IPAが「Ruby研修用コンテンツ」を無償公開、活用法やプログラミング技術を遠隔から実習
情報処理推進機構（IPA）は2011年1月31日、プログラミング言語RubyおよびWebアプリケーションフレームワーク「Ruby on Rails」の利用方法やプログラミング技法、最新動向などを遠隔からグループ学習するための教材と実習環境「Ruby研修用コンテンツ」を無償公開した。 実習環境は、IPAが提供しているインターネットを通じたオープンソースソフトウエア（OSS）実証評価環境「OSSオープン・ラボ」のサービスメニューの一つとして提供される。利用するには、OSSオープン・ラボの利用予約が必要となる。研修実施担当者が、同ラボのWebページ下部に記載されたメールアドレスあてに、予定人数や研修会場の場所と回線種別、実施予定日などを記入して申し込むことで利用できる。研修当日は、受講者ごとにラボ側で仮想OSが用意され、受講者はWebブラウザでアクセスしてコンテンツを利用する（図）。 Rubyを
Xerial Wiki: 2010年度 生物情報科学科 情報基礎実験 - C++プログラムのデバッグ
2010年度 生物情報科学科 情報基礎実験 資料 2010年11月2日 C++プログラムのデバッグ手法 この資料のURL http://www.xerial.org/wiki/lecture/2010/CppDebug 担当： 斉藤 太郎 (http://www.xerial.org/leo) クラスを使ったプログラミング クラスを使う理由は、おおざっぱに コードを再利用したいとき データ構造を作るとき（BitVector, 木構造など） アルゴリズムに必要な変数やメソッドをまとめるとき などです。クラス（オブジェクト）を作るクセをつけておくと、プログラムの細部を効率的に「忘れる」ことができ、プログラムの大きな流れに集中しやすくなる利点があります。また、道具となるクラスをたくさん用意しておくと、複雑な工程が絡み合ったプログラムでも、短い行数でコーディングできるようになっていきま
Library for libraries - Cube Lilac
C++は何を間違えたのか: 人生を書き換える者すらいた。より． 2009/12 のBoost.勉強会で一番記憶に残ってるのが，id:faith_and_brave がプレゼン中に何度か使っていた「Library for libaries」と言う言葉でした．この言葉には，Boost などが提供するライブラリには「“エンドユーザ”（アプリケーションを作成するプログラマ）は，別に知らなくても使えなくても問題のないライブラリが数多く存在する」と言う意味も含まれています． いくつか言語を触りましたが，個人的な主観では今でも C++ が書いていて一番心地良いです．これは，私がライブラリ脳 だからと言う事もあります．C++ は他言語よりも「うまくライブラリを書く」ための機能やライブラリが充実しているように感じます．例えば，他言語だと実行時に型チェックをして型毎に必要な処理を記述するようなものが，テンプレ
ラプラス変換とその使い方１＜基礎編＞ラプラス変換とは何か 変換の基礎事項は | 音声付き電気技術解説講座 | 社団法人 日本電気技術者協会
このページにおける、サイト内の位置情報は以下です。 ホーム > 音声付き電気技術解説講座 > 電気数学 > ラプラス変換とその使い方１＜基礎編＞ラプラス変換とは何か 変換の基礎事項は 電磁気現象は微分方程式で表され、一般的には微分方程式を解くための数学的に高度の知識が要求される。ラプラス変換は、計算手順さえ覚えれば、代数計算と変換公式の適用により微分方程式が解ける数学知識への負担が少ない解法である。このシリーズでは電気回路の過渡現象や制御工学等の分野での使用を念頭に置いて範囲を限定して、ラプラス変換を用いて解く方法を解説する。今回は、ラプラス変換とはどんな計算法なのかを概観し、この計算法における基礎事項について解説する。
es04_s
1．不偏分散を求めるときに n - 1 で割るわけ まず，母集団における平均の意味について考えてみる。f (x) の期待値を，E {f (x)} と表現することにする。この書き方によれば，母集団におけるx の期待値μは次のように表現される。 μ = E (x) 同じように考えると，母分散σ2 は次のように表現される。 σ2 = E {(x -μ)2} = E (x2 ) - {E (x)}2 2変数の和の期待値は，２変数の期待値の和になる。 μx+y = E (x + y) = E (x) + E (y) また，kx （k は定数）の期待値は，x の期待値の k 倍である。 E (kx) = k･E (x) この２つの演算法則を用いて，x + y の分散について考える。x の期待値をμx ，y の期待値をμy とすれば， σ2x+y = E [{(x + y ) - (μ
1
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
Learn You The Ruby
http://www.xerial.org/wiki/lecture/2010/Index
