Microsoft Research Silicon Valley 最後の日を見て - iwiwiの日記
8 月中旬より，インターンとしてマウンテンビューに位置する Microsoft Research Silicon Valley (MSR SVC) に滞在して研究をしていました．期間は 3 ヶ月の予定で，11 月中旬まで居る予定でした．しかし，Microsoft の経営判断により MSR SVC の閉鎖が突然決定され，所属チームの方々を含む殆どの研究者は解雇となり，僕の滞在も突如終了になりました． このショッキングな事件は，英語のみならず日本語のニュースサイトにも取り上げられています． Microsoft to close Microsoft Research lab in Silicon Valley | ZDNet Microsoft Research closing Silicon Valley lab in latest job cuts - GeekWire http://www
「売りたくない」マーケティング、「開発したくない」技術部、「契約したくない」法務部が組織をダメにする。「やらないこと」が最適解になってしまう日本の組織。 - 竹内研究室の日記
日本ではITやエレクトロニクスはダメダメですが、一歩、国外に出れば成長産業。 私が研究しているSSDや半導体メモリを使ったストレージは、ITのクラウド化で猛烈に成長している。 例えば、Flash Memory Summitという8月にシリコンバレーで行われたマーケティングの会合では、400件以上の発表が行われ、4000人もの参加者が。 でも、日本の半導体やITはリストラなどの後ろ向きばかり。GoogleやAmazonのように、世界はドンドン進んでいくのに、日本はどうするんでしょうね。 私は日本の大学に居るし、国（税金）からも予算を頂いて研究している部分もあるので、何としても、日本の企業に貢献したい、復活のお手伝いをしたいと思っています。 ですが、共同研究などのお話をしていると、愕然とすることばかり。 研究するには、それなりにお金が必要ですが、「金は出さないけど、権利は全てよこせ」というケー
専門知識の仕入れ方 - Preferred Networks Research & Development
今日は，普段どのようにして専門知識を仕入れているかについて書いてみようと思います．特に自分が得意でない分野を知りたいと思った時に，どうするかに注目したいと思います．自分の専門の場合は，いくらでも時間を注ぐことが出来るので，世界中のリソースを全て探し当てて勉強すれば良いのですが，ちょっと興味が有るぐらいではそこまでやる時間は取れません．なので出来るだけ効率的に分かった気になるのが目標です． まず，論文を直接読むのはあまり効率的では無いと思います．論文は広い分野の中の或る問題に対して一つの解決方法を書いているだけで，分野全体を俯瞰することは目指していません．論文だけ読んで分野全体を理解するには，最低50本ぐらい読む必要が有ると思います．
twitterで自然言語処理 - Preferred Networks Research & Development
勢い余ってスイカを買ったら、毎日食べるハメになってしまいました。海野です。 どんな業界もそうだと思いますが、世の中の流行りものの論文が増えるという面が自然言語処理界隈にもあります。Web、blog、と来て、最近のトレンドはやはりtwitterに代表されるmicro blogでしょうか。今年の言語処理学会の年次大会でtwitterセッションは大盛況でしたが、国際会議でもtwitterを題材として発表が増えています。 数えてみたら、重要国際会議であるACLで6件、EMNLPでも3件、twitterをタイトルに含む発表が今年ありました。ちなみに2010年の会議では1件もありませんでした。そんなわけで、私も今日はそんな流行りに乗っかって、twitter言語処理関連の論文を3つ紹介します。 Cooooooooooooooollllllllllllll!!!!!!!!!!!!!! UsingWord
最近傍探索2011 - Preferred Networks Research & Development
こんにちは、二台目のmbaを買うのをためらっている岡野原です。 アイテム集合に対し、与えられたアイテムと似ているアイテムを求める、という近傍探索問題は古典的な問題でありながら、現在でも多くの改善がされています。特に言語情報、画像情報、行動履歴情報、生物情報、購買情報などありとあらゆるデータが高次元中の点として表現されるようになってきており、こうしたデータの最近傍探索は広い分野で応用範囲がある技術になっています。 アイテムが低次元（例えば2, 3次元）の場合はkd木や最近だとwavelet木を使う方法がありますが、今回扱うケースは各アイテムが高次元（数百万次元）中の点であったり、アイテム間の距離のみが定義されている場合（カーネル関数など）です。アイテム数は数万から数億ぐらいを想定しています。 最近傍探索問題はいくつかありますが、例えばk近傍グラフ構築問題では、 「アイテム集合X = x1,
1
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
処理を実行中です
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
