Y Combinator 風の3分ピッチテンプレートです。初期のスタートアップには以下の構成をお勧めしています。
1. Problem
2. Solution
3. Market Size
4. Traction
5. Unique Insight
6. Business Model
7. Team
UTokyo 500k 用のテンプレートとして作成しました。
リーンアナリティクスの概要を30分で理解できるようスライドを作成しています。実際に社内プレゼンでは30分で終わりました。
リーンアナリティクスの前提となるリーンスタートアップについても簡単に説明しているため、前提知識がない人でも一通り理解できると思います。
なにかご不明の点があれば、以下までご連絡ください。
info@sikmi.com
You can get an overview of LEAN ANALYTICS in 30 minutes. Actually the in-house presentation was the end in 30 minutes.
Due to the brief description of THE LEAN STARTUP that is the premise of LEAN ANALYTICS , and I think that it can be understood one way in humans there is no prerequisite knowledge .
If there is any questions something , please contact the following .
Y Combinator 風の3分ピッチテンプレートです。初期のスタートアップには以下の構成をお勧めしています。
1. Problem
2. Solution
3. Market Size
4. Traction
5. Unique Insight
6. Business Model
7. Team
UTokyo 500k 用のテンプレートとして作成しました。
リーンアナリティクスの概要を30分で理解できるようスライドを作成しています。実際に社内プレゼンでは30分で終わりました。
リーンアナリティクスの前提となるリーンスタートアップについても簡単に説明しているため、前提知識がない人でも一通り理解できると思います。
なにかご不明の点があれば、以下までご連絡ください。
info@sikmi.com
You can get an overview of LEAN ANALYTICS in 30 minutes. Actually the in-house presentation was the end in 30 minutes.
Due to the brief description of THE LEAN STARTUP that is the premise of LEAN ANALYTICS , and I think that it can be understood one way in humans there is no prerequisite knowledge .
If there is any questions something , please contact the following .
本セッションでは、W&B Coursesの中でも最も人気の高いコースである"Effective MLOps: Model Development (日本語字幕版コース名: 効果的なMLOps: モデル開発)"をギュッと濃縮したダイジェスト版を日本語ハンズオンでお届けいたします。W&Bの基本的な使い方、ベースラインからの改良方法などをシンプルな画像のセグメンテーションタスクを通じて学ぶことができます。
https://wandb.connpass.com/event/295345/
NIPS2013読み会: More Effective Distributed ML via a Stale Synchronous Parallel P...Shohei Hido
NIPS2013読み会の発表資料です。
Qirong Ho et al, "More Effective Distributed ML via a Stale Synchronous Parallel Parameter Server", NIPS2013.
http://media.nips.cc/nipsbooks/nipspapers/paper_files/nips26/631.pdf
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。
2. ⾃⼰紹介
l ⽐⼾将平(HIDO Shohei)
l TwitterID: @sla
l 専⾨:データマイニング、機械学習
l 経歴:
l 2006-2012: IBM東京基礎研究所データ解析グループ
l 機械学習のアルゴリズム研究開発(主に異常検知)
l 2012-2014: 株式会社Preferred Infrastructure
l ⼤規模オンライン分散機械学習基盤Jubatusチームリーダー
l 2014-: 株式会社Preferred Networks
l 2015-: Preferred Networks America, Inc. @ シリコンバレー
l Chief Research Officer
2
6. 想定する「プロダクト」
l ソフトウェア、ないしソフトウェアを用いたアプリ/サービス
– パッケージソフトの例:Microsoft Word、Norton Antivirus
– ミドルウェアの例:IBM DB2、MongoDB
– スマホアプリの例:Uber、Instagram、パズドラ
– サービスの例:Amazon、iTunes、Netflix
l プロダクトマネジメントの文脈では
– 企業で開発される商用ソフトウェア
l マーケ、エンジニア、デザイナーが関わる
l OSSでも良いが設計・管理の面でかなり違いがある
– 受託開発ではない
l 特定の顧客専用ではない
l 多数のユーザ向けに提供される
6
26. l 「Inspired: 顧客の心を捉える製品の創り方」
Martin Cagan著、SVPG Press
l 「世界で闘うプロダクトマネジャーになるための本
トップIT企業のPMとして就職する方法」
Gayle Laakmann McDowell & Jackie Bavaro著、マイナビ出版
l 「キャズム」
Geffrey Moore著、翔泳社
l “プロダクトマネージャーについて”
http://d.hatena.ne.jp/naoya/20151026
l “Googleのプロダクトマネージャーに学ぶ6つの仕事術”
http://innova-jp.com/google-product-manager/
26
参考文献