2016 - 11 - 20 OpenSSL脆弱性対応手順まとめ おはこんばんにちは。 OpenSSLさんがまた 脆弱性 ですって(´・ε・｀）？ JVNVU#92930223: OpenSSL に複数の脆弱性 私の中ではBINDさんの次に多い印象があります。 BINDの 脆弱性 対応手順をまとめたのにならって、今回はOpenSSLバージョンをまとめてみますね。 infragirl.hatenablog.jp １．OpenSSLの 脆弱性 の発表をキャッチする 本家が情報をわかりやすく出してくれてるようです。 脆弱性 がアナウンスされた時 https://twitter.com/ha4gu/status/750102197174607872 の一次ソース「Security Advisory」はここですね。 ここの RSS が見つけられない…。 https://www.openssl.org
救荒植物とは飢饉や戦争などで食料が不足した時にしのぎの食糧として利用される植物。 多すぎるし定義がいまいちわからないのでwikipediaからコピペすると ・ 全草 – ノビル、タネツケバナ、イスランドゴケ、キクノリ、スギノリ ・ 茎 – イタドリ、ウワバミソウ、チョウセンゴミシ、ソテツ（デンプン） ・ 葉 – ナズナ、ヒユ、ヤブカンゾウ、ヤマアザミ、アカザ ・ 若草 – オオバコ、クサギ、タラノキ、アキギリ、マツムシソウ、ウコギ、リョウブ ・ 根 – オケラ、アシタバ、クズ（デンプン）、ヒガンバナ ・ 茎、葉 – タビラコ、ダイコンソウ、スカンポ、シオデ、ツルナ、スベリヒユ ・ 地下茎、塊根その他地下部 – キクイモ、テンナンショウ、オニドコロ、チョロギ、アマナ、コヒルガオ、ミツバツチグリ、アカウレ ・ 果実 – クサボケ、カリン、ツクバネ、イヌビワ、ジュズダマ、カラスウリ、
独自の制作環境／研究開発によって導き出されたメディアアートやテクノロジー演出を世に送り出すクリエイター集団、Rhizomatiks。その中でも研究開発をベースに新たな表現を生み出している部門がRhizomatiks Research（以下ライゾマリサーチ）だ。 数々の作品の中で知られたものでは、2014年のNHK紅白歌合戦でのテクノポップユニットPerfumeのライヴにて制御されたドローンを飛ばしたテクノロジー演出や、2016年にはアイスランドのシンガーBjörkによるライヴパフォーマンスの360度VR映像のリアルタイムストリーミング配信を手がけ、その今までにないパフォーマンスに観衆は沸いた。 彼らはジャンルを問わず数多くのクリエイターとコラボレーションを行い、メディアアート作品から企業の広告案件まで幅広い分野で活躍。ドローンやVR／ARなどハードウェアとソフトウェアの両面からさまざまな先
Open-source maps made for self-hosting Free OpenStreetMap Vector Tiles Open-source maps and schema Host the world maps on your own server or private cloud. Generate your own vector tiles from selected OpenStreetMap tags or your geospatial data. Code on GitHub. BSD/CC-BY license. Attribution required. Sources on GitHub Powerful map hosting from authors Use map hosting from authors of this open-sour
――せっかく育ってきた若手が辞めてしまうので、会社の未来が心配です。 事業の将来性がそれほどなくても、楽しくて毎日、笑い声があふれるような職場なら辞めないと思います。風通しのいい職場ですか？ ――それほど悪くはないと思います。給料も平均以上ですし……。 それでしたら、原因は明確です。辞めてしまった若手の上司に問題があるのではないでしょうか。 ――確かに、この前辞めた子は、直属の上司にパワハラを受けていたそうです。そういった場合は、黙っていないで声をあげたほうがいいのでしょうか。 ガンガン言ったほうがいいです。管理職は忙しいので、細かな人間関係まで目が届かないものです。ゴマすりをしてくる人が、よく見えてしまう。 僕自身の話をすると、昔に直属の優秀な部下3人と飲みに行ったとき、つい気を許して「隣の部のA君、なかなかいいヤツやな」と話してしまいました。「僕が何かを頼んだら、走ってくるんだよ」と言
社会人になって15年。転職回数５回。 気づけば中年のオッさんだ。 最近、「社会人は思ったより楽しい」とか、 「社会人は辛い」というエントリーが多数上がってるので、 俺も経験を書いてみたいと思う。 結論から言うと 「会社で無能扱いされたら自分の能力を悲観するより、会社に合ってない」 と考えたほうがいい。 ここからは、そういう考えに至った 自分の職務経歴を書いていく。 超長文なのだが無能と言われて苦しんでる人に、 この言葉が届いたら良いなと思っている。 たぶん、君が輝く職場はどっかにある。 １社目：飲食店チーフ 15年前は超就職氷河期。 同時にブラック企業が大学新卒を食いつぶし始めた時代でもあった。 大学時代、何も考えていなかった俺は、 安易にチェーン飲食店のチーフになった。 今でこそブラック企業の代名詞の外食産業だが、 不安な時代を切り抜けるには手に職を付けて 店を持って自立すべしという話は
ちょっとしたアート活動は社会から受け入れられるべきではないか。日本はアート活動に理解を示さず、メッセージ性の強い作品にも目くじらを立てて報道する。 海外の芸術家クレ・アブラハム氏による作品をマスコミはこぞって「悪質なイタズラ」と報道した。 あくまで標識のデザインは崩さず、ちょっとした修正を加えることでユニークなメッセージを伝える作品になっている。実際にクレ・アブラハム氏が「僕の作品があればみんなもっと標識に注意を払うようになる」と言っているように、これは必ずしも道交法違反として排除されるべきものではないだろう。 もっと心にゆとりをもってアートを受け入れたいものだ。社会の発展を阻害してはならない。 見ているだけで楽しい。クレ・アブラハム氏の16作品まとめ。 （１）リンゴと芋虫。 （２）雲と太陽。 （３）海水浴で日光浴。 （４）なんだか素敵なストーリーがありそう。 （５）象が現れた！ （６）子
2016/11/26 「プロダクトオーナー祭り2016 ～世界を創るのは俺たちだ！」で講演した内容です。 都合上、一部内容は省きました。 何かあればTwitterで @arimamoto までお願いします (^^)/ Read less
7. fastText • https://github.com/facebookresearch/fastText • Facebook AI Research製ライブラリ • fastTextが行えること 1. Word Embedding の取得 2. テキスト分類（マルチラベル対応） • 以下の2つの論文のC++実装 • Enriching Word Vectors with Subword Information (P. Bojanowski, E. Grave, A. Joulin, T. Mikolov, 2016) • Bag of Tricks for Efficient Text Classification (A. Joulin, E. Grave, P. Bojanowski, T. Mikolov, 2016)
今回はGAN（Generative Adversarial Network）を解説していきます。 GANは“Deep Learning”という本の著者でもあるIan Goodfellowが考案したモデルです。NIPS 2016でもGANのチュートリアルが行われるなど非常に注目を集めている分野で、次々に論文が出てきています。 また、QuoraのセッションでYann LeCunが、この10年の機械学習で最も面白いアイディアと述べていたりもします。 “The most interesting idea in the last 10 years in ML, in my opinion.” –Yann LeCun GANは聞いたことはあるけれどあまり追えてないという人向けに基礎から解説していきたいと思います。それでは順に見ていきましょう。 目次 基礎理論 DCGAN 実装 論文紹介 まとめ 基礎理
何の話かというと Google Cloud MLを利用して、TensorFlowの分散学習を行う方法です。取り急ぎ、自分用のメモとして公開しておきます。 分散学習にはいくつかのパターンがありますが、最もシンプルな「データ分散」の場合を説明します。各ノードは同じモデルに対して、個別に学習データを適用して、Variableを修正する勾配ベクトルを計算します。それぞれで計算した勾配ベクトルを用いて、共通のVariableを修正していきます。 前提知識 TensorFlowの分散学習処理を行う際は、3種類のノードを使用します。 ・Parameter Server：Workerが計算した勾配ベクトルを用いて、Variableのアップデートを行います。 ・Worker：教師データから勾配ベクトルを計算します。 ・Master：Workerと同様の処理に加えて、学習済みモデルの保存やテストセットに対する
【最終更新 : 2017.12.17】 ※以前書いた記事がObsoleteになったため、2.xできちんと動くように書き直しました。 データ分析ガチ勉強アドベントカレンダー 17日目。 16日目に、1からニューラルネットを書きました。 それはそれでデータの流れだとか、活性化関数の働きだとか得るものは多かったのですが、Kerasと言うものを使ってみて、何て素晴らしいんだと感動してしまいました 今まで苦労して数十行書いていたものが、わずか3行で書ける！ 正直、スクラッチで書く意味って、理解にはいいけど研究や分析には必要あんまないんですよね。車輪の再発明になるし。 と言うわけで、使えるものはどんどん使っていこうスタンスで、今日はKerasの紹介です！ Tutorial+気になった引数を掘り下げて補足のような感じで書いています。 ちなみに、各部のコード以下をつなぎ合わせるとmnistの分類器が動くよ
機械学習ライブラリ「TensorFlow」と、オープンソースのシステムトレードフレームワーク「Jiji」を組み合わせて、機械学習を使った為替(FX)のトレードシステムを作るチュートリアルです。 システムのセットアップからはじめて、機械学習モデルの作成、トレーニング、それを使って実際にトレードを行うところまで、具体例を交えて解説します。 システム構成 次のようなシステムを作ります。 Jijiのバックテスト機能を使ってトレードデータを収集。これをTensorFlowに入力してモデルをトレーニングします。 予測する内容については後述。 訓練したモデルを使って予測結果を返すREST APIを作り、トレード時にJijiから呼び出して使います。 レート情報の取得やトレードには、OANDA REST API を利用 トレード状況の確認やアルゴリズムの管理は、ブラウザ or スマホアプリで 外出先でも状況
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