23区内で信号なしで60km走れる道といったら - mziの日記
東京都では緊急事態宣言も発出中。 県境を越える移動は控えてくださいと言われています。 しかし、ロードバイクではすぐに超えてしまいますよね。 そんな中、23区内で60km信号なしで走れる道があるんです。 それは、荒川CR。 東京都内だけを右岸と左岸目いっぱいに走り、60km走れます。 一般道は、河口付近の清砂大橋、新葛西橋と、環七の鹿浜橋だけで、信号なし。 でもこれだと、ちょっと往復があるのがなぁ という方、ご安心ください。 往復なしで、一周でも40km。 往復有り無しは、河口付近で先端まで行くか、埼玉との県境付近で笹目橋まで行くかどうかの違いだけ。 私は、普段は、往復なしコースを主に行っています。 今回初めて、先端まで目いっぱい走ってみて、60kmを超えたので少し驚きでした。 多くの人が行きかう場所では、止まれる速度で。 どうしても、速く走りたい人は、早朝から6:00までがおすすめです。
教師なし画像特徴表現学習の動向 {Un, Self} supervised representation learning (CVPR 2…
教師なし画像特徴表現学習の動向 {Un, Self} supervised representation learning (CVPR 2018 完全読破チャレンジ報告会)
本当に使ってよかったOpenAPI (Swagger) ツール | フューチャー技術ブログ
サードパーティ製のツール本家からは上述のツールが提供されていますが、サードバーティ製の様々なツールが世の中には存在します。 エコシステムが成熟しているのもSwaggerを利用するメリットの一つですね。 https://openapi.tools/ 冒頭のとおり、このサードパーティ製のツールの中で実際に利用して良かったツールを3つご紹介したいと思います。 Stoplight Studiohttps://stoplight.io/studio/ 1つ目のツールは「Stoplight Studio」というAPI仕様を記載するためのGUIエディタとなります。 今までSwagger Editorを利用してYAMLを書いていたそこのみなさん、YAML筋力はもう必要ありません。 Design APIs 10x faster の謳い文句どおり、Stoplight Studioを使えばGUIで直感的に、高速
スタディプラス、電子参考書サブスク「ポルト」公開--月額980円で出版12社が読み放題
学習管理アプリ「Studyplus」や、教育事業者向けの学習管理プラットフォーム「Studyplus for School」を提供するスタディプラスは9月18日、日本初（同社調べ）となる大学受験生向け電子参考書のサブスクリプションサービス「ポルト」を9月17日に公開したと発表した。料金は月額980円。 サービス開始当初は、主要な教育系出版社12社（アルク、旺文社、学研プラス、KADOKAWA、講談社、新興出版社啓林館、スタディカンパニー、世界思想社教学社、Z会ソリューションズ、第一学習社、東京書籍、山川出版社）の約30冊の参考書を利用でき、2020年度夏には100冊に拡大する予定。 ポルトでは、大学受験の主要科目である5教科（国語、地理歴史・公民、数学、理科、外国語）から、17科目（国語<現代文、古文、漢文>、日本史、世界史、地理、現代社会、倫理、政治・経済、数学1、数学A、数学2、数学B
「ブロックチェーンビジネスのハイプサイクル」を発表、Gartner
Gartnerはブロックチェーンに関する最新レポートを発表した。ブロックチェーン技術は今後5～10年間にほとんどの業種において、ビジネスを変えるような影響を与えるとの見通しを示した。特に銀行と投資サービス、ゲーム、小売業界の動向をまとめている。 Gartnerは2019年9月12日（米国時間）、最新レポート「Hype Cycle for Blockchain Business, 2019」（ブロックチェーンビジネスのハイプサイクル：2019年）を発表し、ブロックチェーンは今後5～10年間にほとんどの業種において、ビジネスを変えるような影響を与えるとの見通しを示した。 Gartnerのディスティングイッシュトリサーチバイスプレジデントを務めるデビッド・ファーロンガー氏は次のように指摘している。 「CIO（最高情報責任者）はまだ、ブロックチェーンが自社のビジネスに与える影響について、確かな見通
【論文読み】新・オートエンコーダで異常検知 - Qiita
以前の記事でオートエンコーダによる異常検知は古い！と書いてしまいましたが、 最近は進化しているようです。 今回ご紹介する論文は、損失関数を工夫することで通常のオートエンコーダよりも 異常検知能力を上げる手法です。 ※本稿の図は論文（Improving Unsupervised Defect Segmentation by Applying Structural Similarity To Autoencoders）より引用しています。 論文の概要 通常のオートエンコーダによる異常検知は、微小な異常は捉えられない。 そこで、一枚の画像に対し小さな枠を用意して「輝度」、「コントラスト」、「構造情報」の類似度を計算して異常検知を行う。 本手法を使うことで、通常のオートエンコーダやVAEの異常検知と比べて、AUCで大幅な向上が見られた。 異常部分の可視化についても、通常のオートエンコーダよりも優れ
オープンソースのWebアプリケーション分析ツール「Cube.js」
「Cube.js」は、npmやyarnでインストールできるオープンソースのWebアプリケーション用分析ツールです。RDBだけでなく、AWS AthenaやGoogle BigQueryなどのサーバーレスクエリエンジンと連携するように設計されています。機能が非常に豊富なので、今回は初期セットアップに的を絞ってご紹介します。 ◆ オープンソースのWebアプリケーション分析ツール「Cube.js」 https://cube.dev/ 紹介 「Cube.js」は、GUIも完備した高機能なWebアプリケーション分析ツールです。 インストール $ npm install -g cubejs-cli # or $ yarn global add cubejs-cli npmまたはyarnでインストールします。 $ cubejs create <プロジェクト名> -d <データベースタイプ> （データベー
米ガートナー「先進テクノロジのハイプ・サイクル：2019年」を発表。5Gやバイオチップは過度な期待、レベル4の自律走行や次世代メモリは幻滅期
米ガートナー「先進テクノロジのハイプ・サイクル：2019年」を発表。5Gやバイオチップは過度な期待、レベル4の自律走行や次世代メモリは幻滅期 米調査会社のガートナーは、「先進テクノロジのハイプ・サイクル：2019年」を発表しました。 ガートナーのハイプサイクルは、技術の登場から安定までを5つのステージに分けて説明したものです。5つのステージは、「黎明期」から始まり、「『過度な期待』のピーク期」「幻滅期」「啓蒙活動期」「生産性の安定期」まで。この途中で消えていく技術もあります。 2019年版では2000を超えるテクノロジを分析した上で29の先進テクノロジが提示されています。 左の黎明期からいくつか注目したいテクノロジを見ていくと、黎明期には「非中央集権型自律組織」「転移学習」「説明可能なAI」などが並んでいます。 「過度な期待」のピーク期では、「自律走行（レベル5）」「AI PaaS」「バイ
超簡単 Kerasで複数Input統合モデル - Qiita
Kerasで複数の情報を入力して、途中で結合する方法を紹介します。 この方法は、例えば以下のように画像とテキストを使って予測モデルを作る場合などに有効です。リンク先参考。 ImageDataGeneratorを使いつつ統合する方法は、記事「KerasのImageDataGeneratorを使いつつ複数Input統合モデル」を参照ください。 処理概要 以前、記事「【Keras入門(1)】単純なディープラーニングモデル定義」で紹介した以下の図の配列dataを2つに分解して統合するモデルにしてみます。 処理プログラム プログラム全体はGitHubを参照ください。 ※なぜか直接GitHubで見られずに、nbviewerなら参照できました。nbviewerにhttps://github.com/YoheiFukuhara/keras-for-beginner/blob/master/Keras09_
Learning deep representations by mutual information estimation and maximizationを読んだのでメモ - 機械学習とかコンピュータビジョンとか
はじめに Learning deep representations by mutual information estimation and maximizationを読んだのでメモ．Abstractの最後の１文で"DIM opens new avenues for unsupervised learn- ing of representations and is an important step towards flexible formulations of representation-learning objectives catered towards specific end-goals."といっている非常に力強い論文． 気持ち 現状の表現学習はreconstruction lossを使った自己符号化器で行われるものが多いが，それは入力のデータに依存した目的関数になっている
超簡単！よく飛ぶ紙飛行機の折り方。即席で25m飛んだ！
折り紙ヒコーキ協会の会長の戸田拓夫さんがよく飛ぶ紙飛行機の折り方を、 テレビ番組の特集で、教えてくれていたので実際に折ってみました。 戸田さんの織り方で飛ばした紙飛行機は、本当に良く飛ぶので、家の中では狭すぎて飛距離がわかりませんよ（笑） ただ、すごい豪邸に住んでいる人は除きます…。実際に紙飛行機を作って「飛んだぜ！！」って人はイイねしてくれると嬉しいです！！ ちなみに、私の家の端から端まで10mぐらいあるのですが、楽勝で飛んでいきいました。 戸田さんがスタジオで飛ばした時は25m飛んでいましたよ。 用意するものはA4サイズの紙を一枚です。 紙のサイズはA4サイズでいいのですが、戸田さんによるとツルツルの紙と比べると、片面広告などの使われているガサガサの紙の方がよく飛ぶそうですよ！ より飛ばしたい人はガサガサの広告用紙を使って作りましょう！ あっ！それと、いまから紹介するのは飛距離を伸ばす
製造業の優秀企業の投資収益率は20％超 アクセンチュアが調査結果発表
アクセンチュアは2019年8月23日、産業分野の企業で本格化している実証段階の取り組みがデジタル変革に与える影響についての調査結果を発表した。それによると、成果を上げている企業はデジタル投資収益率（RODI：Return on Digital Investment）が高く、PoC（概念実証）を本格化しているため収益が他社平均を上回っていることが分かった。 今回の調査によると、製造業で優秀な企業は実施したPoCの半数以上を本格化して同業他社を上回る収益を挙げていた。しかもこうした企業では、成果が目標を上回っていた。同社の調査によると、優秀企業は平均22.2％のRODIを目標としていたのに対して、実際のRODIは25.4％だった。 関連記事 しょうもないROI算出に時間を使ってはいけない 社内にはERPをはじめさまざまなITサービスがある。しかし、「ITサービスをサービスとして成立させるために
「スタバなう」ツイートをニューラルネットで学習してラーメン判定器を作る(keras+Tensorflow+VGG16) - Qiita
この記事の抜粋したコードの完全版はGitHubでご覧いただけます。 また、この記事で作成したモデルはTwitterのスタバ警察botで実際に試せるので、ご興味があれば適当な画像を「スタバなう」という文字列と一緒にリプライしてみてください。 こういうtweetが機械学習界隈からの怒りを買ってます(笑) https://t.co/COV1IHyh03 — Yuki Suga (@ysuga) July 26, 2019 というツイートからも分かるように、現在のスタバなうツイートは完全に関係ない画像で蹂躙されており、実際にスタバで撮影された画像は全体の24%しかありません。 逆にここまで来ると、残り76%の画像に着目した方が良いのではという気すらしてきます。 というわけで、「スタバなうと言いながら投稿される関係ない画像」の筆頭であるラーメンの分類器を、スタバなうツイートだけで作れるかどうか試して
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
https://www.cs.cmu.edu/~morency/MMML-Tutorial-ACL2017.pdf
http://hirokatsukataoka.net/temp/cvpaper.challenge/SSL_0929_final.pdf
2018年国内RPAソフトウェア市場は対前年比113.5％増の155億600万円 IDCが発表
Jekyll を使用して GitHub Pages サイトにテーマを追加する - GitHub Docs
Top 5 Natural Language Processing Python Libraries for Data Scientist.
Deep Reinforcement Learning with Python and Keras
3 Beginner-Friendly Techniques to Extract Features from Image Data using Python