ビットコインって怪しいの？仮想通貨をマイニングしているユーザーに最近の事情を聞いてみた 数年前とはいろいろ違う？PCマイニングの今、8月1日危機の話も text by 藤本健
★発券終了しました 「寿司 虚空編」発売記念 小林銅蟲先生トークショー＆サイン会 - 書泉/神保町・秋葉原
★ご参加くださいましたお客様にお知らせです（8月21日） イベントにつきまして、たくさんのご来場ありがとうございました。 おかげさまで、楽しいイベントとなりました。みなさまに御礼申し上げます。 一点お詫びをお知らせいたします。当日、イベント会場にて参加券を回収できなかったお客様がいらっしゃいまして、 その場合、ご登録のポイントカードにリモートでポイントをおつけすることができない状態となっております。 大変お手数かけますが、ご希望の方は、下記メール宛に、 ・お客様のお名前 ・もしわかれば参加券番号（こちらに控えがございますので、わからなくても大丈夫です） ・ポイントカードナンバー（バーコードのところに書かれているナンバーです） ・お電話番号 以上４点をご連絡くださりますよう、お願いいたします。 不備が発生してしまい、大変申し訳ございませんでした。 grande@shosen.co.jp
学習済みの分散表現をLSTMの埋め込み層に利用する - Qiita
概要 自然言語処理におけるディープラーニングでニューラルネットを構成する際には、RNNやLSTMなどの層の前に、単語ごとに任意の次元のベクトルを用意した埋め込み層(embedding layer)を利用することがあります。この層はニューラルネットの学習の際に同時に重みを学習することもできますが、既に単語の分散表現(word embedding)を別の手法やデータセットで学習しておき、学習済みの分散表現を重みとして利用することができます。 今回は、Kerasにおいて埋め込み層に学習済みの分散表現を利用する方法を紹介します。今回は、word2vec等の機能を提供しているパッケージgensimでの読み込み機能を用いることにします。 方法 日本語の単語分散表現 今回は東北大の乾/岡崎研究室が公開している「日本語 Wikipedia エンティティベクトル」を利用します。 日本語 Wikipedia
KagglerのためのGit入門 - tkm2261's blog
お久しぶりです。絶賛ニートを楽しんでるtkm2261です。 今日はTwitterで意見が諸々散見されたので、私のKaggleでのgit活用法を共有しようと思います。 Gitの独学はハードルが高いですよね。。。 gitの運用は開発プロセスと密接なのであまり外に出てこなかったり、 実際に自分でやらないと覚えない系なので独学は結構難しいと思ってます。 (同じ理由で、テストコード系も広まらなかったり) 私も学生時代はSVNに馴染めなくて、業務でプロダクト開発して初めてバージョン管理が身についたタイプです。 最初はSourceTreeで慣れ親しんで、gitコマンドという流れを辿りました。いきなりGitコマンドのハードルの高さは理解してるつもりです。 www.sourcetreeapp.com とはいえ、慣れるとこんなに便利なものはないので、出来る限り平易に語りたいと思います。 Kaggle利用特化(
TensorFlow Object Detection APIを使ったロゴ検出 - Qiita
はじめに 2017年7月に発表されたTensorFlow Object Detection APIを使ってロゴ検出をできるようにしてみます。 以前に物体検出を試したときは、用意されていた学習済みデータを使用しましたが、今回は教師データの作成からやってみます。 手順 教師データの作成 学習 検出テスト の順で進めていきます。 検出するロゴ 今回は僕が勤務するgifteeのロゴ１種類のみ検出させてみます。 教師データの作成 イメージの収集 Google画像検索を使って、ロゴが含まれたイメージを収集します。 今回は40個ほどのイメージを集めました。 矩形選択とラベリング TensorFlow Object Detection APIはイメージに含まれる物体を検出するので、 その物体を含む矩形とその物体のラベル教えるためのデータが必要です。 今回はlabelImgを使ってそのデータを作成します。
Pythonメモ : better-exceptionsで例外情報を見やすくする - もた日記
better-exceptions インストール 使い方 better-exceptions github.com better-exceptionsを使用すると例外情報が図のようにみやすくなる。 インストール pipでインストールできるので下記コマンドを実行。 $ pip install better_exceptions 使い方 以下のようにbetter_exceptionsをインポートすればよい。 import better_exceptions 試しに下記コードを実行した場合の出力を比べてみる。 import better_exceptions foo = 52 def shallow(a, b): deep(a + b) def deep(val): global foo assert val > 10 and foo == 60 bar = foo - 50 shallow(b
濫用にあたる職務質問を受けたと考えたので弁護士と現場検証してきた
承前 本の虫: 警察官に職務質問をされた話 本の虫: 濫用に当たる職務質問を受けたと考えたので弁護士に相談して訴訟を起こすことになった話 さて、弁護士と職務質問を受けた現場にいって当時の流れを再現してきた。 ところで、私は今回の濫用に当たる職務質問を受けたことを弁護士に相談して、裁判費用と弁護士報酬を合わせて61万円を支払った。こう書くと、にわかにカンパを支払いたいという連絡が何件もやってきた。61万円は少ない額ではない。幸い、私には貯蓄と収入があるので、生活に影響を与える出費ではない。 この問題に身銭を切ってまで感心を寄せる人間がこれだけいるのだという可視化のためにカンパを受け取るというのも考えたが、現在、生活が困窮しているわけでもなく、またこれ以上の出費が見込まれるわけでもなく、かつ出所のわからない金をあまり受け取りたくはないというのもある。第一その金は61万の支出と相殺して所得はなか
犬4匹本出版にあたって
先日，翻訳書を上梓しました。 これに伴って，出版社のFacebookページに寄稿したのですが，転載の許可をもらいましたので私のブログからも情報発信したいと思います。 この度、J.Kruschke著の「Doing Bayesian Data Analysis, Second Edition: A Tutorial with R, JAGS, and Stan」翻訳書を出版する機会をいただき、2年弱の長期にわたる作業になってしまったが、無事に出版の運びとなったことを心から嬉しく思う。仕事が終わった！という嬉しさではなく、この本によって統計やデータサイエンスに関わるより多くの人に、ベイズの素晴らしさとわかりやすさを伝えることができ、伝統的な方法論から新しい世界へご案内できることの嬉しさ、である。 「これからはベイズ統計学だ」と言う話を耳にするようになり、行動計量系の学会で「まあメトリシャンの半数
インターネット史上最大のリベンジポルノ 伊藤直也事件
わりと伊藤直也さんをよく知ってる人でも、このブログは読んでいないのでまず必読 → http://naoyaito.blog.fc2.com 炎上の第一対策はダンマリというけれど、それはあくまでも失言とか、言い訳してもどうにもなんないレベルのものであって、このままダンマリを続けると、先方のブログに書いて有ることだけが全ての真実ということになってしまって伊藤さんは社会的に抹殺されてしまう気がするんだけど。このまま表舞台に出ないで嵐が過ぎ去った頃に何事もなかったかのように復帰するシナリオなんだろうか。 id:otsune のときはあれは相手もどうなの?という人だったのでみんな「ホテル代くらい返してやれや」とイジるくらいで笑えたんだけど、伊藤直也さんの場合はガチでクズな案件なので誰も擁護できないどころか笑いにもできないという地獄絵図。サイバーメガネとかその周辺の女どもは勝手にやっとれと思った
不正アクセスによる情報流出の可能性に関するお知らせとお詫び（第一報）
＞第二報についてはこちらをご確認ください ＞最終報についてはこちらをご確認ください 謹啓 貴社益々のご盛隆のこととお慶び申し上げます。平素は格別のお引きたてを賜り厚くお礼を申し上げます。 このたび、弊社の保持する検証サーバー（保守契約管理システムの検証サーバー、以下 当該サーバー）に対する不正アクセスが確認されました。当該サーバーには、保守契約管理システムの移行作業で利用する取引先情報が格納されたファイルが存在し、不正アクセスを行った第三者（以下、攻撃者）に情報が流出した可能性があることが判明しました。お客様および関係者の皆様に多大なるご心配とご迷惑をおかけいたしますことを、深くお詫び申し上げます。 現在、第三者機関による詳細な調査を行っており、詳細が判明次第、速やかに公表する予定です。弊社および第三者機関において、攻撃者が当該ファイルを持ち出した痕跡を確認する一次調査を行いましたが、情報
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
Speeeにおける監視ツールの選定プロセス
LSTM with word2vec embeddings
Randomly initialized embedding matrix
naoyaのはてなダイアリー
痴漢被害の「ブラックボックス展」 女性側が民事訴訟へ