ハッヒフッヘホー。アンパンマン、腐敗と発酵の違いを知っているか？」 大体このへんから始まった、一連のおしゃべりをまとめた。 バイキンマンからこんな問いを投げかけられて、アンパンマンはたぶん、 答えを見つけられないはず。正義というのは本来、「悪役」なしには存在できないから。 妄想:アンパンマンは山の神様だった 原作だとこのあたりは、アンパンマンの本体は、ジャムおじさんのパン種に飛び込んできた星みたいな何かで、 バイキンマンは異星人だけれど、このあたりはあくまでも、人間の側から見た事実。 物語の序盤に、 「アンパンマンとバイキンマンは元は同類の存在であったが、片方はイースト菌で食用に、もう片方は雑菌が繁殖し出来損ないとして廃棄された」なんて設定を持ち込むと、 印象がずいぶん変わる。 焼かれる前のアンパンマンとバイキンマンは、恐らくは山の中に「パン種」として存在していた。 ジャムおじさんの介入を

「鬼滅の刃」が絶好調だ。 あえて説明する必要もないが、劇場版の興行収入がえらいことになっていたり、単行本の売り上げがドえらいことになっていたり、最終巻を求めて長蛇の列ができたり、めちゃくちゃ転売されたり、わけわからんコラボグッズが出たり、とんでもない状況だ。 見ると、町ゆく子どもたちのマスクまでどこかで見たような柄のものになっている。 これはもう社会現象と言っても過言ではないのだろう。 この「鬼滅の刃」はすごい。 たぶんどえらい作品だ。 そんなもの詳しくなくても分かる。 ただ、「たぶん」と表現しているのは、実はまだ観たことがないからだ。 そう、僕はこの作品に全く触れていないのだ。 原作も見てなければアニメも見ていない。もちろん劇場版も見るつもりはない。 やはり、たとえ末端といえども文章を書いたりして表現活動をしている者として、こういった作品は必ず抑えておく必要がある。 社会現象は多くの人に

単行本 こまったさんのレシピブック 寺村輝夫 レシピ原案／岡本颯子 絵／さわのめぐみ レシピ監修 あかね書房のロングセラー童話、みんな大好き・こまったさんが、ついにレシピ集になりました！ 「おはなしりょうりきょうしつシリーズ」の物語に登場する10種のメニューが、実際に作れちゃう料理本です。寺村輝夫の文章から抽出したレシピを、「ものがたり食堂」で活躍する料理家のさわのめぐみが監修しました。わかりやすい写真と手順で、岡本颯子の絵とともに、こまったさんの世界を美味しく再現しています。「食べてみたかった、あのメニュー」を、ぜひいっしょに調理してください！ 全国学校図書館協議会選定図書

以下は妄想です。 結論を先に書いておくと、FF7のシナリオは（１）「〈古代種／ライフストリーム／エアリス〉対〈魔晄／環境破壊／神羅〉の戦い」を基盤とした設定・シナリオ原案と、（２）「神羅カンパニーのエースだったセフィロスが自分の出自を求めてジェノバに行き着き神羅から離反し、セフィロスを師と仰いでいたクラウドが彼を追う」というシナリオ原案の２つがやや独立してそれぞれ存在し、それらが製品版では統合されて「古代種　VS 　セフィロス・ジェノバ　VS　神羅」という複層構造の物語となってしまったのではないか。２つの「原シナリオ」は、物語終盤のメテオ対ホーリーという構図によってきわめて丁寧に統合されたが、ジェノバの存在がどうしても浮いてしまっている。 1. FF7のわかりにくさ：　ザックスの存在 「FF7」を初めてプレイしたとき、いまひとつストーリーがしっくり飲み込めなかった。その理由のひとつが、ザッ

Kubernetesが機械学習基盤としてKubeflowをリリースしました。 ざっくりいうと、KubeFlowは以下の機械学習アプリケーション開発の一連のワークロードをサポートするOSSです。 モデル開発基盤 データサイエンティストや機械学習エンジニアがJupyterNotebookをつかってモデル開発するための、Jupyterが動くサーバ環境を提供 TensorFlow分散学習基盤 開発したモデルをTensorFlowで分散学習するためのKubernetesクラスタを自動生成 アプリ公開基盤 学習済みモデルをKubernetesクラスタ上でサービス公開する基盤を提供(Tensorflow Serving) github.com まだ、開発途中、かつざっとしか追えていませんが、導入のしかたと概要をまとめます。 0. kubeFlow環境構築 Kubeflowを動かすためには、まずKuber

Reducing insurance loss ratios with data science and AI algorithms J. Joseph Rusnak | October 9, 2024 at 1:00 pm Insurance plays a pivotal role in providing financial security against unforeseen risks and losses. A critical metric fo... How to address concept drift in machine learning Zachary Amos | October 9, 2024 at 11:34 am Because of concept drift in machine learning, models built for forecast

この記事には広告を含む場合があります。 記事内で紹介する商品を購入することで、当サイトに売り上げの一部が還元されることがあります。 美味しいもの大好き、福岡市民の@ushigyuです。 この記事では、私が心からおすすめする福岡グルメのお店をまとめます。 いずれも私が実際に食べに行き、家族や友人が福岡に来たら本当に連れて行くお店ばかり。 なお、今回は福岡市に遊びに来たお客さんを実際に連れて行く店ということで

信号解析の基本手法：フーリエ級数展開 フーリエ級数展開 回帰問題とフーリエ級数展開 特徴量抽出としてフーリエ係数 機械学習における基本手法 ニューラルネットワークの回帰 表現力の高さとは 無駄な働きとは 個人的見解 特徴抽出 しっかり学ぶためには 新規のニューラルネット 信号解析の基本手法：フーリエ級数展開 信号解析の基本手法といえばフーリエ解析があります。フーリエ解析は任意の関数を三角関数の和に分解することで対象を解析する手法です。時系列信号に適応すれば、その信号をいろいろな周波数の正弦波の和として表現できるということです。 フーリエ級数展開 フーリエ解析の基本的理念は以下の記事で解説しています。 s0sem0y.hatenablog.com ここでもその理念をおさらいしましょう。 という基本的な信号を準備して、これを適当な重み付けで足しあわせてみます。 いま様々な重み付けで基本的な信号

When it comes to neural network design, the trend in the past few years has pointed in one direction: deeper. Whereas the state of the art only a few years ago consisted of networks which were roughly twelve layers deep, it is now not surprising to come across networks which are hundreds of layers deep. This move hasn’t just consisted of greater depth for depths sake. For many applications, the mo

Recurrent neural networks are one of the staples of deep learning, allowing neural networks to work with sequences of data like text, audio and video. They can be used to boil a sequence down into a high-level understanding, to annotate sequences, and even to generate new sequences from scratch! x0 y0 x1 y1 x2 y2 x3 y3 One cell... can be used over... and over... and over... x4 y4 again. The basic

さて前々回、前回とDistributed Tensorflowの仕組みを学んできましたが、いよいよGoogle Cloud Platform(GCP)上で動かしてみます。無料枠の$300を突っ込んでvCPUインスタンスをたくさん作れば貧乏人にも高火力の鱗片が見れるのでは？という期待がモチベーションでした。 最初にネタばらししてしまうと、GCPの無料アカウントでは1regionにつきvCPU8個までに制限されていることがわかりましたので、それほどの高火力にはなりませんでした。今回はインターフェイスとマスタサーバに１個ずつvCPUを当てたので、vCPU6個での並列化となります。それでも、もちろんちゃんと速くなりました。 Dockerイメージの作成 GCPのContainer Engine で動かしたいので、まずDockerイメージを作ります。 先日ビルドしたTensorflowサーバのみを入れ

MySQL 5.7.12 から追加された X Protocol は Protobuf というのを使ってるらしいです。 Protobuf というのをそこで初めて知ったので、とりあえず Ruby から Protobuf を利用する方法を調べてみました。 Protobuf はデータ構造をバイト列にエンコードしたり、その逆にバイト列をデータ構造にデコードしたりするライブラリのようです。 Ubuntu で protobuf を使うには、protobuf-compiler パッケージをインストールします。 % sudo apt-get install protobuf-compiler Ruby から Protobuf を使うには、protobuf gem をインストールします。 % gem install protobuf データ構造は .proto という拡張子のファイルで定義するようです。 My

SOLEIL DATA DOJO主催のTensorflow研究会#6でおこなった，TensorBoardハンズオンの資料です。ネットワーク構造や折れ線プロットを具体的にどういったコードを記述すれば描画できるかを中心に説明しています。 当日のイベント案内ページ: https://365e5afb367e0244f53d0d3c8f.doorkeeper.jp/events/47489Read less

We're under construction. Please check back for an update soon.

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