今年一番アイデアが光ったゲームはどれ？AUTOMATONライター陣が選ぶ、アイデア・オブ・ザ・イヤー 2019 - AUTOMATON
ホーム コラム 今年一番アイデアが光ったゲームはどれ？AUTOMATONライター陣が選ぶ、アイデア・オブ・ザ・イヤー 2019 今年2019年を振り返る、AUTOMATONの年末企画第3弾「アイデア・オブ・ザ・イヤー 2019」。「このアイデア、素敵だな」と思う瞬間は、ゲーマーの多くが少なからず経験したことがあるだろう。本稿では、2019年に発売されたゲームの中から、もっとも優れた、もしくは斬新なアイデアを含んでいると各ライターが感じたタイトルを紹介していく。 『Baba Is You』 ――既成概念が邪魔をするパズル 開発元: Hempuli Oy 販売元: Hempuli Oy 対応機種: PC/Nintendo Switch 『Baba Is You』は、ステージのルールを変えて解法を見つけるパズルゲームだ。文字のブロックを押してきて文章を作れば、それが絶対的なルールとなる。到達でき
Flairを使ってSWEMによる文章埋め込みを計算する
概要 Flairは、Pytorchで書かれた自然言語処理用のフレームワークです。固有表現抽出や品詞タグ付け、文章分類などの機能を提供しているほか、文章埋め込み (Sentence Embedding) も簡単に計算することができます。以前に本ブログで紹介したSWEMも扱うことができたので、ここで使い方を紹介したいと思います。 記事：SWEM: 単語埋め込みのみを使うシンプルな文章埋め込み - Out-of-the-box 方法 単語ベクトルの読み込み まずFlairで学習済みの単語埋め込みベクトルを読み込みます。あらかじめ学習済み単語ベクトルのファイルを用意しておく必要はなく、以下のコードを初めて動かす際に自動でウェブからダウンロードされます。日本語の場合は、fastTextが提供しているja-wiki-fasttext-300d-1Mが選択されます。 from flair.embeddi
NLP state of the artをお手軽に使えるflair - fukuの犬小屋
A very simple framework for state-of-the-art NLP. zalandoresearch/flair Github NLPのsotaを超簡単に実装できるフレームワークflairを使ってみました。 READMEのふわふわ和訳と触ってみた感想が主な内容です。 ふわふわ和訳はふわっと雰囲気を伝えるだけです。詳しいことは原文を参照してください。 結構頻繁に更新があるので、エラーが出たら公式をチェックしてください flairとは 強力なNLPライブラリ: お手元のテキストを使ってnamed entity recognition, part-of-speech tagging, sense disambiguation, classification（固有表現抽出, 品詞タグ付け, 曖昧性解消, 分類）のsotaを試せるよ多言語対応: 日本語はちょっとだけ単語
僕とNERとFlairと - Qiita
この記事はMYJLabアドベントカレンダー23日目です。 はじめに こんにちは。MYJLab m1のmarutakuです。今回は、固有表現抽出と呼ばれる技術を使う機会があったので、その時に使ったライブラリの紹介をしようと思います。 固有表現抽出(NER)について 固有表現抽出(Named Entity Recognition)とは、企業名や地名などの固有名詞を企業・地名などのラベル付きで取得してくる技術です。 例として、 米航空機大手ボーイングは23日、ミュイレンバーグ最高経営責任者（CEO）の即時辞任を発表した。 2度の墜落事故を起こして運航停止中の最新鋭機「737MAX」の問題の責任を取ったとみられる。 カルフーン会長が来年1月13日付でCEO職に就くという。 https://news.yahoo.co.jp/pickup/6346205 この時、人名はミュイレンバーグ, カルフーンで
MLflowをさくっと導入できるdocker-composeを作った - やむやむもやむなし
tl;dr docker-composeを叩くだけでさくっと認証付きのMLflowサーバーを立てられるようにしました こちらからどうぞ: ymym3412/mlflow-docker-compose みなさん機械学習の実験をしていますか？ 学習に使ったハイパーパラメーターやデータ、Train/Valデータのロス、、Testデータでの各種評価指標、これらを人手で管理しておくのは非常に大変です。 モデルの開発や比較実験に集中していると「あれ、この最高精度のモデルはどんな条件で実験したものだっけ...」となることもあり、再現性が失われてしまうことにもつながります。 この機械学習にまつわる課題を解決するひとつの枠組みが実験管理と呼ばれるもので、学習時に使用したハイパーパラメーターやTrain Loss、Test データでの評価結果などを記録して管理しておくものです。 代表的なものでいうとMLflo
AtCoderで実行時間0msを狙う - Qiita
はじめに 「最強最速アルゴリズマー」の「最速」とは、こういう意味ではありません。 基本 AtCoderで実行時間0msを狙うにはどうすればよいのか？Pascalを使用すればよいです。 Pascalは小規模なプログラムの実行がやたらと速いです。C言語を使用し、入出力をreadとwriteで行っていても0msはなかなか出ませんが、Pascalならほとんど一発で出ます。標準の入出力が爆速なのと、（多分）起動時のオーバーヘッドが極小なんだと思います。 しかし、C言語と比較すると他の点で少し遅いのは事実です。$10^5$回ループするだけでもうC言語より遅くなったりします。 経験的に、Pascalでは実行時間0msの範囲内で 数千から一万回のループ 数百回の入出力 を行えます。ですから、ABC-A問題レベルならば、何も考えずに書いてACするだけで0msがポコポコ出ることになります。 そんなのをわざわざ
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
