新型コロナワクチン・職域接種のスケジュール調整を自動化した話 - Speee DEVELOPER BLOG
こんにちは、経営企画・戦略推進室の布施です。 当社内では、ビジネス上の課題に対して技術的解決を橋渡しする「ビジネストランスレーター」という役割を主に担っています。 今回は、コロナワクチンの職域接種をいかにうまくスケジューリングするか、というテーマに関しての投稿になります。 技術的な内容がメインですが、今まさにお困りの企業さんもいらっしゃるかと思ったので、なるべくそういった方のご参考にもなるように、周辺的な情報もシェアしていきたいと思います。 （最後にソースコードも公開しています） 概要 短期間で、多数の従業員やご家族の接種希望日時を、機械的にマッチングするには？ 職域接種における、他の手段（予約システムなど）とのメリデメ比較、およびTips 状況および課題 職域接種について 弊社では、6/29,30に、第一回の職域接種を実施することになりました。 もちろん、その実施に向けては、総務部門を中
計算機アーキテクチャを考慮した高能率画像処理プログラミング
3. ムーアの法則に従って集積回路のトランジス タ数は年々倍増 背景（1/4） 3 40th Anniversary of the Microprocessor https://newsroom.intel.com/press-kits/40th-anniversary-of-the-microprocessor/ 2011年：Core i7 3960X vs Intel 4004 35万倍 1971年：Intel 4004 トランジスタ2300個 5. 現在のコンシューマ向け最上位 Intel Core i9 7980XEは2.6 GHz，18コア，512ビットベ クトル演算器，FMAユニット２つ搭載 –単純：2.6 GFLOPS –理想：3.0 TFLOPS （倍精度：1.5TFLOPS） • 2.6*18*16*2*2 • ターボブーストや増加したL2キャッシュ，SMTを活 用す
理研AIP主催Micheal Jordan先生最適化セミナー聴講メモ - tkm2261's blog
お久しぶりです。 今日は10/20に参加した、理研AIPでのMicheal Jordan先生の講演のメモを書いていきたいと思います。 参加を許可頂いた理研AIPの方や司会の福水先生も良い会をありがとうございました。 Talk by Prof. Michael I. Jordan (University of California, Berkeley, USA) | 革新知能統合研究センター In this post, I am writing about Prof. Micheal Jordan's speak at Riken AIP in Oct. 20th. If you have some problems about this post, please inform to @tkm2261 on Twitter. いまはニートなので参加したセミナーの報告をする義務は全く無いのです
Death of Optimizing Compiler (最適化コンパイラは死んだ・抄訳)
Death of Optimizing Compiler (最適化コンパイラは死んだ・抄訳) 2017-09-02 [Sat] 16:07 研究室のリストに流したのでここにもついでに書いておく。 djb が2015年にやった「最適化コンパイラは死んだ」という講演の抄訳。 Death of Optimizing Compiler Daniel J. Bernstein スライド: http://cr.yp.to/talks/2015.04.16/slides-djb-20150416-a4.pdf 音声: http://cr.yp.to/talks/2015.04.16/audio.ogg …この講演のタイトルは「最適化コンパイラの死」ですが、 皆さんの中に「最適化コンパイラ」が何か知っている人はどれくらいいますか? …ほとんどですね。では「死」については? (笑) …そんなにいないようです
lossfunctions
lossfunctions They are a window to your model's heart. Contribute loss functions to @karpathy. It doesn't matter if your loss functions are flat, converge, diverge, step or oscillate (or any combination of the above). All loss functions are computed beautiful in their own way and are sought after with equal tenacity.
How to optimize for the Pentium family of the microprocessors
How to optimize for the Pentium family of the microprocessors (In Japanese)Original (in English): http://www.agner.org/assem/ Copyright (c) 1996, 2000 by Agner Fog. Last modified 2000-03-31. Translation into Japanese by Nobuhisa Fujinami and Takashi Itoh. Last modified 2000-05-30. このページは、Agner Fogさんによる同名のマニュアルの、藤波順久及び伊東尚志による日本語訳です。原文(英語)の著作権はAgner Fogさんにあります。また、日本語訳中の「私」とは、Agner Fogさんのことです。原文はhttp
The News on Auto-tuning
Ed. Note: this post is in my voice, but it was co-written with Kevin Jamieson. Kevin provided the awesome plots too. It’s all the rage in machine learning these days to build complex, deep pipelines with thousands of tunable parameters. Now, I don’t mean parameters that we learn by stochastic gradient descent. But I mean architectural concerns, like the value of the regularization parameter, the s
Embracing the Random
Ed. Note: this post is again in my voice, but co-written with Kevin Jamieson. Kevin provided all of the awesome plots, and has a great tutorial for implementing the algorithm I’ll describe in this post In the last post, I argued that random search is a competitive method for black-box parameter tuning in machine learning. This is actually great news! Random search is a incredibly simple algorithm,
Hyperband demo by kgjamieson
Hyperband: A Novel Bandit-Based Approach to Hyperparameter Optimization Kevin Jamieson on joint work with Lisha Li, Giulia DeSalvo, Afshin Rostamizadeh, and Ameet Talwalkar (https://arxiv.org/abs/1603.06560) The hyperparamter optimization literature in recent years has been dominated by hyperparameter selection algorithms (e.g. Bayesian Optimization) that attempt to improve upon grid/random search
[PDF] 最適化から見たディープラーニングの考え方 得居 誠也
c � 1. 5 2011 10 [1] ImageNet Large Scale Visual Recognition Challenge (ILSVRC) 2012 2 10 [2, 3] 1 [4] [5] 2. x ∈ X y ∈ Y z = (x, y), Z = X × Y Preferred Networks 113–0033 2–40–1 4 tokui@preferred.jp S = {zi}N i=1 ⊂ Z f : X → Y F = {fθ|θ ∈ Θ} fθ ∈ F F zi S f z = (x, y) �(f, z) f(x) y ES(f) = ( � z∈S �(f, z))/N ES(f) f z = (x, y) E(f) = Ez[�(f, z)] E(f) E(f) f f [6] f� F f� F F ˆ fF E(f) E(f� ) E(f
HTTPパーサにおけるSSE4.2最適化の威力と注意点 - Cybozu Inside Out | サイボウズエンジニアのブログ
こんにちは、サイボウズ・ラボの光成です。 PicoHTTPParserは@kazuhoさんたちが開発している高速なHTTPパーサです。 同じ作者によるHTTPサーバH2Oにも使われています。 11月4日の開発ブログによると、その時点でNode.jsなどに使われているhttp-parserの10倍程度の速度を誇るそうです（現在はhttp-parserも速度向上しその差は縮まりました。それでも4倍以上の差があるようです）。 該当ブログにはその高速化のためのノウハウが書かれていて大変興味深いです。ただIntel系CPUに搭載されているSIMD命令は用いられていませんでした。今回、@kazuhoさんと一緒に文字列処理専用のSSE4.2を用いることで1.7～1.9倍の高速化を達成しました（Improving Parser Performance using SSE Instructions (in
卜部昌平のあまりreblogしないtumblr - 最速の memset64 を求めて 今回のお題は char 幅じゃなくて word 幅の...
今回のお題は char 幅じゃなくて word 幅の memset 、つまりプロトタイプだと void* memset64(void* destination, uint64_t image, int num_words); をどれだけ高速に行うかという話。なぜ高速化するかというと、塗りつぶす領域がけっこうでかいから。 候補 1: REP STOSvoid* memset64(void* d, uint64_t i, int n) { asm("cld; rep stosq;" :: "D"(d), "a"(i), "c"(n) : "memory"); return d; } 最近の CPU はクソ賢い。そのため、下手に手で loop unrolling するよりも、逆に CPU に「ここはループなんだぞおおお～」というのを明示的に指示してあげたほうが CPU 側が勝手かつ不気味に最適な
GCC 4.8でぶっ壊れるSPECのお粗末なコード
本の虫: GCC 4.8のリリースノートとC++関連の変更で、GCC 4.8は464.h264ref: SPEC CPU2006 Benchmarkを壊してしまう。これはSPECベンチマークの規格違反によるものであると書いた。では、具体的に何なのか。それを解説している記事を発見したのでかいつまんで紹介。 Embedded in Academia : GCC pre-4.8 Breaks Broken SPEC 2006 Benchmarks Regehr: GCC 4.8 Breaks Broken SPEC 2006 Benchmarks [LWN.net] どうやら、SPECベンチマークは以下のようなコードを含むそうだ。 int d[16]; int SATD (void) { int satd = 0, dd, k; for (dd=d[k=0]; k<16; dd=d[++k])
Differential Evolution Homepage
Differential Evolution (DE) for Continuous Function Optimization (an algorithm by Kenneth Price and Rainer Storn) Table of contents History Basics Practical Advice Java Code C Code MATLAB ® Code Scilab Code PSather Code C++ Code Fortran90 Code Python Code Labview Code R Code Pascal Code C# Code Maple Code Demo-Programs Applications of DE Commercial SW using DE Academic SW-packages using DE Other l
忘却がもたらす驚くべき効果 ―軽微な忘却は、運動指令を最適化することを理論的に証明― | 東京大学
平成24年6月29日 東京大学大学院教育学研究科 1．発表者 平島 雅也（東京大学大学院教育学研究科・助教） 野崎 大地（東京大学大学院教育学研究科・教授） 2．発表のポイント ◆どのような成果を出したのか 運動学習プロセスにおける「軽微な忘却」には、運動指令を最適化するという予想外の効果があることを理論的に証明しました。 ◆新規性（何が新しいのか） 脳における最適化計算の実態は謎に包まれていましたが、脳に生得的に備わっている忘却という機能がその役割を担っている可能性を初めて示しました。 ◆社会的意義／将来の展望 適度な休息（忘却）を取り入れた効率的な練習スケジュールの開発など、スポーツやリハビリテーション分野への応用につながることが期待されます。 3．発表概要 忘却というと、記憶を阻害するものとして悪いイメージを持つ人が多いかもしれません。しかし、今回、東京大学大学院教育学研究科 平島雅
GCCの最適化オプションは "-O3"までしかない - Shohei Yoshida's Diary
ここ十数年ぐらいの GCCの最適化は "-O3"までありません。 稀に "-O3"より大きい、"-O4"等を見るけど、それは結局 "-O3"に されてしまいます。 追記 なお最高速度のオプションは "-Ofast"です。ただこれは規約に 沿わない形での最適化も含まれます。大部分は問題無いと思い ますが、利用する場合は一応注意した方がよいでしょう。 GCC 4.8 snapshotのソースコードで確認したところ、一応内部的には保持 されていますが、結局最大で 3との比較しかないので意味がありません。 (255以上だと 255以上にされます) 大昔は "-O6"まであったという話ですが、今はありません。 将来的にどうなるか知りませんが、意図しないことをされないように "-O3"までをつけるのが無難でしょう。 各オプションの違いを知る。 GCCの各オプティマイズレベルで有効になる最適化を調べる
さいきんの Rails サービスを高速化をしてみた - 2nd life (移転しました)
先日のももクロハッカソンで出会った wantedly を作ってる仲さんが と言ってたので、面白そうなので wantedly を速くしてみました。 wantedly ちなみにデータが数百万オーダーもなさそうなのに、どのページもログインすると2-5秒ぐらいかかっていたので、確実に速くできそうだなぁという感覚はやる前からありました。 アプリケーションサイドのチューニング 初心者*1にありがちな問題として SQL に適切にインデックス張ってない キャッシュすべき場所をキャッシュしていない 無駄なデータを引きすぎてる ことがよくあります。ので順に実装を見ていきました。 SQLに適切なインデックスを張ってない 張ってありました！びっくり！＼(^o^)／ キャッシュすべき場所をキャッシュしていない Facebook API を利用したアプリケーションなんですが、ユーザのデータの取得を毎回馬鹿正直に HT
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
HTML5 Genetic Algorithm 2D Car Thingy - Chrome recommended
http://www.blacklitterman.org/
速水桃子「パターン認識と機械学習入門」
