大学が私に与えた影響 - ながめも
大学は、私の人生にどのような影響を及ぼしたのか、卒業してからよく考えている。世間では就業機会や生涯年収といった実利的な側面についての言及が多いが、それらはあくまで社会構造に起因するものであり、今回私が考えたいのは、人格や考え方に対する、より個人的で抽象的な側面である。 大学にいくと何が変わるのかを考えるには、変わる前、すなわち大学入学前から振り返る必要がある。自分語りが多く含まれる可能性が高いが、個人のブログなので、ある程度はお許し願いたい。自分語りが好きな方に読み進めていただけたらと思う。 小中高 埼玉県に生まれ、公立の小中学校と私立の高校に通っていた私は、とにかく丸暗記が得意で、中学に上がってからは常に学年で成績トップだった。テストの数週間前から教科書とノートを丸覚えし、得点率は90%を越えていた。教科書の本文の穴埋め問題なども、一言一句すべて覚えているため、考える必要もなかった。 学
社内 GameDay をやってみた - エムスリーテックブログ
こんにちは、エムスリーエンジニアリングGの榎田です。趣味は数学とゲームです。数学はここ半年ほど 微積分の勉強 をしていて、ぼちぼち微分形式の話ができそうです。ゲームは黎の軌跡（日本ファルコム軌跡シリーズ最新作）を遊んでいます。初週ナイトメアでも遊べるバランスなのがよいです。あとフェリちゃんがかわいい。 お仕事では Docpedia という医師向け Q&A サービス を開発するチームでの仕事が半分、チーム SRE としての仕事が半分、という立ち位置です。最近、その Docpedia チームで GameDay というものをやりました。その過程で色々なことが学べたので、今日はその話を書きます。 GameDay とは 出した問題 ぱっと見 裏で何を壊したか 結果 問題設計の意図 ひどく難しくしない できることを制限しない 引き継ぎ 感想や学び 一人でも文殊、三人でもっと文殊 権限があることと実際に
NFL 1st and Future - Player Contact Detection 振り返り - :D
はじめましての人ははじめまして。普段sqrt4kaidoという名前でkaggleのコンペなどに参加しています。本記事では、先日まで行われていたNFLで5位に入ることができましたので、その振り返りを行いたいと思います。 概要 データ ベースライン 弊チームソリューション stage1 stage2 推論 上位解法紹介 1st 3rd 感想、進め方など 概要 本コンペは、The National Football League （ナショナル・フットボール・リーグ、以下：NFL）の試合中におけるプレーヤーの外部接触を検出するタスクでした。タスクの実施にあたっては、試合の動画データとトラッキングデータなどのテーブルデータが与えられました。提出はコードコンペティションの形式で行われました。 データ 動画は、全体が映ったものと、ゴール側(EndZone)、サイド側(SideLine)から撮られた3種類
AtCoder黄色を目指してやってきたこと - Qiita
hamamuと申します。 AGC053で大成功して（再）入黄できたので（もう1か月たってしまいましたが）、色変記事として、黄色を目指してやってきたことを書きました。他の記事ではあまり見たことがない取り組みを選んで書いたので、お役に立つ部分があるかもしれません。特に「日本語コーディング」は意外と多くの人に役立つかも知れないと思っているので、ぜひぜひ読んで下さいませ！ 自己紹介 自分の特徴を並べてみます。 中年である（1975年生まれ） 子供の頃からアルゴリズムが大好きだった、パズルも大好きだった 仕事は研究開発関連でプログラミングは日常、高速化も日常茶飯事 かなり難しい問題でも時間をかければ結構解ける しかし解くのが遅い、特に実装が遅い 自分の年代では、競技プログラミングを知っている人がほとんどいません。参加者の中では相当高齢な方だと思います。レートに年齢をかけ算すると、一気に銀冠にジャンプ
社内でデータ分析コンペティションを開催しました
こんにちは、デジタル改革推進部の河合と浅野です！ 私たちデジタル改革推進部では、普段から全社で使うためのデータ分析環境の開発・提供を行っています。 今回は社内でデータ分析コンペティションを開催したのでその内容を報告します。 社内データ分析コンペティションとは？ 社内にある様々なデータ活用課題をコンペティション形式に落とし込み、全社で知恵をしぼって解こうという試みです。 もともと、データサイエンスの界隈ではKaggleやatmaCupと呼ばれる分析力を競うコンペが行われており、課題や技術を集団で共有して解く文化があります。 今回はそれらを参考に、社内のデータを使ったコンペを 6/21~7/2 の２週間にかけて初開催しました。 開催にあたって期待したことは、以下の３つです。 様々な部署に散らばっているサービス特有のドメイン知識、データ、分析技術を一箇所に集める 優れたソリューションを集合知によ
SREチームで社内GameDayを実施しました - Qiita
GameDayとは 起源はAWSが毎年行っているAWS re:inventの中で開催される行事の1つです。 チームを組んでクラウド・アプリケーションを襲う謎の障害や悪意のある攻撃に対処し、トラブルシューティング能力を競うコンテストとなっています。 のちに様々な企業が社内でも実施するようになり、今ではAWS Well-Architectedのセキュリティ項目でもその実施が推奨されています。 ゲームデーを実施する ゲームデーを実施する: さまざまな脅威について、インシデント対応イベントのシミュレーション (ゲームデー) を実施します。このゲームデーには、主要なスタッフや管理者を参加させてください。 教訓から学ぶ: ゲームデーの実行から得られた教訓は、プロセスを改善するためのフィードバックに含まれている必要があります。 GameDayの手順 今回社内で行なったGameDayの流れです。 1. 発
ICFPC 2021 に参加しました - @nojima's blog
ICFPC 2021 にチーム「グレースたなか」として参加しました。 メンバーは cos, nojima, qwerty, seikichi の4人です。また、チームのリポジトリは https://github.com/seikichi/icfpc2021 にあります。 問題 今年の問題はポーズをうまく変形して穴をくぐるというものです。穴をくぐることができれば成功で、ポーズの良さに応じた点数を獲得できます。穴の各頂点にポーズの頂点が近いほどそのポーズは良いとされています。以下の gif を見るとイメージしやすいでしょう。 ポーズは好きなように変形できるわけではありません。辺の長さが大きく変わるような変形は禁止されています。どれぐらいなら辺の長さが変わってよいかは問題ごとに定められています。また、頂点の座標は整数でなければなりません。 問題の一覧は公式サイトにあります。 1日目 今年の IC
Kaggle音コンペで銅メダル獲得したときの手法解説 - Qiita
今年3月頃から機械学習（主にDeepLearning）とKaggleを始め、賞金のあるコンペ「Freesound Audio Tagging 2019（以下FAT2019）」に初めて挑戦しました。やるならばと金メダルを目指していましたが、結果はPrivateLB 89位で銅メダルに落ち着きました。苦労・工夫した点や、参考にした論文、記事、カーネルなども交えてここに記録したいと思います。 ちなみに以下が最終提出カーネルです。 定数で学習モードと推論モードを切り替えていたので、少し読みづらいですが…。なお、MixMatchなど一部の実装は実験的なもので、最終提出には使っていません。 モデルAの学習カーネル モデルBの学習カーネル（A→B 転移学習） モデルBを使った推論カーネル コンペの内容 FAT2019は、環境音データに対して「エンジン音」や「男性の歌声」などのタグを付ける認識モデルを開発
Kaggle のデータ分析コンペ Shopee - Price Match Guarantee で『10位 / 2,426チーム』を獲得しました | MoT Lab (GO Inc. Engineering Blog)
初めまして。MoTのAI技術開発部アルゴリズム第一グループの島越 [1]です。本ブログでは、私が最近ソロで10位を獲得したKaggleのコンペティション「Shopee - Price Match Guarantee」で行った取り組みについてと上位の手法について紹介したいと思います。なお、本記事で使用している画像は特に断りがない限り、上記コンペの画像を使用しております。 1. 本コンペについて まず、今回のコンペがどのようなタスクを解く問題だったのかについてご紹介します。このコンペは、東南アジア最大級のECプラットフォームであるShopeeが開催したもので、データとしてはユーザが登録した商品画像と商品のタイトルが与えられます。また、ラベルとしてはユーザが登録した商品の種別が与えられています。このラベルは、ユーザが登録したものなので、ノイズが多く載っているものになっており、同じ画像や同じタイト
Target Encoding はなぜ有効なのか
分析コンペLT会 https://kaggle-friends.connpass.com/event/154881/
エンジニアのコミュニケーション課題をAWS GameDayで改善しろ！ 〜イベントレポート編〜 - Money Forward Developers Blog
はじめに 先月までの暑さがなりを潜め、秋の訪れを感じつつも冬の息吹を感じる今日このごろ皆さん、どうお過ごしですか？ どうも、1ヶ月ぶりくらいの登場となりました、マネーフォワード技術広報をしている @luccafort です。 技術書典15の原稿をなんとか書き上げたのでようやく先日マネーフォワード社内で開催したAWS GameDay（以降、GameDay）の開催ブログを書くことができます。 本記事はAWS GameDayってなんなの？や、どういうことをしていたの？を、実際のイベントの雰囲気を画像多めでお伝えしていこうと思います。 Approvedをもらってから2週間以上放置した著者の図。 懺悔の意味を込めてここに紹介しておきます。 AWS GameDayとはなにか？ 公式のAmazon Web Servicesから概要を引用します。 AWS GameDay GameDay は、ゲーム化された
AtCoder黄色になりました｜Yuta Fukazawa
割と初期（茶〜水くらいのころ）この記事の150問・典型90問（最後の1問のFPSパート以外）を埋めました。特に典型は2周しました。 その後鉄則も復習的な感じで全部、EducationalDPも全部、PASTを8回分くらい埋めました。 https://atcoder.jp/contests/typical90 https://atcoder.jp/contests/tessoku-book https://atcoder.jp/contests/dp hamamuさん、社会人になってから始めた勢の先輩でもありますし、ライブラリや問題を解く部分以外での向き合い方など色変記事の中でもとりわけ参考にさせていただきました。 意識していることなどコンテストに出られるだけ出る発熱や遅刻以外のタイミングでは基本ratedで、参加できるコンテストは全部出ていました。解けなかった問題＋1問くらいも（難易度によ
Kaggle Masterに学ぶ実践的機械学習[Kaggle TalkingData Competition編] - Qiita
Kaggleでは世界トップクラスのデータサイエンティストが集まり，しのぎを削りながら賞金を狙って日々データを分析しています． これは意外と知られていないのですが，Kaggleはただ単にみんなが競争しているだけでなく，かなり活発なフォーラムがあり，そこでcompetitionが終わった時に優れた結果を残したmasterたちが自分の手法を紹介することが通例となっています． この記事では，先日終了したKaggle TalkingData Competitionで3000以上の参加者の中で特に優れた結果を残した一部の参加者の用いた手法とそこから学べることについて分析・紹介していきます． Competitionの趣旨 Kaggle TalkingData Competitionは大量のクリックデータを元にアプリがダウンロードされるかどうかを予測するという趣旨のcompetitionでした． 用いる特
![Kaggle Masterに学ぶ実践的機械学習[Kaggle TalkingData Competition編] - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/e486a32fc1f7947d8b203354f2f0d0f7343ede5d/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9S2FnZ2xlJTIwTWFzdGVyJUUzJTgxJUFCJUU1JUFEJUE2JUUzJTgxJUI2JUU1JUFFJTlGJUU4JUI3JUI1JUU3JTlBJTg0JUU2JUE5JTlGJUU2JUEyJUIwJUU1JUFEJUE2JUU3JUJGJTkyJTVCS2FnZ2xlJTIwVGFsa2luZ0RhdGElMjBDb21wZXRpdGlvbiVFNyVCNyVBOCU1RCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1jbGlwPWVsbGlwc2lzJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9ZjgzYzI5NGY4MGQ0ZWE5OTc2MDM1MTU5MjIxYjVhODk%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwa2VpdGFrdXJpdGEmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTQ1NTIyN2RlZjFkOTA1YmUzMzAwOTViOTM5ZmZhODlj%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3Df395f1242345cc67b944b1b6065f14f4)
Domain Adversarial Neural Networksについて(前編)
はじめに 先日参加したKaggleのOpenVaccine: COVID-19 mRNA Vaccine Degradation Predictionコンペティションで自分が参加していたチームではDomain Adversarial Neural Networks (DANN)と呼ばれる手法を用いていました。 結果としては、CV, Public LB, Private LBのいずれにも効いていないことが判明したのですが、Kaggleで度々話題になるAdversarial Validationとも類似した面白い技術なので、改めて紹介するとともに本当に使える手法なのかを検証していきたいと思います。 本記事は二部構成(三部構成、2020/10/25更新)になっており、前編(この記事)ではDANNの紹介と、論文中でも紹介されているMNIST/MNISTMを用いて検証を行います。後編つづく中・後編で
競技プログラマーのためのOMake入門 - minus3theta's blog
はじめに 本記事はCompetitive Programming （その2） Advent Calendar 2016の19日目の記事です。 www.adventar.org この記事では、プログラムのコンパイルを自動化するツール、OMakeの使用方法を、競技プログラミングの実例に沿って簡単に解説する。 本記事の対象読者 (主にUNIX系OSで)コマンドラインを使ってプログラムをコンパイルしている人 Windowsでも利用可能なようだが、インストールが大変 特に、OMakeに全く触れたことのない人 OMakeとは OMakeとは、プログラムを簡単にビルドするためのツールの一種である。同様のツールとしてはMakeが有名だが、OMakeは基本的にこれを更に発展させたものとなっている。 読み方はおそらく「オマケ」ではなく「オーメイク」だと思われる。 OMake プロジェクトページ 1. ガイド
CTF作問感想 - 2022 | XS-Spin Blog
CTF challenges I created 🚩. Contribute to arkark/my-ctf-challenges development by creating an account on GitHub. "> また、作問する上で参考にした問題や影響元になっている問題も謝辞の意味合いを込めて載せました。どれも好きな問題なので興味があればそちらもぜひ。 [web] skipinx 「simplewaf - corCTF 2022」の問題に出会い、自分も同じような問題をつくりたいと思ってました。そこで以下を満たす問題をwarmupに配置することを目指しました: とにかく短いソースコード 初心者でも解くことが可能だが、上級者にとっても自明でない[3] 解法が非常にシンプル 今のところ自明と言っている人は観測しておらず、また、序盤はwarmupなのにあまり解かれず徐々にsol
OCamlコードをCoqで検証できる "CFML" で 証明コンペに挑戦 (未完) - keigoiの日記
VSTTE 2012 Software Verification Competition というソフトウェア検証のコンペがあった。参加はオープンで、問題文もPDFで配布されている。 id:yoshihiro503 がチームtebasakiというチームでがんばっていた。僕はCoqに慣れていなかったのでチームに入るのは見送った（というかチームの人数上限4人で入れなかった）。 仕事や出張の片手間でやっていたので、結局一問も検証できなかったけど、楽しかった。 検証にはCFMLというツールを勉強しながら使った。 これを使えば OCaml のソースコードを Coq で検証できる。 それも ref型による破壊的代入つきの手続き的なOCamlを含む。 そして Coqと違い、プログラムは停止しなくてもいい。 つまり、CFMLを使えば、 手続き型プログラムを、ホーア論理+分離論理(のようなもの;後述)を使って
読書感想文「Kaggle に挑む深層学習プログラミングの極意」｜Maxwell
2023 年の 1 月末に出版されました 「Kaggle に挑む深層学習プログラミングの極意」 を著者の一人である 小嵜氏 及び 講談社サイエンティフィク様 から献本いただきました． 本書のお話を最初に聞いた時，あることを思い出しました． それは，4 年程前の「Kaggle で勝つデータ分析の技術」の執筆当時， 「深層学習系の Kaggle 本をだすのはとても大変で，テーブルデータ主体の本の方がまだ執筆しやすい」 と，感じたことです． なぜなら，深層学習の分野は日進月歩だからです． 時間が経っても陳腐化せずに，多くの深層学習系のコンペで普遍的に通用するような知識を体系立てて解説するのは簡単なことではありません． そして，そのような高いハードルに挑戦した本書はとても画期的であると思います． 普遍的には通用しないだろうという判断で，本書に掲載されることなく闇に消えていった手法・知識がたくさんあ
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
競技としてのKaggle、役に立つKaggle
Boot2Rootをやろう / Let's play Boot2Root