スリランカの建築家、ジェフリー・バワをご存知ですか?今やビーチリゾートの代表的存在となったアマンリゾーツの代表、エイドリアン・ゼッカ氏が最も影響を受けたいう、伝説的な建築家です。 ジェフリー・バワの経歴をざっと紹介しておきましょう。 コロンボの裕福な家庭に生まれ、子供の頃から世界各国を旅したバワ。イギリス留学で法律を学び、27歳で帰国した後は弁護士になるものの、再び世界放浪の旅にでかけ、その旅の途中で建築に目覚めます。それから建築を学び始め、38歳で建築家としてのキャリアをスタート。 その後、スリランカの国会議事堂や寺院、ホテルなどの建築を手がけ、その独特で自由な建築スタイルは、2003年の死後、12年経った今でも多くの人を魅了してやみません。 それでは、早速スリランカのバワ建築巡りの旅に出てみましょう。 1991年に建てられた、バワ最高傑作のひとつと讃えられるホテル。北部の遺跡エリア、ダ
今年8月中旬に体調不良により医師の診察を受けた彼は、入院および検査が必要な状態であると診断され、その後の検査で膵臓がんであることが判明。10月22日に無事に手術を終え、現在は自宅での療養を続けている。 活動復帰時期に関しては、医師の判断に従って調整するという。 なお本日11月15日に東京・APIA40でライブイベント「遠藤ミチロウ復活祈願★生誕祭」が開催され、遠藤とゆかりの深い山本久土、クハラカズユキ(The Birthday)、BAKI(GASTUNK)が出演する。 遠藤ミチロウ コメント8月以来体調崩し、入院し、ご心配をかけてます。今年いっぱいのライブスケジュールも全てキャンセルになってしまい、ご迷惑をかけてます。申し訳ありません。 実は入院の検査の結果、膵臓癌であることがわかり、体調の回復を待って、10/22にようやく手術をしました。 先日退院して今は自宅通院治療とリハビリに勤しんで
In the previous blog, we saw how to secure API Gateway using custom authorizer which talks to OpenAM. In this blog, we are going to see how to secure API Gateway using AWS Cognito and OAuth2 scopes. Use Case :Any organization building an API based architecture has to build a common security layer around these APIs, basically on the edge so that all the APIs are secured. There are multiple ways to
はじめに 最近、Amazon CognitoとAPI Gatewayを少し触る機会があり、そこでOpenID ConnectのIDトークンを使ったAPI Gatewayでのアクセスコントロールができることを知りました。Cognitoの 開発者ガイド >> Amazon Cognitoユーザープール >> ユーザープールのトークンの使用には下記のように書かれています。 ID トークンを使用する ID トークンは JSON Web キートークン (JWT) として表されます。トークンには、認証ユーザーの ID に関するクレームが含まれます。たとえば、name、family_name、phone_number などのトークンが含まれます。標準クレームに関する詳細については、OpenID Connect specification を参照してください。クライアントアプリは、アプリケーション内でこの
OpenID Connectでは、以下の4つのアクセス権限付与フローが定義されています。 Authorization Code Grant Implicit Grant Resource Owner Password Credentials Grant Client Credentials Grant これらは、AWS Cognitoにある以下の5つのエンドポイントを組み合わせて実現します。 認証エンドポイント (/oauth2/authorize) ユーザーをサインインさせます トークンエンドポイント (/oauth2/token) ユーザーのトークンを取得します。 ログインエンドポイント (/login) ユーザーをサインインさせます。ログインページにロードされ、ユーザーにクライアントに設定されている認証オプションを提示します。 ログアウトエンドポイント (/logout) ユーザーを
Amazon Cognito is a managed service that provides federated identity, access controls, and user management with multi-factor authentication for web and mobile applications. The service is very rich - any application developer can set up the signup and login process with a few clicks in Amazon Cognito Console by federating with identity providers such as Google, Facebook, Twitter, etc. One of the b
Deep LearningにおけるBatch Normalizationの理解メモと、実際にその効果を見てみるPython機械学習DeepLearningTensorFlowBatchNormalization はじめに 前回、こういう記事をかきました Deep LearningにおけるDropoutの理解メモと、実際にどう効いているのか見てみる 引き続き https://deeplearningbook.org を読んでおり、上記記事でも少し紹介したBatch Normalizationが8章で出てきました。 Dropoutの節では、「Batch Normalizationが超強いからDropoutいらないこともあるよ」とまで言われるレベルのパワーとのこと。一体どんなものなのか 本記事では自身の学習のアウトプットとして、簡単な理解のまとめと、TensorFlowでの実装の説明、cifar
sklearn.neural_network.MLPClassifier¶ class sklearn.neural_network.MLPClassifier(hidden_layer_sizes=(100,), activation='relu', *, solver='adam', alpha=0.0001, batch_size='auto', learning_rate='constant', learning_rate_init=0.001, power_t=0.5, max_iter=200, shuffle=True, random_state=None, tol=0.0001, verbose=False, warm_start=False, momentum=0.9, nesterovs_momentum=True, early_stopping=False, vali
概要 本ページは、代表的な機械学習の手法の特性について独自に簡単にまとめたページです。 (ご意見、ご指摘等あったらご連絡ください。) 世の中のスタンダードなものとして下記もあるので、それを踏まえてご参照いただければと思います。 - ScikitLearn Choosing the right estimator - Microsoft Azure Machine Learning Studio の機械学習アルゴリズム チート シート - 朱鷺の杜Wiki 機械学習 教師データあり 回帰 (一般化)線形回帰 ロジスティック回帰 サポートベクターマシーン(SVM) 木 決定木(CART) 回帰木 ランダムフォレスト 勾配ブースティング木 ニューラルネットワーク(NN) パーセプトロン 畳み込みニューラルネットワーク(CNN) 再起型ニューラルネットワーク(RNN) 残差ネットワーク(ResNe
sklearn.svm.SVC¶ class sklearn.svm.SVC(*, C=1.0, kernel='rbf', degree=3, gamma='scale', coef0=0.0, shrinking=True, probability=False, tol=0.001, cache_size=200, class_weight=None, verbose=False, max_iter=-1, decision_function_shape='ovr', break_ties=False, random_state=None)[source]¶ C-Support Vector Classification. The implementation is based on libsvm. The fit time scales at least quadratically
ランダムフォレストと決定木学習 ランダムフォレストを理解するためには、決定木学習の手法について理解する必要があります。まず最初に決定木学習の理論について説明します。 決定木学習 決定木は親から順に条件分岐を辿っていくことで、結果を得る手法です。下は決定木のイメージです。 決定木学習とはデータの応じて上の図のような決定木を構成し、分類を行う機械学習の手法のことを指します。 決定木学習は、データの種類に応じて決定木を成長させていきます。 決定木の分類条件は、データを分類したときの情報利得IG(Infomation Gain)が最大になるようにすることです。情報利得は式(1)で表されます。 は親のデータ、はノード、は注目しているデータを表します。 は木を分割するノード数です。一般的に決定木は二分木として実装されるので、ほとんどの場合はとなります。 は不純度という指標で、含まれるデータに偏りがある
分類や回帰の問題を扱う場合、選択する手法としてサポートベクターマシン(SVM)とランダムフォレストが候補に上がってくると思います。 しかし、どちらの手法を使うべきなのでしょうか?どのような問題に対しても、一方の手法を使い続ければ良いのでしょうか?それとも問題によって使い分ける必要があるのでしょうか? 手法の手軽さ Python機械学習プログラミングの著者であるSebastian Raschka氏は次のように述べています。 I would say that random forests are probably THE “worry-free” approach - if such a thing exists in ML: There are no real hyperparameters to tune (maybe except for the number of trees; typ
JavaScript チュートリアル 初級編 JavaScript の基礎 JavaScript の第一歩 JavaScript の構成要素 JavaScript オブジェクト入門 JavaScript ガイド 入門編 文法とデータ型 制御フローとエラー処理 ループとイテレーター 関数 式と演算子 数と日付 テキスト処理 正規表現 インデックス付きコレクション キー付きコレクション オブジェクトを利用する Using classes プロミスの使用 JavaScript 型付き配列 イテレーターとジェネレーター メタプログラミング JavaScript モジュール 中級編 クライアントサイド JavaScript フレームワーク クライアントサイド Web API Language overview JavaScript のデータ構造 等値比較と同一性 プロパティの列挙可能性と所有権 クロ
2018年11月中旬に来日したVMware CEOのパット・ゲルシンガー氏をつかまえて、同社が前週に発表したHeptioの買収について聞くと、「KubernetesおよびCNCF(Cloud Native Computing Foundation)におけるリーダーになる」と答えた。 「オープンソースの世界では、コントリビューションが全てだ。Heptioの共同創業者であるクレイグ・マクラッキーとジョー・ベダは、Kubernetes OSSプロジェクトを立ち上げた3人のうちの2人だ。彼らは才能あるスタッフを持ち、多くの重要なKubernetes関連プロジェクトをリードしており、Kubernetes開発の方向性に影響力を持っている。VMwareは、これを製品に生かすことができる。これは、Red Hatがやってきたことに似ている。彼らは(OSSプロジェクトを)リードし、これに基づいてマネタイズして
米国で最も強力な銃推進派グループが、医師は自分たちの仕事に専念しろとツイートした。医師たちはこれに激高し、猛反論した。反論はあっという間に拡散した。 全米ライフル協会(NRA)は7日、「銃に反対する偉そうな医者たちに、持ち場からしゃしゃり出てくるなと言ってやってくれ」とツイートした。カリフォルニア州サウザンドオークスのバーで元海兵隊員が銃を乱射し、12人が死亡した事件のわずか数時間前のことだった。 「自分の手の中で誰かの心臓が止まるのを経験していない限り、その経験を繰り返している我々に、何が『持ち場』で何が『持ち場』じゃないかなど、言わせない」。ユタ州の救急外科医、デイビッド・モリス医師はBBCにこう話した。
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