TensorBoard TensorBoard is a suite of web applications for inspecting and understanding your TensorFlow runs and graphs. TensorBoard currently supports five visualizations: scalars, images, audio, histograms, and the graph. This README gives an overview of key concepts in TensorBoard, as well as how to interpret the visualizations TensorBoard provides. For an in-depth example of using TensorBoard,

当サイトでは「アフィリエイト広告」を掲載している場合があります。消費者庁が問題としている「誇大な宣伝や表現」に配慮しコンテンツを制作しておりますのでご安心下さい。問題のある表現がありましたらお問い合わせよりご連絡いただけますと幸いです。 どうも、ことのは(@tukinasikotonoh)です。 突然ですが皆さん、身近に女装する人は居るだろうか？ 女装（じょそう）とは、それぞれの文化によって「女性用」と規定されている衣服・装飾品を男性が身につけ、これによって外見の衣装上は女性の姿になることを云う。男性の異性装である。 引用元：Wikipedia 僕の住んでいる沖縄で女装する人はあまり見かけないのだが、東京などに行くと結構な割合で居るという噂を聞いた！ 今まで女装にまったく興味は無かったのだが、ある人の影響で女装にチャレンジしてみることにしたｗｗどんなチャレンジだ。 我ながら結構可愛く撮れた

どうも、ことのは(@tukinasikotonoh)です。 皆さん、昨年末は部屋の大掃除などをしただろうか？ ぼくは、昨年末（2016年末）は謎の腹痛に襲われて、部屋の掃除をするどころかずっと布団の中で寝込んでいた。（年越し前に無事、回復） 体調も良くなって清々しい気持ちで新年の朝をむかえられたじぇい！！ — ことのは (@tukinasikotonoh) 2017年1月1日 というわけで、年が明けてから少しずつ自分の部屋を掃除していたのだが、その最中に非常に懐かしいライトノベルが出てきたのだ！ そう！それこそが下記の作品。 「俺のかーちゃんが17歳になった」 タイトルだけで、両親に強烈なダメージを与える事は間違いないだろう。 発売された年月日は下記の通り。 1巻の発売日が、2013年7月10日 2巻の発売日が、2013年12月10日 2013年といえば当時、僕は19歳で専門学校1年生だっ

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

引き出しから、過去10年分の年賀ハガキ200枚とウン十年前の古い未使用切手が大量に出てきた。このまま眠らせておくのも勿体無いので懸賞に応募しまくって消費しようと考えた。 古い切手はプレミアがついてると思い一応調べたが、今の世の中は切手を趣味としている人が少ないため、50年前の未使用切手程度では全く価値が無いんだそうだ。売るより郵便で使っちまったほうがよっぽど良いと。 なので、なんの躊躇いもなく使っちまいます。 で、この半年間、目に付いた懸賞に片っ端から応募してみて、個人的に思うことを並べていくよ。 まず、懸賞マニアのブログなどでよく目にする「年賀ハガキでの応募は失礼に当たり、年賀ハガキで応募した時点で無効になる」との意見は完全なデマだ。 あとよく目にするのは「懸賞は郵便ハガキ（いわゆる官製ハガキ、切手を貼る必要のないハガキ）でしか受け付けていない。私製ハガキ（切手を貼る必要のあるハガキ）

こんにちは、えむしです。もう一つのブログに書くような内容の記事ですが、妻のえむふじんが絵を描く時に毎回Macのショートカットで迷うので、備忘録的な記事をこちらに・・・。 MacOSのショートカットに使う記号って？ 記号に対応しているキーの一覧 ショートカットはどのように押せば良い？ MacOSのショートカットに使う記号って？ 例えば僕が常用しているchromiumブラウザ、Vivaldiの「表示」の部分を開いてみます。 このように記号がズラリ。 「ブックマークバー」を表示/非表示させるなら「⇧⌘B」（文字化けしていたら申し訳ありません）を押せばわざわざメニューバーから操作せずともその操作を完了させることができるわけです。 しかし、矢印の上なんてキーボードには印字されていません。 その後出てくる「⌥」この記号なんて、どう呼べば良いかすら分からないマークです。 この記号が何を意味するのかを覚え

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

あーーちょっと待って！！！！絶対に「損得」で物事を見ない人へ。危険だから緊急更新！！！ | かねやんの【ユーモア☆LIFE】

「プログラミング言語ってたくさんありすぎて、どれ学べばいいかわかんない…」 「できれば習得がかんたんな言語が良いな！」 「就職・転職で評価される言語は？」 どのプログラミング言語を学ぼうか考えるのって楽しいですよね？ 私もこれまでC言語, C++, JavaScript/node.js, Visual Basic, Java, PHP, Ruby, C#と様々な言語を使ってきました。 ちょびっと触った言語としてPython, Perl, Scala, PL/SQL, COBOL等があります。 入門書は読んだけど、実際使うには至らなかった言語(Haskell, F#, Common Lisp, Clojure, Lua, Go)もたくさんあります。 そんな経験を踏まえて、プログラミング言語の習得難易度を分類してみます。 難易度S(全くものにならず) Haskell, F#, Common L

応用範囲が広く幅広い視点からの説明になりがちなベイズ最適化について、本記事では機械学習のハイパーパラメータ探索に利用することに限定して解説します。 1. はじめに 最近、ベイズ最適化という手法が注目を集めています。 ベイズ最適化 (Bayesian Optimization) とは、形状がわからない関数 (ブラックボックス関数) の最大値 (または最小値) を求めるための手法です。 ベイズ最適化についての入門記事は Web 上にすでにいくつかありますが、ベイズ最適化は応用範囲が広く、入門記事は様々な応用に向けた幅広い視点からの説明になりがちです。 本記事では、機械学習ユーザに向けて、ベイズ最適化を機械学習のハイパーパラメータ探索に利用することに限定して説明します。 これにより、機械学習に対して、ベイズ最適化がどのように利用できるのかを分かりやすく解説したいと思います。 2. ハイパーパラメ

この記事はDeep Learning Advent Calendar 2015 23日目の記事です． はじめに コンピュータセキュリティシンポジウム2015 キャンドルスターセッションで（急遽）発表したものをまとめたものです． また，私の体力が底を尽きてるので，後日に大幅な加筆・修正します． Deep Learning Advent Calendar 21日目の記事はすいません，しばらくお待ちください... Deep Leaningの光と闇 Deep Learningが様々なタスクにおいて大きな成果を上げています．また，各種フレームワークの登場によって，Deep Learningの導入や実践する敷居が大幅に下がりました．このことから，Deep Learningを活用していこうと考えてる，あるいはすでに活用している企業や研究者が増えてきています． Deep Learningによって従来の手法

Deploy ML on mobile, microcontrollers and other edge devices

ミニバッチを使い上下に行ったり来たりしながら目的関数の値が減少していく例 確率的勾配降下法（かくりつてきこうばいこうかほう、英: stochastic gradient descent, SGD）は、連続最適化問題に対する勾配法の乱択アルゴリズム。バッチ学習である最急降下法をオンライン学習に改良したアルゴリズムである。目的関数が微分可能な和の形であることを必要とする。 下記の和の形の目的関数を最小化する問題を扱う。 パラメータ はQ(w) を最小化するように推定する。典型的には、 は i 番目の訓練データ。 古典的な統計学において、和の最小化問題は、最小二乗問題や最尤推定問題などにあらわれる。一般的なケースでは、和を最小化する推定量はM推定量と呼ぶ。しかしながら、Thomas S. Fergusonの例[1]などで示されるように、いくつかの最尤推定の問題において、最小解ではなく局所解を要求

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

先日、JJUG CCC 2015 Fallに参加して、灰色のサイトで有名なひしだまさん（ひしだま (@hishidama) | Twitter）の「GH-6 Java8 Stream APIとApache SparkとAsakusa Frameworkの類似点・相違点」を聞いた際に出てきた「DAG (Directed acyclic graph) - 有向非巡回グラフ」が面白そうだったので調べてみた。 DAGとは Wikiによると、 グラフ理論における閉路のない有向グラフの事。 有向グラフは頂点と有向辺（方向を示す矢印付きの辺）からなり、辺は頂点同士をつなぐが、ある頂点 v から出発し、辺をたどり、頂点 v に戻ってこないのが有向非巡回グラフである。 wikipedia:有向非巡回グラフ となっている。 DAGの例 Wikiの例はわかりづらいので、JJUG CCC 2015 Fallのひし

有向非巡回グラフの例。この例は連結グラフであるが、非連結な有向非巡回グラフも存在する。 有向非巡回グラフ、有向非循環グラフ、有向無閉路グラフ（ゆうこうひじゅんかいグラフ、英: Directed acyclic graph, DAG）とは、グラフ理論における閉路のない有向グラフのことである。有向グラフは頂点と有向辺（方向を示す矢印付きの辺）からなり、辺は頂点同士をつなぐが、ある頂点から出発し、辺をたどり、頂点に戻ってこないのが有向非巡回グラフである[1][2][3]。 有向非巡回グラフは様々な情報をモデル化するのに使われる。有向非巡回グラフにおける到達可能性は半順序を構成し、全ての有限半順序は到達可能性を利用し有向非巡回グラフで表現可能である。順序づけする必要があるタスクの集合は、あるタスクが他のタスクよりも前に行う必要があるという制約により、頂点をタスク、辺を制約条件で表現すると有向非巡回

Pythonを始めたばかりのユーザーの多くが、どちらのバージョンを使えばいいのか迷っています。私の答えは、「気に入ったチュートリアルに書かれているバージョンにしましょう。そして、あとで違いを調べてください」という言葉につきます。 それでは、新しいプロジェクトを始めるときにはどちらを選べばいいのでしょうか？ 使おうとしているライブラリを全てサポートしているなら、2.7.x系と3.x系のどちらを使ってもよいでしょう。そうはいっても、この2つのメジャーバージョンについて大きな違いを見ておくのは良いでしょう。どちらかのみでコードを書いたり、プロジェクトに使おうとしている時によくある落とし穴を避けられるからです。 __future__ モジュール Python 3.x で導入されていて Python 2 で使えないキーワードについては、 __furute__ モジュールをインポートすることで Pyt

(Deutsch: MathJax: LaTeX Basic Tutorial und Referenz) To see how any formula was written in any question or answer, including this one, right-click on the expression and choose "Show Math As > TeX Commands". (When you do this, the '$' will not display. Make sure you add these: see the next point. There are also other ways to view the code for the formula or the whole post.) To try formatting, visi

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

相关软件 火柴人皇家战争 163MB/ 动作冒险 /6.76.37 末日扳机 168MB/ 飞行射击 /1.85.21 真实建造模拟3D 275MB/ 模拟游戏 /6.69 恐怖冰淇淋邻居 222MB/ 动作冒险 /2.54 宾利棋牌让我们重新定义体育赛事。高清、无广告、有趣的NBA体育视频直播平台。涵盖海量热门体育赛事，包括NBA、CBA、台球、西甲、亚冠、欧冠、英超、中超、德甲、意甲、法甲.全新打造的NBA和足球新闻，秉承全面、专业、有趣的态度， 为您提供7X24小时的体育资讯。 宾利棋牌是快速全面的体育赛事直播平台，获取真实客观的新闻资讯，更多赛事比赛交流，让你与万千爱好者互相交流赛前信息。每日热门话题推送最优质的分析资讯，让你无需再费心神就与大神同行。看赛事直播，聊比赛，下载抓饭直播APP即可体验！ 宾利棋牌是專業賽事資訊及分析預測平臺，涵蓋足球資訊，賽事數據直播，專家分析與球友社

Pythonではバージョン2系と3系との間に互換性がありません。ソースコードの書き方に違いがあるため、2系のインタプリタでは動作していたスクリプトが、3系のインタプリタでは動作しない可能性があります（逆のケースあります）。このあたりも交えてバージョン選定を行う上での注意点も簡単にまとめておきます。 対応ライブラリの数 2017年現在、かなり改善していますが対応ライブラリの数はまだ2系の方が多いようです。3系で開発を始めたものの、目的の機能を実装するために利用しようとしたライブラリが2系にしか対応していない、というような状況にならないよう事前に調べておく必要があります。そういった事に陥らないように、2系を選択して開発を行うケースもあるようですが、標準ライブラリのみで開発可能なプログラムであれば、最新の3系を利用して開発を行うのが良いでしょう。 パッケージの再構成 標準ライブラリのurllib

初めに この記事は、Python その2 Advent Calendar 2015の9日目の記事です。 書こうと思ったわけ 僕がPython初めて書いたのが4年前でとてもよい言語だと思い、簡単なコードなどはいつもPythonで書いていました。 初めに書いたのはPython2.7でしたが、調べていたらPython3なるものがあり、新しいもの好きだったので本気で学ぼうとし始めた時はPython3.3を使ってました。 なので、2系の話などはほとんど知らず、わざわざ古い(といっても当時は2系がメインでしたが)ものを学ぶ必要もないと思ってました。 が。 2系のライブラリが3系に対応していなかったり、2系で書かれていて3系に自分で置き換えなければならないなど色々問題がありました。 とまぁ、とにかく2系と3系の違いを学習ついでにまとめて見ようと思った次第です。 (すでに3系がでてから7年位経っているのは

はじめに Jupyter初心者なので、AWS EC2上の環境構築方法、簡単な使い方を半年後の自分用にチラシの裏しておきます。 細かい設定はさておき、手っ取り早くEC2上にJupyter環境を構築し、Jupyter上で簡単なPython scriptを動かして、JupyterのUI操作方法の初歩を覚える所までを目標とします。Linux戦闘力が低いので、極力コピペで手順がなぞれる様に心がけます。 なお、Amazon EMRを使ってSpark Cluster上にJupyterを作りたい場合にはこちらを参照下さい。また、Jupyter Notebookは次期VersionよりJuypter Labとなり大きくUI/機能が変わる予定です。Jupyter Labの環境構築方法はこちらを参照下さい。 Jupyter環境構築 まずは、Jupyter環境を構築する手順です。 EC2の作成 Jupyterを動

【更新】Jupyter 5 系のアップデート版の記事が別にあります。 JupyterのDockerイメージまとめ - Qiita IPythonはバージョン4.0から Project Jupyter に統合されるようになりました。JupyterはPythonだけでなく、R, Julia, Scalaからも使えるようになり、データ分析の核となるツールと言えます。40を超えるプログラミング言語から使えるだけでなく、Jupyter Notebook Viewer を介して共同作業を促したり、Apache Spark と統合することも可能です。ちょっと SciPy Stack を試してみようかな、と思って IPython Notebook を使う世代とは一線を画すものになっています。 これまではNumPyやpandasと言えばインストールが大変な印象でしたが、Jupyterは複数のDockerイメ

Simon_Sin @Simon_Sin 「国立大の授業料無償化すると国家財政が危うくなる」とか言っている連中は、法人税減税の時も同じ事言ったのか？国立大無償化には4000億円しかかからないけど法人税減税で税収は7000億円減ったんだぞ？なんで大企業には甘いのに国民には厳しいの？ 2017-01-05 12:07:59 rionaoki @rionaoki むしろ、インテリの皆様は、大学が世間からどれだけ嫌われているのか認識したほうがいいと思うんよね。大学の先生なんて概ね仕事なんてしてないし、好きなことやって裕福な暮らしをしているぐらいに思われてるでしょ。 2017-01-05 16:39:00

を加えることで、matplotlibの__nbagg__が有効になり、Jupyter上でアニメーションが再生できます。 matplotlibの公式の説明によると、__nbagg__はmatplotlib 1.4で新たに追加された機能で、Jupyter上でのインタラクティブな画像表示を実現するための機能だそうです。 以下はデモのソースコードです。 %matplotlib nbagg import numpy as np import matplotlib.pyplot as plt import matplotlib.animation as animation fig = plt.figure() x = np.arange(0, 10, 0.1) ims = [] for a in range(50): y = np.sin(x - a) im = plt.plot(x, y, "r")

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

matplotlib とは python のグラフ描写モジュールであり、アニメーションも作れる。つまり深夜にアニメを見ないと死ぬ諸兄は matplotlib を覚えるというのも一案である。 というわけで極めて簡単なサンプルとして、numpy で生成した乱数を描写するだけのコードを書く。 公式ドキュメントはこちら。 http://matplotlib.org/api/animation_api.html ArtistAnimation matplotlib のアニメーションは ArtistAnimation と FuncAnimation の2種類がある。 ArtistAnimation は、あらかじめ全てのグラフを配列の形で用意しておき、それを1枚ずつ流すというものである。 import numpy as np import matplotlib.pyplot as plt import

Gifアニメーション ソースファイル 最新のmatplotlib(1.3.0)ではanimationにImagemagickという画像変換ソフトが使え、gifアニメが作れます。 このソフトはpythonのライブラリでは無くて、外部アプリケーションなので、別途インストールする必要がありますが、 便利でメジャーなソフトなので、入れておいて良いと思います。 Gifアニメはコマ送りのアニメなので、粗い時間間隔で計算された物理状態変化を見せたい場合に向いていると思います。 また、markdown上にもhtmlにも画像として貼れるので、扱いが容易です。 ただし、Windowsでは注意点があります。 Imagemagickのconvert.exeというのを内部で利用するのですが、windowsのシステム内にある別のconvertというコマンドと間違える恐れがあります。 参考サイト：http://stac

Rではanimationというライブラリでgifアニメが作れるという話を聞き、Pythonでも同じことができないかどうか調べてみました。 具体的には↓の記事でRを使ってやってることです。 これからの可視化は動画の時代～Rでanimationパッケージで動画を作成する方法@Tokyo.R #20 - Analyze IT. ニコニコ動画のボーカロイド共演ネットワーク - 驚異のアニヲタ社会復帰への道（ネットワークの時間発展のアニメーション、かっこいい） Pythonのmatplotlibでのやり方はこの記事を参考にしました。matplotlibのバージョン1.3.0以降でImageMagickと連携してgifアニメが作れるそうです。 Making GIF animations with Matplotlib | Seeing Systems この記事だとnumpyをインポートし忘れてたり、意

Pillowとは Pillow は、Python の画像処理ライブラリで、Python Imaging Library (PIL)の fork プロジェクトです。 PIL は開発が停滞し Python 2.7 までの対応にとどまっていますが、Pillow は Python 3.3 に対応しています。 2016-04-14 追記：Python 3.5.1 に対応しています。 Pillow 環境 pip インストール可能です。 $ pip install pillow Windows の場合、error: Unable to find vcvarsall.bat というエラーが出て、これは Visual C++ のなにがしを導入すると解消するらしいのですが、僕の環境で2008やら2012やらを入れても解消できなかったので諦めて Mac でやりました。 2013-05-07 追記：Windows

Pythonでの画像処理はPIL(Python Imaging Library)がポピュラーです。ただしPIL自身はPython 3系には対応しておらず、後継のPillowがそれに対応しているため、そちらを選択するとよいでしょう。 Pillowのインストール 下記コマンドを入力しPillowをインストールしてください。 ※これはpipがインストールされていることを前提としています。インストールしていない場合はpipの使い方とインストールを参照してください。 pip install pillow イメージファイル情報の取得 例で使用するイメージファイルは、本サイトのロゴを使用しています。 from PIL import Image img = Image.open('./logo.jpg') print(img.format) print(img.size) print(img.mode)

この Issue で、Windows だけで発生する現象というのが報告されて、 https://github.com/nakagami/pyfirebirdsql/issues/118 自分の手元に Windows の環境ないもんだから、困っていた。 （というか、誰か直してくれないかなぁ、って思ってた） AWS の WorkSpaces というので Windows の環境が時間で借り…続きを読む

これを見ていたら手がうずうずしてきたので描いてみた。 Cool Ascii Animation using an Image Sprite, Canvas, and Javascript リンク先はカラー画像(JavaマスコットキャラのDukeくん)をCanvasで グレイスケール化し、 輝度にあわせてアスキーアートに変換している。 本記事ではPython/PILによって見よう見まねでグレイスケールとアスキーアート画像を作成する。 画像のグレイスケール化 PILを使えば簡単に行うことができる。 from PIL import Image from PIL import ImageOps if __name__ == "__main__": input_image = Image.open("lena.png") output_image = ImageOps.grayscale(input

特に意味なく、複数の画像からアスキーアートのGIFアニメーションを作るPythonを書いたんで、使い道も特に無いんでここに書いとく。 上のサンプル画像は、頭が回るように８枚の写真を使って、「polikej#」の文字を使って生成しました。 タイル状に並べる画像の数、フォントの色・サイズなどを、スクリプト冒頭の大文字変数で指定してます。 （サンプル画像は、下のコードを少しいじって作ってます。） フォントのパスは、OSXだとFont Bookとかで、等幅フォントを調べて、右クリックでFinder表示で分かる。 アスキーアート化にPillow、GIFアニ生成にImageMagickが必要です。 Mac使ってれんで、pipとbrewで、それぞれ、インストールしてます。 from PIL import Image, ImageDraw, ImageFont import os.path import

#勾配降下法は何に使う？# 勾配降下法は統計学や機械学習で多く使われています。特に機械学習というのは基本的に何かしらの関数を最小化（最大化）する問題を数値解析的に解くことに帰結する場合が多いです。（e.g. 最小二乗法 → 誤差の二乗和を最小化（参考）、ニューラルネットワークのパラメータ決定 etc...） なので、基本的にはひたすら微分して0となるところを探す問題ですね、微分して0。で、その微分して0となる値は何か、をプログラムで解く場合に重要になるのがこの勾配降下法です。幾つか勾配法にも種類がありますがここでは最急降下法、確率的勾配降下法の２つを扱います。まずはイメージをつかむために１次元のグラフで確認していきたいと思います。 ##1次元の場合## 1次元の場合は、確率的という概念はなく、ただの勾配降下法になります。 （どういうことか、はのちほど） 1次元の例は、正規分布をマイナスにし

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

目次 目次 はじめに A*アルゴリズムとは、 A*よる経路探索アルゴリズムの流れ 1. ゴールノード（G ）とスタートノード（S ）を作成する。 2. スタートノードをOpenリストに追加する. 3. Openリストが空なら探索は失敗とする 4. Openリストに格納されているノードの中で最もf*(n) が小さいノードnを選択する。 5. n = G であるなら探索を終了する。それ以外の場合は n を Close リストに移す。 6. n に隣接している全てのノード（ここでは隣接ノードを m とおく） 7. 3-6 以降を繰り返す。 8. 探索終了後 G から親を順次たどっていくと S から G までの最短経路が得られる。 運動モデルにおけるコスト設定による複雑な経路探索 MATLAB プログラム Pythonサンプルプログラム 参考資料 MyEnigma Supporters はじめに

なわばりの数理モデル -ボロノイ図からの数理工学入門-posted with カエレバ杉原 厚吉 共立出版 2009-02-24 Amazonで探す楽天市場で探すYahooショッピングで探す 目次 目次 ボロノイ図とは ロボティクスにおけるボロノイ図 Pythonサンプルコード 参考資料 MyEnigma Supporters ボロノイ図とは ボロノイ図は、 ある平面内の点を、 ある特定の点群の中からどれに最も近いかによって 分割してできる図のことを指します。 (下図はボロノイ図の例) ボロノイ図 - Wikipedia 第11回　ボロノイ図の作成（前編）：Blogopolisから学ぶ計算幾何｜gihyo.jp … 技術評論社 ボロノイ図とは ボロノイ図を作る - Qiita ボロノイ図を作るための 特定の点群を母点といい、 ボロノイ図の境界は、 それぞれ隣接する母点の垂直二等分線で構成さ

はじめに K-means法やk近傍法等のクラスタリングで用いられる距離については、クラスタリングする対象によっては距離として私達が普段馴染んでいるユークリッド距離以外の距離を用いるとうまくいくケースがあります。（Mahout イン・アクション） 私達が普段馴染んでいるユークリッド距離と書きましたが、このユークリッド距離は2つのベクトル \( \boldsymbol{x}, \boldsymbol{y} \) が与えられたとき、次のように定義されます。 [latex] d_{\text{euclid}}(\boldsymbol{x}, \boldsymbol{y}) = \sqrt{\sum^n_{i = 1} (x_i - y_i)^2} [/latex] この距離という概念は数学的には類似度を測る尺度として抽象化され、2つのベクトルを引数としてとり実数を返却する関数 \( d\) は下記

円板のように見える凸集合、（緑色）の凸集合は x と y を繋ぐ（黒色）の直線部分を含んでいる。凸集合の内部に直線の部分の全体が含まれる。 ブーメランのように見える非凸集合、x と y を繋ぐ（黒色）の直線の一部が（緑色）の非凸集合の外側へはみ出ている。 ユークリッド空間における物体が凸（とつ、英: convex）であるとは、その物体に含まれる任意の二点に対し、それら二点を結ぶ線分上の任意の点がまたその物体に含まれることを言う。例えば中身のつまった立方体は凸であるが、例えば三日月形のように窪みや凹みのあるものは何れも凸でない。凸曲線（英語版）は凸集合の境界を成す。 凸集合の概念は後で述べるとおり他の空間へも一般化することができる。 函数が凸であることと、函数のグラフの（緑色の）領域が函数のグラフの上にあるような函数は（下に）凸である。 S は実数体（あるいはより一般に適当な順序体）上のベク

この記事は検証可能な参考文献や出典が全く示されていないか、不十分です。 出典を追加して記事の信頼性向上にご協力ください。（このテンプレートの使い方） 出典検索?: "ボロノイ図" – ニュース · 書籍 · スカラー · CiNii · J-STAGE · NDL · dlib.jp · ジャパンサーチ · TWL (2011年10月) ボロノイ図の一例 個々の色分けが一つの領域を表す ボロノイ図（ボロノイず、英: Voronoi diagram）は、ある距離空間上の任意の位置に配置された複数個の母点（英: site、サイト）に対して、同一距離空間上の他の点がどの母点に近いかによって領域分けされた図のことである。特に二次元ユークリッド平面の場合、領域の境界線は、各々の母点の二等分線の一部になる。母点の位置のみによって分割パターンが決定されるため、母点に規則性を持たせれば美しい図形を生み出す

資料はこちらです。 http://nineties.github.com/prml-seminar

Apache Sparkは、ビッグデータ最大のオープンソース・コミュニティーによって支援されている、機械学習およびAIアプリケーション用の超高速のオープンソース・データ処理エンジンです。 Apache Spark（Spark）は大規模なデータ・セットを簡単に処理でき、PySparkに適した高速な汎用クラスタリング・システムです。ビッグデータ、特にストリーミング・データ、グラフ・データ、分析、機械学習、大規模データ処理、人工知能（AI）アプリケーションに必要な計算速度、拡張性、プログラミング可能性を実現するように設計されています。 Sparkの分析エンジンは、小規模なワークロードでは、Hadoop（ibm.com外部へのリンク）などの他の方法よりも10～100倍も高速にデータを処理します。並列処理とフォールト・トレランスが組み込まれており、処理ワークフローをコンピューターの大規模クラスター全

Apache Sparkâ„¢ is a multi-language engine for executing data engineering, data science, and machine learning on single-node machines or clusters.

FINDJOB! 終了のお知らせ 2023年9月29日にFINDJOB!を終了いたしました。 これまでFINDJOB!をご利用いただいた企業様、求職者様、様々なご関係者様。 大変長らくFINDJOB!をご愛顧いただき、誠にありがとうございました。 IT/Web系の仕事や求人がまだ広く普及していない頃にFind Job!をリリースしてから 約26年間、多くの方々に支えていただき、運営を続けてまいりました。 転職成功のお声、採用成功のお声など、嬉しい言葉もたくさんいただきました。 またFINDJOB!経由で入社された方が人事担当になり、 FINDJOB!を通じて、新たな人材に出会うことができたなど、 たくさんのご縁をつくることができたのではないかと思っております。 2023年9月29日をもって、FINDJOB!はその歴史の幕を下ろすこととなりましたが、 今後も、IT/Web業界やクリエイティブ

はじめに 最近はAIや機械学習などの単語がビジネスで流行っていて、世はAI時代を迎えている。QiitaやTwitterを眺めているとその影響を受けて、世の多くのエンジニアがAIの勉強を始め出しているように見受けられる。 さらに、近年では機械学習のライブラリも充実しており、誰でも機械学習を実装することができる良い時代になってきた。 その一方で、特徴選択を行い精度を向上させたり、機械学習の出した答えがどの特徴に基づいて判断されたのかを理解したりするには、モデルに対する理解やテクニックが必要となる場合も多々ある。複雑なモデルになると人間には解釈が困難で説明が難しい。近頃流行りのDeep Learning系のモデルだと頻繁に「なんかよくわからないけどうまくいきました」となっていると思う。 一般的なエンジニアとしては、この点が割と課題なんじゃないかと勝手に思っている。というか、私が課題に感じている。

福嶋隆史@ふくしま国語塾 @FukushimaKokugo どんな難関中学・高校にも、必ず「学年最下位（最下層）」の生徒というのが、存在する。300人中300位の子。でも、そういう子でも、「難関校に合格した子」なのだ。合格したときは、「すごいわねぇ、頭いいのねぇ、頑張ったのねぇ」とほめそやされたに違いない。 2017-01-06 13:01:33 福嶋隆史@ふくしま国語塾 @FukushimaKokugo しかし、受かってからは地獄。D・カーネギーの言うところの「自己重要感」は皆無。みなに白い目で見られ、自尊心はズタズタ。「こんなはずじゃなかった」。 2017-01-06 13:02:49

【最終更新 : 2017.12.17】 ※以前書いた記事がObsoleteになったため、2.xできちんと動くように書き直しました。 データ分析ガチ勉強アドベントカレンダー 17日目。 16日目に、1からニューラルネットを書きました。 それはそれでデータの流れだとか、活性化関数の働きだとか得るものは多かったのですが、Kerasと言うものを使ってみて、何て素晴らしいんだと感動してしまいました 今まで苦労して数十行書いていたものが、わずか3行で書ける！ 正直、スクラッチで書く意味って、理解にはいいけど研究や分析には必要あんまないんですよね。車輪の再発明になるし。 と言うわけで、使えるものはどんどん使っていこうスタンスで、今日はKerasの紹介です！ Tutorial+気になった引数を掘り下げて補足のような感じで書いています。 ちなみに、各部のコード以下をつなぎ合わせるとmnistの分類器が動くよ

コードレスをあえて無視したことで軽量ハイパワーの布団クリーナーになった ※2017年に購入した時に書いた記事です。内容を一部書き換えてあります。 我が家でずっと購入をためらっていた商品があります。それがふとんクリーナー。花粉症の季節、年々なぜか花粉症の症状自体はゆるくなっている気がするんですが、花粉や黄砂が飛び始める時期になると布団を干せなくなります。 昼間はマスクをし、夜もマスクをしているのに、外に干した布団で寝ると咳が止まらなくなったり鼻水がでて眠りにくくなったり。花粉症の時期は布団を干さないで過ごすことになります。 布団乾燥機はすでに持っているので干す必要はないといえばないんですが、やっぱり布団についたホコリはバンバン叩きたいです。すべてのホコリが取れるとは思いませんが、日頃の鬱憤を思い出しながら布団を叩くとストレスと一緒にホコリが飛んでいって…いやいや、そんなストレスないんですけど

電気代をかけない水耕栽培を真面目に考えてみた YAMAHAのルーターの上で小松菜を育ててみた SynologyのNASで豆苗を育ててみた まとめ 電気代をかけない水耕栽培を真面目に考えてみた 最近、寒すぎて買い物に行くのが億劫です。野菜はできる限り自宅の水耕栽培機で育てたものを食べています。 以前のエントリーでも紹介したIoT水耕栽培機にかかる電気代は月300円程度ですが、電気代をかけずもっと手軽に野菜を作れないか検討してみました。 はてブでコメント頂いた方の中で、「豆苗を育てるといいですよ」と頂いたアドバイスが本当に役立っています。 「最近、野菜が高いからどうにかしてよ」と夫にぼやいた結果 - Mana Blog Next 素晴らしい。豆苗とか設備がいらずに育てられるものがおすすめです！豆苗のバター炒め、美味しいですよ。2016/11/29 08:40 b.hatena.ne.jp 10

遺伝子検査付きの育毛剤であるペルソナ育毛剤が、AGA業界で話題になっています。個人の遺伝子情報をもとに薄毛の原因を解明し、セミオーダーで配合されるというペルソナ育毛剤。その効果が、正直かなり気になってます。 なので、ネットに散らばる口コミや配合されている成分を徹底的に調べて、ガチ評価していきます。さらに、最安値価格や返品・返金保証についても言及していきます。これを読めば、ペルソナ育毛剤の全てがわかる、ペルソナ育毛剤大解剖スタート！ ペルソナ育毛剤の効果を検証！遺伝子検査とは？ 他の育毛剤とペルソナ育毛剤の違いは、なんといっても遺伝子検査があること。今まで個人向けに作られた育毛剤など聞いたことがありません。おそらく初めてではないでしょうか？ペルソナ育毛剤がどんな育毛剤なのか、その特徴と含まれている成分を検証です。 ペルソナ育毛剤の特徴 ペルソナ育毛剤の最大の特徴といえば、やはりこれ。 遺伝子

「赤りんご」と「青りんご」を見分けるだけの簡単なものですが、はじめて自分の用意した画像で深層学習をしてみました。 こんな感じ Deep Learning Apple Recognition - YouTube 「赤りんご」と「青りんご」を見分けます。 まずは「青りんご」から、確率91.4%と推測しました。 続いて「赤りんご」、確率91.1%と推測しています。 今回は推測結果が90%以上で「赤りんご」と「青りんご」を判定しています。りんごがない時に（例えば私の丸顔を写した場合）80%の推測がされた際は、判定結果が出ない様にしています。 環境 前回記事と同様です。 学習の流れ Web上から画像をダウンロードする ダウンロードした画像をNumPy配列にし、訓練データとテストデータに分ける 畳み込みニューラルネットワークで学習する OpenCVで撮影した画像をNumPy配列にし推測データとして使用

Getting Started Introduction A simple tutorial Language Reference Basic syntax Types Variables Constants Expressions Operators Control Structures Functions Classes and Objects Namespaces Enumerations Errors Exceptions Fibers Generators Attributes References Explained Predefined Variables Predefined Exceptions Predefined Interfaces and Classes Predefined Attributes Context options and parameters Su

「それ○○で標準化されているよ」って指摘されることほど、エンジニアにとっての屈辱は無いですよね。 ということで、世間知らずだと思われないためにも、手始めにISO縛りで有益そうな標準規格1をまとめてみました。 ちなみに、ISOとは…？ 国際標準化機構（International Organization for Standardization）は国際規格を策定する世界最大のボランタリーな開発組織で、国家間に共通な標準を提供することによって、世界の貿易を促進することに貢献している という組織だそうです。 (どう考えてもIOSと略すべきだと思うのですが、ISOになった理由は諸説2あるようです。) コード体系 ISO 639 (言語名コード) 例: 日本語 = ja, jpn 朝鮮語 = ko, kor 中国語 = zh, zho, chi, zho ドイツ = de, deu, ger, deu

商品詳細ページを閲覧すると、ここに履歴が表示されます。チェックした商品詳細ページに簡単に戻る事が出来ます。