGPTセミナーが凄かった件(大城、正式版、4/23、4/24更新)｜ChatGPT部 Produced by NOB DATA
おはようございます、ChatGPT部、部長の大城です。今日は私も所属しているDS協会の本体の方のセミナーについての参加後レポートです。 (先日こちらの速報でも投稿させて頂いたものですね。4/21のもの。) なお4600人という参加者の影響か、前半、techplayが繋がらず、後半直接youtubeのURLに切り替わりましたが最初は配信トラブル等ありましたので、後日参加者には資料やアーカイブが配信されると思いますので、一旦ドラフト版という形でUPしておきます。(ChatGPT関係の開発をやっていく人は今からでももし申し込めるなら申し込んだ方が良いかも・・？？MS社員の方によるすごくいいセッションでした) 2023/4/24追記：動画アーカイブも公開されました・・！！https://twitter.com/hiro_gamo/status/1650350145815592960?s=20 #D
NVIDIA Grace-Hopper SuperchipベースのシステムDGX GH200を発表 - Vengineerの戯言
はじめに COMPUTEX TAIPEI 2023 にて、NVIDIAが Grace-Hopper Superchip の名称を GH200 と発表。また、このGH200を最大256個搭載する DGX GH200も発表 www.youtube.com www.youtube.com GH200 3月のGTC2023にて、Grace-Hopper SuperchipベースのDGXを発表するのかな？と思いましたが、その時には発表されず。今回のCOMPUTEX TAIPEI 2023での発表になりました。型番は、GH200 (Grace Hopper かな？)。この型番、下記の1年前のブログで取り上げていて、GraceはTH500、GH180はGH100+TH500、GH202はclient GPUなどという型番があったとか、なかったとか。 vengineer.hatenablog.com 下記
WordCloudとpyLDAvisによるLDAの可視化について
表題の通り、潜在ディリクレ配分法（LDA; Latent Dirichlet Allocation）によるトピックモデルを学習させて、WordCloud・pyLDAvisで可視化までやってみます。 データセットの用意 今回は日本語でやってみたかったので、以下のlivedoorニュースコーパスを利用させていただきました。 - https://www.rondhuit.com/download.html 日本語のコーパスとしては定番ですね。 ダウンロードしてきた圧縮ファイルを解凍して、各ドキュメントのパスを読み込んでおきます。 import glob import numpy as np import pandas as pd from tqdm import tqdm np.random.seed(0) text_paths = glob.glob('livedoor-news-corpus
トピックモデルを用いた併売の分析 - gensim の LdaModel 使用 - なんとなくな Developer のメモ
トピックモデルは潜在的なトピックから文書中の単語が生成されると仮定するモデルのようです。 であれば、これを「Python でアソシエーション分析」で行ったような併売の分析に適用するとどうなるのか気になったので、gensim の LdaModel を使って同様のデータセットを LDA（潜在的ディリクレ配分法）で処理してみました。 ソースは http://github.com/fits/try_samples/tree/master/blog/20180313/ 1. はじめに データセット gensim で LDA を処理する場合、通常は以下のような lowcorpus フォーマットを使った方が簡単なようです。（LowCorpus で処理できるので） <文書数> <文書1の単語1> <文書1の単語2> ・・・ <文書2の単語1> <文書2の単語2> ・・・ ・・・ ただ、1行目が冗長なように
AMD Fusion Developer Summit 2011 Session Catalog
Products Processors Accelerators Graphics Adaptive SoCs, FPGAs, & SOMs Software, Tools, & Apps
The Physical Society of Japan 75(4): 210-214 (2020)
210 Vol. 75, No. 4, 2020 ©2020 Atiyah Patodi Singer APS 4 E B APS 4 1 d 2 X n n c x η Y ò + － － － = ・ （ ） E B n Dirac 1 c η Y Dirac APS Dirac APS APS APS 2017 APS APS APS APS 1 2 APS APS Keywords Dirac APS APS Dirac Atiyah Patodi Singer hfukaya 4 het.phys.sci.osaka-u.ac.jp onogi 4 het.phys.sci.osaka-u.ac.jp yamaguch 4 het.phys.sci.osaka-u.phys.ac.jp 211 Atiyah Patodi Singer ©2020 1. Atiyah Patodi
Atiyah–Patodi–Singerの指数定理――素粒子・物性・数学の交叉点
Atiyah–Patodi–Singer（APS）の指数定理は，境界のある多様体上の数学の定理である．こう書くと難しそうで拒否反応を示す読者もいるかもしれないが，もともと指数定理は物理学を起源としていて，実際，電子と電磁場の性質を関係づけるものである．4次元で平坦な時空を考え，電場E，磁場BとしてAPS指数定理を書き下すと， となる．ここで，左辺のn±は電子の満たすDirac方程式でカイラリティ（運動方向に対するスピン演算子）という性質が±1の解の個数を表す．右辺のcは次元だけで決まる定数，第二項はη不変量とよばれ，境界面Yに伝導電子が現れたとき，そのDirac演算子の正の固有値と負の固有値の差を表す量である． したがって，APS定理は電磁場の情報（を時空間で積分したもの）と，電子の全体のDirac方程式の解の個数，および境界上に現れる電子の情報の三つの物理量を結びつけるものである．さらに
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
Memory management for real-time appearance-based loop closure detection
Hierarchical Neural Memory Network for Low Latency Event Processing