SAP HANAのPAL(Pridictive Analysis Library)は非常にパワフルな予測分析機能です。PALは60以上の分析アルゴリズムから成り、これらを専用のGUIで組み合わせてフロー化することにより、様々な分析モデルを容易に作成することができます。また、インメモリーテーブル上で実行するため、全量計算を前提とした分析プラットホームに適しています。このセッションでは、PALの基本的な機能と使い方を紹介すると共に、最近行われた性能テストをご紹介しながらスケールアップ・アーキテクチャとインメモリプラットホームが分析分野にもたらす可能性についてお話します。
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?datastaxjp
ここ20年、データベースと言えば、RDBを主に利用してきましたが、ビッグデータ、クラウド、IoTにおいて、データベースは大きく変化してきています。これから技術者は何を知らなくてはいけないのか、NOSQLは、何故今必要なのか? RDBの技術者の為に、Oracle, Netezza, IBM とRDBMS畑を歩んできて、昨年からNOSQLを始めた講師が、NOSQLとは何か?どのようなものがあるのか?どうやって、どこで利用するのか?を説明いたします。
[db tech showcase Tokyo 2015] A27: RDBエンジニアの為のNOSQL, 今どうしてNOSQLなのか?datastaxjp
ここ20年、データベースと言えば、RDBを主に利用してきましたが、ビッグデータ、クラウド、IoTにおいて、データベースは大きく変化してきています。これから技術者は何を知らなくてはいけないのか、NOSQLは、何故今必要なのか? RDBの技術者の為に、Oracle, Netezza, IBM とRDBMS畑を歩んできて、昨年からNOSQLを始めた講師が、NOSQLとは何か?どのようなものがあるのか?どうやって、どこで利用するのか?を説明いたします。
[db tech showcase Tokyo 2015] B24:最高峰の可用性 ~NonStop SQLが止まらない理由~ by 日本ヒューレット・パ...Insight Technology, Inc.
Jim GrayにJerry Held, Karel Youseffi が設計した Ingresを源流に持つ由緒正しいRDBMS。ミッションクリティカル目的にこんな実装をするNonStop SQL。これを知れば絶対に使ってみたくなる。「止まりませんように」、と祈りつつ使う時代は終わりにしませんか。トランザクションをあらゆる障害でも失わない実装、その時メモリー内でどのように動くのか、ディスクドライバーは信用できるのか、トランザクションを失わず、性能も確保、そんな盾矛を両立させる技術をご紹介します。さらに、「それって古臭くない」、そんなことないんです。今やオープンなインターフェイスで開発いただいて結構なんです。インフラが、NonStop SQL があなたのデータをがっちり守ります、「ひと」ではなく「コンピュータ」が。是非実感しに来てください。
Neo4jは、グラフ理論をデータベースエンジンの設計思想として採用しているDBMS (Data Base Management System)です。特にNeo4jが、他のグラフデータベースに比べ、一目をおいていることは、データ処理にCypherというSQLライクなクエリ言語が使えるということです。Cypherは、関係型データベースでさえ苦手とするとても複雑なジョインが絡む処理や、そもそもSQLではアルゴリズムの限界があるデータ処理にも対応できます。
[db tech showcase Tokyo 2015] B24:最高峰の可用性 ~NonStop SQLが止まらない理由~ by 日本ヒューレット・パ...Insight Technology, Inc.
Jim GrayにJerry Held, Karel Youseffi が設計した Ingresを源流に持つ由緒正しいRDBMS。ミッションクリティカル目的にこんな実装をするNonStop SQL。これを知れば絶対に使ってみたくなる。「止まりませんように」、と祈りつつ使う時代は終わりにしませんか。トランザクションをあらゆる障害でも失わない実装、その時メモリー内でどのように動くのか、ディスクドライバーは信用できるのか、トランザクションを失わず、性能も確保、そんな盾矛を両立させる技術をご紹介します。さらに、「それって古臭くない」、そんなことないんです。今やオープンなインターフェイスで開発いただいて結構なんです。インフラが、NonStop SQL があなたのデータをがっちり守ります、「ひと」ではなく「コンピュータ」が。是非実感しに来てください。
Neo4jは、グラフ理論をデータベースエンジンの設計思想として採用しているDBMS (Data Base Management System)です。特にNeo4jが、他のグラフデータベースに比べ、一目をおいていることは、データ処理にCypherというSQLライクなクエリ言語が使えるということです。Cypherは、関係型データベースでさえ苦手とするとても複雑なジョインが絡む処理や、そもそもSQLではアルゴリズムの限界があるデータ処理にも対応できます。
[db tech showcase Tokyo 2015] C32:「データ一貫性にこだわる日立のインメモリ分散KVS~こだわりの理由と実現方法とは~」 ...Insight Technology, Inc.
分散KVSの特徴や使い方、分散KVS製品の選択指標である「一貫性」と「可用性」を解説します。また日立が開発したインメモリ分散KVS【Hitachi Elastic Application Data Store(EADS)】とその活用事例を紹介しつつ、EADSが「一貫性」にこだわる理由と、「一貫性」を実現するポイントとなったPaxosなど製品で使用されている技術についてお話しします。
【de:code 2020】 Power Platform で広がるデータ インテグレーションの世界 (1/2)日本マイクロソフト株式会社
あらゆるビジネスの過程でデータが発生し、最適なストレージに蓄積され、データサイエンティストが分析し、業務上で次に打つべきベストなアクションを起こす。このようなデジタル フィードバック ループは、一部の限られた企業のみが実現可能なものでしょうか?確かに「データが事業部門(LOB)毎に点在している」「データは溜まっているけど、活用できていない」などのお困り事が良く聞かれます。マイクロソフトのビジネスアプリケーションの基盤である Power Platform では、皆さまの企業において、あらゆるシステムからのデータを集約、統合し、データが分析されるまでの準備を簡単に行うことができます。Power Apps、CDS、ADLS、Power BI などをキーワードに、それらの最新のテクノロジを整理してご紹介します。
Some might think Docker is for developers only, but this is not really the case.Docker is here to stay and we will only see more of it in the future.
In this session learn what Docker is and how it works.This session will be covering core areas such as volumes, but also stepping it up to a few tips and tricks to help you get the most out of your Docker environment.The session will dive into a few examples of how to create a database environment within just a few minutes - perfect for testing,development, and possibly even production systems.
Machine Learning explained with Examples
Everybody is talking about machine learning. What is it actually and how can I use it?
In this presentation we will see some examples of solving real life use cases using machine learning. We will define Tasks and see how that task can be addressed using machine learning.
SQL Server 2017でLinuxに対応し、その延長線でDocker対応やKubernetesによる可用性構成が組めるようになりました。そしてリリースを間近に控えたSQL Server 2019ではKubernetesを活用したBig Data Cluster機能の提供が予定されており、コンテナの活用範囲はさらに広がっています。
本セッションではこれからSQL Serverコンテナに触れていくための基礎知識と実際に触れてみるための手順やサンプルをお届けします。
セル生産方式におけるロボットの活用には様々な問題があるが,その一つとして 3 体以上の物体の組み立てが挙げられる.一般に,複数物体を同時に組み立てる際は,対象の部品をそれぞれロボットアームまたは治具でそれぞれ独立に保持することで組み立てを遂行すると考えられる.ただし,この方法ではロボットアームや治具を部品数と同じ数だけ必要とし,部品数が多いほどコスト面や設置スペースの関係で無駄が多くなる.この課題に対して音𣷓らは組み立て対象物に働く接触力等の解析により,治具等で固定されていない対象物が組み立て作業中に運動しにくい状態となる条件を求めた.すなわち,環境中の非把持対象物のロバスト性を考慮して,組み立て作業条件を検討している.本研究ではこの方策に基づいて,複数物体の組み立て作業を単腕マニピュレータで実行することを目的とする.このとき,対象物のロバスト性を考慮することで,仮組状態の複数物体を同時に扱う手法を提案する.作業対象としてパイプジョイントの組み立てを挙げ,簡易な道具を用いることで単腕マニピュレータで複数物体を同時に把持できることを示す.さらに,作業成功率の向上のために RGB-D カメラを用いた物体の位置検出に基づくロボット制御及び動作計画を実装する.
This paper discusses assembly operations using a single manipulator and a parallel gripper to simultaneously
grasp multiple objects and hold the group of temporarily assembled objects. Multiple robots and jigs generally operate
assembly tasks by constraining the target objects mechanically or geometrically to prevent them from moving. It is
necessary to analyze the physical interaction between the objects for such constraints to achieve the tasks with a single
gripper. In this paper, we focus on assembling pipe joints as an example and discuss constraining the motion of the
objects. Our demonstration shows that a simple tool can facilitate holding multiple objects with a single gripper.
【DLゼミ】XFeat: Accelerated Features for Lightweight Image Matchingharmonylab
公開URL:https://arxiv.org/pdf/2404.19174
出典:Guilherme Potje, Felipe Cadar, Andre Araujo, Renato Martins, Erickson R. ascimento: XFeat: Accelerated Features for Lightweight Image Matching, Proceedings of the 2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2023)
概要:リソース効率に優れた特徴点マッチングのための軽量なアーキテクチャ「XFeat(Accelerated Features)」を提案します。手法は、局所的な特徴点の検出、抽出、マッチングのための畳み込みニューラルネットワークの基本的な設計を再検討します。特に、リソースが限られたデバイス向けに迅速かつ堅牢なアルゴリズムが必要とされるため、解像度を可能な限り高く保ちながら、ネットワークのチャネル数を制限します。さらに、スパース下でのマッチングを選択できる設計となっており、ナビゲーションやARなどのアプリケーションに適しています。XFeatは、高速かつ同等以上の精度を実現し、一般的なラップトップのCPU上でリアルタイムで動作します。