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

ボクは小さいときから、ずっとラジオを聴いてきました。 中学生のころは深夜ラジオのハガキ職人として青春を過ごし、今でもラジオは生活に欠かせません。ただ、同世代でラジオを聴いている人は圧倒的に少ないんですよね…。このまま、ラジオはオワコンになってしまうのでしょうか…？ 今回は、ニッポン放送の名物アナウンサー吉田尚記さんに「ラジオってこれからどうなるのさ!?」というモヤモヤをぶつけてきました！ 〈聞き手：福田啄也（新R25編集部）〉 【吉田尚記（よしだ・ひさのり）】1975年東京都生まれ。慶應義塾大学文学部卒業。ニッポン放送アナウンサー。『ミュ〜コミ＋プラス』（月〜木曜日24時より放送中）のパーソナリティとして「第49回ギャラクシー賞DJパーソナリティ賞」を受賞。「マンガ大賞」発起人および選考委員。マンガ、アニメ、アイドル、落語、デジタルガジェットなど、多彩なジャンルに精通しており、年間100本

株式会社LIFULL（ライフル）が提供する、地図上で物件の参考価格が一覧できる「LIFULL HOME'Sプライスマップ」が、このたび対象エリアを全国に拡大いたしました。これにより、全国のマンションの参考価格などをどなたでもひと目でご覧いただけるようになりました。 LIFULL HOME'Sプライスマップ https://www.homes.co.jp/price-map/ ■「LIFULL HOME'Sプライスマップ」の全国対応について 「LIFULL HOME'Sプライスマップ」は、中古不動産市場の透明性向上を目指して2015年10月よりβ版のサービス提供を開始した、地図上で物件の参考価格をひと目で見られる情報サービスです。これまで首都圏、関西圏、福岡、愛知の中古マンションの情報を提供してきましたが、このたび対象エリアを全国に拡大し、日本国内約48万棟、約470万戸(※1)のマンション

2018年2月に終わったKaggle メルカリコンペの優勝コードを眺める動画です。 コードの解説は #18:00 ぐらいからなのでコンペ概要を知っている方は飛ばしてください。 何かありましたらTwitterまで @tkm2261

米国発の自転車シェア企業「LimeBike」がまた新たな資金調達を行った。LimeBikeの売りは専用駐輪ドックを持たない、乗り捨て自由の自転車シェアサービスであることだが、今回は不動産企業からの資金を得たことで、駐輪スペースの確保が容易になる。 昨年1月に設立のLimeBikeは先日、新規で7000万ドルの資金を調達した。累計の調達額はこれで1億3200万ドル（約140億円）に達した。 今回の出資元の「Fifth Wall Ventures」は米国最大規模の不動産関連企業である「CBRE」や「Host Hotels」「Lowe’s」らが資金を注ぐベンチャーキャピタルだ。Fifth WallのパートナーのBrad Greiweによると、彼らは既に不動産物件のオーナーらとLimeBikeをつなぐ動きを開始しているという。 「自転車シェアを不動産物件に組み入れることにより、地下鉄の駅やバス停か

This report compares urbanisation trends in OECD countries on the basis of a newly defined OECD methodology which enables cross-country comparison of the socio-econimic and environmental performance of metropolitan areas in OECD countries. The methodology is presented and results from its application to 27 OECD countries are discussed together with policy implication both on national growth and go

チャットボットから IoT デバイスまで、会話アプリはより豊かで自然なエクスペリエンスをユーザーに提供します。Google は、魅力的でパーソナルなやり取りができるインターフェースの構築を支援するために Dialogflow（旧称 : API.AI）を開発しました。 数十万人の開発者が、顧客サービスや商取引、生産性支援、IoT デバイスなどの会話アプリの構築にDialogflow を利用しています。エンタープライズ機能の追加に対する要望を多数いただいたことから、この度、Dialogflow Enterprise Edition のベータ版をリリースしました。Enterprise Edition は、Dialogflow Standard Edition のすべてのメリットに加えて、エンタープライズレベルのニーズを満たす優れた柔軟性とサポートを提供します。また、音声機能も統合され、より機能に

分位点回帰、という手法のご紹介です。 通常の回帰直線は、$x$が与えられた時の$y$の条件付き期待値(平均)と解釈できますが、分位点回帰では、25%分位点、とか95%分位点、等で使われる "分位点" をベースに回帰直線を引いてみようというものです。 何はともあれ、まずはこれを使ってグラフを書いて可視化を試みます。 #1.誤差の分散が説明変数に依存した正規分布の例# 説明変数$x$が小さいところでは誤差の分散が小さく、大きいところでは誤差の分散も大きくなるようなケースです。そんなデータを生成して試しています。 分位点回帰では、分位点ごとに異なる $\beta$が設定されるので、それぞれ傾きが異なります。 分位点回帰の実行結果 下から順に5%, 10%, 25%, 75%, 90%, 95%の分位点回帰直線と、通常の回帰直線です。 まずはデータを生成して散布図を描きます。 # 未インストールな

初めに こんにちは。CYBIRDエンジニア Advent Calendar 14日目の坂本です。13日目は@daisuke-senmyouさんの「AWS WAFのマネージドルールを試す」でした。WAFを使って多重にアプリケーションのセキュリティを固めるのは今後さらに一般的に使われると思いますので参考にしたいです。 内容について 今回はActions on Google（Dialogflow）でサービス公開した際に得た知見を少し記載します。 DialogflowでFulfillmentを利用しサーバ側と連携する場合の参考になると思います。 Dialogflowの仕様はこちら IntentsとEntitiesの各項目とサンプルJSONデータを載せます。 Intents、Entitiesのどちらを先に作成すべきか Dialogflowの画面をみるとIntentsの設定項目が上にあるので、ついIn

【ワシントン=長沼亜紀】全米住宅建設業協会（NAHB）が18日発表した12月の住宅市場指数は74となり、前月の改定値から5ポイント上昇した。上昇は3カ月連続で、1999年7月以来18年5カ月ぶりの高水準となり、ダウ・ジョーンズがまとめた市場予測（70程度）を上回った。同指数は50以上になると、住宅建設業者が新築一戸建て住宅販売市場の状況を「好調」とみていることを示す。内訳は「現在の住宅販売状

Learn to build a chatbot using TensorFlow Posted on June 28, 2016 Update 01.01.2017 Part II of Sequence to Sequence Learning is available - Practical seq2seq Last year, Telegram released its bot API, providing an easy way for developers, to create bots by interacting with a bot, the Bot Father. Immediately people started creating abstractions in nodejs, ruby and python, for building bots. We (Free

Introducing Dialogflow Enterprise Edition, a new way to build voice and text conversational apps From chatbots to IoT devices, conversational apps provide a richer and more natural experience for users. Dialogflow (formerly API.AI) was created for exactly that purpose — to help developers build interfaces that offer engaging, personal interactions. We’ve seen hundreds of thousands of developers us

さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを