「線形代数を簡単に理解できるようになりたい…」。そう思ったことはないでしょうか。当ページはまさにそのような人のためのものです。ここでは線形代数の基礎のすべてを、誰でもすぐに、そして直感的に理解できるように、文章だけでなく、以下のような幾何学きかがく的なアニメーションを豊富に使って解説しています。ぜひご覧になってみてください(音は出ませんので安心してご覧ください)。 いかがでしょうか。これから線形代数の基礎概念のすべてを、このようなアニメーションとともに解説していきます。 線形代数の参考書の多くは、難しい数式がたくさん出てきて、見るだけで挫折してしまいそうになります。しかし線形代数は本来とてもシンプルです。だからこそ、これだけ多くの分野で活用されています。そして、このシンプルな線形代数の概念の数々は、アニメーションで視覚的に確認することで、驚くほどすんなりと理解することができます。 実際のと
Blenderショートカット一覧表、ver2.91対応です。 Blender 2.91 デフォルト (2020-12-04更新) 業界互換キーマップ (2019-12-04更新) キーマップの種類は、メニューバーの【編集】→【プリファレンス...】→【キーマップ】の上部にあるプルダウンメニューで切り替えられます。 「Blender」- Blender 2.91 デフォルト 「Blender 27X」- Blender 2.7x 「Industry Compatible」- 業界互換キーマップ 間違いなどありましたら@sakura_rtdまで。 旧バージョンのチートシートはこちら↓ Blender | Blenderチートシート・基本操作ショートカット一覧表(日本語)2.83+業界互換キーマップ版 Blender | Blenderチートシート・基本操作ショートカット一覧表(日本語)2.78
Here on CheckiO we are creating games for coders. We have made py.checkio.org and js.checkio.org where you can improve your TypeScript and Python coding skills. We have also created Empire of Code - a space game with a mix of strategy, tactics and coding. In addition to the 50k monthly active Python and TypeScript players, who are constantly improving their skills by engaging in CheckiO missions a
多変量解析であれ,機械学習であれ,データを解析する道具は数学で鍛えられている.数学というと,数式を見ると蕁麻疹がでるとか,生理的に無理とか,「日常生活で使うことはないから勉強するのは無駄(キリッ」とか,色々な感想があるだろうが,理解するために大切なのは,イメージを持つことだ. 例えば,線形代数や微積分.大学に入学すると,必修科目に指定されていれば,とりあえず履修する.δ-εがどうとか語る教員に,頼むから日本語で話してくれと思う学生もいるだろう.私もそうだった.数学の講義で,勉強したことが何に使えるのかを教える先生はいなかった.だから,数学の重要性なんてわからなかったし,興味も持たなかったし,深く理解することもなかった.もちろん,自分の研究としてデータ解析の応用に取り組むようになり,必死で数学の勉強をしなおすはめになることも想像していなかった.それくらい頭が空っぽだったわけだ. そんな昔と違
そんなYUKIKAさんのマネジメント会社「エスティメイト」の社長で、音楽家・ESTi名義で活躍するパク・ジンベ氏(40)。実は、ベテランのゲーム音楽作曲家で、「エスティメイト」はゲーム関連会社であり、YUKIKAさんは氏の会社が初めて契約したアーティストだ。 なぜゲーム会社の社長が、ひとりの日本人女性を“シティポップ・クィーン”として世に送り出すことを決意したのか。その経緯と、日本カルチャーから多大な影響を受けてきた人生について聞いた。(全2回の2回目/前編から続く) ◆◆◆ シティポップは、日本が豊かな時代の音楽 ――日本人のYUKIKAこと寺本來可さんが、韓国発の“シティポップ歌手”として話題になっています。“シティポップ・シンガー”としての方向性を定めた背景は。 パク・ジンべ社長(以下パク) 意図的に「シティポップを作ろう」としたのではありませんでした。僕は、シティポップという明確な
2020/9/30追記 本記事は元々、「SQL記述者全員が理解すべきSELECT文の実行順序のお話」というタイトルで投稿しておりました。 しかし、知見のある方からのコメントと自分でも調べてみた結果、今回紹介している順序はあくまで論理的な処理順序であり、実行順序とは別物ということがわかりました。 誤った知識を布教してしまい申し訳ございません。 2020/9/30のタイミングで、本記事のタイトルを「SQL記述者全員が理解すべきSELECT文の論理的な処理順序のお話」に変更させていただきました。 はじめに 「SQLといえば、エンジニアが扱うスキル」と思われがちですが、最近はマーケターや営業など、非エンジニアの方もSQLを使って、自らデータを抽出し分析する方が増えてきています。 またエンジニアの方でも、ORM任せでなんとなく理解している状態の方もいるのではないでしょうか? 今回は、そんな方々にこそ
こんにちは、まずアフィニティデザイナーの日本語マニュアルをご覧になっていただいてありがとうございます。 僕はクリエイターのロンです。@HanrongdesignというIDでTwitter、Instagram、Youtubeをしています。 Twitterでは役に立つサイト共有や日常の呟きなど、Instagramではアートワークなどを、Youtubeではメイキングシーンなどを投稿しながら活動しております。(まだまだ少ないですが...) 僕自身は経歴の浅いウェブデザイナー 兼ビデオグラファーですが、 モーションやアニメーションが好きなのでよくデザイナーソフトを使用しています。 このnoteでは以下の様なデザインを作成して使用方法を説明しながらステップごとに学習できる様にしています。 (Apple Motion/ Affinity Designers使用) 今後は作成時の動画をUdemyなどに投稿
本稿では、分析用のSQLを書くときに則っている思考回路について述べて行こうと思います。 この言語化はあまりきちんとされている印象が無いので、自分がそこそこ初めての言語化だと思って頑張ってやってみようと思います。 言い換えれば、私はこういう思考回路でSQLを書きますが、みなさんどうですか、という話でもあります。 あとは、前提として、現代的な分析用の分散エンジンにSQLを投げるときを考えています。それ以外の場合はむしろ非効率になることも多いかもしれません。 0.問題設定今回の題材は、待てばチケットが復活する無料単話があり、有料で無料単話も買える、そして単行本購買もできる、というマンガサービスとしましょう。 このサービスの企画者から、チケットで無料単話だけ読むユーザが、もし有料で単話を買うようになったらどれくらい売上が伸びるのか教えてほしい、という依頼が来たとします。 これを仮説形式に直すと、
はじめまして。 dely, Inc. の @sakura です。 本記事では、Redash の使用状況及び便利なTipsを3つ紹介します。 この記事はBIツール研究所 Advent Calendar 2019 - Qiitaの19日目の記事です。 社内のBIツール使用状況 誰が使用するか どのくらいのペースでクエリが増えるか Redashのここが便利 クエリパラメータ ダッシュボード クエリのお気に入り登録 まとめ さいごに 社内のBIツール使用状況 Redash公式のトップページ 社内のBIツールは主に Redash を使用しています。 バージョンは7系を使用しています。 過去には Metabase と併用していたこともあるのですが、同じ用途のものが複数あることで「どんな時にどっちを使用するの?」など利用者の混乱を招いてしまっていたため現在は Redash のみを使用しています。 誰が使
本記事では、時系列予測に利用できるpythonのライブラリの使い方について説明をします。 パッとライブラリを使うことを目指すため具体的なアルゴリズムの説明は省きます。 ※説明が間違えている場合があればご指摘いただけると助かります。 目次 利用データ ライブラリ Prophet PyFlux Pyro Pytorch Lightgbm 補足:Darts まとめ ソースコード このブログで記載されているソースコードはGitHubに上げておいたのでもしよろしければ参考にしてください。 github.com 利用データ 今回用いるデータはkaggleのM5 Forecasting - Accuracyと呼ばれるコンペティションで利用されたデータを用います。 作成したランダムなデータよりも実データのほうが予測をしている感があるからです。 予測に使うデータはwalmartの売上データです。 下図はその
はじめに 自身の転職活動にあたり皆さんの転職エントリが非常に参考になったので、私も同じ境遇の方の参考になればと思い、書き残すことにしました。(ただ、本当に私と似た境遇の方にはなかなかリーチしづらい気がしていますが・・・) TLDR; 30歳でIT未経験からMLエンジニアに転職 約2年半独学で勉強(ほとんどkaggleしてただけ) 無関係に思えた現職での経験もなんだかんだ転職で役に立った 目次 自己紹介 現職について 転職の理由 勉強したこと 転職活動 終わりに 1.自己紹介 かまろという名前でTwitterなりkaggleなりをやっています。kaggleでは画像やNLPといったdeep learning系のコンペを中心に取り組んでおり、2019年の9月に金メダルを獲得しMasterになることができました。 恐らくここが他の転職エントリを書かれている方々と大きく異なる点かと思うのですが、現職
データサイエンス、データ分析、機械学習の専門書の前書きには「大学初年度の数学」≒微分積分と線形代数を前提としているものが多い。 それならば大学に行っている人はほとんど履修しているはずなのだが、その専門書を読むと全然歯が立たない事が多い。 かといって微分積分や線形代数のテキストを開くと、これが機械学習やデータ分析のどこに役立つのか全然分からず、途方に暮れる。 データの変化を捉えるから微分 変化を結果にまとめるから積分 多変量を扱いやすくするための線形代数 なのだがそんなお題目ではどうにもこうにも…… そんなときには下記の 『統計学のための数学入門30講 (科学のことばとしての数学)』 がいい。1冊で微分積分と線形代数の内容が入っている。また、それらが統計学にどうつながっているか、統計学のどこでどう使われているかが明示されている。「統計学のための」なので必ずしも機械学習やデータ分析向けではない
数学の専門家でもなく、微分積分、線形代数、統計学は一応、最適化数学、集合・位相を勉強中というところなので以下、ツッコミどころ満載と思いますが、こういうまとめ記事が欲しいところなかなかなかったので書いてみました。 微分積分、線形代数、統計学の先へ データサイエンス、データ分析、機械学習に必須な数学として、微分積分、線形代数そして最適化数学はどのレベルが必要かについて データサイエンス、データ分析、機械学習に必要な数学 に書いております。 ただ、そこから先の数学を学ぼうと、機械学習やデータ分析に必要な数学を整理しようと思うと、数学の各科目間の前提知識やつながりなどが曖昧模糊としていて悩む。大学のシラバスなどを見ても「代数Ⅱ」などと書かれ何の内容か分からず、同じタイトルのテキストを見ても目次が異なっている事がある。 数学の各科目数学は純粋数学と応用数学に分かれ、…… c.f. 数学分野紹介 -
統計の勉強を始めるときに数学でつまづくことがある。そういったときに『統計学のための数学教室』という本が役に立つ。 統計を勉強しはじめたものの、統計が結局よく理解できなかったという人は少なくない。統計の勉強がうまくいかない理由にはさまざまなものがあるが、1つの大きな理由として、統計の教科書に載っている数式が分からないというものがある。数学についてよく知らないと、統計の教科書の数式に悩まされ、統計をしっかり理解できない。統計の考え方の多くの部分は、数学の言葉で書かれているので、数学が分からなければ、統計を理解することができないのだ。 私が前に統計を教えたときは、まず数学をしっかり勉強してもらうところから始めた。統計の入門書に書いてある数式を読むのに必要な数学の知識を身につけてもらったのである。実際そうすることで、統計についてしっかり理解してもらうことができたと思う。そのときは自作の小冊子をつか
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