RejectKaigi 2017で「GraphQL on Rails」という発表をしました - Bit Journey's Tech Blog
id:gfxです。 RejectKaigi 2017で「GraphQL on Rails」という発表をしました。 当日はKibelaでプレゼンテーションをしたので、それをそのまま資料として発表します。 2017/08/19 at Speee, Roppongi. 自己紹介 Kibelaという情報共有サービスを開発している Kibelaの公開Web APIをフルスクラッチするにあたってGraphQLを調べているところ 自分のOSSを誰かに引き継いだり共同開発体制にしていたら、GitHubのpinned reposがすべてorganizationのものになった 本日の話 GraphQLとは GraphQLをRailsに組み込む話 GraphQLとは Web API のためのクエリ言語 http://graphql.org/ RESTful API の次を狙うWeb APIアーキテクチャという位
Pythonメモ : あまり知られていない（かもしれない）テクニック集 その2 - もた日記
listtocommaseparated.py : リストをカンマ区切りで出力 minmaxindex.py : リスト内の最小値、最大値のインデックスを取得 removeduplicatefromlist.py : リストから重複要素を削除 reverselist.py : リストを逆順にする reversestring.py : 文字列を逆順にする flattenlist.py : ネストされたリストの平坦化（flatten） sortlistkeepindices.py : ソート前のインデックスを保持 transpose.py : 転置 copylist.py : リストの浅いコピー、深いコピー merge_dict.py : 辞書をマージ dictionaryget.py : 辞書にキーが存在しない場合にgetメソッドを使用 dictdefaultvalue.py : 辞書のデフ
Go言語でコマンドプロンプトに画像を表示するコマンドを作って、Vimの:terminalで表示させた - non vorrei lavorare
おはようございます。保育参観後、次男は熱を出し、また、長期化して、実家暮らしかもと冷や冷やしましたが、すぐに回復して、長男の誕生日イベントに奥さんと映画に行ってこれました。@kjunichiです。 背景 ANSIエスケープで端末に画像を表示するものは多く出回っていて、自分もmacOS上ではnode.js実装のansi-canvasのexampleのimgcatを 愛用している。 しかし、事前準備なしでWindowsのコマンドプロンプトに表示するものはなかなか見つからなかった。コマンドプロンプトにも一部の文字に 色を付けて表示することは可能なので、色数は限定されそうだが、原理的には出来なくなさそうだった。が、 Windowsの直接のAPIだと、Windowsでの開発歴が浅い自分には、難易度が高かった、ANSIエスケープ並みの手軽なAPIで これを実現するものがないものかと、物色していたところ
普通の人は何をあきらめるべきなのか？
最新の国民生活基礎調査（厚生労働省）をざっと覗いてみると、現代の日本における普通の家の生活環境が透けて見えてきます。 同調査に寄れば、1年間で1世帯が稼いだ平均所得はおよそ546万円であることが分かります。 そこで本日は「平均値＝普通の家」と捉え、普通の家が健全な生活を送っていくために、何を諦め、何を重要視すべきなのかそのライフプランに迫っていきたいと思います。 普通の家ってどんな家？ まずここでは、最新の調査をもとに「普通の家」が置かれている状況を整理してみることにします。 普通の家の収入 引用：年齢階級別の世帯平均所得金額 日本における平均的な世帯年収は、30歳時点でどれほどあるのでしょうか。同調査における年齢階級別の世帯平均所得値から予測してみたいと思います。 そこで、30歳以上59歳以下の世帯に注目し、各階級区間における中央値から年収上昇率を計算してみました。 すると、このグラフに
ラベルなしデータの有効活用：深度の推定と画像の分類
8/9のarXivTimes輪講では、ラベルなしのデータを有効に活用した研究が紹介されました。今あるデータをどう活用するか、という点は実運用においても役立つテーマと思います。 Unsupervised monocular depth estimation with Left-Right Consistency こちらは一枚の写真から深度を推定する手法を、画像/深度(Depth map)のペアではなくステレオ画像から学習させようという試みです。深度の教師データを作成するのは面倒ですが、ステレオ画像なら簡単に集められます。これを有効に活用することを試みた研究です。 手法としては、Depth mapを直接推定するのではなくステレオ画像における視差(Disparity map)の推定を行っています(視差がわかれば深度も推定できるため)。左カメラ画像から視差を推定し、推定視差と元の画像を組み合わせた
97%の精度：教師なし学習でMNISTデータを分類する手法 - Qiita
はじめに クラスタリングとハッシュラーニングの部分を完全に理解することはできませんでした。有識者の方がいれば教えて欲しい・・・ 対象読者 教師なし学習で分類を行いたい方。一般的な機械学習の知識、コンピューターサイエンスの知識がある方が対象になります。 背景 教師データが用意できないタスクがある。 教師データが少量しか用意できないタスクがある。 教師なしデータはある。 上記の状況で有効な手法を探すために下記の論文を読みました。 Hu, Weihua, et al. "Learning Discrete Representations via Information Maximizing Self Augmented Training." arXiv preprint arXiv:1702.08720 (2017). 選んだ理由 精度が高い コードが公開されていて再現できそう ベースとなる手法
ネットサーフィンの壺
はじめてFirebaseを学んだときは良さがまったくわかりませんでした。 それはいまいちメリットがわかりづらか […]
deeplearn.jsを遠くからそっと眺めてみた | adamrocker
Googleから発表された機械学習のためのJavaScriptライブラリのdeeplearn.jsを眺めてみたので、纏めておきます。 オフィシャルを舐めて、どういうものか、これからどんな感じになっていくか（いってほしいか）をダラっとタレます。 注意 眺めたのはv0.1.0なので、内容が今後大幅に変更になる可能性があります（というかある）。 触った環境 MacBook Pro (Retina, 15-inch, Mid 2015) - プロセッサ: 2.5GHz Intel Core i7 - メモリ: 16GB 1600 MHz DDR3 - グラフィックス: AMD Radeon R9 M370X 2048 MB Chrome 60.0.3112.101 (Official Build) (64ビット) deeplearn.js v0.1.0 Exampleを眺める 何ができるかを眺める
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
org-mode、お前の実力はそんなもんか!？