So, I have been working on a multi-threaded JavaScript runtime, Nexus.js. You can think of it as the mad cousin of Node.js. First of all: there is no event loop. You heard that right, there is no event loop. Everything is scheduled on a thread pool, which picks “tasks” from a priority-queue and begins executing them — in parallel — on all CPU cores, simultaneously. There’s no `process.nextTick()`
簡単に書くよ NSレコード【DNSレコード】（読：エヌエスレコード 英：NS record）とは 権威DNSサーバさん（自分の管理している情報を教えてあげるのが仕事のDNSサーバ）がお仕事で使うネタ帳（ゾーンファイル）の中身 であり 管理を委託しているDNSサーバさん（IPアドレスとドメイン名の対応を管理するのが仕事のコンピュータ）の名前が書かれている行のこと です。 最初に留意事項です。 このページの説明は ・DNS ・DNSサーバ ・権威DNSサーバ ・ゾーンファイル の意味と関係性を理解している前提で書きます。 簡単に補足はしますけどね。 できれば上記の用語の意味を理解してから続きをご覧ください。 それでは順番に見ていきましょう。 DNSサーバには １．フルサービスリゾルバ（DNSキャッシュサーバ） ２．権威DNSサーバ（DNSコンテンツサーバ） の2種類あります。 一般的には、パソ
情報環境技術研究室の永井です。 今日はDNSのCNAMEの間違った使い方のお話です。 その間違った使い方がうちのサービスで使用されているかもっ!? DNSって? Domain Name System（ドメイン ネーム システム、DNS）はインターネットを使った階層的な分散型データベースシステムである。 1983年に情報科学研究所 (ISI) のポール・モカペトリスとジョン・ポステルにより開発された。 Wikipediaより一部抜粋 http://ja.wikipedia.org/wiki/Domain_Name_System 例えば、ライブドアのポータルサイトといえば「http://www.livedoor.com/」ですが、実際には「http://125.6.172.15/」というIPアドレスがインターネット上の住所になります。でも、こんな数字の羅列を一々覚えていられないので、DNSとい
This article is Part 3 of the Building iOS Interfaces series which tackles *the how and why of implementing iOS designs without prior native programming *experience–perfect for Web designers and developers. You can find the previous *articles here: Part 1 – Part 2. After having introduced the technology stack and taken a closer look at views, it’s time to tackle a concrete, all-too-common example
May 7, 2016 TestScheduler RxSwiftにはVirtualTimeSchedulerというSchedulerがあって、仮想的な時間でイベントストリームを扱えます。仮想的な時間というとなんだか難しそうですが、要は時間を自分で操作できるSchedulerということです。 RxSwiftのテストライブラリのRxTestsには、TestSchedulerというSchedulerも用意されています。これはVirtualTimeSchedulerにテスト向けの機能をつけたもので、イベントを記録できたりします。記録したイベントはXCTAssertEqual(_:_:)で検証できるので、どの時刻にどの値が来くるかテストできるというわけです。 func test() { let scheduler = TestScheduler(initialClock: 0) let obser
Neural networks provide the possibility to solve complicated non linear problems. They can be used in various areas such as signal classification, forecasting timeseries and pattern recognition. A neural network is a model inspired by the human brain and consists of multiple connected neurons. The network consists of a layer of input neurons (where the information goes in), a layer of output neuro
前に書いた N-gram 漢字-かな変換 - アスペ日記 のアルゴリズムについて。 かなり縦に長いエントリになると思う。途中までは一般的な日本語自然言語処理にかかわること。 例として、「かれがくるまでまつ」というひらがなの文をデコードして、対応する漢字かな混じり文にすることを考える。 こういう時に使われるのが「ラティス構造」。こういうやつ↓ （この図は一回しか出てきません。ちなみにこのために Keynote 買ったようなもの） それぞれのノードで、そこに入ってくるエッジの中で一番確率が高いものとその確率を覚えていくことで、動的計画法によって最適なパスを導くことができる。 これをプログラム上でどう実現するか。 まず、共通接頭辞検索というものを使う。 これは、あるキーを渡すと、そのキーに前から一致するようなキーを持つ候補を列挙してくれるというもの。 例えば、「くるまで」をキーとして使うと、「く
PyCon JP 2021発表資料（https://2021.pycon.jp/time-table/?id=272565）
パッケージ† pip や easy_install によるインストールの前に多くの外部ライブラリやfortranコンパイラなどが必要になるので，numpy等の科学技術計算パッケージをインストールするには以下のようなパッケージを一般には利用する： 商用（サポートなしなら無料でも利用できる） Anaconda：無料版でもIntel MKLが使える Enthought Canopy フリー Unofficial Windows Binaries for Python Extension Packages (個人ベースの管理で非公式版) ↑ その他† pyvideo.org：PyCon, SciPy, PyData などの講演ビデオリンク集 100 numpy exercises：練習問題 Pythonidae：Python関連のライブラリのリンク集 SciPy Central：SciPy 関連コ
Numpy Scipy 1 / 18 Numpy Scipy SciPy NumPy (Numerical Python) NumPy ⊂ SciPy numpy , scipy scipy , numpy , , numpy, scipy scipy 2 / 18 & � 1 $ sudo apt-get install python-numpy python-scipy 2 $ python 3 ... 4 >>> import numpy 5 >>> numpy.array([2,0,1,4]) 6 array([2, 0, 1, 4]) 3 / 18 import 1: � 1 >>> import numpy 2 >>> numpy.array([2,0,1,4]) # numpy. 2: � 1 >>> from numpy import * 2 >>> array([2,0,
松尾・岩澤研究室主催の公開講座「大規模言語モデル 2024」を開講します. 受講を希望される方は下記ページを参考にしてください. 大規模言語モデル 2024 申込締切│ more
前にDQNの再現の記事を書いてからほぼ1年が空いてしまいました．DQNの新しい論文が2月にNatureに載ったのは記憶に新しいですが，それから研究はさらに加速し，最近では自分の感覚としてはarxiv含めて平均すると1週間に1論文くらいのペースで深層強化学習の研究が発表されているのではないかと思います（ちゃんと計算してないので全然違ってたらすみません）． これだけ論文が増えるとまとめのようなものが欲しくなるので，自分で作ることにしました． https://github.com/muupan/deep-reinforcement-learning-papers まだだいぶ不完全ですし，論文リストをきちんとした形で作るのははじめてなのでいろいろと迷う部分があるのですが，これから少しずつ充実させていく予定です．
研究をかれこれ2年半ぐらい続けてきたので、研究をする中で必要になった機械学習の手法について調べたりコードを書いたりしてきたのですが、まだまだ触ったことのない機械学習の手法も多く、研究で必要になる手法以外の知識も付けたくなってきたので、勉強し始めました。 Sphinxにまとめるか悩んだのですが、「ひとまず簡単にスライドにできること」・「手元でもすぐにコードを実行できる」という理由でJupyter Notebookを使用しています。 もし誤りやタイポ等があれば、IssueやPRお待ちしております。 github.com 今のところ↓の2つについてまとめました。 Jupyter Notebook / Numpy / Pandas / matplotlib入門 決定木(Decision Tree) ノートブックの内容一覧 内容については今後何度も変更をすると思いますが、とりあえず今の予定としては下
SPA に対するつらさを吐き出したものです。 @ CodeGrid 四周年記念パーティ
グラフィカルモデル輪読会での発表資料です。 http://wbawakate.connpass.com/event/31613/Read less
speakerdeck.com 第5回ペパボテックカンファレンス〜インフラエンジニア大特集〜 - connpassという会社のカンファレンスで発表しました！ 発表後に id:matsumoto_r から補足いただきました！ ありがとうございます m( )m luaを積極的に使う場合はブロックするようなI/Oがあって、そこで性能が要求されるような状況。我々はそこがオーバーヘッドになるような使い方はあまりないし、ngx_mrubyの良さを活かせる場所（ブロックしないとluaより速かったり）が多いのでngx_mruby #pbtech— 松本亮介 (@matsumotory) 2016年5月14日 発表資料にもありましたが、クエリストリングのチェックやキャッシュファイルの有無にのみ使っているので、ブロックIOは発生しないのでオーバーヘッドは少ないです。 開発者が社内にいることで、困ったときはSl
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 経緯 casyというインターネットを使って手軽に家事代行を頼むことができるサービスのプログラマをしています。 Webだけでなく、スマホアプリも出すことにあたり、Webアプリサーバ(Rails)から機能を切り出し、APIサーバ(Rails)を別途作成し、Webアプリの場合はWebアプリサーバからAPIサーバを呼び出し、アプリからは直接APIサーバを呼び出すような仕組みにしました。 ただ、全部の機能をAPIサーバに移すのは容易なことではなかったため、いくつかの機能はまだWebアプリサーバに残っていて、アプリよりもWebのほうが機能が多い状態
（このシリーズは未完です。今後コンテンツを増やしていきます） この一連の記事は、大学でこれから熱力学を学ぼうとしている方向けに書かれた、熱力学の基礎的な部分について解説したものになります。 抽象的な考えが多く理解するのが非常に難解な熱力学を、教科書の補足になるようになるべく式を使わずに言葉で解説しました。ただ単に読み物としても面白くなっているのではないかと思います。 ただ、全く式が無いと、ご自身の教科書との対応が無くなったり、むしろ直感的な意味を捉えづらくなるため、入れたほうが分かりやすいと判断した部分には入れるようにしました。 目次 全体の流れは 熱力学目次（コンテンツが出来次第、リンクになります） 目次・熱力学のはじめに（この記事） 熱力学の視座 熱力学第零法則 熱力学第一法則 操作・過程の説明 熱力学第二法則 エントロピー 参考文献・オススメ図書 となるようにするつもりです。最終的に
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
