Submit Search
Upload
Rustに触れて私のPythonはどう変わったか
•
0 likes
•
3,238 views
S
ShunsukeNakamura17
Follow
プログラミング言語Rustの社内イベントの発表資料です
Read less
Read more
Engineering
Report
Share
Report
Share
1 of 18
Download now
Download to read offline
Recommended
Marp Tutorial
Marp Tutorial
Rui Watanabe
北村研Notion用
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
NTT DATA Technology & Innovation
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料) 2020年1月31日 株式会社NTTデータ / NTT DATA Yuki Nishizawa
DockerコンテナでGitを使う
DockerコンテナでGitを使う
Kazuhiro Suga
Dockerコンテナ内からGitを利用する手順
分散システムについて語らせてくれ
分散システムについて語らせてくれ
Kumazaki Hiroki
NTT Tech Conference #2 にて話した資料 時間が足りなかったので全部は話せなかった。
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)
NTT DATA Technology & Innovation
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~ (Kubernetes Meetup Tokyo #33 発表資料) 2020/08/26 NTT DATA Yasuhiro Horiuchi
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
Tokoroten Nakayama
2020/03/03 に富士通本社で行われた、富士通TechLiveに発表資料です。 コロナウィルスの影響で、リモート発表になりましたが、当日は800人以上の方に同時視聴していただきました
Pythonによる黒魔術入門
Pythonによる黒魔術入門
大樹 小倉
Pythonによる(Rubyでも大体適用可能)黒魔術へ入門するための案内書
本当は恐ろしい分散システムの話
本当は恐ろしい分散システムの話
Kumazaki Hiroki
分散システムのFault Injectionの話 NTTデータテクノロジーカンファレンス2017で発表する際に用いたプレゼン資料 https://oss.nttdata.com/hadoop/event/201710/index.html
Recommended
Marp Tutorial
Marp Tutorial
Rui Watanabe
北村研Notion用
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料)
NTT DATA Technology & Innovation
入門 Kubeflow ~Kubernetesで機械学習をはじめるために~ (NTT Tech Conference #4 講演資料) 2020年1月31日 株式会社NTTデータ / NTT DATA Yuki Nishizawa
DockerコンテナでGitを使う
DockerコンテナでGitを使う
Kazuhiro Suga
Dockerコンテナ内からGitを利用する手順
分散システムについて語らせてくれ
分散システムについて語らせてくれ
Kumazaki Hiroki
NTT Tech Conference #2 にて話した資料 時間が足りなかったので全部は話せなかった。
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~(Kubernetes Meetup Tokyo #33 発表資料)
NTT DATA Technology & Innovation
Kubernetesでの性能解析 ~なんとなく遅いからの脱却~ (Kubernetes Meetup Tokyo #33 発表資料) 2020/08/26 NTT DATA Yasuhiro Horiuchi
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
DXとかDevOpsとかのなんかいい感じのやつ 富士通TechLive
Tokoroten Nakayama
2020/03/03 に富士通本社で行われた、富士通TechLiveに発表資料です。 コロナウィルスの影響で、リモート発表になりましたが、当日は800人以上の方に同時視聴していただきました
Pythonによる黒魔術入門
Pythonによる黒魔術入門
大樹 小倉
Pythonによる(Rubyでも大体適用可能)黒魔術へ入門するための案内書
本当は恐ろしい分散システムの話
本当は恐ろしい分散システムの話
Kumazaki Hiroki
分散システムのFault Injectionの話 NTTデータテクノロジーカンファレンス2017で発表する際に用いたプレゼン資料 https://oss.nttdata.com/hadoop/event/201710/index.html
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
Faster Python Meet up LT会 #1(https://faster-python.connpass.com/event/124770/) で使った資料です。
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
分散学習についてから始まり、データパラレルとモデルパラレルの説明、Chainerでの両者の実装についてのスライドとなっております。
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
Gradient Boostingは近年Kaggleなどのコンペティションで注目を集めている分類や回帰問題に対するアルゴリズムの一つである。XGBoost, LightGBM, CatBoostなどが有名ではあるが、それらを土台にして近年はDeepGBMやNGBoostといった新規アルゴリズムの登場、汎化理論解析の進展、モデル解釈性の付与方法の多様化など、理論から応用まで多岐にわたる研究が行われている。本チュートリアルでは、Gradient Boostingに関する近年の研究動向やテクニックを、それらの社会実装までを見据えながら紹介していく。
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
Preferred Networks
Preferred Networks(PFN)は深層学習などの最先端の技術を最短路で実用化することで、これまで解決が困難であった現実世界の課題解決を目指しています。コンピュータビジョン、自然言語処理、音声認識、ロボティクス、コンパイラ、分散処理、専用ハードウェア、バイオインフォマティクス、ケモインフォマティクスといった幅広い分野で研究開発を行っており、それを支えているのが Kubernetes を用いて構築しているオンプレミス/ベアメタルの GPU クラスタです。 本セッションでは、PFN が Kubernetes を用いてクラスタを運用するなかでどのような障害が起きるのかを紹介し、また障害対応をどのように自動化しているのかを具体的に使用/開発したソフトウェアを含めてご紹介します。また Kubernetes クラスタの管理、アップグレードの自動化にも取り組んでおり、それを実現する Cluster API についてもご紹介します。 https://confengine.com/conferences/devopsdays-tokyo-2021/proposal/15203/pfn-mldl-kubernetes
TLS, HTTP/2演習
TLS, HTTP/2演習
shigeki_ohtsu
セキュリティ・ミニキャンプ in 北海道 2015
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
東北大学情報科学研究科における産学連携講義「先端技術の基礎と実践」で、2022年1月13日にPFNリサーチャーの菊池悠太が行った講義の資料です。 深層学習による画像認識について紹介し、訓練データにまつわる話や社内外における近年のCGやシミュレータの活用事例について取り上げました。
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
Tatsuya Matsushima
2022.8.19の #robosemi での発表資料です. お気軽にご連絡ください 松尾研ロボットチームサイト:https://trail.t.u-tokyo.ac.jp/ja/ 松尾研サイト:https://weblab.t.u-tokyo.ac.jp/
エンジニアのためのOSSライセンス管理~OSS管理ツールの池の水全部抜く~
エンジニアのためのOSSライセンス管理~OSS管理ツールの池の水全部抜く~
Daisuke Morishita
オープンソースカンファレンス2021 Online/Spring https://event.ospn.jp/osc2021-online-spring/session/297765
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
Kentaro Matsui
2021年にインフィニットループ社内の新卒向け研修で使われた資料です。
20180729 Preferred Networksの機械学習クラスタを支える技術
20180729 Preferred Networksの機械学習クラスタを支える技術
Preferred Networks
7月29日開催 July Tech Festa 2018基調講演スライドです。 大村伸吾「Preferred Networksの機械学習クラスタを支える技術」 https://2018.techfesta.jp/ Slides of Keynote in July Tech Festa 2018.
GitLab から GitLab に移行したときの思い出
GitLab から GitLab に移行したときの思い出
富士通クラウドテクノロジーズ株式会社
GitLab Meetup Tokyo #9 LT about migrate from GitLab to GitLab.
分散システムの限界について知ろう
分散システムの限界について知ろう
Shingo Omura
↓↓↓↓訂正あります。↓↓↓↓ 2018/07/02に株式会社エフコード社内で行われた勉強会のスライドです。 訂正版(随時更新中): https://docs.google.com/presentation/d/15HOMfAbtdWwO48njcB8IdkN3kVAMu3wsmZo0O3S-f_4/edit?usp=sharing 専門家による資料・専門家向けの資料ではありません。自分自身で学習し、論文・文献等を読解してまとめた内容となります。間違い等あるかもしれませんが、あれば是非コメント頂ければと思います。 【訂正事項】 スライド16: 誤:たった一つのプロセスが故障しただけでも有限時間で合意できない 正:たった一つのプロセスが故障しうるだけでも有限時間で合意できない スライド20: 誤: 重要: あるschedule σ1, σ2 がdisjoint (nodeが被ってない) なら可換 正: 重要: あるschedule σ1, σ2 がdisjoint (processが被ってない) なら可換 スライド24, 34 誤: “分散システムについて語らせてくれ” 熊崎宏樹 NTTデータテクノロジーカンファレンス2017 #2 正: “分散システムについて語らせてくれ” 熊崎宏樹 NTT Tech Conference #2
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
『トピックモデルによる統計的潜在意味解析』読書会ファイナル ~佐藤一誠先生スペシャル~ LT 資料 http://topicmodel.connpass.com/event/27999/
乗っ取れコンテナ!!開発者から見たコンテナセキュリティの考え方(CloudNative Days Tokyo 2021 発表資料)
乗っ取れコンテナ!!開発者から見たコンテナセキュリティの考え方(CloudNative Days Tokyo 2021 発表資料)
NTT DATA Technology & Innovation
乗っ取れコンテナ!!開発者から見たコンテナセキュリティの考え方 (CloudNative Days Tokyo 2021 発表資料) 2021年11月4日(木) NTTデータ システム技術本部生産技術部 クラウド技術センタ 望月 敬太
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
社内勉強会でAndrew Ng先生が提唱するData-Centric AIについて紹介した際の資料です。
シリコンバレーの「何が」凄いのか
シリコンバレーの「何が」凄いのか
Atsushi Nakada
シリコンバレーのスタートアップを数多く取材する中で気付いた「シリコンバレーにおけるディシプリン(規律)の存在」や「General Electric(GE)やIBM、SAPといった老舗企業が必死になってシリコンバレーのスタートアップを真似している理由」、そして「日本企業がイノベーションを実現するための処方箋」について解説します 詳しく知りたい場合は「GE 巨人の復活」をご覧下さい。 http://www.nikkeibp.co.jp/atclpubmkt/book/17/P55110/ 今後の記事は「シリコンバレーNext」をご覧下さい。 http://itpro.nikkeibp.co.jp/siliconvalley/
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
Carnot Inc.
ML15講演資料
スケールアウトするPostgreSQLを目指して!その第一歩!(NTTデータ テクノロジーカンファレンス 2020 発表資料)
スケールアウトするPostgreSQLを目指して!その第一歩!(NTTデータ テクノロジーカンファレンス 2020 発表資料)
NTT DATA Technology & Innovation
スケールアウトするPostgreSQLを目指して!その第一歩! (NTTデータ テクノロジーカンファレンス 2020 発表資料) 2020年10月16日(金) NTTデータ 技術開発本部 データベーステクニカルリード 藤井 雅雄 講演動画は、YouTubeチャンネル「NTT DATA Tech」にて公開中! https://www.youtube.com/watch?v=Tt7thFskjmU
メタプログラミングって何だろう
メタプログラミングって何だろう
Kota Mizushima
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
お茶の水女子大学伊藤研究室ゼミ資料 関連資料として以下が参考になります https://note.com/sick4989hack/n/n928f78d3d33f
DRIVE CHARTを支えるAI技術
DRIVE CHARTを支えるAI技術
Yusuke Uchida
GPU2020講演資料 https://www.gdep-sol.co.jp/gpu2020-day2.html 「DRIVE CHARTを支えるAI技術」 DRIVE CHARTを支えるAI技術およびAIを支える技術のご紹介 - コンピュータビジョン - データサイエンス - エッジAI - MLOps
20230216_Python機械学習プログラミング.pdf
20230216_Python機械学習プログラミング.pdf
Shintaro Fukushima
第90回 Start Python Clubでの発表資料 「Python機械学習プログラミング」と振り返る機械学習の動向と展望
More Related Content
What's hot
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
Yusuke Fujimoto
Faster Python Meet up LT会 #1(https://faster-python.connpass.com/event/124770/) で使った資料です。
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
Hideki Tsunashima
分散学習についてから始まり、データパラレルとモデルパラレルの説明、Chainerでの両者の実装についてのスライドとなっております。
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
RyuichiKanoh
Gradient Boostingは近年Kaggleなどのコンペティションで注目を集めている分類や回帰問題に対するアルゴリズムの一つである。XGBoost, LightGBM, CatBoostなどが有名ではあるが、それらを土台にして近年はDeepGBMやNGBoostといった新規アルゴリズムの登場、汎化理論解析の進展、モデル解釈性の付与方法の多様化など、理論から応用まで多岐にわたる研究が行われている。本チュートリアルでは、Gradient Boostingに関する近年の研究動向やテクニックを、それらの社会実装までを見据えながら紹介していく。
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
Preferred Networks
Preferred Networks(PFN)は深層学習などの最先端の技術を最短路で実用化することで、これまで解決が困難であった現実世界の課題解決を目指しています。コンピュータビジョン、自然言語処理、音声認識、ロボティクス、コンパイラ、分散処理、専用ハードウェア、バイオインフォマティクス、ケモインフォマティクスといった幅広い分野で研究開発を行っており、それを支えているのが Kubernetes を用いて構築しているオンプレミス/ベアメタルの GPU クラスタです。 本セッションでは、PFN が Kubernetes を用いてクラスタを運用するなかでどのような障害が起きるのかを紹介し、また障害対応をどのように自動化しているのかを具体的に使用/開発したソフトウェアを含めてご紹介します。また Kubernetes クラスタの管理、アップグレードの自動化にも取り組んでおり、それを実現する Cluster API についてもご紹介します。 https://confengine.com/conferences/devopsdays-tokyo-2021/proposal/15203/pfn-mldl-kubernetes
TLS, HTTP/2演習
TLS, HTTP/2演習
shigeki_ohtsu
セキュリティ・ミニキャンプ in 北海道 2015
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
東北大学情報科学研究科における産学連携講義「先端技術の基礎と実践」で、2022年1月13日にPFNリサーチャーの菊池悠太が行った講義の資料です。 深層学習による画像認識について紹介し、訓練データにまつわる話や社内外における近年のCGやシミュレータの活用事例について取り上げました。
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
Tatsuya Matsushima
2022.8.19の #robosemi での発表資料です. お気軽にご連絡ください 松尾研ロボットチームサイト:https://trail.t.u-tokyo.ac.jp/ja/ 松尾研サイト:https://weblab.t.u-tokyo.ac.jp/
エンジニアのためのOSSライセンス管理~OSS管理ツールの池の水全部抜く~
エンジニアのためのOSSライセンス管理~OSS管理ツールの池の水全部抜く~
Daisuke Morishita
オープンソースカンファレンス2021 Online/Spring https://event.ospn.jp/osc2021-online-spring/session/297765
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
Kentaro Matsui
2021年にインフィニットループ社内の新卒向け研修で使われた資料です。
20180729 Preferred Networksの機械学習クラスタを支える技術
20180729 Preferred Networksの機械学習クラスタを支える技術
Preferred Networks
7月29日開催 July Tech Festa 2018基調講演スライドです。 大村伸吾「Preferred Networksの機械学習クラスタを支える技術」 https://2018.techfesta.jp/ Slides of Keynote in July Tech Festa 2018.
GitLab から GitLab に移行したときの思い出
GitLab から GitLab に移行したときの思い出
富士通クラウドテクノロジーズ株式会社
GitLab Meetup Tokyo #9 LT about migrate from GitLab to GitLab.
分散システムの限界について知ろう
分散システムの限界について知ろう
Shingo Omura
↓↓↓↓訂正あります。↓↓↓↓ 2018/07/02に株式会社エフコード社内で行われた勉強会のスライドです。 訂正版(随時更新中): https://docs.google.com/presentation/d/15HOMfAbtdWwO48njcB8IdkN3kVAMu3wsmZo0O3S-f_4/edit?usp=sharing 専門家による資料・専門家向けの資料ではありません。自分自身で学習し、論文・文献等を読解してまとめた内容となります。間違い等あるかもしれませんが、あれば是非コメント頂ければと思います。 【訂正事項】 スライド16: 誤:たった一つのプロセスが故障しただけでも有限時間で合意できない 正:たった一つのプロセスが故障しうるだけでも有限時間で合意できない スライド20: 誤: 重要: あるschedule σ1, σ2 がdisjoint (nodeが被ってない) なら可換 正: 重要: あるschedule σ1, σ2 がdisjoint (processが被ってない) なら可換 スライド24, 34 誤: “分散システムについて語らせてくれ” 熊崎宏樹 NTTデータテクノロジーカンファレンス2017 #2 正: “分散システムについて語らせてくれ” 熊崎宏樹 NTT Tech Conference #2
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
hoxo_m
『トピックモデルによる統計的潜在意味解析』読書会ファイナル ~佐藤一誠先生スペシャル~ LT 資料 http://topicmodel.connpass.com/event/27999/
乗っ取れコンテナ!!開発者から見たコンテナセキュリティの考え方(CloudNative Days Tokyo 2021 発表資料)
乗っ取れコンテナ!!開発者から見たコンテナセキュリティの考え方(CloudNative Days Tokyo 2021 発表資料)
NTT DATA Technology & Innovation
乗っ取れコンテナ!!開発者から見たコンテナセキュリティの考え方 (CloudNative Days Tokyo 2021 発表資料) 2021年11月4日(木) NTTデータ システム技術本部生産技術部 クラウド技術センタ 望月 敬太
Data-Centric AIの紹介
Data-Centric AIの紹介
Kazuyuki Miyazawa
社内勉強会でAndrew Ng先生が提唱するData-Centric AIについて紹介した際の資料です。
シリコンバレーの「何が」凄いのか
シリコンバレーの「何が」凄いのか
Atsushi Nakada
シリコンバレーのスタートアップを数多く取材する中で気付いた「シリコンバレーにおけるディシプリン(規律)の存在」や「General Electric(GE)やIBM、SAPといった老舗企業が必死になってシリコンバレーのスタートアップを真似している理由」、そして「日本企業がイノベーションを実現するための処方箋」について解説します 詳しく知りたい場合は「GE 巨人の復活」をご覧下さい。 http://www.nikkeibp.co.jp/atclpubmkt/book/17/P55110/ 今後の記事は「シリコンバレーNext」をご覧下さい。 http://itpro.nikkeibp.co.jp/siliconvalley/
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
Carnot Inc.
ML15講演資料
スケールアウトするPostgreSQLを目指して!その第一歩!(NTTデータ テクノロジーカンファレンス 2020 発表資料)
スケールアウトするPostgreSQLを目指して!その第一歩!(NTTデータ テクノロジーカンファレンス 2020 発表資料)
NTT DATA Technology & Innovation
スケールアウトするPostgreSQLを目指して!その第一歩! (NTTデータ テクノロジーカンファレンス 2020 発表資料) 2020年10月16日(金) NTTデータ 技術開発本部 データベーステクニカルリード 藤井 雅雄 講演動画は、YouTubeチャンネル「NTT DATA Tech」にて公開中! https://www.youtube.com/watch?v=Tt7thFskjmU
メタプログラミングって何だろう
メタプログラミングって何だろう
Kota Mizushima
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
お茶の水女子大学伊藤研究室ゼミ資料 関連資料として以下が参考になります https://note.com/sick4989hack/n/n928f78d3d33f
What's hot
(20)
Tensor コアを使った PyTorch の高速化
Tensor コアを使った PyTorch の高速化
分散学習のあれこれ~データパラレルからモデルパラレルまで~
分散学習のあれこれ~データパラレルからモデルパラレルまで~
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
勾配ブースティングの基礎と最新の動向 (MIRU2020 Tutorial)
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
PFNのML/DL基盤を支えるKubernetesにおける自動化 / DevOpsDays Tokyo 2021
TLS, HTTP/2演習
TLS, HTTP/2演習
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
AIのラボからロボティクスへ --- 東大松尾研究室のWRS2020パートナーロボットチャレンジへの挑戦
エンジニアのためのOSSライセンス管理~OSS管理ツールの池の水全部抜く~
エンジニアのためのOSSライセンス管理~OSS管理ツールの池の水全部抜く~
テスト文字列に「うんこ」と入れるな
テスト文字列に「うんこ」と入れるな
20180729 Preferred Networksの機械学習クラスタを支える技術
20180729 Preferred Networksの機械学習クラスタを支える技術
GitLab から GitLab に移行したときの思い出
GitLab から GitLab に移行したときの思い出
分散システムの限界について知ろう
分散システムの限界について知ろう
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
乗っ取れコンテナ!!開発者から見たコンテナセキュリティの考え方(CloudNative Days Tokyo 2021 発表資料)
乗っ取れコンテナ!!開発者から見たコンテナセキュリティの考え方(CloudNative Days Tokyo 2021 発表資料)
Data-Centric AIの紹介
Data-Centric AIの紹介
シリコンバレーの「何が」凄いのか
シリコンバレーの「何が」凄いのか
ChatGPTは思ったほど賢くない
ChatGPTは思ったほど賢くない
スケールアウトするPostgreSQLを目指して!その第一歩!(NTTデータ テクノロジーカンファレンス 2020 発表資料)
スケールアウトするPostgreSQLを目指して!その第一歩!(NTTデータ テクノロジーカンファレンス 2020 発表資料)
メタプログラミングって何だろう
メタプログラミングって何だろう
研究分野をサーベイする
研究分野をサーベイする
Similar to Rustに触れて私のPythonはどう変わったか
DRIVE CHARTを支えるAI技術
DRIVE CHARTを支えるAI技術
Yusuke Uchida
GPU2020講演資料 https://www.gdep-sol.co.jp/gpu2020-day2.html 「DRIVE CHARTを支えるAI技術」 DRIVE CHARTを支えるAI技術およびAIを支える技術のご紹介 - コンピュータビジョン - データサイエンス - エッジAI - MLOps
20230216_Python機械学習プログラミング.pdf
20230216_Python機械学習プログラミング.pdf
Shintaro Fukushima
第90回 Start Python Clubでの発表資料 「Python機械学習プログラミング」と振り返る機械学習の動向と展望
いじめられた子供を支援する 仮想世界ピグパーティの コミュニケーション
いじめられた子供を支援する 仮想世界ピグパーティの コミュニケーション
cyberagent
2017/12/22(金)開催 「Data Engineering and Data Analysis Workshop #3」登壇資料
ドライブレコーダの画像認識による道路情報の自動差分抽出
ドライブレコーダの画像認識による道路情報の自動差分抽出
Tetsutaro Watanabe
Mobility Technologiesではドライブレコーダの画像認識による道路情報の自動差分抽出プロジェクトを実施しています。大量の動画に対して効率よく機械学習推論を行う必要があり、これをどのように実現しようとしているかを説明します。
Microsoft AI と深層学習
Microsoft AI と深層学習
Shohei Nagata
「【Aidemy×Microsoft 】DX-Readyを実現するための深層学習とAI組織づくり」2020年8月26日 講演① Microsoft ・深層学習の重要性について ・Azureを活用し、企業が実際に成果を挙げた例 ・データ活用の重要性について ・サービス紹介 https://dllab.connpass.com/event/185332/
MLOpsはバズワード
MLOpsはバズワード
Tetsutaro Watanabe
MLOpsという言葉からは運用という印象を受けますが、MLOps製品の機能やMLOpsカンファレンスの発表内容をみると、印象とは異なります。本スライドではなぜMLOpsがバズワードなのか紹介します
データアナリティクスの新たな一歩とそれを支えるインフラ
データアナリティクスの新たな一歩とそれを支えるインフラ
Google Cloud Platform - Japan
2017-11-22 wed. 第 2 回 Google Cloud INSIDE Games & Apps 株式会社プレイド エンジニア 牧野 祐己 氏の登壇スライドです。
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
Ryosuke Okuta
2016/7/23 第9回科学技術におけるロボット教育シンポジウムでの発表スライドです。
local launch small language model of AI.
local launch small language model of AI.
Takao Tetsuro
development environment of AI small language model.
Custom Visionで仏像を画像分類
Custom Visionで仏像を画像分類
Yoshitaka Seo
みんなのITもくもく会@オンライン+プチLT (2020年10月25日 開催) LT資料 Cognitive Services の Custom Visionで仏像の写真を分類してみました。 https://itmokumoku.connpass.com/event/191367/
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
Tetsutaro Watanabe
「MLOpsとはなにか?」という質問に対し、「データサイエンティストが、システム開発において、やらないことすべて」と定義した上で、MLOpsの説明、海外事例、「JapanTaxi」アプリでの事例を説明します
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
卓也 安東
福岡市内のイベントで発表した資料です。
福岡市内のベンチャー企業が取り組む最新It技術
福岡市内のベンチャー企業が取り組む最新It技術
Takuya Andou
福岡市内のイベントで発表した資料です。
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
Recruit Technologies
2017/01/27 PyData.Tokyo Meetup #12 -強化学習での、舟木の講演資料になります
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
Koichi Hamada
"IBIS2012 (情報論的学習理論と機械学習研究会) -ビジネスと機械学習の接点 -" の講演資料です。データマイニング・機械学習を活かし実際にサービスをよくしていく・効果を出していくためにMobageで行っている活動を紹介しています。アレンジして頂いたPFI比戸さん・東京大学 鹿島さんに感謝。
Elasticsearchと機械学習を実際に連携させる
Elasticsearchと機械学習を実際に連携させる
nobu_k
SensorBeeとfluentdを使ってElasticsearchに機械学習適用後のツイートを流し込んで検索や可視化を助ける話
Hacking Robotics
Hacking Robotics
Kensei Demura
This presentation is about robotics cyber security. Kernel/VM IPAセキュリティキャンプ・フォーラム出張版で発表した資料です。
Shinyを自由に使ってみる
Shinyを自由に使ってみる
Masanori Takano
第38回 Tokyo.R LT資料
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
Sho Nakamura
2019/3/5 at DEIM
A12 坂井研究室 澤田純礼
A12 坂井研究室 澤田純礼
aomorisix
画像認識技術×地域活性化案として、この画像認識サービスを考案しました。難しいとされているりんごの品種分けをAIはどれほど認識できるのか、また、身近にあるりんごが何の品種であるか手軽に特定できるツールがあれば面白いと思いこの研究テーマに取り組みました。この画像認識モデルは、ふじりんごかそれ以外かの二値分類のみ識別となっており少ないですが、デバイスに依存しないWebアプリサービスとして制作出来ました。
Similar to Rustに触れて私のPythonはどう変わったか
(20)
DRIVE CHARTを支えるAI技術
DRIVE CHARTを支えるAI技術
20230216_Python機械学習プログラミング.pdf
20230216_Python機械学習プログラミング.pdf
いじめられた子供を支援する 仮想世界ピグパーティの コミュニケーション
いじめられた子供を支援する 仮想世界ピグパーティの コミュニケーション
ドライブレコーダの画像認識による道路情報の自動差分抽出
ドライブレコーダの画像認識による道路情報の自動差分抽出
Microsoft AI と深層学習
Microsoft AI と深層学習
MLOpsはバズワード
MLOpsはバズワード
データアナリティクスの新たな一歩とそれを支えるインフラ
データアナリティクスの新たな一歩とそれを支えるインフラ
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
local launch small language model of AI.
local launch small language model of AI.
Custom Visionで仏像を画像分類
Custom Visionで仏像を画像分類
先駆者に学ぶ MLOpsの実際
先駆者に学ぶ MLOpsの実際
ディープラーニングで株価予測をやってみた
ディープラーニングで株価予測をやってみた
福岡市内のベンチャー企業が取り組む最新It技術
福岡市内のベンチャー企業が取り組む最新It技術
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
リクルートにおけるマルチモーダル Deep Learning Web API 開発事例
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
『Mobageの大規模データマイニング活用と 意思決定』- #IBIS 2012 -ビジネスと機械学習の接点-
Elasticsearchと機械学習を実際に連携させる
Elasticsearchと機械学習を実際に連携させる
Hacking Robotics
Hacking Robotics
Shinyを自由に使ってみる
Shinyを自由に使ってみる
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
DEIM2019 楽天技術研究所の研究とケーススタディ(推薦システム)
A12 坂井研究室 澤田純礼
A12 坂井研究室 澤田純礼
Rustに触れて私のPythonはどう変わったか
1.
Mobility Technologies Co.,
Ltd. Rustに触れて私のPythonはどう変わったか 2020/09/24 @MoT.rs Shunsuke Nakamura AI技術開発部
2.
Mobility Technologies Co.,
Ltd.2 中村遵介(なかむらしゅんすけ)@S.Nakamura AI技術開発部エッジMLエンジニアリングG - 深層学習・画像処理 - デバイスシミュレータ開発 学生時代: SQLとPython 社会: PythonとRust 趣味: 画像の拡大 自己紹介
3.
Mobility Technologies Co.,
Ltd.3 深層学習と画像処理の流れ データセット用意 Webからダウンロー ド・自サーバから収 集 傾向調査 エラーデータ確認 クラス分布や 色傾向の確認 データ分割 傾向を元に 学習するデータ・評 価に使用するデータ 等を分割 前処理 深層学習を行う ためのデータの 加工処理 深層学習 加工したデータ から実際に目的とな るモデルを学習する 後処理 モデルの出力を、全 体として出力 したいものに変換 必要に応じて別手法 で補正 結果の可視化 学習結果を人の 目に分かりやすく 示し改善点を探す Designed by Freepik and distributed by Flaticon
4.
Mobility Technologies Co.,
Ltd. 画像を用いた深層学習の全体的な流れ(の一例) 4 深層学習と画像処理の流れ データセット用意 Webからダウンロー ド・自サーバから収 集 傾向調査 エラーデータ確認 クラス分布や 色傾向の確認 データ分割 傾向を元に 学習するデータ・評 価に使用するデータ 等を分割 前処理 深層学習を行う ためのデータの 加工処理 深層学習 加工したデータ から実際に目的とな るモデルを学習する 後処理 モデルの出力を、全 体として出力 したいものに変換 必要に応じて別手法 で補正 結果の可視化 学習結果を人の 目に分かりやすく 示し改善点を探す 全てPythonで実装 ・深層学習はPyTorchというPython向けライブラリで実装されることが多い ・ここらへんで公開されている既存コードもほぼPythonなので同じ言語のほうが便利 ・Pythonではデータ処理向け便利ライブラリが多数公開されている ・研究の側面が強く手軽にコード変更ができる言語が良い Designed by Freepik and distributed by Flaticon
5.
Mobility Technologies Co.,
Ltd.5 ■ 他人(自分)のコードの再現・改変が難しい ■ 様々な外部ライブラリを使用するのでバージョンの不一致で実行できない ■ 型情報がほぼないので、コードの改変・再使用が困難 ■ ディレクトリ構成・仮想環境の個人差が大きく揃えづらい ■ 長時間かけて学習したモデルが保存時に引数エラーで保存失敗・やり直しへ ■ どこでどのようなエラーが発生するかが分からないので捕捉しづらい ■ モジュールのインポートルールが複雑(個人差あり) ■ Pythonを書くと遅くなりがち ■ 他の言語で書かれた高速なライブラリをPythonから使用すればOK 困っていたが深層学習からPythonは切り離せないので仕方ないか〜と思っていた とはいえPythonだと困ることも
6.
Mobility Technologies Co.,
Ltd.6 Rust使い始めて感じたこと ■ 型情報がしっかりしている ■ ビルド時に型周りのミスを全て洗い出せるので安心 ■ エディタのフルサポートが得られるので書くのが楽 ■ Result型・Option型のおかげでどこでどういう例外ケースがあるのか把握しやすい ■ パターンマッチが強力で条件分岐の取りこぼしが起きづらい ■ Cargo.tomlに必要な情報がほぼ乗っているので他人のコードを動かしやすい ■ ディレクトリ構成が統一されている ■ ライフタイムがコードに出てくると読みづらい ■ ハマると型をこねくり回して四苦八苦する時間がある ■ エラー処理をきちんと書かねばならず、正常ケースだけさっと試すときに面倒 そんなとき業務でRustにふれることに
7.
Mobility Technologies Co.,
Ltd.7 ここらへんをPythonでもなんとか取り入れたいと思った ■ 型情報がしっかりしている ■ ビルド時に型周りのミスを全て洗い出せるので安心 ■ エディタのフルサポートが得られるので書くのが楽 ■ Result型・Option型のおかげでどこでどういう例外ケースがあるのか把握しやすい ■ パターンマッチが強力で条件分岐の取りこぼしが起きづらい ■ Cargo.tomlに必要な情報がほぼ乗っているので他人のコードを動かしやすい ■ ディレクトリ構成が統一されている ■ ライフタイムがコードに出てくると読みづらい ■ ハマると型をこねくり回して四苦八苦する時間がある ■ エラー処理をきちんと書かねばならず、正常ケースだけさっと試すときに面倒 そんなとき業務でRustにふれることに
8.
Mobility Technologies Co.,
Ltd.8 ここらへんをPythonでもなんとか取り入れたいと思った ■ 型情報がしっかりしている ■ ビルド時に型周りのミスを全て洗い出せるので安心 ■ エディタのフルサポートが得られるので書くのが楽 ■ Result型・Option型のおかげでどこでどういう例外ケースがあるのか把握しやすい ■ パターンマッチが強力で条件分岐の取りこぼしが起きづらい ■ Cargo.tomlに必要な情報がほぼ乗っているので他人のコードを動かしやすい ■ ディレクトリ構成が統一されている ■ ライフタイムがコードに出てくると読みづらい ■ ハマると型をこねくり回して四苦八苦する時間がある ■ エラー処理をきちんと書かねばならず、正常ケースだけさっと試すときに面倒 そんなとき業務でRustにふれることに
9.
Mobility Technologies Co.,
Ltd.9 型アノテーションとmypyとtypeguardとdataclassとEnumで型っぽい事をしようとした 型アノテーション ■ Pythonは変数と関数の引数・返り値に型アノテーションを付けられる ■ typingモジュールを使用することで複雑な型にもアノテーションできる ■ あくまでアノテーションなので実行時にその型でなくてもエラーにならない mypy ■ Pythonの静的型検査ツール ■ アノテーションを元にコードで型ミスがないかを実行前に洗い出せる typeguard ■ Pythonの動的型検査ツール ■ 実行時に関数の引数と返り値が実際にアノテーション通りかを確認してくれる dataclass ■ 構造体のようなものを定義できる(実態はクラス) ■ データを辞書型でやり取りしていた部分を全てdataclassに置き換えた Enum ■ ただの列挙型 Rustの良さをPythonに取り入れようとした話
10.
Mobility Technologies Co.,
Ltd. Pros ■ エディタの補完パワーが増したので実装が楽に ■ 辞書型はどのようなkeyにどのようなvalueがあるかを見てみないと分からないが、dataclass で安全にデータをやり取りできるように ■ 過去の自分のコードが読めるように Cons ■ mypyには限界があり、mypyを通っても実行時にエラーになるケースがあった ■ Pythonではサードパーティ製ライブラリを頻繁に使用するが、それらが型情報を提供しておら ず、mypyでのチェックを諦めることが多かった 結論: 導入してよかったが、Pythonである以上確実な安心感は得られない 型情報: Rustの良さをPythonに取り入れようとした話 10
11.
Mobility Technologies Co.,
Ltd.11 ここらへんをPythonでもなんとか取り入れたいと思った ■ 型情報がしっかりしている ■ ビルド時に型周りのミスを全て洗い出せるので安心 ■ エディタのフルサポートが得られるので書くのが楽 ■ Result型・Option型のおかげでどこでどういう例外ケースがあるのか把握しやすい ■ パターンマッチが強力で条件分岐の取りこぼしが起きづらい ■ Cargo.tomlに必要な情報がほぼ乗っているので他人のコードを動かしやすい ■ ディレクトリ構成が統一されている ■ ライフタイムがコードに出てくると読みづらい ■ ハマると型をこねくり回して四苦八苦する時間がある ■ エラー処理をきちんと書かねばならず、正常ケースだけさっと試すときに面倒 そんなとき業務でRustにふれることに
12.
Mobility Technologies Co.,
Ltd.12 Cargo.tomlのように実行に必要な情報を1つのファイルにまとめておけないか? pep518でまさに同じ話があった ■ pyproject.tomlというファイルでパッケージング情報を管理 ■ Python自体のバージョンやライブラリのバージョンを記述可能 ■ poetry / pyflowといったパッケージング管理ライブラリがここに準拠 ■ poetry / pyflowならディレクトリ構成も統一 個人プロジェクトは全てpoetryに移行した。数ヶ月前のコードでも一発で動いた 業務ではさりげなくpoetryを導入することで布教中 Cargoほど強力ではないが便利 poetryはいいぞ Rustの良さをPythonに取り入れようとした話 成功例
13.
Mobility Technologies Co.,
Ltd.13 ここらへんをPythonでもなんとか取り入れたいと思った ■ 型情報がしっかりしている ■ ビルド時に型周りのミスを全て洗い出せるので安心 ■ エディタのフルサポートが得られるので書くのが楽 ■ Result型・Option型のおかげでどこでどういう例外ケースがあるのか把握しやすい ■ パターンマッチが強力で条件分岐の取りこぼしが起きづらい ■ Cargo.tomlに必要な情報がほぼ乗っているので他人のコードを動かしやすい ■ ディレクトリ構成が統一されている ■ ライフタイムがコードに出てくると読みづらい ■ ハマると型をこねくり回して四苦八苦する時間がある ■ エラー処理をきちんと書かねばならず、正常ケースだけさっと試すときに面倒 そんなとき業務でRustにふれることに
14.
Mobility Technologies Co.,
Ltd.14 Result型とOption型をクラスとして定義してみた ■ Optionはちょっと便利になった ■ ResultはそもそもPythonがどの部分でどのようなエラーを出すのかが わからないため、結局try-exceptを大きくくくる以外にエラーハンドリングが できずメリットを感じなかった 例外ケースを適度に無視できるのが良くも悪くもPythonの特徴 Rustの良さをPythonに取り入れようとした話 失敗例
15.
Mobility Technologies Co.,
Ltd.15 Rustの良さをPythonに持ち込むのは限界があるしPythonの良さを殺す事が多い そもそも得意分野が違うのに全部同じ言語でやる必要はなかった 柔軟なコード変更が求められ、優秀なライブラリが多い部分をPythonで、 厳格なエラー処理・再利用性・速度が求められる部分をRustで実装 全体を通した設定はYAMLのような言語非依存のもので管理する方針へ Rustの良さはRustとして、Pythonの良さはPythonとして使用した話 データセット用意 Webからダウンロー ド・自サーバから収 集 傾向調査 エラーデータ確認 クラス分布や 色傾向の確認 データ分割 傾向を元に 学習するデータ・評 価に使用するデータ 等を分割 前処理 深層学習を行う ためのデータの 加工処理 深層学習 加工したデータ から実際に目的とな るモデルを学習する 後処理 モデルの出力を、全 体として出力 したいものに変換 必要に応じて別手法 で補正 結果の可視化 学習結果を人の 目に分かりやすく 示し改善点を探す Rust PythonPython Rust Python
16.
Mobility Technologies Co.,
Ltd.16 Rustの良さをPythonに持ち込むのは限界があるしPythonの良さを殺す事が多い そもそも得意分野が違うのに全部同じ言語でやる必要はなかった 柔軟なコード変更が求められ、優秀なライブラリが多い部分をPythonで、 厳格なエラー処理・再利用性・速度が求められる部分をRustで実装 全体を通した設定はYAMLのような言語非依存のもので管理する方針へ Rustの良さはRustとして、Pythonの良さはPythonとして使用した話 データセット用意 Webからダウンロー ド・自サーバから収 集 傾向調査 エラーデータ確認 クラス分布や 色傾向の確認 データ分割 傾向を元に 学習するデータ・評 価に使用するデータ 等を分割 前処理 深層学習を行う ためのデータの 加工処理 深層学習 加工したデータ から実際に目的とな るモデルを学習する 後処理 モデルの出力を、全 体として出力 したいものに変換 必要に応じて別手法 で補正 結果の可視化 学習結果を人の 目に分かりやすく 示し改善点を探す Rust Rust Python PythonPython 超快適になった!
17.
Mobility Technologies Co.,
Ltd.17 Rustが得意なところはRustで、Pythonが得意なところはPythonで書こう Pythonを書く時はpoetryを使って、可能な限り型アノテーションと型チェックをするとちょっ とQoLがあがる 結論
18.
文章·画像等の内容の無断転載及び複製等の行為はご遠慮ください。 Mobility Technologies Co.,
Ltd. 18
Download now