観てきました。 感想を書くべき作品だと感じたのでこうして記事にさせていただきました。 以下記事を読む前の注意点 映画の核心を含むネタバレがあります 約12000字の長文です 辛口評価です 同時期に公開された『劇場版 仮面ライダージオウ Over Quartzer』の内容に触れて比較する箇所があります 以上を承知の方のみお読みください。 まず最初にこれだけは誠意を以て伝えます。 この映画は親子連れで観に行ってはいけません。 もしかしたら世のお父さんお母さんは、上映後に瞳を輝かせている子供に対して「これがぼくわたしが昔夢中になってたゲームなんだよ」とちょっぴり自慢げに語る情景を想像しながらこの映画を観に行く計画を立てているかもしれませんが、そのような光景を実現することは不可能です。 この映画はドラクエ５をプレイしたことがない子供が観ても楽しめないし、お話を理解することができません。 この作品は

喜矢武 豊 × ホンダ NSX（現行型） 「エアーバンド」という言葉を世に広めたと言っても過言ではない、人気ヴィジュアル系バンド「ゴールデンボンバー」。 今回は、そのゴールデンボンバーでエアーギターを務める喜矢武 豊さん（通称・キャン様）とサーキット走行を決行！　ご自身のカーライフやバンドメンバーとのエピソードについても詳しく伺ってきました。 ヴィジュアル系エアーバンド、ゴールデンボンバーのギター。愛称はキャン様。楽曲のギターソロ中に行われる体を張ったパフォーマンスが人気。ライブに使用する段ボール製の小道具・大道具を手作りし、かつてライブで段ボール製のサックスや「真実の口」風アートを披露したダンボールアートの名手でもある。俳優として映画やテレビ、舞台でも活躍中。

思って、作者が師弟関係にあるって知ったので、子供心に 「オーケー、漫画の世界では絵柄っていうのはそういう風に継承されていくシステムなわけね」 って合点してたんだけど、その後振り返ってみるとそういうのってこの例以外に全然なくて、手塚パロディの人とかを除くと、どの漫画家もその人の固有の絵柄を持ってるよね。 でもまんがってすごく抽象化というか記号化された表現なのに、あらゆる漫画家がそれぞれ判別できるくらい違いを出せてるのってちょっと驚きだと思うわけです。

by rawpixel AI(人工知能)を用いた映像変換技術「Deepfake(ディープフェイク)」の文章版とも言うべきテキストジェネレーターを、イーロン・マスク氏らが出資する非営利のAI研究組織であるOpenAIが開発しました。しかし、あまりにも高精度のテキストを簡単に自動生成できるため、開発陣が「あまりにも危険過ぎる」と危惧しています。 New AI fake text generator may be too dangerous to release, say creators | Technology | The Guardian https://www.theguardian.com/technology/2019/feb/14/elon-musk-backed-ai-writes-convincing-news-fiction OpenAIが「GPT2」と呼ばれる新しいテキスト

アメリカ政治 @America_seiji オポチュニティは兄弟のスピリットとともに90日の寿命を大幅に超え、科学に貢献しました。6年後にスピリットが力尽きた後は一人で火星を探索しました。オッピーは彼の努力をたたえて名付けられた「不屈の谷」で眠ります。意思はいとこのキュリオシティに引き継がれました。 pic.twitter.com/Il8jo8vUID 2019-02-15 14:26:18 リンク news.yahoo.com 'My battery is low and it's getting dark': Mars rover Opportunity's last message to scientists NASA's Opportunity Mars rover was built to operate for just 90 days, but kept going for

過去記事の続き。やはり実際のデータでデータ処理をやるのは勉強になります。 ……お金になるかは別にして、Pythonという言語の習熟度は向上しているはず。 a244.hateblo.jp 方針 OCR処理 画像の抽出 画像をPDFに変換・結合 一括OCR JSON分割 タブ区切りテキストののパース 成果物 反省点 方針 過去記事の方針を踏襲。 目次のPDFから交渉記録（応接記録）を機械可読（Computer Readable）な形式に変換 マスク無しのPDFを画像化、再度PDFに変換して過去記事で紹介したAPIでOCR 目次のページ番号から必要なページを割り出して、OCR結果を分割、どうにして添付資料のページを除去 どうにかしてMarkdown化 静的ページジェネレーターでWebページ化 この記事の対象は上記の「2. 」と「3. 」です。 OCR処理 といってもデータさえ用意すれば過去記事の

ディープラーニングおじさん 私の会社には「ディープラーニングおじさん」がいます。「います」といっても私が勝手に一人で心の中でそう呼んでいるだけですが…ともかく、今日はその「ディープラーニングおじさん」が、機械学習経験ゼロから、最終的に会社を動かすまでの華麗なる軌跡を紹介したいと思います。 なお、会社に関する情報は、私の都合である程度、虚実入り混じった情報になることご了承ください。今回の話で伝えたいことに関しては、影響は無い範囲とは思っています。 ディープラーニングおじさんの華麗なる軌跡 自分のツイートを「ディープラーニングおじさん」で検索したら、最初に引っかかったのが2016年10月ころでした。もう1年半くらい前ですね。 自分も個人で少しだけディープラーニング試したりしてるので、ディープラーニングおじさんに少しだけ自分の知ってる情報を提供してみたけど、おじさん何も聞かずに特攻しててワロタw

MeCabにデフォルトで入っていない言葉を形態素解析した時に，意図しない区切られ方になることが有ります． 例えばレシピ中に出てくる「水を切る」という言葉は，「水」「を」「切る」と形態素解析されます． これは間違いではありませんが，「水を切る」という意味ではなくなってしまい，それが困る場合があります． なので，MeCabの辞書に登録されていない語句をまとめた，「オリジナル辞書」の作り方を書いていこうと思います． 辞書の作成方法 ここでは，MeCabのオリジナル辞書の作成方法を記載します． データは全てCSV形式（カンマ区切り）で作成します． 文字コードはShift-JIS，改行コードは¥r(Linux)で作成してください． 名詞 名詞は，以下のように登録します． 左から， 登録したい名詞,ID,ID,重み,品詞,品詞の説明,*,*,*,*,登録したい名詞,カタカナ表示,カタカナ表記 と並んで

前置きというか概要 今年のEMNLP2017で提案されていたSCDV(Sparse Composite Document Vectors)について、日本語のコーパス(livedoor ニュースコーパス)で検証しました。 20171114追記 fasttextベースのSCDVによるテキスト分類精度を追記しました。 SCDVのモチベーション (https://dheeraj7596.github.io/SDV/) いい感じのランディングページまで用意していてすげえなって思いました。論文は当然のようにarxivで公開されています。大正義。 https://arxiv.org/pdf/1612.06778.pdf HTMLで読みたい方はこちら。https://www.arxiv-vanity.com/papers/1612.06778/ これを読んでいる皆様に、「どうにかして文章のベクトルが欲しい

知財実務のための機械学習

最近Bitcoinの方が流行っている印象を受けますが，ディープラーニングの勢いは依然強く，Google Trendを見ても未だに検索数は上昇傾向にあるように見えます． 実際体験してみるとわかりますが，ディープラーニングはとんでもなく強力な機械学習の手法で，うまく使いこなせれば強力な武器になります．しかし，「ディープラーニングにはPhDが必要だ」「ディープラーニングは素人には学べない」といった幻想もちらほらあり，興味はあってもなかなかこの世界に飛び込めない人も多いのではないでしょうか？ この記事の目的 この記事では筆者がディープラーニングを学ぶ上で筆者が特に有効だと感じたリソースと，有効な学習法について紹介します．参考までに，筆者はディープラーニングを学び始めてまだ9ヶ月程度ですが，今となっては職場でディープラーニングを教える立場になっています．まだ筆者はディープラーニングに関しては初心者で

トピックモデルは応用範囲が広く、使えるところが多いモデルですが・・ 数式が鬼難しく分かりづらいので、なるべく数式を使わずに分かりやすくしたい。 そして備忘録にしたいってことで記事を書きました。 間違いがあれば指摘して頂けると幸いです。 トピックモデルの使える範囲 端的に言えば、文書からそれが何について記述されているかを推定するモデルです。 実は適用範囲はトピックを抽出をしていくだけではないです。 トピックに分けるだけでなく、文書の補助情報に関連付けをさせたり、ユーザーの情報に依存させたトピックのみに限定したり、トピックに相関関係を持たせたりできます。 また文書だけでなく、画像、ソーシャルネットワーク、論文の引用関係にも応用可能です。 トピックモデルの仕組み 重要な点をいくつか先に述べます。 確率分布、共役事前分布、パラメータ推定の３点がかなり重要になってきます。 １：確率分布 確率の分布な

今まで窓使いの憂鬱(mayu)をinit.dで起動していました。 Ubuntu 16.04に窓使いの憂鬱をインストールする OSを再インストールする機会があったので、init.dによる起動ではなく、 systemdによる起動に変更しようと思います。 serviceファイルの作成 こちらを参考にしました。 Systemdを使ってさくっと自作コマンドをサービス化してみる systemdについて調べたメモ 窓使いの憂鬱のインストールと、設定ファイル(~/.mayu)の編集が終わっているところから始めます。 「mayu.service」というファイルを作成。

2. 自己紹介 ○ driller / どりらん @patraqushe ○ - 2010: コンピュータの会社に勤務 ○ 2010 -: 個人トレーダー ○ 2015 -: Pythonをはじめる

１．背景 （理解が間違っていたらすみませんが）Doc2Vecは、文章が似ているかどうかの判断ができるんだろうな、と考えました。 「判断」とは曖昧なもので、人によっても異なるものです。 もし、Doc2Vecが定量的な数値として「判断」の基準を示してくれれば、これほどありがたいものはありません。 こんな考えから、Doc2Vecを使ってみました。 ２．環境 ubuntu 16.04 python 3 ３．材料 Doc2Vecに判断してもらう材料として、次のものを用意しました。 本願　　　:特開2014-223436 刊行物１　:特開2005-176862 刊行物２　:特開2006-326215 刊行物３　:特開2001-218930 ランダム１:特開2012-123654 ランダム２:特開2015-123654 これは、本願、刊行物１〜３については、特許不服審判「不服2016-15403」からの

はじめに MeCabとは日本語の形態素解析器をいいます。ここで、形態素というのは言語で意味を持つ最小単位のことです。分割された単語をベクトル化したり、各語彙の頻度を調べたりするために、最小単位に分割するモチベーションが生じます。 そもそもなぜ、形態素解析なんかやるの？っていう動機については、http://qiita.com/Hironsan/items/2466fe0f344115aff177 とかに書かれている通り、(上記の記事では、単語の分割が形態素解析に当たります)、分割された単語をベクトル化したり、各語彙の頻度を調べたりするためです。今回は、MeCabを用いて、できるだけ、精度高く分かち書きできるように頑張ります。1 追記) もう一つのMecabをブーストさせよう(Google Search Console編: https://qiita.com/knknkn1162/items/