荒木健太郎 @arakencloud 雲研究者・気象庁気象研究所主任研究官・学術博士。防災・減災のために、雲の仕組みを研究してます。気象監修:映画 天気の子/ドラマ ブルーモーメント。出演:情熱大陸/ドラえもんなど。著書:すごすぎる #天気の図鑑 シリーズ/てんきのしくみ図鑑/雲の教室/雲を愛する技術/気象のはなしなど。発信は個人見解です mri-jma.go.jp/Dep/typ/araki/
皆さんこんにちは! ABEJAでデータサイエンティストをしている服部といいます。 本記事はABEJA Advent Calendar2022の10日目の記事になります。 背景 引っ越しから2年.... データサイエンティストとしてのリベンジ 前回の反省を踏まえて.... 1. お得そうに見える土地には絶対に理由がある 2. 土地の数はせいぜい限られていて全部探すのも難しくない 今回解く課題 土地探しにおける意見の違いとは? どうやってデータサイエンスを使って夫婦の擦り合せを行う? アプローチ 実装 1. 架空の土地条件をランダムに沢山作る 土地条件の項目数や取りうる範囲が増えすぎないようにする 自分たちにとって関連性が高い項目を入れる 2. 作った土地に対して夫婦それぞれで値段をつける LINE Botの概要 バックエンド 土地情報の作成とFireStoreに登録 妻からのフィードバック
中国は人口統計の数値を捏造していると指摘されており、異議を唱える者は取り締まりの対象となってきた。そのため同国が「公式」としている人口に関しては、さまざまな議論がある。 そんななか、中国の公安当局が管理する10億人分の個人情報が流出した可能性があると7月に報じられた。氏名や住所、犯罪歴、病歴記録までが含まれており、史上最大規模の情報流出とされている。 著名な人口学者である易富賢によれば、この事件によって漏洩した情報が中国の「数値捏造」を裏付けているという。 人口減少を頑なに認めない 中国政府公認の人口統計数値が意図的にかさ増しされていることなど、誰もが知っていることだ。にもかかわらず、当局はこれらのデータに疑義を呈する者たちを次々と弾圧している。 たとえば拙著『大國空巣』は、2007年の出版直後に発禁となった。同書が中国の一人っ子政策への懸念を表明し、人口の減少が始まるのが、中国当局と国連
東京都は18日、都内で新たに493人が新型コロナウイルスに感染していることを確認したと発表しました。 都内で1日に確認される人数としてはことし8月1日の472人を上回ってこれまでで最も多くなり、都の担当者は、「強い危機感を持たなければならない」としています。 東京都は、18日、都内で新たに10歳未満から90代までの男女合わせて493人が新型コロナウイルスに感染していることを確認したと発表しました。 都内で1日に確認される人数としてはことし8月1日の472人を上回り、これまでで最も多くなりました。 年代別では、 ▼10歳未満が6人、 ▼10代が20人、 ▼20代が123人、 ▼30代が92人、 ▼40代が89人、 ▼50代が66人、 ▼60代が39人、 ▼70代が30人、 ▼80代が25人、 ▼90代が3人です。 このうち、40代と50代はこれまでで最も多くなりました。 また、65歳以上の高
名古屋大の研究グループは近く、7月豪雨で倒れた岐阜県瑞浪市大湫町の樹齢1200~1300年とも伝わる県天然記念物の神明大杉を活用し、過去千年間の気象の分析を始める。2、3年をめどに、大杉の年輪からこの地方の降水量や気温などを計測し、千年分のデータを取り、気候変動の研究に生かす。 研究するのは、名古屋大大学院環境学研究科の中塚武教授(古気候学)のグループ。研究テーマは「神明大杉の年輪セルロース酸素、水素同位体比の分析による瑞浪市大湫町における過去千年間の気象・気候災害史の復元」。主に根から20メートルの部分の年輪から化学物質を測定し、各年代の気象データを記録する。 文化財の年代決定の基礎研究にもつなげる。中塚教授によると、大杉は、倒木まで順調に成長を続けており、サンプルとして良好な状態。樹齢千年超というサンプルは近年では珍しいという。28日に現場を視察した中塚教授は「大杉は、開けた所で育った
","naka5":"<!-- BFF501 PC記事下(中⑤企画)パーツ=1541 -->","naka6":"<!-- BFF486 PC記事下(中⑥デジ編)パーツ=8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下(中⑥デジ編)パーツ=8826 -->","adcreative72":"<!-- BFF920 広告枠)ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag PC誘導枠5行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">\n <div class=\"
TL;DR 求職活動の結果 Ubie 株式会社に入社することにしました 決め手は「ストーリーを語りたくなるような仕事ができそう」だから エンジニアも絶賛募集中なので、一緒に働きましょう! https://note.com/ubie/n/n454a0d04a1eb 最近は求職活動に勤しんでいましたが、色々な人に話を聞いたり実際に選考を受けた結果 Ubie 株式会社 に入社することにしました。 このエントリは、私の求職活動を振り返りつつ、その過程でお世話になった人々への報告に代えさせていただこうというものです。 求職活動の経緯に関しては以下をご覧ください。 ついに求職活動をすることにしました。 機械学習エンジニア/リサーチャーのポジションで求職中です。 関係各位の方々、よろしくお願いします。 詳しくはブログで!https://t.co/2X2SuHyE5G — Yohei KIKUTA (@y
ABEJA Advent Calendarの10日目です。 はじめにのはじめに 以下は、あくまでテストデータで上手く行ってるよという話で、本当にこれをやったら儲かるかというと、まだまだわかりませんのであしからず!あとネタがネタだけに、今回のはあくまで個人のやってみた記録であり、組織の取り組みとは関係ありません。 はじめに お金が欲しい!無限に寿司が食いたい!株で儲けたい! 研究やエンジニアリングをしながら生きてく上で、将来のキャリアや技術スタックについて日々考えてるんですが、よくよく原点に立ち返るとそもそも技術スタックとかどうでもよくて、好きなものを作って漫画読んで生きていきたいんです。つまり結局、世の中は金なんですよね金。なので、何とかして寝てても圧倒的に儲かる仕組みを作りたい!そんな気持ちで私利私欲のために機械学習を使ったという記録です。 以下は、今回紹介する方法で実験したテストデータ
はじめに さっぶ。どうも、だーやまんです。 この記事は、本番環境でやらかしちゃった人 Advent Calendar 2019 - Qiitaの11日目の記事です。 これは、中途半端な知識でサービスを運用していた結果、タイトル通りの大失敗をしてしまったお話です。個人開発での出来事なので、業務で起きたことかと胃薬を握られていた方はご安心ください。 語るのもすごい恥ずかしいレベルですが、戒めのために晒しておきます。 この記事を読んでほしい人 初めてインターネット上にサービスを公開しようとしている人 喋太郎の利用者様(この場をお借りして、改めてお詫び申し上げます。本当に申し訳ございませんでした。) 背景とか Discord読み上げBot 「喋太郎」にてやらかしました www.dayaman.work 利用者が約10万人 さくらのVPSにてAppサーバ2台、DBサーバ1台で運用 各サーバの死活監視
本記事は「GYOMUハック/業務ハック Advent Calendar 2019」にリンクされている記事です。つい先日、仙台からリモート参加したニワカです。よろしくお願いいたします。 ■ 自己紹介 はじめましての方ははじめまして。またお前かの人は毎度どうも。仙台でコーポレートエンジニア(=情シス・社内 SE )を生業としているふらふらと申します。 ガチの開発から身を引いてもう 15 年位になります。技術そのものよりも「その技術で何ができるのか」「実践したらどうなるのか」という課題解決のほうが好きな性質なので、地方中小企業で社内 SE というのはある意味、天職だなあと思っています。 どういう経歴でどういう考え方の持ち主なのかについては、下記を見てもらうのが良いでしょう。みんなで情シス!第4回でお話したときの資料です。 なんのことはない、職歴の汚い「オッサン SE」です。タイトル通り業務ハック
","naka5":"<!-- BFF501 PC記事下(中⑤企画)パーツ=1541 -->","naka6":"<!-- BFF486 PC記事下(中⑥デジ編)パーツ=8826 --><!-- /news/esi/ichikiji/c6/default.htm -->","naka6Sp":"<!-- BFF3053 SP記事下(中⑥デジ編)パーツ=8826 -->","adcreative72":"<!-- BFF920 広告枠)ADCREATIVE-72 こんな特集も -->\n<!-- Ad BGN -->\n<!-- dfptag PC誘導枠5行 ★ここから -->\n<div class=\"p_infeed_list_wrapper\" id=\"p_infeed_list1\">\n <div class=\"p_infeed_list\">\n <div class=\"
「Amazon Forecast」が正式リリース。過去の時系列データを与えるだけで機械学習による予測をしてくれる、専門知識不要のサービス Amazon Forecastは、なんらかの時系列データおよびその時系列データに影響を与えたであろう周辺情報、例えばある店舗の売り上げの時系列データおよび、その店舗の場所の天候、気温、交通量、曜日や祝祭日など売り上げに影響すると思われる周辺情報を与えると、予測に必要な機械学習モデルの構築、アルゴリズムの選定、モデルの正確性の検証や改善などを全て自動で実行し、売り上げに関する予測のデータを出力してくれるというサービスです。 一般に、機械学習を活用するには、学習用のデータと検証用のデータを用意し、学習用のデータから求められた予測結果を検証用データで検証して正確性を評価し、より適切なモデルやアルゴリズムを選択する、といった作業が発生します。 Amazon Fo
はじめに 昨日のTwitterで書いたこちらが非常に反響を呼びました。 半年間かけたデータ解析の仕事が全くうまくいかなかった 今回の失敗は契約書に納品物を明記していなかったこと 機械学習の依頼は学習済みモデルのファイルを納品しただけでは、先方は検収できず、結果支払いを受けられない この教訓をひとりでも多くの人に知ってもらいたい — キカガク代表 吉崎亮介 (@yoshizaki_kkgk) 2017年11月20日 そうなんですよね。 全く先方が悪いわけでもなく、私自身が「機械学習のお仕事=解析」だと思いこんでいたことが失敗の始まり。 結局のところ、機械学習系のプロダクトを依頼されて、学習済みモデルを作成して即納品とはいかず、検証結果を示されないと検収できないよとなってしまうので、結局アプリケーション側まで組み込まないと納得感はないんですよね。 この検証とは、訓練データと検証データを分けた時
<日本では未婚率が上昇しているが、未婚男性の「不幸」感は諸外国と比較すると抜群に高い。日本の未婚女性と比較してもその差は大きい。伝統的なジェンダー観が根強い日本では、未婚男性が幸福を感じにくい社会になっている> 社会意識調査の定番の設問に「あなたは幸福ですか?」がある。性別や年齢別の比較、最近では正規雇用者と非正規雇用者の間で比較されたりするが、既婚者と未婚者でくらべてみるとどうなるだろうか。 日本では未婚化が進んでいるが、「結婚がわずらわしい」という意識の変化と同時に、結婚したくてもできないという、非自発的な要素も大きいと考えられる。そうだとすると、「不幸」と感じる者の割合は、既婚者より未婚者の方が高いと思われる。年齢を重ねた中高年層にあっては、特にその傾向が強くなるだろう。 世界の主要国で、30~50代の中高年男女の不幸感がどう違うかを、既婚者と未婚者で比較してみた。<図1>が、そのグ
NTTレゾナントは25日、同社が提供しているQAサービス「教えて!goo」の恋愛相談に、人工知能(AI)が回答するサービスの開発を始めたと発表した。8月にスタートする予定。 「教えて!goo」は、利用者が寄せた質問に、ほかの利用者が答える登録会員制の無料QAコーナー。恋愛相談のほか、家電の使い方や年金の仕組み、旅行先についてなど多様な質問と回答が掲載され、1カ月のユニークアクセス数は約7400万回という。 AIによる恋愛相談は、相談内容から相談者の年齢や職業、質問の意図を分析し、同サービスに寄せられる膨大な質問、回答のデータの中から類似度が高く、最適な回答を導き出して組み合わせ、提示する。同じ質問者が過去にも質問していれば、そのデータも参照する。 当面、回答は蓄積された回答データからの引用で構成するが、将来的にはAIが独自に生成することを目指すという。また、AIの回答と、利用者からの
文部科学省の学校保健安全法施行規則が改正され、学校で行われる健康診断のうち「座高測定」と「ぎょう虫検査」が、平成27年度限りで廃止されることになった。子供たちを取り巻く環境の変化に応じ、「省略可能」と判断した。一方、文科省では運動不足などを調べる新たな検査を導入することにしており、学校健診は今後、“現代っ子”ならではの課題に対応した方式に様変わりしそうだ。 測定に意味なし? 文科省によると、座高測定は戦時中の昭和12年、内臓の発育などを確認するために始まった。戦後も上半身と下半身の長さのバランスを見ることで、子供の発育状態が測定できるうえ、学校に配備する机や椅子の高さを決めるのにも役立つとして続けられていた。 これまでの調査で、小学3年生の平均座高(男子)の推移をみると、平成25年度は70・2センチで、祖父母世代の昭和33年度に比べて2・2センチ伸びた。この間、身長は6・8センチ伸びており
前回、おそ松さんたちをディープラーニングで見分けるため、準備編としておそ松さんたちの顔画像を5644枚集めました。 今回はそれを用いて、ディープラーニングで学習させ、判別器を作って検証します。 集めた画像 人物 枚数 例 おそ松 1126 から松 769 チョロ松 1047 一松 736 十四松 855 とど松 729 その他 383 使用フレームワーク 最近GoogleからTensorFlowという新しいディープラーニングのフレームワークが発表されました。 会社のブログに使い方書いたのですが、まだ慣れていないので、今回はchainerを使います。こちらだとすぐに高い成果を上げているImageNetのNINモデル、4層畳み込みニューラルネットワークがサンプルで入っていますので、こちらを改良して使います。 imageNetの使い方は、こちらやこちらを参考にしています。 訓練データセット Im
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く