Cookiecutter Data Science A logical, flexible, and reasonably standardized project structure for doing and sharing data science work.
How am I supposed to run this from the beginning?You start with a brand new idea for the machine learning project. First of all you download the dataset. Then perform some kind of preprocessing — possibly multi step because task is sophisticated. You create a bunch of models, some of them perform better while other ones worse. Oh shit, I overwrite my best model. No problem — will train it again. W
いつものやつ はじめに 各研究の分類 ニュースの品質に関する研究 Predicting News Values from Headline Text and Emotion Incongruent Headline: Yet Another Way to Mislead Your Readers Deception Detection in News Reports in the Russian Language Fake News Detection using Stacked Ensemble of Classidiers From Clickbait to Fake News Detection: An Aproach based Detecting the Stance of Headlines to Articles ニュースとユーザとの関係に関する研究 Predicting U
R の changepoint パッケージの使い方についてです。 第66回R勉強会@東京(#TokyoR)発表資料 https://atnd.org/events/92993
by Quinn Dombrowski がん治療の新たな方法の1つとして、ライプニッツ固体・材料研究所のHaifeng Xu氏らが、精子をがん腫瘍まで誘導して薬を運ぶという方法の研究を進めています。この方法であれば、薬の服用量を制限されることなく治療が行えると考えられています。 Sperm-Hybrid Micromotor for Targeted Drug Delivery - ACS Nano (ACS Publications) http://pubs.acs.org/doi/10.1021/acsnano.7b06398 Hijacked sperm carry chemo drugs to cervical cancer cells | New Scientist https://www.newscientist.com/article/2156525-hijacked-spe
こんにちは。エンジニア組織推進室の中野です。 Speee Advent Calendar 2017の19日目の記事です。もう終盤ですね! 昨日は@mncのAWS WAFで環境毎にCDN(CloudFront+S3)を立てたでした! 今年を振り返ると、スポンサー活動を頑張った一年だったなあと思います。 やってきたものをざっと挙げると・・・ 3月:try! Swift 3月:DroidKaigi 9月:RubyKaigi 11月:RubyWorld Conference 11月:ProductManager Conference 2017年はこんな感じでした。 小さなスポンサー(会場スポンサーやドリンクスポンサーなど)を含めると かなりの数をやったなあという感じです。 私の持論なのですが、スポンサーって広告やPRのためだけでなく、 会社の技術に対する本気を見せるものだと思っています。 ちょっと
あるいは、論文 "Best Practices for Scientific Computing" および "Good Enough Practices in Scientific Computing" について。 TL;DR 標題の件について、未だに答えは見えていないのだけど、自分の現状と他の人の例を文字で残しておく。 こういう話で「あーその手があったかー!」と知ったときの興奮はすごいので、みなさんもっとオープンにいきましょう。 大切なのは、ソフトウェア開発と同じ要領でデータサイエンスのプロジェクトを捉えて、分析と言う名の“開発”を行うつもりでディレクトリを掘ること。 必要なものリスト ナウいデータサイエンス/機械学習プロジェクトの中には(経験上、ぱっと思い浮かぶだけでも)次のようなファイル群があって、僕たちはそれらを良い感じに管理したい。 ソースコード 役割がいろいろある: 前処理(こ
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? これはFujitsu Advent Calendar 2017の18日目の記事です。 掲載内容は富士通グループを代表するものではありません。ただし、これまでの取り組みが評価されて、富士通がQiitaに正式参加することになりました[リンク]。なお、内容の正確性には注意を払っていますが、無保証です。 はじめに この記事では今年発表されたディープラーニング論文(ArXivでの発表時期、発表された国際会議が2017年開催またはジャーナル掲載が2017年のもの)から私が個人的に重要だと思った論文を収集しています。また、2016年末ごろの論文も重要
さくらインターネットのアドベントカレンダー9日目として、サーバ屋らしく、運用に関するコマンドの使い方を紹介します。 サーバの負荷が高まってきたときに、vmstatやtopなどのコマンドで調査する事が出来ますが、I/O負荷をwa(iowait)によって判断する人も多いと思います。 ただ、結論から言うと、iowaitは正確にI/Oの負荷を表しているわけではありません。 これらを、実際に演習をしながら見ていきたいと思います。 iowaitとidle iowaitとはあくまでも、CPUが空いているのにI/Oがボトルネックになっているプロセスを示しているだけで、CPUの利用率が高いときにはI/Oがボトルネックになっていてもiowaitが上がりません。 同様に勘違いされがちなのが、id(idle)はCPUの空きを示しているというものですが、idleは必ずしもCPUの空き時間を示しているものではありませ
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
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