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

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

しばらくディレクション・マネジメント業をしてきましたが、3年ぶりに仕事でAndroidを書くことになりました。 新規開発は4年ぶり。やることは盛りだくさん。 最新事情に追いつくのに参考になった・なりそうな資料をまとめておきます。 IDE: Android Studio Meet Android Studio  |  Android Developers そこから!?という。3年前はeclipseでした。 個人では多少触っていますが、知らない便利機能などありそうです。 アプリ出す頃にはstableになるかな〜と楽観視して3.0を使っています。 言語: Kotlin 入門までのKotlin助走読本（PDF） Kotlinスタートブック Kotlinスタートブック -新しいAndroidプログラミング 作者:長澤 太郎発売日: 2016/07/13メディア: 単行本（ソフトカバー） 助走読本は超

※ブコメ800越えました。800人以上の方が、「これ面白いよ」とか、「こんなに面白そうな漫画あるのか、ブコメしとこう」とか、「伝説級の定義を教えてくれ（個人的にはポケモン種族値で説明していたコメントは『うまい』と膝を打った）」とか、たくさんのブコメ・トラバを頂きました。ありがとうございます。コメントいただいた皆さんには感謝しかありません。 本文 手塚治虫とか鳥山明とか藤子不二雄とか、まとめサイトとか互助会ブログとかで「漫画の歴史に残ると思う漫画家」とか「好きな漫画家ベスト100」とか「天才だと思う漫画家」とか「おすすめ漫画ベスト100」とかに絶対挙がってくるような人いるじゃん？ そういう人じゃなくて、ニッチというか売れてないというか知名度が低いというか、とにかくあんましそういった所で名前を見ないんだけど、「俺は（私は）この漫画家好きなんだよおおおおおなんで誰も言わねええええんんんだよおお本

概要 自分用のメモとして、機械学習に関する情報を浅く ( それなりに ) 広くをモットーに、ざっくり整理してみました。 少しでも、他の方の理解に役立ったら嬉しいです。 機械学習とは コンピュータプログラムが経験によって自動的に出力結果を改善していく仕組み。 機械学習の代表的な手法について記載します。 １．教師あり学習 ２．教師なし学習 ３．強化学習 に分けて記載しました。 ※概要説明は一例です。 1．教師あり学習 1-1．線形回帰 予測したい値を算出する式を連続する多項式として表し、各係数を最小二乗法や最尤推定法で求めることでモデルとなる式を決定する Pythonライブラリ：scikit-learn（sklearn.linear_model.LinearRegression） 参考：最小二乗法による線形回帰のアルゴリズム (自身のQiitaの過去記事です) 1-2．ロジスティック回帰 2択

１カ月ほど前から、東京大学の松尾研のディープラーニング公開講座に行っている。 ネットで募集していたのであわてて申し込んだら、とんでもない数の人が集まっていて熱気がすごい。学部生、院生、社会人、あわせて300人以上が同時に授業を受けている。 初回こそ、人工知能概論のような話だったけれど、2回目以降はものすごい速度で授業が進む。そして宿題の量と質もすごい。2回と3回目の授業だけで、普通の学校の半年分くらいの内容になっている気がする。東大、ほんとにやべーよ。 毎回、授業の冒頭は「ふんふん、そうか」とはじまるのだけれど、終わり間近に大量のサンプルコードを見せられて、それをすごい勢いで説明され、最後にゴツイ宿題が出る。授業終了後は、ポカーンってなる（授業中にぜんぶ理解しているひと、どれくらいいるんだろう）。 友人の物書堂の社長の広瀬くん（iPhone辞書アプリ開発の大御所！）も、たまたまいっしょに講

データサイエンティスト協会 木曜勉強会 #09 『意志の力が拓くシステム～最適化の適用事例から見たデータ活用システムの現在と未来～』

(Photo credit: https://pixabay.com/en/books-door-entrance-italy-colors-1655783/) この記事は一昨年のこの書籍紹介記事のアップデート版です。 相変わらず毎月のように新刊書が出続けるデータ分析業界ですが、良い本が増え続けてきたせいでついに初級者向けは6冊、中級者向けは何と15冊にまで膨れ上がってしまいました（汗）。ともあれ、自分のところにアフィリエイトの類は一銭も入らないにもかかわらず*1懲りずに書籍紹介をやろうと思います。 あ、最初に断っておきますが僕の知識レベルは極めて適当なので、極めていい加減なことを書いている可能性があります。また最初に読んでから時間が経っていて記憶があやふやなせいで、内容に関する記述が不正確な書評が混じっている可能性もあります。誤っているところやおかしいところがあったらバンバン突っ込んでく

ちまたでは、機械学習がブームのようです。 が、、まったく時代についていけていません。 しかし、機械学習、特に自然言語処理に精通した人の採用にかかわる仕事をしている、、、 にもかかわらず、自然言語処理どころか機械学習が全く分からない。 これでは、いけない。ということで 「機械学習をたしなむ学生の皆さんと、ふわっと雑談ができるレベル」 を目指して、2017年正月明けから勉強を始めました。 ちなみに、どんなにキリが悪くても1日3時間まで！と決めています。 そもそも機械学習に興味関心があるわけではない やらなければならない他の仕事がある 家事育児が優先 なので、すこしでも無理すると続かないためです。 「AIで世界を変えられる！」 「人工知能で想像もできない未来が、、、」 みたいなご時世の中、ありえないほどの低テンションで淡々と勉強しているわけで 逆に、そういう意識低い系人間はそんなに多くないでしょ

この数年人工知能バブルかってぐらい人工知能関連本が出まくっていて、最初の頃は律儀に一冊一冊読んでいたもんだが、だんだん飽きてきた(そりゃ読みまくってるんだからそうだ)。やれ人工知能に仕事が奪われるだとか奪われない仕事はなんだとかの話は定番だが、定番すぎてそうそう新しい解釈が出てくるわけではない。消える仕事は消えるし、残る仕事の分野もだいたい明らかになってきている。 とはいえそれでも読んでいると「おお、これは視点が良いな」と思えるものもあり、そういうのは読んでいて楽しい。その書き手はやっぱり基本的には専門的な知識を持っている人たちだ。認知ロボット工学者であったり、AI研究所に勤めていたり、機械学習の専門家だったりする。最後のはまた特殊事例といえるが、本稿ではそうした人工知能本飽きた僕の中で記憶に残っている本をいくつか紹介してみようと思う。 まずは基本的なところを教えてくれる一冊 シンギュラリ

Doc2Vecで類似文章を検索してみたので、実装を紹介します。 Doc2Vecとは コンピュータが自然言語を処理するためには、まず人間の言葉をコンピュータで扱える値にする必要があります。 単語の意味をベクトル化する手法としてWord2Vecが存在します。 詳しくはリンク先がとてもわかりやすいのですが、ざっくり言うと前後n単語のリストでその単語を表現します。 こうすることで、例えば「犬」と「猫」は同じような文脈で使われるため、似た「意味」であると考えることができます。 Doc2VecはWord2Vecを応用し、文章をベクトル化するものです。 実装サンプル 今回Doc2Vecを用いて実現するのは、以下の2つの機能です。 単語で文章を検索 類似文章の検索 サンプルとして、青空文庫の文章を使用しました。 なお、この記事で使用するコードはGitHubで公開しています。 (学習に使用した文章もzipに

先日、オンライン学習サイトCourseraの"Machine Learning"コースを修了しました。これが最高に勉強になったわけですが、機械学習に興味があって情報収集を始めてる人にとって、「Courseraの機械学習コースがおすすめですよ」という話は 「はい、知ってます」 という感じではないでしょうか。 （たとえば、Qiitaで検索してみると、以下のような同コースに関連する超人気記事が出てきます） 数学を避けてきた社会人プログラマが機械学習の勉強を始める際の最短経路 - Qiita 機械学習をゼロから1ヵ月間勉強し続けた結果 - Qiita 僕もそんな感じで、幾度となく人や記事に同コースを薦められたりしつつ、たぶん2年ぐらいスルーし続けてきたと思います。 しかし約2ヶ月前、ひょんなきっかけから本講座を始めてみて、やはり評判通り最高だったと思うと同時に、僕と同じような感じでこのコースが良い