これまでのお話 これまではHLACの特徴抽出に始まり、良品学習によるモデル構築までのお話を書いてきました。 今回はさらにその続きで、運用面を考えたモデル組み合わせのお話です！ 存在しない『最適』 みなさんは解決が困難な問題と立ち向かうとき、どうするでしょうか？レベル上げでしょうか？個人の能力不足によって解決できない問題、たとえば100kgのバーベルを持ち上げる、TOEICで100点ピタリ賞を狙う程度であれば、鍛錬や勉強といったレベル上げで対処も可能でしょう。ただし世の中には個の能力の向上だけでは如何ともし難い課題が存在します。 例えば横綱級力士はほぼ確実に競馬で騎手として勝つことはできないでしょう。 逆に騎手として一流の方であったとしても春場所は惨敗するでしょう。 何を当然のことを思うかもしれませんが、正にこれが問題なのです！ 重力魔法で馬に乗る力士と圧倒的体幹で張り手を躱す騎手はファンタ

Our articles are written by humans. We test products to ensure quality and value. While we might earn commissions, which help us to research and write, this never affects our product reviews and recommendations. Data drives the online businesses. Isn’t it? The data can be images, audio, videos, and other documents and files. And the thing is, data keeps on increasing. It means data storage can bec

Rist Kaggle チームの藤本(@fam_taro)です。 今回は Rist Kaggle合宿2023夏の時間を使って、最近の OpenMMLab の始め方をまとめてみました。本記事内ではその中の mmdetection を使って説明していきますが、他の OpenMMLab の使い方もカバーする内容となってます。 また記事の後半では Kaggle のコードコンペなどに参加したいときの使い方も記載します。 1. OpenMMLabとは 下図と紹介文は 公式サイト より引用 OpenMMLab builds the most influential open-source computer vision algorithm system in the deep learning era. It aims to provide high-quality libraries to reduc

こんにちは。 株式会社アカツキゲームスで ATLAS というチームに所属してゲーム内通貨管理基盤の開発及び運用を行っています、なかひこくん (@takanakahiko) です。 最近バイクを買いました。 私の担当するゲーム内通貨管理基盤の開発現場では、「マージ待ち」なるものが存在しました。 今回は、その課題を GitHub の新機能である merge queue で解決した方法を紹介します。 この記事は 2023-07-20 時点での merge queue 及び GitHub Actions の仕様に則ったものです。 今後のアップデートによりこの記事の内容が正しくないものとなる可能性があります。 「マージ待ち」とは 私の担当するゲーム内通貨管理基盤の GitHub リポジトリでは PR のマージ後に走る、同時に実施できない 15 分程度の E2E test が存在しました。 すなわち

[アップデート]全 AWS Fargate 利用者必見！ Seekable OCI インデックスによりコンテナの起動が大幅に高速化するようになりました はじめに 昨年、AWSはSeekable OCI（SOCI）の導入により、アプリケーションの起動と同時にコンテナからデータを非同期にダウンロードするコンテナイメージの遅延読み込みを実現しました。 これにより、コンテナイメージを変更せずにアプリケーションをより速く起動できるようになりました。 今回、SOCIがAWS Fargateにもサポートされました! SOCIは、ECRに保存されているコンテナイメージと同じECRにインデックスを作成しておくことで、イメージ全体をダウンロードせずに個々のファイルを抽出してコンテナを迅速に起動できます。 Amazon ECR リポジトリからイメージをダウンロードする際には、自動的にSOCI インデックスの有無

Preferred Networksは深層学習を中心に、 コンピュータビジョン、自然言語処理、音声認識、ヒューマンコンピュータインタラクション、強化学習、ロボティクス、コンパイラ、 分散処理、専用ハードウェア、バイオインフォマティクス、ケモインフォマティクスといった幅広い分野で研究開発を行っています。 © 2014-2019 Preferred Networks, Inc. All rights reserved.

エンジニアの上野です。Cluster Servicesチームという、PFNのKubernetesベースの機械学習基盤を開発・運用するチームに所属して、基盤の改善や新機能の開発に務めています。本記事では、深層学習における学習データセット読み込み速度の改善を目指して開発し、現在もKubernetes上で運用中の分散キャッシュシステムを紹介します。 PFNの機械学習基盤については、ブログ「2022年のPFNの機械学習基盤」もご参照ください。 深層学習における学習データセット読み込み 深層学習を高速化するため、深層学習に向いたアクセラレータの開発が日々続けられています。PFNで開発しているMN-Coreシリーズや、NVIDIA社製GPUもそのひとつです。これらのアクセラレータは高速に行列演算を行うことができ、深層学習の1イテレーションにかかる時間を高速化、ひいては深層学習を活用する研究開発全体を加

朝　目が覚めて 真っ先に思い浮かぶ オーバーナイトした含み損ポジのこと 思い切って それを切った 「どうしたの？今日も顔暗w」って 聞かれたくなくて ... メルト （資産が）溶けてしまいそう まだ切ってない爆損ポジあるなんて 絶対に言えない だけど （資産が）メルト （残高と）目も合わせられない by ??? (20??年) はじめに こんにちは。日本爆損防止委員会です← みなさん、今日も爆損ポジと楽しくお過ごしでしょうか 前回、以下の記事にてNumeraiを通じて金融時系列の評価指標を学ぶことで、爆損を無意味に重ねなくて済むようになるのではというお話をしました quantstatsという様々な評価指標を一気に計算し可視化とレポーティングまでやってくれるライブラリも紹介し、すでにトレードロジックのある人には必ず役に立つでしょうというお話もしました 今回は、自分でまだトレードロジックを持っ

Cloud Native Computing Foundationは、仮想マシンをKubernetesで管理可能にする「KubeVirt」がバージョン1.0に到達したことを発表しました。 Kubernetesは起動中の多数のコンテナを管理し、ワークロードを割り当てるなど、コンテナベースのオーケストレーションツールとして開発されました。 KubeVirtはそのKubernetesにおいて、コンテナと同じように仮想マシンを管理可能にするソフトウェアです。 QEMUとlibvirtで仮想化レイヤをコンテナ化 具体的には、QEMUとlibvirtが用いられた仮想化レイヤをKubernetesで扱わせることが可能になります。 これにより例えばデータベースのようなコンテナよりも仮想マシン上で実行することが望ましいと考えられるアプリケーションを、仮想マシンのままでKubernetesを用いて管理可能です

最初に その後のディープラーニングおじさんの話です。シンデレラの続きみたいなものなので、読まないほうが夢を壊さないかもしれませんということだけ、ここで注意喚起いたします。 この記事、ずっと下書きに入ったまま公開しようか迷っていたのですが、ディープラーニングおじさんのご家族にもご了承いただき、公開することにしました。そこまで拡散は希望していないのですが、特に制限するつもりはありません（できません）。 ディープラーニングおじさんとの出会い振り返り ディープラーニングおじさん（以下Dおじさん）とは、今だに私のブログでトップのPV数を誇る記事の主役です。 上記記事ではあっさり書いていますので、もうちょっと解像度高く思い出しながら振り返ってみたいと思います。 そもそもの出会いは、社内で異動した後、たまたま隣の課にDおじさんがいたことからはじまります。Dおじさんは、私より一回り以上上の年齢（50代後半

はじめに 以前こちらの記事で書いた github actions のパイプラインの高速化の検討について、高速テストフレームワークとして期待されている Vitest についても検証したと述べたのですが、 今回はその Vitest に関する移行検証記事です。 github actions の job を高速にするために取った対策 ※上の記事では vitest の方が遅かった記載をしていますが、今回テストを再実行してみたところ vitest の方が速度が速かったため、裏で何かしら別のプロセスが動いていたかもしれないです。 Vitest とは vitest.dev Vite 環境のために開発された高速テストフレームワーク Jest と互換性がある まだメジャーバージョンではない(記事執筆時v0.22.1) 結論 Vitest への移行結果 Jest に比べて Vitest の方が 10%少しテスト

株式会社野村総合研究所（以下「NRI」）は、オラクルのローコード開発1プラットフォームOracle APEX2を活用して、大規模基幹系システムの構築を行いました。それにより、複雑な業務処理や高いレベルのセキュリティといった高度な要件が求められる大規模な基幹系システムにおいて、従来のプログラミングによる開発手法に比べ、直近の事例では約30%の期間短縮を実現しています。 NRIでは、これらの実績を踏まえて、顧客企業が情報システムをローコード手法で開発するために必要なコンサルティングから、実際のローコード手法によるシステムの設計・構築・運用まで、一括でサービスを提供します。 Oracle APEX採用の背景と開発実績 市場には、さまざまなローコード開発のためのプラットフォームが存在しますが、プラットフォームによっては拡張性が低く、小規模でシンプルなアプリケーションの開発に利用が限定されてしまうと

スプリント レトロスペクティブにおいて、チームで「anycommu」という振り返りアプリを使っているので、その有用性を共有したいと思います。 前提として、私は現在(2023/7/8)、2つのチームに所属しています。１つは、エンジニアとして開発チームに所属しており、2つには、POとして新入社員向けのアジャイル開発研修のとあるチームに所属しております。 どちらのチームでも週に1度、1時間程度の時間をとってスプリントを振り返る機会があります。 目次 振り返りってなんのためにするの？ 振り返りアプリanycommuと振り返り手法KPT/FunDoneLearnについて anycommuは、振り返りにどのような影響をもたらしたか（実体験） おわりに ※anycommuを使ってみた体験談のみに興味がある方は、2章に記載しているURLおよび、3章をお読み頂ければと思います！ 1.振り返りってなんのために

概要 原著者の許諾を得て翻訳・公開いたします。 英語記事: Rewriting the Ruby parser | Rails at Scale 原文公開日: 2023/06/12 原著者: Kevin Newton サイト: Rails at Scale | The Ruby and Rails Infrastructure team at Shopify exists to help ensure that Ruby and Rails are 100-year tools that will continue to merit being our toolchain of choice. 日本語タイトルは内容に即したものにしました。 なお、本記事では「パーサー」（parser: 構文解析器）はカタカナで、lexer（字句解析器）は英ママで表記します。 参考: 構文解析 - Wikip

Spring BootによるAPIバックエンド構築実践ガイド 第2版 何千人もの開発者が、InfoQのミニブック「Practical Guide to Building an API Back End with Spring Boot」から、Spring Bootを使ったREST API構築の基礎を学んだ。この本では、出版時に新しくリリースされたバージョンである Spring Boot 2 を使用している。しかし、Spring Boot3が最近リリースされ、重要な変...

ども、かずきちです。 ご無沙汰です。 この2,3年ほどは、贅の限りを尽くして遊びながら仕事をしてました！笑 最近までやってたこと 2020年には役員報酬を1億にし、個人の税金だけで5000万以上を払う（既に老後にもらえる年金がすごいことになってる） 家5軒借りてみる うん億の豪邸を発注 フェラーリやらロールス3台乗り回して最近はランボルギーニウルスを買う 六本木を真っ青なロールスで走ってたら、殿と間違えられたのか石田純一さんに覗き込まれる 某有名実業家も常箔しているリッツ・カールトン東京で1泊2,30マン払って年200日以上はそこで仕事する（何度か僕が打ち合わせている横でその方も打ち合わせていました） 一泊200万のペントハウスに泊まってみる 東証プライムの社長何人かにM&Aのお話をしにいったら引き抜きにあう 今や資産1200億以上のM&A総研の代表に上場前にお会いし「ウェブカツは20億で

tl;tr ChatGPTの新機能「Function calling」はすごい。 今後注目される機能になっていくと思われる。 ChatGPTの新機能「Function calling」について 6/13のアップデートで、ChatGPTに新たな機能「Function calling」が実装 されました。 「Function calling」は、ChatGPTに「呼び出すことができる関数」を教えておく機能で、ChatGPTがこの関数を呼び出せるようになります。 この機能を活用すると、ChatGPTを経由することで、曖昧な指示でも関数が実行できるようになります。 「Function calling」の概要と可能性 概要 ChatGPTに呼び出せる「functions」をパラメーターとして渡します。 この状態で通常通りChatGPTに送信をすると、関数の呼び出しを要求するレスポンスが帰るようになり