QMK(急にモデルが来たので)追記 たくさんの再生と広告、感謝です！・・・つうかガジェ通 ∑('◇'*)--お借りしたもの--sm13401018(SE・音楽)sm13482736(モデル)sm13315816(モーション）他に作った物mylist/23662566 mylist/22895077
動画はすぐに削除される可能性があるけど…とは言え、すぐにコピーが出回りそうな気もします。 良いか悪いかは別として。 SNL 公式が動画アップしてました。 数日前に人気だったこの動画ですが、「この動画、面白いねー」って数人にいったら、「なんか気まずさは伝わるけど、会話の内容が大部分わからない」的なリアクションをもらいました。 たしかに、何言ってるかわからなかったり、映画「ソーシャル・ネットワーク」を見た人じゃないと面白さは伝わりにくいのかも。 まぁ、一番面白さを伝わらなくさせているのは、「何言ってるかわからない」という部分だとおもいます。 実際に自分も、初見で理解できたのは大体 70% 弱ぐらい…。 本当に全ての面白さが理解出来ている自信がないのに、雰囲気だけで「面白いね」って言っていたような気がしてました。 反省と、英語の勉強がてら、何度も繰り返し聴いて日本語に翻訳してみました。Faceb
Translation of: What Does It All Mean? - Dive Into HTML5 Diving In The Doctype The Root Element The <head> Element Character Encoding Friends & (Link) Relations rel = stylesheet rel = alternate Other Link Relations in HTML5 New Semantic Elements in HTML5 A long digression into how browsers handle unknown elements Headers Articles Dates and Times Navigation Footers Further Reading 訳注 Diving In この章で
年が明けてもう一ヶ月経ちましたね．岡野原です． 今日はMinHashと呼ばれる手法を紹介します．これは特徴ベクトルの高速な類似検索に利用することができます(クローラーの文脈だとShingleとして知られている）． 今や世の中のあらゆる種類のデータが，高次元のバイナリベクトルからなる特徴ベクトルで表されて処理されるようになってきました．例えば文書データであれば文書中に出現する単語やキーワードの出現情報を並べた単語空間ベクトル（Bag of Words）で表し，画像データも，SIFTをはじめとした局所特徴量を並べた特徴ベクトル（とそれをSkecth化したもの）として表せます．行動情報や時系列データも特徴量をうまく抽出する．グラフデータもFast subtree kernels[1]と呼ばれる方法で非常に効率的に特徴ベクトルに変換することができ，グラフの特徴をよく捉えることができるのが最近わかっ
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
処理を実行中です
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