技術者のための基礎解析学 機械学習に必要な数学を本気で学ぶ | 翔泳社
昨今の機械学習ブームの中、IT業界を中心とするエンジニアの方々から、「機械学習に必要な数学をもう一度しっかりと勉強したい」、そんな声を耳にすることが増えました。本書は、そのような読者を念頭におき、理工系の大学1、2年生が学ぶレベルの解析学（微積分）を基礎から解説した書籍です。大学生向けの教科書であれば、すでに多数の書籍がありますが、本書の特徴は、「定義と定理をもとに、厳密に展開される議論をとにかく丁寧に説明する」という点にあります。数式の変形についても、途中の計算をできるだけ省略せずに記載して、議論の展開を見失うことがないようにと配慮しました。大学生のころに勉強した、あの「厳密な数学」の世界をもう一度、がっつりと堪能していただけることでしょう。 「機械学習に必要な数学」というと、数学をただの道具と割り切って、公式の使い方、あるいは、数式が表わす意味だけを直感的に理解できれば十分と考える方も
Eventual Consistencyまでの一貫性図解大全 - Qiita
TL;DR; Eventual Consistencyとか言いながらどうせもっとまともな一貫性実装してることはよくあるんだからみんな適切な名前を使おうぜ。 なぜこの記事を書くのか NoSQLの文脈においてスケーラビリティとのトレードオフでEventual Consistencyという用語は結構な頻度で出てくる。 ACIDに対抗してBASE(Basicaly Avalilable, Soft state, Eventual consistency)なんて言葉が出てきたり、CAP定理の中のAとPだと言ってみたり、分散システムのスケーラビリティを高めるために人類は一貫性を諦めることに余念がない。 その一方で、諦められた一貫性に関しては雑な分類論で語られる事が多く実はもっと適切な言葉があるのに「Eventual Consistencyです」なんて言われる事が良くある。そこで、この記事では過去に並行
タスクIAMロールとパラメータストアを利用したAmazon ECSアプリケーションの秘密情報管理 | Amazon Web Services ブログ
Amazon Web Services ブログ タスクIAMロールとパラメータストアを利用したAmazon ECSアプリケーションの秘密情報管理 同僚のStas Vonholskyが、Amazon ECSアプリケーションの秘密情報管理に関する素晴らしいブログを寄稿してくれました。 —– コンテナ化されたアプリケーションとマイクロサービス指向のアーキテクチャが普及するにつれて、アプリケーションデータベースにアクセスするためのパスワードなどの秘密情報を管理することは、より困難かつ重要になっています。 いくつか課題の例を挙げます： dev、test、prodなどのさまざまなアクセスパターンをコンテナ環境全体でサポートしたい ホストレベルではなくコンテナ/アプリケーションレベルで秘密情報へのアクセスを隔離したい サービスとしても、他サービスのクライアントとしても、アクセスが必要である疎結合なサービ
第37回 Linuxカーネルのコンテナ機能 ― cgroupの改良版cgroup v2［1］ | gihyo.jp
この連載をはじめてから、毎年この連載の記事でAdvent Calendarに参加してきました。昨年までは、この連載の記事で"Linux Advent Calendar"に参加してきました。 今年は参加するカレンダーを少し変えて、まずはこの記事で私が所属する会社のAdvent Calendarであるファーストサーバ Advent Calendar 2017の5日目に参加してみます。あまりたくさんの人が興味を持たなさそうな話題なので、会社のAdvent Calendarにマッチするのか心配です (^_^;)。 さて、Linuxでコンテナでリソース制限を行うための機能として、この連載では第3回から第5回まで3回に渡ってcgroupについて解説しました。 cgroupは、多くのLinuxディストリビューションでinitとして採用されているsystemdが使っていますので、今やLinuxをお使いであ
マージン最大化近傍法の読書メモ - yasuhisa's blog
社内で異常検知本の輪講を進めています。今回は近傍法による異常検知。一年くらいに一人で読んだときのメモはこちら。慣れない人は途中で出てくる劣モジュラの概念や勾配の導出が大変かなと思ったので、メモ書きしておきます。 劣勾配/劣勾配法 目的関数が連続で微分可能な関数の場合、SGDなどによって最適化が可能な場合がある。しかし、微分可能でない点を含む場合(機械学習の文脈ではヒンジ損失やL1正則化項など、様々なところで目にする)、単純な勾配法は使えない。しかし、勾配の概念を拡張した劣勾配法で最適化を行なえる場合がある。 連続で凸な関数fがあったときに、任意のに対して を満たすようなをにおけるfの劣勾配という。勾配は一つの値であるが、劣勾配は条件を満たすものが複数存在することがあるので、値ではなく集合として与えられる。1次元で書くと分かりやすいが、右辺が傾きgで、点(a, f(a))を通る直線であり、左
研究者になるまで │ 東京大学文学部・大学院人文社会系研究科
私は気が弱い。およそプレッシャーというものが苦手で、受験競争がいやで高校を辞めたほどである。みなが一心不乱に勉強している図書館に行くとあらがい難い眠気を覚える一方、騒然とした駅のベンチでにわかに学習意欲を覚えることもある。高校を辞めた後も、半年ほどぶらぶらしていると、次第に学習意欲が湧き、毎日英書を読んだり、古典語を勉強して過ごすようになった。そういうあまのじゃくな人間が何かを選択するとき、競争の少ない、ひそやかな分野に心惹かれるのかもしれない。 高校を辞めたころは、多くの青年がするように、ひとは楽しくもない人生を何のために生きるのかということをよく考えた。自分の人生の難問に取り組むことなくしては、実用的な学問を修めて世の中を渡っていくのは無意味だと思ったので、大学に行きたいと思い直したときから、人文的なことが学べる学部に行こうと心が決まっていた。計画どおりにならない人生だから、天の導きに
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
Subgradient Methods
Distance Metric Learning for Large Margin Nearest Neighbor Classification