はじめにメディア研究開発センターの石井です。 データジャーナリズムのためのデータ分析、文章校正AI Typolessの開発などを担当しています。 2026年で、東日本大震災が起きてから15年の月日が経つことになります。 震災から15年、人々が暮らすまちはどう変わったのでしょうか。 今回は、衛星データから見えてきた被災したまちの変化を、分析の手法とともにご紹介します。 15年間の変化を衛星データから読み取り、震災後にできた「新しいまち」の輪郭を可視化しました。 ※この記事では、衛星データから読み取れた、植生が減少し人工構造物が増えたと推定される地域を、便宜上「新しいまち」と呼びます。 衛星から見えたまちの変化まずは結果から、衛星データから見えてきたまちの変化を紹介します。 震災前の2010年、そして2025年、15年差の衛星データの分析から、市街地になったと思われる箇所を緑の線で囲んでいます

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

AWSのシステム構成情報を集めて構成図を自動生成してくれる「CloudMapper」、オープンソースで公開 CloudMapperを用いることで、AWS上のシステムについて以下のような状況をすぐに把握することができると説明されています。 どのリソースがインターネットに公開されているか？ どのリソース同士がつながっているのか？ アベイラビリティゾーンが落ちたときでも十分堅牢なアーキテクチャか？ このアカウントはいくつのリージョンを利用しているか？ どれだけ大きないシステムを運用しているか？ CloudMapperを開発しているDUOは、セキュリティサービスを提供する企業。同社は自身もAWSユーザーで、さまざまなオープンソースのツールを試してみたものの満足できるようなものがなかったため、自社でCloudMapperを開発したとのこと。 CloudMapperの仕組みは、まずAWSコマンドライン

秋山です。 先日、Google Open Sourceで「Facets」という機械学習向けデータセットの可視化ツールが公開されました。 サイトはこちら opensource.googleblog.com (※Chromeであれば、ブラウザ上でどういったことができるかのデモを触れます。Safariだとうまく動かない？ようなのでご注意ください） GitHubはこちら github.com デモのようにブラウザ上でデータを可視化したり、Pythonライブラリのjupyter内で使ったりすることができます（ブラウザで表示させるかjupyter内で表示させるかだけの違いですが…） 例えば巨大なデータを扱っていて、うまく分離できていないデータ群はどの辺りになるのか…といったことを可視化して眺めたいときなどによさそうなので、実際にちょっと使ってみたいと思います。 ■Facets使ってみた Facetsに

「計算を行い結果を作図して確認」という作業において計算をリモートで実行するケースも多い．この作業フローについて思い浮かぶ選択肢は以下の通り． 計算結果の出力データ（ログ）をファイルに保存．（テキストベースだったり，シリアライズしたものだったり．）それをクライアントに転送し，別のプログラムで作図，確認する． Jupyter Notebookを使う．サーバにてJupyter Notebookサービスを動かし，クライアントからWeb Browserで接続，もちろん図もBrowser上で確認． サーバとリモートデスクトップ接続して，一連の作業を行う． サーバサイドで作図，図のファイル出力まで行う．PNG，PDF等イメージファイルをクライアントPCで見る． これまでは選択肢1, 2を選ぶことが多かったが，今回，選択肢4のサーバサイドでの作図についてTipsを紹介したい． 最初の失敗 「matplot

サイトトップ ノート マイニング ├ マイニング ├ バスケット解析 ├ バスケット解析をＲで ├ 図書貸出をＲで ├ モデルクラスタリング └ テキストマイニング ├ テキストマイニングTM ├ TMとシソーラス ├ PubMedをTM ├ TMとMeSH ├ TMとNLTK ├ テキストマイニングとtagger ├ 医薬品添付文書ＤＢ ├ 論文の処理1 ├ 剽窃１ ├ Bing検索 └ 分子進化学 ├ 分子進化学 └ Pythonと論文アクセス ├ Pythonを使ってみる ├ PythonでPubMed ├ Pythonで...続き └ CUDA ├ GPU ├ ProgrammingGuide ├ Selandメモ ├ 数値積分 └ ACS、PHPからLDAP ├ ACS導入 ├ 新規ホスト移行 ├ 再度やり

Help us understand the problem. What is going on with this article?

Google、機械学習データセットの理解と分析を支援するインタラクティブ視覚化ツール「Facets」をGitHubにて公開。操作できる体験デモサイトもあり 2017-07-18 Google Researchは、PAIRと協力して、機械学習データセットの理解と分析を支援するオープンソースの視覚化ツール「Facets」をGitHubにて公開しました。 GitHub – PAIR-code/facets: Visualizations for machine learning datasets 機械学習の力は、大量のデータからパターンを学習する能力にあり、強力な機械学習システムを構築するにはデータを分析し理解することが不可欠になってきます。 しかし、機械学習データセットは、数億個のデータポイントが含まれているため全体を理解することは非常に困難です。 そこで、機械学習データセットをインタラクティ

Google、機械学習の可視化を強化する「TensorBoard API」を発表。独自の機械学習ビジュアライゼーション構築へ 2017-09-12 Googleは、機械学習の可視化を強化する「TensorBoard API」を発表しました。 tensorflow/tensorboard（Github） 2015年にオープンソース化した機械学習ライブラリ「TensorFlow」には、様々なデータを可視化できるツール「TensorBoard」が含まれています。しかし、新しいビジュアライゼーションを追加することは非常に難しいのが現状でした。 そこで、開発者がTensorBoardにカスタムビジュアライゼーション・プラグインを追加できるようにする新たなAPIセット「TensorBoard API」をリリースしました。 これにより、独自の機械学習ビジュアライゼーションが構築できるとしています。 プラ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということです。 ディープラーニングは、学習の過程でデータ内の特徴それ自体を学習するのが得意という特性があります。これにより「人が特徴を抽出する必要がない」と言われたりもしますが、逆に言えばどんな特徴を抽出するかはネットワーク任せということです。抽出された特徴はその名の通りディープなネットワークの中の重みに潜在してお

文：Daniel Sim　分析：Lee Shangqian、Daniel Sim、Clarence Ng ここ数ヶ月、シンガポールのMRT環状線では列車が何度も止まるものの、その原因が分からないため、通勤客の大きな混乱や心配の種となっていました。 私も多くの同僚と同じように環状線を使ってワンノースのオフィスに通っています。そのため、11月5日に列車が止まる原因を調査する依頼がチームに来た時は、ためらうことなく業務に携わることを志願しました。 鉄道運営会社SMRTと陸上交通庁（LTA）による事前調査から、いくつかの電車の信号を消失させる信号の干渉があり、それがインシデントを引き起こすことが既に分かっていました。信号が消失すると列車の安全機能である緊急ブレーキが作動するため、不規則に電車が止まる原因となります。 しかし8月に初めて発生した今回のインシデントは、不規則に起こっているように見えるた

Wi-Fiや無線LANの電波強度に反応して赤・緑・青に色が変化するLEDライトを使って、飛び交う電波を2Dでは飽き足らず、3Dまで駆使して可視化してしまった強者が現れました。可視化にあたって、木工用フライス盤や自作ツールまで書き上げてしまうという徹底ぶりは必見です。 Now, I can see wifi signals. - Album on Imgur https://imgur.com/gallery/jdNA6 Wi-Fi信号を徹底的に可視化していく様子は、以下のムービーから見ることができます。 High Res Wifi Signal Mapping - YouTube これがWi-Fiや無線LANの電波強度に応じて色を変えるLEDライト。ESP8266・WS2812 LED・Hubsan バッテリーパックを組み合わせたもので、普段はPCに接続してインターネットの接続状況を確かめ

sigma.jsはネットワーク図をはじめとする多数のノードが絡むグラフを描くライブラリです。 有機的な要素やネットワークが重なり合っているグラフを描きたい時に使えるのがsigma.jsです。Canvasタグを使って簡単にグラフを描き出します。 かなり密集したデモ。 ズームイン/アウトもできます。 こちらはアニメーション。動き続けています。 プラグインで独自拡張もできます。 もちろんズームできます。描画はCanvasを使っており、拡大しても奇麗です。 選択したノード以外を隠すデモです。 隠れました。 さらにマウスのある場所を膨らませるデモです。 sigma.jsはデータさえあれば容易に使えること、カスタマイズ性の高いこと、jQueryライクなイベントシステム、プラグイン対応、豊富なAPIなどが特徴になっています。 sigma.jsはJavaScript製、MIT Licenseのオープンソー

About Control | «前日 – 1時間前 – 1時間後 – 翌日» – 最新 – 現在地 Overlay | None – Temp – Hum – WV – IN – NO – NO2 – NOX OX – SO2 – CO – CH4 – NMHC – SPM – PM2.5 Air Data | 東京都環境局環境改善部大気保全課 Map Data | 国土数値情報（行政区域データ）国土交通省 Author | Cameron Beccario @cambecc, Facebook, はてな Source | github.com/cambecc/air Modules | node.js, D3.js, when.js Inspiration | HINT.FM wind map 免責事項 | 正確な情報を提供するためのものではありません

あなたにとって重要なトピックや同僚の最新情報を入手しましょう最新の洞察とトレンドに関する最新情報を即座に受け取りましょう。 継続的な学習のために、無料のリソースに手軽にアクセスしましょうミニブック、トランスクリプト付き動画、およびトレーニング教材。 記事を保存して、いつでも読むことができます記事をブックマークして、準備ができたらいつでも読めます。

ストラクチャファーストとしてのHTML5、ビジュアライゼーションに有効なHTML5と関連技術／ライブラリ8選、WebRTCの概要や3つのライブラリなど。 2013年4月23日、InfoQJapan主催のカンファレンス「QCon Tokyo 2013」が開催された。本稿では、その中からモバイル／HTMLカテゴリの3つのセッションの模様をダイジェストで紹介する。 HTML5と情報表現の最適化 WebRTCで変わるWebの未来 HTML5でできる多彩なビジュアライゼーション モバイル／HTMLカテゴリ以外のセッションについては、以下を参照してほしい。 fluentd、Hubot、DDD、Fab、JSLintに見る最先端の開発手法～QCon Tokyo 2013まとめレポート HTML5と情報表現の最適化 QCon Tokyo 2013の「HTML／モバイル」カテゴリ最初のセッションは、Webディ