タグ

2018年1月24日のブックマーク (5件)

  • 知人女性を何度も"踏みつけ"死なす 73歳男 「死亡させたの間違いない」大筋認める  北海道 (北海道ニュースUHB) - Yahoo!ニュース

    ykhmfst2012
    ykhmfst2012 2018/01/24
    容疑者73歳男、被害者74歳女
  • 【復旧済み】はてなブックマークでブックマークの追加ができない障害が発生しています

    2018年1月24日(水)16:03頃から、はてなブックマークにてブックマークの追加ができない障害が発生しております。 原因はアプリケーションの不具合で、現在復旧作業中です。 申し訳ございませんが、復旧までいましばらくお待ちください。 追記 2018年1月24日(水)16:38頃、復旧いたしました。 なお、下記に該当されます場合には、お手数ですが再度操作をお試しください。 該当期間に編集のみした場合:再度編集をお願いします 該当期間に削除のみした場合:ブラウザより再度削除をお願いします http://b.hatena.ne.jp/my/bookmark ご迷惑をおかけして、大変申し訳ございませんでした。再発防止に努めてまいります。

    【復旧済み】はてなブックマークでブックマークの追加ができない障害が発生しています
    ykhmfst2012
    ykhmfst2012 2018/01/24
    「ブクマページでブクマボタン押せない」「追加ページから追加/削除は選択できるがエラー発生」「でも追加/削除できてる」「ブクマページには反映されない」という状態だった。16:00頃。
  • 大雪による帰宅ラッシュに巻き込まれた人たちをバカ呼ばわりする記事を載せるネットメディア - あざなえるなわのごとし

    大雪の帰宅ラッシュに巻き込まれたみなさん、お疲れさまです。 blogos.com バカだ。バカすぎる。バカすぎてもう怒る気力もわいてこない。憐れみ。無力感。徒労。ねえ、みなさんはバカなの?もういい加減、学ぼうよ。それとも何?ラッシュに巻き込まれたい痴漢なの?長い行列作って並ぶのが好きなアホなの? こーいう後出しジャンケンであーだこーだ語る輩ってのはどんなときでもいる。この手の輩にかかれば 「台風ってわかってるのにコロッケ買いに出かけるだなんて!」 「雪が固まるってわかってるのに防滑を持ってないだなんて!」 「大地震が来るってわかってるのに関東に住むだなんて!」 「ミサイルが飛んで来るかもしれないのに日にいるだなんて!」 ってのも"正しい"。 毎日出勤ラッシュに揉まれるお父さん方も「バカすぎる」んでしょうし、ウェブに好き放題適当な正論を書き殴るのがきっと「賢い」んでしょう。 【スポンサー

    大雪による帰宅ラッシュに巻き込まれた人たちをバカ呼ばわりする記事を載せるネットメディア - あざなえるなわのごとし
    ykhmfst2012
    ykhmfst2012 2018/01/24
    馬鹿だよ。ラッシュに巻き込まれたということは早退できたということ。だったら最初から休め。救急/インフラなど平時から密にバックアップ体制が組まれた業務でない限り休むべき。小売1日止るくらいで文句を言うな。
  • 広島県 VS EM研究機構 - warbler’s diary

    広島県からEM菌の水質浄化効果を否定する内容の報告書が出された事に対して、EM研究機構が抗議をしていました。 ・EM菌の培養液は有機物と栄養塩類が高濃度に含まれることから「河川等の汚染源になり得る」という実験結果を報告した福島県に対しても、EM研究機構を含むEM推進側が抗議をしていた事については、既にブログで報告しています。 【資料】広島県の報告書 【追記】開示された公文書より 広島県に公文書(行政文書)の開示請求をした結果、広島県がEM研究機構からのクレームにどう対処したのか記録されている文書が入手できしましたので、紹介します。 ※広島県の事例は、他の自治体の参考にもなるのではないかと思います。 (文書中の赤線と赤文字は片瀬が入れました) ※その後、EM研究機構はネット上に広島県とのやりとりを公開しています。 EM研究機構_公開質問の掲示 ※広島県側は、EM研究機構側のペースに乗らない

    広島県 VS EM研究機構 - warbler’s diary
  • Deep Learning基礎講座演習コンテンツ 公開ページ

    プログラムの最大の特徴の一つは、全てのトピックについて、演習を中心に構成されている点です。実際に手を動かしながら理解を進めることで、効率よく学習することができます。 実際にモデルを学習させながら技術を習得する格的な演習内容となっています。Deep Learningは、モデルが実際に学習する様子を観測し、パラメータを調整することでアプリケーションに応じたパフォーマンス最大化を行うことが非常に重要な技術ですが、この一連の流れを全ての演習で経験しながら重要な要素を身につけることが可能です。