Tomas Mikolovらによって提案されたニューラルネットワーク（CBOW, Skip-gram）のオープンソース実装word2vecについて、基本的な使い方を体験し、さらにその仕組みを学ぶ書籍です。 基本的な使い方から、自分の好きなコーパスの作り方、登場の背景、仕組み、さらには応用例や弱点についてもコンパクトなボリュームで概観できます。付録にはword2vecの出力結果を主成分分析を使って可視化する方法について解説しています。 著者の西尾さんによる本書の解題[リンク] はじめに 1章 word2vecを使ってみる 書き換えてみよう 2章 コーパスを変えてみる text8 単語に分割する（MeCab） CSVからのコーパス作成 Facebook EPWING Wikipedia PDFからの抜き出し まとめ 3章 word2vecの生まれた理由 文章の表現 4章 word2vecの仕組
よく知られているように Docker ではコンテナ自体は使い捨てで、アプリケーションが保持すべきデータはコンテナの外に格納する必要があります。 RDBMS 多くのアプリケーションが RDBMS を使用しています。 RDBMS の運用は実際のところかなり厄介ですが、まあ Amazon RDS を使っちゃいましょう。それが一番楽です。 EC2 じゃないところにサーバー置いてて RDS との通信量課金を払いたくないという場合は適宜頑張ってください。 Redis と memcached 現代の多くのアプリケーションが Redis や memcached を使っています。これも Amazon Web Services に ElastiCache があるので EC2 にサーバー置いてる場合はこれを使います。置いてない場合は適宜頑張ります。 その他 ここまでのことは特に何ということもないのですが、ここか
Netflix runs Presto in its AWS cloud environment to enable low-latency ad-hoc queries on petabyte-scale data stored in S3. Some key things Netflix did include optimizing Presto to read from and write directly to S3, fixing bugs, integrating Presto with its EMR and Ganglia monitoring, and deploying a 100+ node Presto cluster that handles over 1000 queries per day. Performance testing showed Presto
JVMWatcher is the application which outputs the log of the JSON format at the constant period, watching in the condition of JavaVM. JVMWatcher is the Java application which collects the CPU usage rate and the memory usage of more than one JavaVM to the constant period. It developed this JVMWatcher to realize the fluentd plug-in ( jvmwatcher ) which collects the operating status of JVM. JVMWatcher
Apache Drill: Building Highly Flexible, High Performance Query Engines by M.C. Srivas, Co-founder and CTO at MapR SQL is one of the most widely used languages to access, analyze, and manipulate structured data. As Hadoop gains traction within enterprise data architectures across industries, the need for SQL for both structured and loosely-structured data on Hadoop is growing rapidly Apache Drill s
DSIRNLP#1に続いて今回の#2も発表の場をいただきました。今回は簡潔データ構造、とくに最も基本的なデータ構造である簡潔ビットベクトルについて発表しました。@overlastさん、@kimurasさん、@rindai87さんをはじめ関係者、参加者の皆様どうもありがとうございました。 twitterでも紹介しましたが発表資料リンクを置いておきます。 発表資料：作ろう！簡潔ビットベクトル 第2回 データ構造と情報検索と言語処理勉強会 #DSIRNLP - ［PARTAKE］ DSIRNLP#1で発表しました「TRIEにトライ！〜今日からはじめるTRIE入門〜」 - EchizenBlog-Zwei なお質疑では以下のようなものがありました。 ・popcountを使った二分探索をするときのpopcount値はいつ持っておくの？ =>直前の64bit毎の線形探索時に使ったものを残しておいて使い
簡潔データ構造は多くの応用を持つ有益なデータ構造である．簡潔データ構造を用いることで，データサイズを小さくしながらも，多くの処理を高速化することができる．身近な例では，Google日本語入力の辞書のデータ構造にLOUDSと呼ばれる簡潔データ構造が使用されている． しかし，簡潔データ構造に関する初心者向けの解説資料は少ない気がするので，今回は入門的な説明を書いてみたい． データ構造とは？ そもそもデータ構造とは何か？データ構造とはデータを保持する際の保持の仕方である．例えば，トランプで自分のカードを保持する場合，通常分かりやすいようにカードを並べ替える．また，ゲームにより異なった並べ方をする．七並べなら絵柄（マーク）ごとにカードをまとめるだろうし，大富豪なら強い順に並べ替えるだろう．この並べ方のルールがデータ構造である．この例から分かる通り，何をしたいかによって適切なデータ構造は変わる．例え
Tracking and Understanding TCP States 29 Dec 2013 Irrelevant Background During my Computer Networks course, I used to hate the person who illustrated the TCP State Transition Diagram. It was just too complicated. I skimmed over the section just enough to recognize keywords like SYN,ACK,CLOSED and the likes. I moved on and joined Cisco. One day, a senior colleague of mine told me that he was planni
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
