早稲田大学(早大)で開催されたSISA(A Strategic Initiative of Computing: System and Applications)ワークショップにおいて、米国のExascaleプロジェクトのディレクタであるアルゴンヌ国立研究所のPaul Messina氏が「Extreme Scale and Beyond」と題する基調講演を行った。 同ワークショップは、デラウェア大学のGuang R.Gao教授と早大の笠原博徳 教授が発起人となって開催されたものであるが、前述のPaul Messina氏、PCクラスタを初めて作ったインディアナ大学のThomas Sterling教授、アルゴンヌ国立研究所のAssociate DirectorのRick Stevens氏、スタンフォード大学の教授でNVIDIAのチーフサイエンティストのBill Dally氏、スイスETHの計算

早稲田大学(早大)で開催されたSISA(A Strategic Initiative of Computing: System and Applications)ワークショップにおいて、中国の北京航空航天大学と中山大学の教授を兼任するDepei Qian氏が、「China's New Project on HPC development」と題して中国の次世代スパコン開発プロジェクトについて講演を行った。主催者のGao教授の紹介によると、Qian教授は中国の国家高度化を目指す863計画の主要メンバーで、中国のスパコン開発のキーパーソンという。 中国は5カ年計画でHPC開発を行ってきており、2010年から2016年には、100PFlopsのスパコンの開発、大規模HPCアプリケーションの開発、CNGridの拡充を行った。 CNGridは次の図のように、中国全土をカバーするグリッドで、現在は14ノ

早稲田大学(早大)で開催されたSISA(A Strategic Initiative of Computing: System and Applications)ワークショップにおいて、PEZYの齊藤元章社長が「Plan to develop ExaScale computing system」と題する講演を行った。サブタイトルに「with Proprietary Processor、DRAM and Cooling technology」と付いており、従来のPEZY-SC系のプロセサと浸漬液冷に加えてDRAMもカスタム開発するという。 PEZYは、次の図に示すように。現在、6台のスパコンを稼働させており、理化学研究所(理研)に設置された菖蒲スパコンは2016年6月のGreen500では1位、Top500でも93位にランクインするという実績をもっている。 PEZYは6システムのZettaS

「Human Brain Project」（HBP）というプロジェクトがある。テクノロジで脳をシミュレートし、その働きを理解することを目指す、野心にあふれた取り組みだ。これは人間の意識の本質を理解するうえで役立つのだろうか。 脳は、現存するコンピュータのなかで最もエネルギー効率が高く、最も優れたものの1つだが、最も理解が遅れているものの1つでもある。 脳は、5つの感覚器官からの複雑なデータを処理し、世界を三次元空間として把握し、自らの経験を反映することができるシステムだ。この脳の働きを理解するために、独自の脳をコンピュータ上に作り上げようとしている野心的なプロジェクト、それがHBPだ。 このプロジェクトは、テクノロジを通じて脳の生態学的な理解を深めるという目的で2013年に開始され、10年間の活動期間に対して10億ユーロを超える資金が確保されている。 同プロジェクトの立ち上げに先立って欧州

NVIDIA(エヌビディア)はディープラーニングの最新状況を学べるイベントとして「DEEP LEARNING INSTITUTE」(略称:DLI)を1月17日に東京高田馬場で開催した。 NVIDIAは主にビデオチップやグラフィックボードを開発している会社だ。ビデオ分野で開発してきたチップ「GPU」が、ディープラーニング等の並列演算処理については「CPU」が高速なスーパーコンピュータ並みの性能も可能として、AI関連市場の拡大とともに注目度を急激に伸ばしている。先日ラスベガスで開催された「CES 2017」の基調講演では同社のCEOがトップで登壇したほどだ。 当日は、セミナーでは自社製品の導入事例やライブラリ等のツールの紹介、開発者向け機械学習ライブラリトレーニングなどを行い、ディープラーニングと自社技術を更に一般の開発者に対しても訴求した。

デルはGPUと各種ディープラーニングのフレームワークにフォーカスし、性能を比較したパフォーマンス結果を公式ホームページ(TechCenter)内で公開した。1月17日に東京高田馬場でNVIDIAが開催した「DEEP LEARNING INSTITUTE」でも、ミニシアターでこの結果を公表している。また、詳細のレポートをPDFファイルとしてダウンロード可能だ。 主に、「GPUを使うとどの程度のパフォーマンスアップに繋がるのか」「複数枚数のGPUボードを使用する場合、数が多いほど速度向上の効果が現れるか」「Caffe、MXNet、TensorFlowなどのディープラーニング・フレームワークによってパフォーマンスの違いがあるか」などが見てとれるものとなっている。 例えば、下記はディープラーニング・フレームワーク「NV-Caffe」(NVIDIA フォークの Caffe)で GoogleNet ニ

COMPANY PROFILE 世界初の知能ロボットコントローラメーカー。 ロボットを知能化させる事でロボット市場拡大を牽引。 MUJINは10年以上にも渡り世界中で1,000以上ものロボットに動作計画エンジンを提供してきた世界一のモーションプランニング技術をもとに、2011年より次世代産業用ロボットコントローラ”MUJINコントローラ”を中心とする高付加価値製品を開発・販売しているベンチャー企業 創業当初から産業用ロボット分野に注力してきたMUJINは、ロボットをより知能的に、より使いやすくする事こそがロボットの活用範囲を広げ、生産現場の生産性や品質を向上という大きな価値を生み出すと確信しておりました。MUJINコントローラが提供する高性能なロボットソリューションの全ては操作性の高いコントロール装置と強固なロボットプラットフォームに基づいており、即座に”多軸機械に命を吹き込む”事を可能に

Enterprise AI Connect people, data, systems and digital workers to save time and resources, and improve customer interactions Read more Orchestrate Power your processes from a single platform and rethink how your business operates for smarter, better workflows Read more Automate Remove bottlenecks and liberate people from repetitive, low-value work with an AI workforce augmenting work Read more

def build_embedding_graph(self): self.x = tf.placeholder(tf.float32, shape=[None, None, None, self.channels], name="X") self.y = tf.placeholder(tf.float32, shape=[None, None, None, self.channels], name="Y") # H-1 conv self.Wm1_conv = util.weight([self.cnn_size, self.cnn_size, self.channels, self.feature_num], stddev=self.weight_dev, name="W-1_conv", initializer=self.initializer) self.Bm1_conv = ut

#2018/12/16追記 いつの間にかOSXのGPU公式サポートはなくなったみたいなので、それでもGPU使いたい方はこちらのドキュメントが参考になるかもしれません。 Tensorflow 1.6 on macOS High Sierra 10.13.3 with GPU Acceleration (without disabling SIP) #2017/2/17追記 Tensorflow 1.0.0から簡単にインストールできるようになったので公式ドキュメントに従うことをおすすめします。 https://www.tensorflow.org/install/install_mac #cuda8.0 $ brew upgrade $ brew install coreutils $ brew cask install cuda #cuDNN v5.1 Library for OSXをダウン

Amazon Web Services ブログ 新機能 – GPU を使用した Amazon Graphics WorkSpaces おそらく、私の「Amazon WorkSpace がお気に入りです」という投稿からおわかりかと思いますが、私は一種のおたくです。その投稿を書いてから、自分ひとりではないこと、そして他にもたくさんの WorkSpaces おたくがいることがわかりました。AWS の多くのお客様は、ほとんど私と同じくらい、完全マネージド型でセキュアなデスクトップコンピューティング環境を楽しんでいます。お客様は、ユーザーとしての視点からは、Windows および Mac コンピューター、PCoIP ゼロクライアント、Chromebook、iPad、Fire タブレット、Android タブレットを含む、サポートされているさまざまなデバイスから、WorkSpace にアクセスできるこ

Raspberry Pi4 追加 7/7/2019 TensorFlow1.5 最適化済みバイナリ効果検証, Mac Pro追加 2/6/2018 GeForce GTX1080 Ti の検証 10/3/2017 MacBook Pro Core i7 の検証 10/1/2017 Amazon EC2 / Microsoft Azure 環境の検証 9/17/2017 TensorFlow 1.0/XLA での導入効果 仮検証 2/24/2017 CPU / GPU 性能やOSによる違い検証 1/19/2017 Windows環境下 (正式版 / docker / bash on Ubuntu) での違い検証 1/19/2017 TensorFlowのmnistでの CPU / GPU 計算速度について自分の実測値を載せておきます。5000回のトレーニングにかかった時間です。3回の計測値の

既に深層学習は、chainerやtensorflowなどのフレームワークを通して誰の手にも届くようになっています。機械学習も深層学習も、あまりよくわからないが試してみたいなという人が数多くいるように思います。そして、実際に試している人たちもたくさん居るでしょう。 そんなときにぶち当たる壁は、多種多様なハイパーパラメータの設定です。 これはテストデータの精度に対して、試行錯誤を繰り返しながら決めていくしかありません。 しかし闇雲に値を変えて試してみてもあまり良い成果は得られないでしょう。 今回は、各ハイパーパラメータがそもそもどのような効果を持っているのかをまとめ、学習を行う際の指針になるようにしたいと思います。 ハイパーパラメータとは ユニットの数をどうするべきか 中間層のユニットの数を膨大にする 中間層のユニットの数を少なくする 結局どちらが良いのか 荷重減衰 荷重減衰の効果 荷重減衰の

最近の機械学習はディープラーニングによって大いに発達し、様々な分野で精度の記録を更新する大躍進を起こしています。しかしその活躍も計算機の設計や多くの学習パラメータの調整にしわ寄せが行っているだけの話で、膨大な次元のデータがもたらす次元の呪いから逃れられたわけではありません。現に非常に高性能なコンピュータを使い、大量の訓練データを準備しなければほとんど性能は発揮されません。ビッグデータやIOTに代表されるように、インターネットの活用によって訓練データを集めることは容易になってきました。あとはいかにして大量のデータを処理するのかが過大だったのです。 しかし、ここでもう一度、本来高次元のデータがもたらしている次元の呪いについて再考したいと思います。計算機のパワーと様々な最適化の工夫によって隠れてはいますが、これがもたらしている影響は無視できません。 パラメータの数の爆発的増加 1次元多項式 3次

このポストは　Inside of Deep Learning あるいは深層学習は何を変えるのか から分割したものです。全体があまりに長くなってしまったので、改善手法についても別のページにしました。 DL（ディープラーニング）の性能を改善していくポイントを駆け足で見て行きましょう。 学習データの追加、改善 DLシステムの性能を上げるためにはためにはより沢山の学習データが必要と言われています。例えば下記の図は、顔のパーツやバスの認識について学習データを増やすほど性能が上がるとした論文のものです。 Do We Need More Training Data? 画像であれば左右、上下、および上下左右に反転させた画像を使ってどちらを向いていても正しく特徴を取れるようにしたり、あるいは少し拡大したりノイズを混ぜるなどしてデータを水増しする手法がよく使われます。ユニークなのは例えばCGを用いて画像を作成

はじめに もう既に日本の機械学習界隈からも同様の会話は聞こえてくるんだけど、今現在のDeep Learningの研究開発は「こんな凄いネットワーク思い付きました選手権」と「考案したネットワークを巨大なデータセットとGPUン千枚並べて実装と実証してみました選手権」状態になりつつある気がする — TJO (@TJO_datasci) 2016年12月17日 この記事では、そんな「こんな凄いネットワーク思い付きました選手権」の代表選手として、 ○○Netと名の付くネットワーク（＋α）をまとめてみました。 本当にそれだけの内容なのでまともなまとめは以下をご覧下さい。 DeepLearning研究 2016年のまとめ 2016年のディープラーニング論文100選 The major advancements in Deep Learning in 2016 Network (1 character)

DeepLearning Advent Calendar 2016の17日目の記事です。 はじめに はじめまして。 Liaroという会社でエンジニアをしている@eve_ykと申します。 今年もあと僅かとなりました。 ここらで、今年のDeepLearningの主要な成果を振り返ってみましょう。 この記事は、2016年に発表されたDeepLearning関係の研究を広く浅くまとめたものです。今年のDeepLearningの研究の進歩を俯瞰するのに役立てば幸いです。 それぞれの内容について、その要点や感想なんかを簡単にまとめられたらと思います。 特に重要だと思った研究には★マークをつけておきます。 非常に長くなってしまったため、興味のある分野だけ読んでいただければと思います。 言い訳とお願い 見つけたものはコードへのリンクも示すので、プログラミングに関係ある記事ということで… 分野的にかなり偏っ

AlphaGo mastered the ancient game of Go, defeated a Go world champion, and inspired a new era of AI systems. Making historyOur artificial intelligence (AI) system, AlphaGo, learned to master the ancient Chinese game of Go — a profoundly complex board game of strategy, creativity, and ingenuity. AlphaGo defeated a human Go world champion a decade before experts thought possible, inspired players ar

いろいろな大学などでの研究をわかりやすく紹介したり、研究生活のこと・データ解析のことなど書いたり。データ解析手法のプログラムや教科書もnoteで公開しています！ データ分析・解析関係の質問、どしどし受け付けております！ みなさん、回帰分析やクラス分類を行うデータ解析・データ分析のときには必ずアンサンブル学習をしましょう！ アンサンブル学習はとても単純です。データセットが与えられたときに、たくさんの回帰分析モデルやクラス分類モデルを作ればいいんです。 どうやってたくさんモデルを作るの？ たくさんモデルを作る方法は、大きく分けて2通りあります。それらは ランダムに説明変数(特徴量・記述子・入力変数)を選ぶ ランダムにサンプルを選ぶ です。もちろん 1. と 2. とを組み合わせて、ランダムに説明変数とサンプルとを選ぶやり方もあります。とにかくたくさんモデルを作りましょう！ たとえば、200サン

中途半端な英語使いが英国からのニュースを東京で読み、あちこちふらふらうろうろ。時々嘘。 はてブ = http://b.hatena.ne.jp/nofrills Twitter = http://twitter.com/nofrills Twitterのログ = http://twilog.org/nofrills ◆「なぜ、イスラム教徒は、イスラム過激派のテロを非難しないのか」という問いは、なぜ「差別」なのか。（2014年12月） ◆「陰謀論」と、「陰謀」について。そして人が死傷させられていることへのシニシズムについて。（2014年11月） ◆知らない人に気軽に話しかけることのできる場で、知らない人から話しかけられたときに応答することをやめました。また、知らない人から話しかけられているかもしれない場所をチェックすることもやめました。あなたの主張は、私を巻き込まずに、あなたがやってください

Eyes, JAPAN Blog 1997年からほぼ毎日更新！会津大学発のベンチャー企業、株式会社Eyes, JAPANによるBlog。 コンピュータ、ネットワーク、Hi-Tech Gadget、魔法の様な技術などのGeekなネタから会津のローカルネタまで。 SyntaxNet 2016年5月12日、Googleから"SyntaxNet"と"Parsey McParseface"というふたつのツールが発表されました。 Research Blog: Announcing SyntaxNet: The World’s Most Accurate Parser Goes Open Source "The World's Most Accurate Parser" の実力や如何に！ ということで、早速調査を進めてみました。 ※ おことわり この記事では、SyntaxNetのセットアップ方法などは書

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Christopher Olah氏のブログ記事 http://colah.github.io/posts/2015-08-Understanding-LSTMs/ の翻訳です。 翻訳の誤りなどあればご指摘お待ちしております。 ##リカレントニューラルネットワーク 人間は毎秒ゼロから思考を開始することはありません。このエッセイを読んでいる間、あなたは前の単語の理解に基づいて、各単語を理解します。すべてを捨てて、またゼロから思考を開始してはいません。あなたの思考は持続性を持っています。 従来のニューラルネットワークは、これを行うことができま

This code implements multi-layer Recurrent Neural Network (RNN, LSTM, and GRU) for training/sampling from character-level language models. In other words the model takes one text file as input and trains a Recurrent Neural Network that learns to predict the next character in a sequence. The RNN can then be used to generate text character by character that will look like the original training data.

上記は、普通の RNN の前進パスの仕様を決めます。そのための RNN のパラメータは、３つの行列 $W_{hh}, W_{xh}, W_{hy}$ です。隠れ状態 $self.h$ は、ゼロベクトルで初期化されます。$np.tanh$ 関数はアクティベーションを $[-1, 1]$ の範囲に押しつぶす、非線形性を実現します。どのように作用するのか簡単に述べると：tanh 内に２つの項があります：一方は前の隠れ状態に基づき、他方は現在の入力に基づきます。numpy の $np.dot$ は行列の掛け算です。２つの中間項は加算され、tanh により新たな状態ベクトルに押しつぶされます。数学の表記に慣れているなら、隠れ状態の更新は以下のように記述可能です。$h_t = \tanh ( W_{hh} h_{t-1} + W_{xh} x_t )$ 、ここで tanh は要素ごとに適用されます。

こちらはTensorFlow Advent Calendar 2016の5日目です。 この記事はこれからTensorflow始めてみようというAndroidエンジニア、iOSエンジニア向けです。 開発環境: Mac Tensorflow: r0.12 検証端末: Galaxy S6 検証端末: iPhone 6 理論はともかく動かしてみよう！ 機械学習って自分には関係ないって思ってませんか？TensorflowはAndroid/iOSローカルで動きます！リアルタイムです！ 公式のチュートリアルでは、Bazelっていうビルドツールが必要なのですが、独自色が強く、Android/iOSエンジニアには敷居が高いです。そんなBazelのインストールから説明していきたいと思います。 Bazelのインストール 参考: https://www.tensorflow.org/versions/r0.12/

README.md Inception in TensorFlow ImageNet is a common academic data set in machine learning for training an image recognition system. Code in this directory demonstrates how to use TensorFlow to train and evaluate a type of convolutional neural network (CNN) on this academic data set. In particular, we demonstrate how to train the Inception v3 architecture as specified in: Rethinking the Inceptio

(編注：2020/10/01、2016/07/29、いただいたフィードバックをもとに記事を修正いたしました。) 目次： さまざまな勾配降下法 バッチ勾配降下法 確率的勾配降下法 ミニバッチ勾配降下法 課題 勾配降下法を最適化するアルゴリズム Momentum(慣性) Nesterovの加速勾配降下法 Adagrad Adadelta RMSprop Adam アルゴリズムの可視化 どのオプティマイザを選ぶべき？ SGDの並列化と分散化 Hogwild! Downpour SGD SGDのための遅延耐性アルゴリズム TensorFlow Elastic Averaging SGD 最適化されたSGDに対する更なる戦略 シャッフル学習とカリキュラム学習 バッチ正規化 早期終了 勾配ノイズ 結論 参考文献 勾配降下法は、最適化のための最も知られたアルゴリズムの1つです。これまではニューラルネット

通常は出力値を予測するだけですが、トレーニング中はこの予測結果をフィードバックします。入力データに対しての正解データ（教師データ）を用意してやり、損失関数という式を使って予測値が正解ととれだけ離れているかを計算します。 これを元に、現在のモデルをどのように修正すれば正解に近づく可能性が高いを計算します。これがオプティマイザです。損失値の勾配とオプティマイザによってネットワークがより強化され、この一連の流れがバックプロパゲーションです。 ネットワークはもともとはランダムの初期値を持っています。これが一度のバックプロパゲーションにより強化され、少しづつフォワードプロパゲーション、バックプロパゲーションを繰り返していく事でシステム内の初期値（パラメータ）が学習していきます。 モデル、伝達関数 モデル内の実際の計算を見てみましょう。簡便のため一つのレイヤーの局所的な計算を図解します。 x1からx4

シリコンバレーのエンジニアが一年ほどをDL(Deep Learning)を追いかけてみて思ったこと、感じたことをまとめてみました。とにかく伝えたいことは、DLはもはやその一言では片付けられないほどに構造やアプローチが多様化しているということ。そしてその進化スピードがえげつないほど速いということです。 将来のプログラミングや問題解決の仕方を変え、人を取り巻く環境を変えていくかもしれないというじりじりとした圧迫感。これを少しでも伝えられればと思っています。 このポストの方針 技術部分の説明は初心者向け。各構成要素など基礎から解説します。今からDLをキャッチアップしていく人には多分丁度良いです。 最初と最後だけ読むのも良いですが、各部の技術的な部分や難しさはできるだけ短く分かりやすく書くつもりですしここが一番大事なところです。できれば時間のあるときにじっくり読んでもらえればと思います。 内容 _

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ロボットから自動運転車、はては囲碁・将棋といったゲームまで、昨今多くの「AI」が世間をにぎわせています。 その中のキーワードとして、「強化学習」というものがあります。そうした意味では、数ある機械学習の手法の中で最も注目されている(そして誇張されている・・・)手法ともいえるかもしれません。 今回はその強化学習という手法について、基礎から最近目覚ましい精度を出しているDeep Q-learning(いわゆるドキュン、DQNです)まで、その発展の流れと仕組みについて解説をしていきたいと思います。 本記事の内容をベースに、ハンズオンイベントを開

$k$は定数で、だいたい0.04~0.06くらいです。Rの値によって以下のように分類できます。 Rが大きい: corner Rが小さい: flat R < 0: edge 図にすると、以下のようになります。 CSE/EE486 Computer Vision I, Lecture 06, Corner Detection, p22 これで手早くcornerを検出できるようになりました。ここで、corner検出についてまとめておきます。 cornerは複数のedgeが集まる箇所と定義できる 変化量をまとめた行列の固有ベクトルからedgeの向き、固有値の大きさから変化量の大きさ(edgeらしさ)がわかる 2つの固有値の値を基に、edge、corner、flatを判定できる 固有値の計算は手間であるため、判定式を利用し計算を簡略化する なお、Harrisはedgeの向きである固有ベクトルを考慮す

はじめに bashには次の2つの理由によって、組み込みコマンド(builtin command)というものが存在します。 スクリプトの高速化のため。組み込みコマンドであれば通常のコマンドを実行する場合に比べてプロセスの生成コスト(fork()/exec())が削減できる bash自身の状態を変更させるため。例えばcdコマンドを/bin/cdとして用意してbashから当該コマンドを実行しても、当該コマンドのpwdが変更されるだけで、bashのそれは変更されないため、意味がない 今回は前者に焦点を合わせて、その効果と、組み込みコマンドの自作方法について述べます。 予備知識: 組込みコマンドによるスクリプト高速化の効果 組込みコマンドそのものの存在、及びその存在意義について既にご存知のかたは、この節を飛ばしてもらって構いません。 例えば皆さんがbashスクリプトからechoコマンドを実行した場合

かつて存在した「[python] 細かすぎて伝わりにくい、Pythonの本当の落とし穴10選」という記事が、元サイトから消えてしまっている。 なくなった当該記事: [python] 細かすぎて伝わりにくい、Pythonの本当の落とし穴10選 Web上のアーカイブ: https://archive.is/jKNp1 参照している例: Pythonを書き始める前に見るべきTips (2017-06-16) いつのまにかこの記事をリンクするようになっているようだ！！ ググっても存在しないのも流石に背中が痒い感じがする。私自身の個人的な情報保全のため、その10項目をここに挙げておく。 自作の test.py を import しようとしてもできない スクリプトファイルを更新したのに、実行しても動作が変わらない exception Err1, Err2: と書くと、Err2 を取りこぼす (Pyth

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 最近「人工知能が～」というニュースが山のように出てきますが、その中にはだいぶ誇張された表現のものも少なくありません。 人工知能関連の技術に注目が集まるのは、研究資金の増加や案件の発生という面では良いことです。しかし、「仕事が奪われるぞ！」みたいな過度な不安を煽ったり、「人工知能だったら何でもできるんやろ？」といった過度な期待を煽ってしまうことで、実体とはかけ離れた議論や誤解を生んでしまうという面もあります。 本稿では、目についた中で大きな誇張があるニュースを取り上げるとともに、その実際のところはどうなのか？について紹介をしていきたいと思

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 追記 2018年の機械学習勉強法などをまとめました！ 2018年版もっとも参考になった機械学習系記事ベスト10 はじめに 2016/12/14 から約1ヵ月間、機械学習の勉強をし続けました。これは会社の自由研究という制度を利用させて頂いて、1ヶ月間は業務から離れて、機械学習の勉強だけをやり続けた記録です。 勉強してきたもののうち教師あり学習までは、Qiita にその記録をまとめましたので過去記事一覧からご覧ください。 過去記事一覧 1日目 とっかかり編 2日目 オンライン講座 3日目 Octave チュートリアル 4日目 機械学習の第一

概要 Web アプリケーションを開発しているときに、開発環境に MySQL や Redis を用意しバージョンを揃え、いや Redis はキャッシュにしか使ってないし必須じゃないから開発環境に無い場合のコードも書いて…… というようなことを2017年にもなってやりたくないので、Docker を使って良い感じにやっていきます。 Docker や Docker Compose に関する基本的な説明は割愛するので、公式ドキュメントをあたってください。 目標 コマンド一発で必要なサービス群が全て立ち上がるようにする Docker Compose を使い、1サービスごとに1コンテナを立ち上げる vendor や node_modules は、ホスト側のものと完全に分離する。OS が違う場合、Native extension があると問題の原因になるので避けたい。 ホスト側ではエディタと git さえ

はじめに ゲーム開発をおこなうハッカソンとして世界最大の規模を誇る「Global Game Jam 2017」にプランナーとして参加してきました。 「Global Game Jam」への参加は初めてだったので、参加して感じたことと、実際に書いた仕様書などのドキュメントを公開します。 基本的には自分の考えたこと・やったことの振り返りですが、今後ゲームジャムに参加しようと思う方の参考になれば幸いです。 はじめに書いておきますが、糞長いです。 また、関連として、同じチームで一緒にゲームを作ったとりすーぷさんのQiita記事が公開されているので、そちらも合わせて読むとより面白く読めると思います。この記事のなかでも適宜参照しています。 はじめに イベントの概要 作成したゲームについて 補足 メンバー 担当した箇所 仕様 ゲームのメインロジック（キャラの挙動・ふっ飛ばしの部分） 物理エンジンを採用した

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? #お知らせ 2017/11/26開催の「プログラマのためのUnity勉強会」において、 Unity開発で使える設計の話＋Zenjectの紹介 というタイトルで講演しました。こちらのスライドを先に見てから本記事を参照されることをおすすめします。 #はじめに 去年に引き続き、今年もGGJに参加してきました。今回もそのことを書きたいと思います。 今回の内容は以前に投稿したUnity開発で便利だったアセット・サービス紹介 & Unityでのプログラミングテクニックとつながりがあるので、こちらを先に読んでからのほうがわかりやすいかもしれません。

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 大学生の時にノリで書いたこの記事が意外にもかなりいいねされて、でも見返してみると結構さらっと書いてあるのでちょっと追記しました。追加したところはNewといれておきました。挫折しないで楽しく効率的に英語の勉強を続けていくというのがテーマです。 ##英語勉強は辛くない！楽しいから続けられる 英会話教室など一切通わず、完全に独学でTOEIC対策ほぼ皆無でTOEIC915点、海外経験なしですが日本語の話せない外国人と二人で遊んだり普通に会話できる程度の英語力**”は”あります。実際まだまだですが。 ということで英語に関しては少しは語ってもいいか

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 英語サイトでは、日本語のサイトでは絶対に手に入らないレベルの記事がわんさか読めます。今日はCodeProjectよりシステム構築をする上で知っておくべき深い知識を解説した記事を3行要約と共にご紹介します。 ##C#と.NETの記事 C#や.NETのかなりディープな記事たちです。日本語ではあまり見かけない深い部分まで知れます。 ■高パフォーマンスなクラスのデザイン方法 Performance Considerations of Class Design and General Coding in .NET - CodeProject ・ク

CyberTech 2017は、世界中から1万人を超える参加者を集め2017年1月30日～月1日の3日間にわたって開催されている。初日の30日にはセキュリティスタートアップ企業75社を含む約150社が集結した展示会がオープン、31日午前の基調講演から、同イベントが本格的に幕を開けた（写真2）。 31日の基調講演にネタニヤフ首相が登壇し、「IoT（Internet of Things）によって、非常にたくさんのものがネットワークにつながるようになり、サイバーセキュリティの脅威はますます増大してしている」と警告。イスラエルが産官学を上げてサイバーセキュリティの分野に注力していることを強調するとともに、同分野で世界のリーダー国として、脅威に対抗していくとした。 セキュリティ大国とされる同国のサイバーセキュリティ産業を支えるのが、多数の優秀な技術者だ。同国には、約500社のセキュリティスタートアッ

企業で使う無線LANと、家庭用無線LANにおける最大の違いは、大量のユーザーが同時に利用しても安定して使えるように配慮している点だ。このため、単独の無線LANアクセスポイント（AP）を使うことはまずなく、コントローラーと併用するのが基本だ。 APはノートパソコンやスマートフォンなどの無線LAN端末と通信する機器だ。このAPが有線LANと無線LANの橋渡しをする。このため、APはユーザーが無線LANを使う場所の天井や壁に設置する。企業で使われるAPは、認証などの機能が家庭用とは大きく異なる。 企業で無線LANを使う場合はフロア全体など広い範囲をカバーするために複数のAPを配置するのが普通だ。これら多数のAPを一括して管理するのが無線LANコントローラーで、データセンターやサーバールームなどに設置する（図1-1）。個別のAPの設定管理や端末の認証、電波の自動制御といった機能を備える。

設立20周年を迎えたヤフーが、データ分析力の強化に力を入れている。目的は、次の20年間の成長をにらみ、顧客一人当たりの単価を上昇させること。データ分析で得た知見から、顧客ごとに適切なサービスを訴求し、複数サービスの利用を促すことで実現する。 ヤフーでは、同社のサービスを一つだけ利用している顧客を「ユーザー」と呼び、二つのサービスを使っている顧客は「カスタマー」と言う。三つ以上のサービスを使う顧客は「ファン」と定義する。「ユーザーからカスタマーへ、カスタマーからファンになっていただくことが、当社の新たな挑戦だ」。宮坂学代表取締役社長（写真1）はこのように語る。 顧客一人当たりの単価上昇について、ヤフーがこだわるのには理由がある。「海外進出を考えておらず、国内の事業に集中」（宮坂社長）するからだ。同社は既に全サービスの月間総PV（ページビュー）数は700億、1日のユニークブラウザー数は9000

こんにちは、AINOWの亀田です。 2016年は、産学連携プロジェクトが盛んになり、AIを研究している研究室の名前を目にすることが増えたと感じた方も多いはず。そこで、AINOWでは、日本のAI関連の研究をされている研究室をまとめてみました。 （まだまだあると思いますので、Ver1.0ということで出します…!） 「私の出身研究室がない」、「あの有名な先生が抜けている」とのご指摘、大歓迎です！ どんどん追記・修正いたします。 ※追記：2/1 Ver1.0.2に更新いたしました。 ※追記：2/6 Ver1.0.3に更新。50名を追記しました。 ※追記：2/10 Ver1.0.4に更新。6名を追記しました。 この研究室マップから、各企業と研究室が繋がり、企業からは、AIに関わる事業の推進、研究室側からは、AIを研究する学生の就職活動の役に立つを願っています。

【シャーロットにおまかせ！ Vol.002】掘り出し物を見つけてね！在庫一掃のワゴンセール 2017.02.01 09:00 更新 2017.02.01 取材 秋葉原のPCNETで（こっそり）働いている、秘密の萌えキャラ店員シャーロットがお得すぎる特価品を教えてくれる「シャーロットにおまかせ！」。今回はPCNETアキバ本店の店頭から、復活した大好評の「長期在庫一掃セール」をご紹介します。何が入っているのかは来てのお楽しみ、掘り出し物に出会えるかも？

サンザが運営するカプセルホテル「安心お宿」の系列店で、タトゥーを入れている宿泊客の受け入れが広がりつつある。 「安心お宿プレミア荻窪店」で16年7月から試験的に実施していた受け入れサービスが好評を博したため、系列店の「安心お宿プレミア新宿駅前店」と「安心お宿秋葉原電気街店」でも2017年2月1日に開始するという。 「タトゥー文化」の受け入れ体制が不十分、と支配人 「新宿駅前店」と「秋葉原電気街店」はいずれも、日本有数の観光地が傍にある。「新宿駅前店」はアジア最大級との呼び声高い歓楽街「歌舞伎町」で、「秋葉原電気街店」は世界でも指折りのサブカルチャーの街「秋葉原」だ。 「新宿駅前店」の支配人・庄司勇介さんは同店を「『安心お宿グループ店舗』の中でも、最もインバウンド需要が高い施設」と説明する。 「昨今の急増するインバウンド需要に対し、日本の多くの宿泊施設では、海外ではメジャーであるこの『タトゥ

タグ 100均宇宙海賊キャプテンハーロック宴奏会宮野真守宝塚歌劇安達としまむら安元洋貴宇崎ちゃんは遊びたい！宇宙兄弟富野由悠季宇宙人宇宙よりも遠い場所宇宙学校学園ベビーシッターズ季節家族寺島拓篤嫁が不倫してまして小林沙苗小野友樹小説原作もの小西克幸小清水亜美小林由美子小林清志小林千晃寿美菜子小林ゆう小林さんちのメイドラゴンS小林さんちのメイドラゴン小松未可子小山力也小学生小坂知子安武人妹さえいればいい。小野賢章声優夜守コウ夜兎多田くんは恋をしない夏目友人帳夏アニメ夏境界の彼方大侵寇境界のRINNE堀江由衣坂田銀時坂本真綾地獄楽地獄少女 宵伽大久保瑠美大原さやか妖狐×僕SS大雪海のカイナ妖怪ウォッチ女王蜂女子高生の無駄づかい天空侵犯天気の子天体のメソッド大沼心大和守安定大橋彩香大川透大学生大塚明夫大坪由佳大地丙太郎大図書館の羊飼い小野大輔少女☆歌劇 レヴュースタァライト四月は君の嘘折笠富美子

2017年2月24日からスタートする、月末の金曜日の仕事を早めに切り上げるよう促す政策「プレミアムフライデー」（関連記事）。これに賛同するアイドルグループ「仮面女子」はプレミアムフライデーに、500円で入場可能になるワンコインライブを専用劇場で開催します。 仮面女子 開演は第1部が17時45分～、第2部が20時15分～と平日の基本公演時間と同様で、15時をめどに退社を呼びかける「プレミアムフライデー」から余裕を持って参加できる時間帯となっています。イベントは「仮面女子CAFE」（東京）、「仮面女子シアター」（大阪）で開催。なお、通常料金は1500円です。 東京秋葉原「仮面女子CAFE」 チケット購入は、「仮面女子CAFE」はパセラマルチエンターテイメントの1階受付にて、「仮面女子シアター」はパスマーケットから予約できます。 同イベントは2月以降にも3月31日、4月28日と開催される予定です

ラインナップされたのは、小鳥遊ひかり、小鳥遊ひまり、日下部雪、町京子、佐藤早紀絵の5種類。高さ約13～14cm、幅約5cmと省スペースのため、机や棚などに飾りやすい。価格は各1296円。 なお2月4日から2月12日まで、コトブキヤ秋葉原館にて「亜人ちゃんは語りたい」のアニメ化を記念した複製原画展が開催される。アニメ1～3話の複製原画のほか、制作スタッフのおすすめシーンへのコメント、キャラクターの等身大パネル、フィギュアなどをお披露目。またイベント期間中、関連商品を購入した人にはペトスの描き下ろしポストカードがプレゼントされる。

サハロフ佐藤さんが、毎週土曜日にアキバのPCショップ各店を実際に回り、調査を行なった価格情報を毎週火曜日前後に掲載する本コーナー。 本ページ内に掲載している「最低価格」は、文字どおりサハロフ佐藤さんが知り得た最も安い価格。そして、「目標価格」はアキバでも比較的知られているいくつかのショップでの価格だ。秋葉原に不慣れな人でも見つけることができるはずなので、目安にするといいだろう。 価格は常に変動しており、掲載したリストはあくまで調査した時点での価格である。現在もこの価格で販売されていることを保証するものではないので、ご注意いただきたい。なお記載の価格はすべて8％の消費税込みとなる。 CPU Celeron G3930Tが発売 Kaby Lakeの値下がりがほぼ止まる 「Celeron G3930T」(2.7GHz)が出回り始めた。2コア2スレッド動作、キャッシュメモリー2MB搭載、TDP 3

現役女子大生で、レースクイーン。セカンドＤＶＤが売れすぎちゃったため、第５回「プロが選ぶアイドルＤＶＤ賞２０１６」・新人賞をもらった忍野さらちゃん 現役女子大生でレースクイーンーーセカンドＤＶＤが売れすぎちゃったため、第５回「プロが選ぶアイドルＤＶＤ賞２０１６」新人賞まで獲得してしまった忍野（おしの）さらちゃんが、東京・秋葉原のソフマップで最新イメージＤＶＤ「Ｈｏｎｅｙ」の発売記念イベントを行なった。 ３枚目となる今回のＤＶＤは、１０月にバリで撮影。さらちゃんが海外のホームステイ先の男のコと恋に落ちる話だ。「男の方がいつも私のことを影から覗いているんです。私もそれが気になりだして、両想いになるんです」と、内容を教えてくれた。 見どころは、花びらがいっぱい浮かんでいるお風呂に入るシーンだ。色とりどりの花が散りばめられ、美しい光景が広がる。スタッフからのウケもよく、本人も新鮮に感じたとか。 胸

Apple、iOS10.3からiCloudデータを解析し人工知能の機能向上に活用か？ 2017 2/01 Appleは、iOS10.3から、iCloudアカウントに保存されたデータを解析し、Siriなどの人工知能の性能を高める方針のようです。ユーザーは情報の提供を希望しなければ、設定を変更することが可能です。 iCloudのデータをSiriの機能向上に活用 現在、開発者と登録ユーザー向けにベータ版が公開されているiOS10.3の中に、AppleがユーザーのiCloudアカウント上のデータを分析して、Siriなどの機能向上のため利用することについての記述が見つかった、とZDNetが報じています。 なお、データのAppleへの提供は、設定でオフにすることが可能です。 Appleはプライバシー尊重の姿勢は堅持か 写真、メール、連絡先、カレンダー、音楽など、ユーザーのあらゆるデータを取り扱うiCl

VRベンチマークツール「VRScore PC」始動。PCのレンダリングパフォーマンス、直接差し込んでHMD自体の遅延を測定。オンラインでスコアを共有可。DirectX 12もサポート 2017-01-31 フィンランドベースの「Basemark」は、VR向けベンチマークツール「VRScore™PC」を正式に発表しました。 VRScore PCは、VRアプリケーションにおいてPCとヘッドマウントディスプレイのレンダリングパフォーマンスとレイテンシ（遅延）を客観的に測定するツールです。使用すると、ユーザーが本当に自分のPCが快適にVR体験を実行できるかどうかをチェックすることができます。 実際のテストでは、Crytekのゲームエンジン「CRYENGINE」によって開発された「Codename：Skyharbor」という仮想世界で実行されます。テストには、ヘッドセットの有無にかかわらずレンダリン

これまで秘密主義を貫いてきたアップルが、AIの開発でついに方針を転換した。同社は、昨年12月のAI（人工知能）に関する論文の公開に続き、1月27日にAIの研究を行う非営利団体「Partnership on AI」に参画することを明らかにした。Partnership on AIは、昨年9月にマイクロソフトやグーグル、アマゾンなど大手テクノロジー企業によって設立された。 これを機に、アップルでSiriの責任者を務めるTom Gruberが同団体の役員に就任する。GruberはSiriの共同創業者で、アップルが2010年にSiriを買収した以降も同事業の責任者を務めている。 Gruberは、Partnership on AIのウェブサイト上で次のようにコメントしている。「テクノロジー業界が一丸となって機械学習とAIの研究や課題解決に取り組むことは、アップルや我々の顧客、さらには業界全体の発展にと

本日(2017/2/1)、GitHubにトピック機能が追加されました。 Introducing Topics | 公式Blog TL;DR GitHubのリポジトリにトピック（タグ）がつけられる トピックは自由に設定可能 トピックで検索可能 トピックを設定する Add topicsというリンクが追加されているのでクリック トピックの設定 スペース区切りで入力していく 自動でタグが提案されるのでこれを選ぶと楽。 ただし機械学習で提案しているみたいでまだ賢くない。 提案されたもの以外も自由に設定可能。 登録後 トピックで検索する トピックをクリックすることで検索ができる ※topic: トピック名で手動検索もOK 検索後 さっき設定したやつは？ スターが低いので２ページ目に表示されてました。

Salesforce Einstein（アインシュタイン）は、セールスフォース・ドットコムが提供する、予測分析や機械学習/深層学習、自然言語処理といったAI（人工知能）関連テクノロジーを活用したサービスの総称である。同社が2016年9月に発表したEinsteinは、データサービスや開発プラットフォームなどとは別レイヤーとして、Sales CloudやMarketing Cloudなどのアプリケーションが稼働するプラットフォーム（Salesforce Customer Success Platform）に組み込まれることになった。 前半の今回は、セールスフォース・ドットコム マーケティング本部 プロダクトマーケティング ディレクターの田崎純一郎氏に、Einsteinによる営業担当者やマーケティング担当者の支援の位置付けや考え方を聞いた。

SAPジャパンとマップアール・テクノロジーズ（MapR）、レノボ・ジャパンの3社は2017年1月31日、Hadoopでのビッグデータ解析を容易にするレファレンスアーキテクチャーを発表した。SAPのインメモリー処理製品で構築した基幹系システムと、MapRの高速なデータ処理製品を組み合わせる。SAPジャパンとMapR、レノボの共通パートナーを通じて、ホワイトペーパーを無償で提供する。 3社が発表したアーキテクチャーは、質の異なるシステムから得た大量データを高速に分析するシステムを構築するためのもの。会計や在庫管理といったSoR（システムズ・オブ・レコード）と、スマートフォンやSNSを介して消費者にサービスを提供するシステム群であるSoE（システムズ・オブ・エンゲージメント）を連携する。3社は同アーキテクチャーを開発するに当たり、SoRとSoEを想定したシステムを構築、両者を連携させて動作状況を

人工知能（AI）の演算処理を高速化できる半導体チップ「AIチップ」の開発競争がヒートアップしている。2017年から2018年にかけて、第3次AIブームの火付け役である深層学習（ディープラーニング：多層ニューラルネットワークによる機械学習）の演算に特化したチップが国内外で相次ぎ登場しそうだ。 「今や、あらゆる国内半導体メーカーが人工知能（AI）チップの研究開発を手掛けているのではないか」。ある大手企業の半導体技術者はこう話す。 米、英、韓、イスラエルでAIチップの開発が加速 AIチップの開発で先行しているのは海外企業だ。米グーグルは2016年5月、深層学習専用のチップ「Tensor Processing Unit（TPU）」を同社のデータセンター内で1年前から利用していると公表した。その後、囲碁AI「AlphaGo」、Google翻訳などでTPUを実際に使っていることを明らかにした。 米イン

自社製品やサービスへの顧客の満足度を測るため、アンケート形式で調査を実施する──。 AIの活用によって、長年行ってきた「顧客満足度調査」を不要にする仕組みを構築したのが、ドイツの通信会社、ドイツテレコムだ。 同社は様々な顧客データのなかから、顧客満足度を上下させる「イベント」を抽出。顧客ごとに、そのイベントによる影響を足し合わせることで、顧客満足度指数を導き出すモデルを開発した。 例えば「オプションサービスを追加した」「インターネット接続サービスをこれまで以上に使うようになった」というイベントがあれば、顧客満足度は上昇していると判断。逆に、「コールセンターの電話がなかなかつながらない」「スマートフォンの通話が途切れることが増えた」といったイベントは顧客満足度の下降を促すとみなす。そういった顧客の行動や直面した出来事をつぶさに捉えてモデル化することで、アンケートを実施しなくても、顧客満足度指

資料の紹介 2016年、大量かつ多様なデータをビジネスに有効活用する「ビッグデータ」に取り組む企業はますます増加した。こうした企業では、分散処理フレームワーク「Hadoop」がスタンダードとして定着する一方で、高速化への対応や管理性などさまざまな課題も見えてきている。 構造化データと非構造化データを大量に扱うシステムは今後も増え続ける。データレイクをはじめ、機械学習、IoT、セルフサービスBIなど、取り組むべきテーマは山積している。そうしたなか、高速処理はもちろんのこと、エンドユーザーにとっては使いやすく、システム部門にとっては管理やセキュリティ確保が可能なプラットフォームが求められるようになる。 本資料では、Hadoopを高速化する選択肢の増加、非Hadoopのデータソースにも対応できるデータアクセスツールの登場、データレイクの活用など、2017年に予測されるビッグデータをめぐる10大ト

先日、当面の目標にしていた統計検定2級に合格することができた。 今回は、受験に関する諸々について書いてみることにする。 受験のきっかけ 以前から、データ分析や機械学習に興味があった。 そして、それらの書籍を読んだり手法を調べていくうちに、だんだんと統計学に対する興味が湧いてきた。 統計学は、データ分析や機械学習に深い関わりがある。 その後は、初心者向けの統計に関する書籍などを読んで学び始めた。 とはいえ、それだけでは統計が身についているのかがよく分からない状況に陥ってしまう。 そんなとき、統計検定の存在を知った。 ウェブで下調べしたところ、概ね統計検定の 2 級に合格すれば統計の基礎は分かっていると胸を張れるらしい。 現在、統計検定は 1 級 (数理・応用)、準 1 級、2 級、3 級、4 級と五つのレベルに分かれている。 公式では 2 級の試験内容を「大学基礎課程で習得すべきこと」と位置

ども！ともぞうです。 写真を撮る時に顔認識でデコったり、加工してくれるアプリって皆さん一度は見たことありますよね。 だた男性の方だとあまり使う機会がないものですが、今日ご紹介するアプリは何かと今話題な人工知能を駆使して「笑ってなくても笑顔に変えてくれる」アプリなんです。 その実力はいかに？ということで「どんな顔もAI技術で笑顔にするカメラアプリ」対「真顔なら右にでるものはいないライターゆう氏」で対決してみました！ 人工知能を使ってより自然な画像合成 今回ご紹介する『FaceApp』は、笑っていない写真でもこーんな感じで自然な笑顔にしてくれるアプリ。 よく撮った写真を加工してくれるアプリはありますが、なんという自然な加工…。 というのもこのアプリ、画像合成にMicrosoftやGoogleが翻訳サービスに採用しているニューラルネットワークを使った機械学習技術を採用しているんです。 ニューラル

スマホのカメラをかざして皮膚がんかどうかを確かめられる時代が間もなくきそうだ。 米国のスタンフォード大学はこのほど、人工知能を活用して皮膚がんを写真で識別するアルゴリズムを構築したと専門誌「Nature」に発表した。 このアルゴリズムによる診断の精度は医師並みだという。 ・写真13万枚を見せて“学習” この研究で構築された「Convolutional neutral network（CNN）」は、画像128万枚を学習したGoogleのディープラーニングをベースにしている。これに、皮膚に関する約2000種類の病気の13万枚近い症例写真を“学習”させた。 その結果、医師の診断並みの精度であることが確かめられた。 ・診断の精度は91％以上 具体的には、皮膚がんと診断されたカルチノーマ（上皮組織から生まれたがん）、メラノーマ（悪性黒色腫）の写真を、実際に医師21人にも見せてそれぞれの分類を判定して

Facebookはニュースフィードのアルゴリズムを更新し、よりタイムリーで正確な情報を表示可能になったことを発表した。 ニュースフィードは投稿者や投稿ページとの関係や、いいね・コメント・シェア数もその投稿が表示されるかどうかなど、様々な要因を組み合わせて個々のタイムラインに表示される・されないが判別されている。 今回のアップデートでは投稿情報の信憑性を判定するシグナルを追加。 信憑性を判定するために、Facebookはまず各Facebookページがスパム投稿やいいね・コメント・シェアを不用意に求めるような投稿をしていないかを判別。次に、「投稿内容がユーザーに非表示にされる確率が高い場合は信憑性が低い」などの行動をもとに情報の信憑性を識別する仕組みを用意したそうだ。 一方、よりタイムリーな情報を表示するためにFacebookはFacebook全体で話題になっている投稿を上位表示するようにシグ

次世代型のオンライン証券サービスを今春にも開始する予定で、現在開発の大詰めを迎えているFOLIOは2月1日、第三者割当増資を実施して総額18億円の資金を調達したと発表した。シードラウンドを含めた累計調達額は21億円となる。引受先は既存株主であるDCM Ventures、Draper Nexusの2社に加え、今回新たにジャフコ、マネックスベンチャーズ、三井住友海上キャピタル、Rakuten FinTech Fundが加わった。 FOLIOは「資産運用をバリアフリーに」をスローガンに掲げ、誰もが簡単に投資を楽しめるプラットフォームを構築中だ。今回調達した資金は、広告やプロモーション、人材採用に充てる。 ユーザー（投資家）から見たFOLIOの投資スタイル（商品）は大きく2つに分かれる。1つは「テーマ投資」だ。個別企業・銘柄を選択して投資するのではなく、イメージとしては「IoT」や「ロボット」、「

竹中工務店は、建物管理システムプラットフォーム「ビルコミュニケーションシステム（ビルコミ）」で、機械学習による予測の精度向上にも工夫を施した。機械学習の予測アルゴリズムは、マイクロソフトの機械学習クラウドサービス「Azure ML」で標準搭載しているニューラルネットワークを使用。以前利用していたパッケージソフトも、ニューラルネットワークでデータ解析するものだった。 ニューラルネットワークの採用は「線形回帰やランダムフォレストなどほかのアルゴリズムと比較しても、十分に信頼性を得られるという事前評価に基づく」と粕谷氏は話す。 Azure MLによる学習モデルの構築や学習結果の評価では、ソフトバンクテクノロジーの協力も得た。評価については「予測値から実測値などを独自の計算式に投入して実行している」（粕谷氏）という。「ベンダーの提示であり一般的ではないかもしれない」（同）。 以前利用していたパッケ

テクノロジーの最先端の領域において、高度で多様な研究を進めるMIT(マサチューセッツ工科大)メディアラボ。そのメディアラボで、ダライ・ラマ倫理センターから支援を受けているユニークなプロジェクトがある。世界のまったく見知らぬ人と期間限定でつながることで人々の新しい倫理をつくり出そうとするものだ。実際、最近のメディアラボでは「倫理」や「人間性」(ヒューマニティー)といった言葉をよく耳にする。一見すると最先端のテクノロジーとは程遠いテーマとも見えるが、AIやロボットの急速な進化が、そのような哲学的テーマに研究者たちを向き合わせるようになったのかもしれない。今回は、MITメディアラボをテーマとしたシリーズの第1回として、このプロジェクトを手掛ける、助教授のケヴィン・スラヴィン氏に話を伺った。 【プロジェクト紹介】 「20日間の見知らぬ人」は、世界のどこかにいる全く見知らぬ人と、匿名のまま20日間だ

日本電信電話（NTT）が1月30日、AIを用いてネットワーク障害の原因や因果関係を発見する技術を開発したと発表した。 NTTグループのAI技術「corevo」を用い、障害時にネットワーク機器から発せられるアラームなどのイベントから、障害に特有のイベントの組み合わせを抽出するアルゴリズムを開発。さらに保守者の日々の運用ノウハウを学習することで精度を向上させる。 オープンソースリアルタイム分散機械学習基盤「Jubatus」を用いて実現するもので、データセンターなどの商用ネットワークの運用データにより、ハード故障、ソフト故障、トラフィック圧迫、ストーム発生などのルールが生成、修正されることを確認したという。 NTTでは、AIを用いた障害原因の推定において、これまで数時間から数日かかるほどの大規模ネットワークの障害も数秒程度まで短縮できることが期待できるとしており、システムの実用化を通じてネットワ

(注：2017/02/06、いただいたフィードバックを元に翻訳を修正いたしました。修正内容については、 こちら を参照ください。) Dependency HellはNP完全ですが、この状況から脱却できるかもしれません。 パッケージにおけるバージョン選択の問題とは、完全である（全ての依存関係を満たしている）かつ互換性のある（互換性のない2つのパッケージが選択されていない）トップレベルパッケージPをビルドするために使われる依存関係の集合を見つけることです。ただし、菱形依存問題があるので、このようなセットは存在しない可能性があります。菱形依存問題とは、AはBとCが必要、BはDのバージョン2ではなくバージョン1が必要、CはDのバージョン1ではなくバージョン2が必要といったような問題のことです。この場合、Dの両方のバージョンを選択することはできないため、Aをビルドすることができないわけです。 パッケ

いわゆる「鍵屋」としてゲームのキーを販売するマーケットプレイスを展開しているG2A.comが、今年は自社ブースを構えて台北ゲームショウ2017に出展していた。 キーの入手経路の問題など、一部メディアからは危険視されている同社だが（※筆者はクレジットカードの不正使用などの犯罪行為を賛美していません、念のため）、近年ではパブリッシャー自ら参加できるG2A Directの開発・運営や自社パブリッシングの開始などを始めており、ゲーム産業の貢献に決して無視できない存在へとなっている。 特にVRに関しては猛スピードで開発・製作を行っており、すでにOculus Rift向けのバーチャルテーマパーク「G2A Land」を今月発売。今回の台北ゲームショウでは、Oculus Touchを使ったガンシューティング「Blunt Force」を展示していた。 二挺拳銃を駆使して戦うFPS。アドベンチャーモードとシュ

2017年1月に日本での出荷を開始した、米Microsoft社の光学透過型ヘッドマウントディスプレー（HMD）「Microsoft HoloLens」。日経テクノロジーオンライン/日経エレクトロニクス編集部の分解班は開発者向けの「Microsoft HoloLens Development Edition」を入手した。目的はもちろん、恒例の分解調査である。 「Uさん、分解記事やってみる？」 事の発端は、編集会議でO編集長が発した一言だった。会議当日の朝に届いたHoloLensは、注文受付を開始した2016年12月2日にN記者が予約していたもの。2017年1月に日経エレクトロニクス編集部に配属されたばかりの筆者に白羽の矢が立ったのであった。 購入した開発者向けHoloLensの価格は33万3800円（税込み）。社会人1年目の筆者にとっては非常に高価な製品である。これを分解するのか、という複雑

なんかもう税金が高くて死にそうです。 夫婦で毎月50万円くらい払うのか……!? うちは夫婦で会社をやっていますが、「健康保険料」「厚生年金保険料」「住民税」「所得税」を合わせると……。 おそらく「夫婦ふたりで毎月50万円」くらいの負担になります……。法人作って一期目なのでよくわかってないんですが、たぶんそのくらいにはなりそう。税額などが確定したら、記事内に追記いたします。 追記）二期目は夫婦の保険料は毎月38万円、所得税・住民税は合計250万円くらいでした。昨年度は稼ぎすぎて、法人税は3,700万円………。 もろもろ考慮すると、軽く年間1,000万円は社保と税金に消えてるわけですね……。 1000万円あれば、外注スタッフ3人は雇えますなぁ……。 支払ってる年金も、どうせもらえないんだろうしなぁ……。 もう全部ビットコインとかにならないかなぁ……。遠い目。 まぁ、こればかりは文句を言っても仕

自動売買システムを手掛けるオートマチックトレードが、ビットコイン取引所国内最大手のビットフライヤーとビットコインの自動売買サービス「トレトレBitcoin」をリリースした。「トレトレ」ではすでに日経225先物とFXの自動売買に対応しており、今回新たにビットコインの自動売買に参入した。 2016年5月の「改正資金決済法」により、ビットコインをはじめとする仮想通貨の財産的価値が認められ、今年4月ごろには仮想通貨の取引にかかる消費税を撤廃される見通しとなっている。これにより、昨年から注目を集めてきたビットコインやブロックチェーンに関連する市場が伸び、ビットコインの取引高も急増している。こうしたなか、自動売買システムを手掛けるオートマチックトレードが、ビットコイン取引所国内最大手のビットフライヤーとビットコインの自動売買サービス「トレトレBitcoin」をリリースした。「トレトレ」ではすでに日経2

最近よく耳にする「ビットコイン」。 マスメディアにも取り上げられ、普及の気配を見せています。 もしかすると、私達の暮らしや社会の仕組みを大きく変えてしまうかもしれません。 ですが、あなたはそれを正しく説明できますか？ 仮想通貨？新しいお金？ 実は聞けば聞くほど、とても深い仕組みになっているんです。 明日、誰かに質問されたときにしっかり答えられるよう、 24時間ビットコインの購入等の取引が可能な「coincheck（コインチェック）」というサービスを運営している大塚雄介先生にお越しいただいて授業を行います。 ・ビットコインとは何か ・普及すると何が変わるのか ・今どんな問題点があるのか 上記を正しく理解することはもちろん、 ビットコインがつくる未来や、起こりうる可能性について、 受講生参加型で考えていきましょう。