Soumettre la recherche
Mettre en ligne
Code Golf
•
Télécharger en tant que ODP, PDF
•
13 j'aime
•
15,128 vues
Shinichiro Hamaji
Suivre
For talk about code golf in program symposium.
Lire moins
Lire la suite
Technologie
Affichage du diaporama
Signaler
Partager
Affichage du diaporama
Signaler
Partager
1 sur 57
Télécharger maintenant
Recommandé
最適輸送問題(Wasserstein 距離)を解く方法についてのさまざまなアプローチ・アルゴリズムを紹介します。 線形計画を使った定式化の基礎からはじめて、以下の五つのアルゴリズムを紹介します。 1. ネットワークシンプレックス法 2. ハンガリアン法 3. Sinkhorn アルゴリズム 4. ニューラルネットワークによる推定 5. スライス法 このスライドは第三回 0x-seminar https://sites.google.com/view/uda-0x-seminar/home/0x03 で使用したものです。自己完結するよう心がけたのでセミナーに参加していない人にも役立つスライドになっています。 『最適輸送の理論とアルゴリズム』好評発売中! https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https://speakerdeck.com/joisino/zui-shi-shu-song-nojie-kifang
最適輸送の解き方
最適輸送の解き方
joisino
【注意:動画について】スライドの背景が黒色のページは動画が埋まっています.一部の動画はここにアップしています: http://www.mprg.cs.chubu.ac.jp/~ryorsk/share/supplemental/presentation/20190316_NagoyaCV/ 主にこれから研究を始める人向けに,研究の心構えやツールなどを広く浅く紹介. 2019/03/16 名古屋CV・PRML研究会@ヤフー株式会社 名古屋オフィス
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
諒介 荒木
筑波大学情報学群情報メディア創成学類 先端技術とメディア表現の講義スライド 第一回目です. 最初に教員の自己紹介が入っています.
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15
Yoichi Ochiai
文献紹介のスライドです。学部4年生〜修士課程1年生くらい向けです。
Objectnessとその周辺技術
Objectnessとその周辺技術
Takao Yamanaka
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
SSII2018 チュートリアル講演 TS2 6月14日(木) 9:00~10:20 (メインホール)
SSII2018TS: 大規模深層学習
SSII2018TS: 大規模深層学習
SSII
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。
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
北村研Notion用
Marp Tutorial
Marp Tutorial
Rui Watanabe
Recommandé
最適輸送問題(Wasserstein 距離)を解く方法についてのさまざまなアプローチ・アルゴリズムを紹介します。 線形計画を使った定式化の基礎からはじめて、以下の五つのアルゴリズムを紹介します。 1. ネットワークシンプレックス法 2. ハンガリアン法 3. Sinkhorn アルゴリズム 4. ニューラルネットワークによる推定 5. スライス法 このスライドは第三回 0x-seminar https://sites.google.com/view/uda-0x-seminar/home/0x03 で使用したものです。自己完結するよう心がけたのでセミナーに参加していない人にも役立つスライドになっています。 『最適輸送の理論とアルゴリズム』好評発売中! https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https://speakerdeck.com/joisino/zui-shi-shu-song-nojie-kifang
最適輸送の解き方
最適輸送の解き方
joisino
【注意:動画について】スライドの背景が黒色のページは動画が埋まっています.一部の動画はここにアップしています: http://www.mprg.cs.chubu.ac.jp/~ryorsk/share/supplemental/presentation/20190316_NagoyaCV/ 主にこれから研究を始める人向けに,研究の心構えやツールなどを広く浅く紹介. 2019/03/16 名古屋CV・PRML研究会@ヤフー株式会社 名古屋オフィス
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
諒介 荒木
筑波大学情報学群情報メディア創成学類 先端技術とメディア表現の講義スライド 第一回目です. 最初に教員の自己紹介が入っています.
先端技術とメディア表現1 #FTMA15
先端技術とメディア表現1 #FTMA15
Yoichi Ochiai
文献紹介のスライドです。学部4年生〜修士課程1年生くらい向けです。
Objectnessとその周辺技術
Objectnessとその周辺技術
Takao Yamanaka
グラフィカルモデル入門
グラフィカルモデル入門
Kawamoto_Kazuhiko
SSII2018 チュートリアル講演 TS2 6月14日(木) 9:00~10:20 (メインホール)
SSII2018TS: 大規模深層学習
SSII2018TS: 大規模深層学習
SSII
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。
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
北村研Notion用
Marp Tutorial
Marp Tutorial
Rui Watanabe
東京大学松尾研究室 強化学習サマースクール2020 第5回 https://deeplearning.jp/reinforcement_cource-2020s/
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)
Shohei Taniguchi
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
Pythonによる黒魔術入門
Pythonによる黒魔術入門
大樹 小倉
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
6/9 (木) 14:45~15:15 メイン会場 講師:石井 雅人 氏(ソニーグループ株式会社) 概要: 機械学習技術の急速な発達により、コンピュータによる知的処理は様々なタスクで人間に匹敵あるいは凌駕する性能を達成してきた。一方、このような高い性能は大量かつ高品質な学習データによって支えられており、多様化する機械学習応用においてデータの収集コストが大きな導入障壁の1つとなっている。本講演では、少ないデータやラベルから効率的に学習するための様々な技術について、「足りない情報をどのように補うか?」という観点から概観するとともに、特に画像認識分野における最新の研究動向についても紹介する。
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
谷中瞳, それでも私が研究を続ける理由, 言語処理学会第27回年次大会ワークショップ「若手研究者交流のニューノーマルを考える」, (2021.3).
それでも私が研究を続ける理由
それでも私が研究を続ける理由
Hitomi Yanaka
SSII2020 技術動向解説セッション SS2 6/11 (木) 14:30〜15:00 メイン会場 (vimeo + sli.do) 3次元モデルのレンダリングを深層学習に組み込むこと(≒ 微分可能レンダリング)で、3次元空間のパラメータを2次元画像上の損失関数に基づいて最適化することが可能となり、2次元画像からの物体の3次元再構成の学習や敵対的3Dモデルの生成などが実現できる。この技術は、複数の大手企業がライブラリを公開するなど近年急速に注目を集めている。本講演では、微分可能レンダリングの基本的な考え方と、その様々な応用例を紹介する。
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
6/9 (木) 14:15~14:45 メイン会場 講師:加藤 大晴 氏(株式会社Preferred Networks) 概要: 点群/メッシュ/ボクセルなどの従来的な3D表現に代わってニューラルネットによる陰関数で三次元データを表してしまう手法が近年登場し、様々なタスクで目覚ましい成果を挙げ大きな注目を集めている。この表現は、計算コストが高い代わりに柔軟性が高くさまざまなものをシンプルかつコンパクトに表現できることが知られている。本講演では、その基礎、応用、最先端の状況について、代表的な研究を広く紹介する。
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
https://math-coding.connpass.com/event/147508/ Math&coding#6 の発表資料
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法 6月10日 (木) 11:00 - 12:30 メイン会場(vimeo + sli.do) 登壇者:松井 孝太 氏(名古屋大学) 概要:転移学習とは、解きたいタスクに対して、それと異なるが似ている他のタスクからの知識(データ、特徴、モデルなど)を利用するための方法を与える機械学習のフレームワークです。深層モデルの学習方法として広く普及している事前学習モデルの利用は、この広義の転移学習の一つの実現形態とみなせます。本発表では、まず何をいつ転移するのか (what/when to transfer) といった転移学習の基本概念と定式化を説明し、具体的な転移学習の主要なアプローチとしてドメイン適応、メタ学習について解説します。
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
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
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
PFNの海野裕也が2022/10/25に東大大学院情報理工学系研究科「自然言語処理応用」でゲスト講師として登壇した際の講義資料です。
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
Preferred Networks
第50回 コンピュータビジョン勉強会@関東「コンピュータビジョンで使えるツールLT大会2」発表資料。 Speaker Deck版: https://speakerdeck.com/shinya7y/deep-learning-frameworks-and-patent-wars
ディープラーニングのフレームワークと特許戦争
ディープラーニングのフレームワークと特許戦争
Yosuke Shinya
・データベース的な観点でのソーシャルゲームの特徴 ・データモデル ・ソーシャルゲームに従来型RDBMSを使うべきか、流行りのNoSQLで行くべきか ・負荷対策 (アーキテクチャ面) ・負荷対策 (ツール面) ・インフラエンジニアのキャリアについて
ソーシャルゲームのためのデータベース設計
ソーシャルゲームのためのデータベース設計
Yoshinori Matsunobu
競技プログラミング練習会2014 Normalで使ったスライドです。グラフと木に関する用語についてまとめています。
グラフと木
グラフと木
京大 マイコンクラブ
2017/12/11 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
IBIS 2021 https://ibisml.org/ibis2021/ における最適輸送についてのチュートリアルスライドです。 『最適輸送の理論とアルゴリズム』好評発売中! https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https://speakerdeck.com/joisino/zui-shi-shu-song-ru-men
最適輸送入門
最適輸送入門
joisino
Proof Summit 2015 <http: /> で発表した、SAT/SMTソルバの仕組みです。 Proofということで、論理学的側面からの面白さを出来るだけ紹介しています。
SAT/SMTソルバの仕組み
SAT/SMTソルバの仕組み
Masahiro Sakai
情オリ2012春合宿講義資料
指数時間アルゴリズム入門
指数時間アルゴリズム入門
Yoichi Iwata
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
2019年3月のJOI春合宿で行った講義のスライドです
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Hiroshi Yamashita
Contenu connexe
Tendances
東京大学松尾研究室 強化学習サマースクール2020 第5回 https://deeplearning.jp/reinforcement_cource-2020s/
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)
Shohei Taniguchi
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
Pythonによる黒魔術入門
Pythonによる黒魔術入門
大樹 小倉
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
cvpaper. challenge
6/9 (木) 14:45~15:15 メイン会場 講師:石井 雅人 氏(ソニーグループ株式会社) 概要: 機械学習技術の急速な発達により、コンピュータによる知的処理は様々なタスクで人間に匹敵あるいは凌駕する性能を達成してきた。一方、このような高い性能は大量かつ高品質な学習データによって支えられており、多様化する機械学習応用においてデータの収集コストが大きな導入障壁の1つとなっている。本講演では、少ないデータやラベルから効率的に学習するための様々な技術について、「足りない情報をどのように補うか?」という観点から概観するとともに、特に画像認識分野における最新の研究動向についても紹介する。
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII
谷中瞳, それでも私が研究を続ける理由, 言語処理学会第27回年次大会ワークショップ「若手研究者交流のニューノーマルを考える」, (2021.3).
それでも私が研究を続ける理由
それでも私が研究を続ける理由
Hitomi Yanaka
SSII2020 技術動向解説セッション SS2 6/11 (木) 14:30〜15:00 メイン会場 (vimeo + sli.do) 3次元モデルのレンダリングを深層学習に組み込むこと(≒ 微分可能レンダリング)で、3次元空間のパラメータを2次元画像上の損失関数に基づいて最適化することが可能となり、2次元画像からの物体の3次元再構成の学習や敵対的3Dモデルの生成などが実現できる。この技術は、複数の大手企業がライブラリを公開するなど近年急速に注目を集めている。本講演では、微分可能レンダリングの基本的な考え方と、その様々な応用例を紹介する。
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII
6/9 (木) 14:15~14:45 メイン会場 講師:加藤 大晴 氏(株式会社Preferred Networks) 概要: 点群/メッシュ/ボクセルなどの従来的な3D表現に代わってニューラルネットによる陰関数で三次元データを表してしまう手法が近年登場し、様々なタスクで目覚ましい成果を挙げ大きな注目を集めている。この表現は、計算コストが高い代わりに柔軟性が高くさまざまなものをシンプルかつコンパクトに表現できることが知られている。本講演では、その基礎、応用、最先端の状況について、代表的な研究を広く紹介する。
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII
https://math-coding.connpass.com/event/147508/ Math&coding#6 の発表資料
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
ryosuke-kojima
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法 6月10日 (木) 11:00 - 12:30 メイン会場(vimeo + sli.do) 登壇者:松井 孝太 氏(名古屋大学) 概要:転移学習とは、解きたいタスクに対して、それと異なるが似ている他のタスクからの知識(データ、特徴、モデルなど)を利用するための方法を与える機械学習のフレームワークです。深層モデルの学習方法として広く普及している事前学習モデルの利用は、この広義の転移学習の一つの実現形態とみなせます。本発表では、まず何をいつ転移するのか (what/when to transfer) といった転移学習の基本概念と定式化を説明し、具体的な転移学習の主要なアプローチとしてドメイン適応、メタ学習について解説します。
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII
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
研究分野をサーベイする
研究分野をサーベイする
Takayuki Itoh
PFNの海野裕也が2022/10/25に東大大学院情報理工学系研究科「自然言語処理応用」でゲスト講師として登壇した際の講義資料です。
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
Preferred Networks
第50回 コンピュータビジョン勉強会@関東「コンピュータビジョンで使えるツールLT大会2」発表資料。 Speaker Deck版: https://speakerdeck.com/shinya7y/deep-learning-frameworks-and-patent-wars
ディープラーニングのフレームワークと特許戦争
ディープラーニングのフレームワークと特許戦争
Yosuke Shinya
・データベース的な観点でのソーシャルゲームの特徴 ・データモデル ・ソーシャルゲームに従来型RDBMSを使うべきか、流行りのNoSQLで行くべきか ・負荷対策 (アーキテクチャ面) ・負荷対策 (ツール面) ・インフラエンジニアのキャリアについて
ソーシャルゲームのためのデータベース設計
ソーシャルゲームのためのデータベース設計
Yoshinori Matsunobu
競技プログラミング練習会2014 Normalで使ったスライドです。グラフと木に関する用語についてまとめています。
グラフと木
グラフと木
京大 マイコンクラブ
2017/12/11 Deep Learning JP: http://deeplearning.jp/seminar-2/
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
Deep Learning JP
IBIS 2021 https://ibisml.org/ibis2021/ における最適輸送についてのチュートリアルスライドです。 『最適輸送の理論とアルゴリズム』好評発売中! https://www.amazon.co.jp/dp/4065305144 Speakerdeck にもアップロードしました: https://speakerdeck.com/joisino/zui-shi-shu-song-ru-men
最適輸送入門
最適輸送入門
joisino
Proof Summit 2015 <http: /> で発表した、SAT/SMTソルバの仕組みです。 Proofということで、論理学的側面からの面白さを出来るだけ紹介しています。
SAT/SMTソルバの仕組み
SAT/SMTソルバの仕組み
Masahiro Sakai
情オリ2012春合宿講義資料
指数時間アルゴリズム入門
指数時間アルゴリズム入門
Yoichi Iwata
cvpaper.challenge の メタサーベイ発表スライドです。 cvpaper.challengeはコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ作成・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。 http://xpaperchallenge.org/cv/
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
cvpaper. challenge
2019年3月のJOI春合宿で行った講義のスライドです
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Hiroshi Yamashita
Tendances
(20)
Control as Inference (強化学習とベイズ統計)
Control as Inference (強化学習とベイズ統計)
Pythonによる黒魔術入門
Pythonによる黒魔術入門
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 〜 足りない情報をどのように補うか?〜
それでも私が研究を続ける理由
それでも私が研究を続ける理由
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2020SS: 微分可能レンダリングの最新動向 〜「見比べる」ことによる3次元理解 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜
グラフニューラルネットワーク入門
グラフニューラルネットワーク入門
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎:異なるタスクの知識を利用するための機械学習の方法
研究分野をサーベイする
研究分野をサーベイする
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
自然言語処理を 役立てるのはなぜ難しいのか(2022/10/25東大大学院「自然言語処理応用」)
ディープラーニングのフレームワークと特許戦争
ディープラーニングのフレームワークと特許戦争
ソーシャルゲームのためのデータベース設計
ソーシャルゲームのためのデータベース設計
グラフと木
グラフと木
[DL輪読会]Deep Learning 第15章 表現学習
[DL輪読会]Deep Learning 第15章 表現学習
最適輸送入門
最適輸送入門
SAT/SMTソルバの仕組み
SAT/SMTソルバの仕組み
指数時間アルゴリズム入門
指数時間アルゴリズム入門
【メタサーベイ】数式ドリブン教師あり学習
【メタサーベイ】数式ドリブン教師あり学習
充足可能性問題のいろいろ
充足可能性問題のいろいろ
Code Golf
1.
Code Golfについて Shinichiro
Hamaji <shinichiro.hamaji _at_ gmail.com> 2007 年 8 月 9 日 夏のプログラムシンポジウム
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
ゴルフで人気の言語
15.
ゴルフに強い言語
16.
17.
18.
19.
20.
21.
22.
23.
24.
25.
26.
27.
28.
29.
30.
31.
32.
33.
34.
35.
36.
37.
38.
39.
qsort
40.
41.
42.
43.
44.
45.
46.
47.
48.
49.
50.
51.
52.
53.
54.
55.
56.
57.
Télécharger maintenant