サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
買ってよかったもの
cpp-learning.com
Javaをインストール済みの人でも、素直に一番上の手順を参考に(Java関連の部分を読み飛ばしながら)進めるのが良いと思います。 Fessでインデックス作成 -クロール設定- 環境構築が完了したら、Fessを起動して、インデックスを作成します。今回は本サイト「はやぶさの技術ノート」をクロール対象として登録します。 つまり、本サイトの各ページを探索(クロール)し、全文検索の対象として登録(インデックスを作成)します。 クロール完了後、「深層学習」などのキーワードを入力して検索した結果が下図です。 Fessの検索 API Fessサーバーは 検索API を提供しているため、http://localhost:8080/json/?q=検索語 というリクエストを送ることで、 検索結果をJSON形式で受け取ることができます。 例えば、http://localhost:8080/json/?q=深層学
こんにちは。現役エンジニアの”はやぶさ”@Cpp_Learningです。 WSL2 + Docker + VS Code の Remote – Containers のPython開発環境が最高だったので、構築方法と実践チュートリアルを紹介します。
こんにちは。 現役エンジニアの”はやぶさ”@Cpp_Learningです。最近は統計的因果推論を勉強中です。 相関関係をインタラクティブなグラフで可視化してみた pic.twitter.com/5pmkV1vPEu — はやぶさ@技術ノート (@Cpp_Learning) February 6, 2021 本記事では相関関係をグラフ(ネットワーク)で可視化する方法を紹介します。
というのが気になったので、簡単な比較をしてみました。 実践!PythonでUMAP, PCA, t-SNE, “PCA & UMAP”を比較 以降からUMAP, PCA, t-SNE, “PCA & UMAP”の次元削減手法を実装していきます。 データセット 高次元かつ他の人も入手しやすいデータセットが load_digits(手書き数字の画像)しか思いつかなかったので、それを使います。 データセット可視化 一応データセットを可視化してみます。 def plot_gallery(images, labels, h=8, w=8, n_row=2, n_col=4): """Helper function to plot a gallery of portraits""" plt.figure(figsize=(1.4 * n_col, 2.0 * n_row)) plt.subplots_
【Step1】Google Colaboratory のノートブックを新規作成 Google Colab を起動して、ノートブックを新規作成します。 【Step2】Gradio インストール 以下のコマンドでPythonライブラリの Gradio をインストールします。
以降からは『Pythonによる因果分析』の各章に対しての感想文です。お時間のある方は続きも読んで頂けると嬉しいです。 Pythonによる因果分析 -はじめに- この本の最初の数ページに読書へのメッセージが書いてあります。 本書は因果推論や因果探索を学びたいビジネスパーソンや初学者の方を対象としています。そのため確率・統計の数学的記述や式変形などは、厳密性よりも初学者への分かりやすさを優先しています。厳密な記述や証明が気になる方は、本書を読み終えたのちに、さらなる専門書籍に挑戦いただければ幸いです。 初学者を対象にした説明の方が難しいときもあります。分かりやすい説明を追求する余り、冗長的な説明になってしまうことも…(経験談) この本を読んで「言葉遣いが平易で理解しやすい」と感じる人もいれば「説明が物足りない」と感じる人もいると思います。 因果推論・因果探索を学ぶ最初の一冊に本書を活用し、良い
最初に「モデリング」や「モデル」などの用語について整理しておきます。 モデリングとは あるデータを入力したとき、ユーザーがほしい情報を出力する箱をモデルと呼びます。 例えば下図は、あるパターンの波形を入力すると、その数秒先の波形を予測(出力)するモデルのイメージです。 引用元:MXNetとLSTMで時系列データ予測 -入門から実践まで- このモデルを設計する作業がモデリングです。具体的には、モデルの中身にあたるアルゴリズムを検討する作業のことです。 近年では深層学習モデルが人気です。実は上図もLSTMと呼ばれるアルゴリズムを活用した深層学習モデルです。
機械学習とタスクについて 回帰や分類などのタスクに機械学習モデルを活用することがあります。 例えば、以下の記事ではフクロウの種類を分類するために深層学習モデルを活用しています。 PyTorch Lightning入門から実践まで -自前データセットで学習し画像分類モデルを生成-ディープラーニングフレームワークPytorchの軽量ラッパー”pytorch-lightning”の入門から実践までのチュートリアル記事を書きました。自前データセットを学習して画像分類モデルを生成し、そのモデルを使って推論するところまでソースコード付で解説しています。...
こんにちは。 現役エンジニアの”はやぶさ”@Cpp_Learningです。仕事でもプライベートでも機械学習で色々やってます。 今回はGraph Neural Network(以下 GNN)について勉強したので、備忘録も兼ねて本記事を書きます。
こんにちは。 現役エンジニアの”はやぶさ”@Cpp_Learningです。仕事でもプライベートでも機械学習で色々やってます。 今回は時系列データの前処理(ラグ特徴量)について勉強したので、備忘録も兼ねて本記事を書きます。 時系列データとは 時系列について、Wikipediaでは以下のように説明しています。 時系列(じけいれつ、英: time series)とは、ある現象の時間的な変化を、連続的に(または一定間隔をおいて不連続に)観測して得られた値の系列(一連の値)のこと。 引用元:Wikipedia より直観的な説明をすると、データを可視化したとき横軸が時間なら、そのデータは時系列データといえます。 上図の縦軸が加速度センサの計測値、横軸が時間です。つまり、これも時系列データです。
こんにちは。現役エンジニアの”はやぶさ”@Cpp_Learningです。 仕事でもプライベートでもREADME.mdを書く機会が多いので、あまり雑なREADME.mdを書かないように自作のテンプレート使うようになりました。(テンプレートを使うことで時短にもなる) 本記事では『シンプルなREADME.mdの書き方』と『コピペで使える”README”テンプレート』を紹介します。 ご参考になると嬉しいです。 READMEとは GitHubユーザーにはお馴染みの”README”ですが、Wikipediaでは以下のように説明しています。 リードミー(Readme)とは、ソフトウェアを配布する際の添付文書のひとつ。配布物の一般的な情報を記載したファイルである。多くの場合、そのソフトウェアをインストールし使用する前に読むべきものとされている。 引用元:Wikipedia ”README”については、他に
こんにちは。 現役エンジニアの”はやぶさ”@Cpp_Learningです。 先日、Maker Faire Tokyoや趣味TECH祭(旧裏メイカー祭)に遊びに行きました! #MFTokyo2019 と同時開催で #趣味TECH祭 も東京ビッグサイト開催中! 見ていて笑顔になる作品が沢山あります!入場無料なので、お時間ある人はこちらにも遊びに行くのがオススメです😊 https://t.co/oQ38D6Dymg — はやぶさ (@Cpp_Learning) August 4, 2019 もう楽しくて楽しくて!笑顔の絶えない素敵なお祭りでした! 会場のあちこちで使われていたM5Stackが面白そう!ということで買っちゃいました(*・ω・)ノ♪ 買ったは良いけど、何から始めれば良いの?どの言語を使うのかも分からない… M5StackをArduinoIDEで使うなら、ここが参考になります。 ht
【Pyxel】Pythonでレトロゲームを作ろう! 総集編 -まるっと1週間でゲーム開発入門-Python向けのレトロゲームエンジン:pyxelを用いたゲーム開発入門チュートリアル(ソースコード付き)を書きました。画像処理・数学・物理・制御について学び、実践としてゲームプログラミングまで行います。...
こんにちは。 現役エンジニアの”はやぶさ”@Cpp_Learningです。 C++でソフトウェア開発をしています。C++でプログラミングをしていると…
【Pyxel】Pythonでレトロゲームを作ろう! 総集編 -まるっと1週間でゲーム開発入門-Python向けのレトロゲームエンジン:pyxelを用いたゲーム開発入門チュートリアル(ソースコード付き)を書きました。画像処理・数学・物理・制御について学び、実践としてゲームプログラミングまで行います。... 【Python】ゲームソフト開発を題材にしたオブジェクト指向入門ゲームソフト作成を題材にした「オブジェクト指向」の入門記事を書きました。オブジェクト図/クラス図の書き方や考え方のポイントも説明した実践的な内容になっています!ソフトウェア設計やソフトウェア開発を学びたい人にオススメの記事です!...
【Python C API入門】C/C++で拡張モジュール作ってPythonから呼ぶ -前編-こんにちは。 現役エンジニアの”はやぶさ”@Cpp_Learningです。 仕事の都合もあり「C言語 ⇒ C++ ⇒ Pyt...
次のページ
このページを最初にブックマークしてみませんか?
『はやぶさの技術ノート|理系に役立つ情報』の新着エントリーを見る
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