1.2 なぜDeep Metric Learningにしたか 改善前のモデルでも特徴量を頑張って作れば解決できないことはないとは思います。「地名、ジャンル等に引っ張られて、拠点名指定を無視してしまう」パターンでは、クエリを解釈するロジックを入れ、地名だということを理解して地名部分のみを拠点の住所とマッチングさせて、それ以外を拠点名にマッチングさせて、という具合で特徴量を作れば正解できる可能性があると思います。しかし、これは一例で全体的に精度を上げるにはさまざまなケースを人が考慮して特徴量を作っていく必要があるので大変です。 そこで、学習データ（クエリと正解拠点のペア）が大量にあることを生かして、DNN（Deep Neural Network）がよしなに学習してくれるのに期待しました。また、プロダクト化することを考えると遅くとも数百ミリ秒以内で応答する必要があるので、クエリと拠点側をそれぞれ

以下はThe Mistakes I Made As a Beginner Programmerの日本語訳です。 The Mistakes I Made As a Beginner Programmer 初心者プログラマが犯しがちな間違いと、それらを特定し、避けるための習慣を学ぶ方法。 まず最初に言っておくことがあります。 この記事は、誤りを犯すことを悪いと糾弾するために作成されたものではありません。 むしろ貴方が誤りに自ら気付き、あるいはその兆候を見いだし、それらを避けられるようにするために書かれたものです。 私は過去これらの誤りを犯し、それぞれから学びを得てきました。 今ではこれらを避けるようなコーディングを習慣付けるようにしています。 貴方もそうしましょう。 紹介は順不同です。 1) 設計せずに実装する 高品質なコンテンツは、一般的には容易に作成できるものではありません。 それには慎重

のぞみ全車指定のJR西日本、「お乗りになってから初めて自由席がないことにお気付きのお客様」とつい煽ってしまう

経緯 きっかけ 金曜日の深夜、寝る前に、はてなブックマークを見ておこうとのぞいて見たら気になるはてな匿名ダイアリーの記事があったので、それに対しての記事を書いて、寝ました。 www.orangeitems.com 朝起きたら 朝起きて、なんとなくGoogleアナリティクスを確認したら、リアルタイム（同時アクセス）の数字がおかしい。122とかいう数字になっていて、おかしい。ブログを始めて2ヶ月くらい経つが、最高記録で20くらいだった。 ホットエントリー入り どうも、はてなブックマークのホットエントリー入りをしたらしい。記念のスクリーンショットをのせておく。もう今後ないかもしれないし。 おかげで、その同時アクセス100〜150くらいの状況が、現在（16:30）まで続いている。ブログを始めて2ヶ月くらいでやっと10000アクセス集めたのに、今日だけで10000アクセスしてしまうというとんでもない

自分の中でエンタメ革命が起きました。以前からヘビーユーザーではあったと思いますが、今年は本腰入れてNetflixのみで観られる映画を掘ったらまあ出るわ出るわ面白いものが。劇場かソフトでの鑑賞かの選択肢しかなかったところに、第三の選択肢としてNetflixの存在感が急激に大きくなった一年でした。 Netflixオリジナル扱いのコンテンツは平均点高いのは知ってたけど、今年は去年より配信数が増加し追いかけるだけでも結構大変。来年はさらに増やすというから嬉しい悲鳴。同時に日本では上映もソフト化もないNetflixでしか観られない作品もどんどん配信されてるわけです。そんな作品の中でも2017年に配信されたものに限って100本以上観たのですが、如何せん本家が「これNetflixでしか観られないよ！」ってプッシュしてくれないので、配信開始が2017年の作品のみをベスト10形式で勝手に紹介しようと思い立ち

今の所おちんちんと呼ばせていただいているのですが…… おペニス・おまら・男性器・男根 悩みます 仮性包茎の場合は お帽子を被ったおちんちん 真性包茎の場合は お帽子が脱げないおちんちん と呼ばせていただいております こちらも他のお上品な言い方を募集しております