コードをどまんなかに2017-11-25 DevLOVE関西2017 commitment 〜"何"にコミットするのか？〜 https://devlove-kansai.doorkeeper.jp/events/63438
ロジスティック回帰を実際に試してみる - Pythonと機械学習
少し考えてみましたが、コスト関数である対数尤度は活性化関数の出力が教師データに近づくにつれ、0に漸近していくようです。 計算機上ではにするとが－∞に発散してしまうので値を求めることができないですが、解析解としては0に漸近します。 したがって、の極限で、コスト関数は最小値0になります。 以下が、ロジスティック回帰を実装したスクリプトになります。 ベルヌーイ分布を使うため、教師データのクラスラベルは0と1にしてあります。(セトサが0でバージカラーが1です。) ロジスティック回帰では、トレーニングサンプルを与えたときの出力として得られるクラスラベルの確率を求めることができるので、probabilityメソットを追加しました。 このスクリプトを実行すると、学習率と勾配効果法を変更した4つの学習結果グラフを出力します。(最大エポック数:20、特徴量の標準化、トレーニングデータのシャッフルは全結果で共
Node学園祭2017資料まとめ - 技術探し
nodefest.jp 2017/11/25, 26で開催されました。 今回は、前回よりも更にto be more more globalをテーマに作っていきました。 一日目はセッション、スポンサートーク、LT等でした。 二日目はセッションと参加者が手を動かすワークショップを行いました。 両日ともに、3ラインで進みました。 自分は一日目はBホール(402)の司会をしていて、二日目はCode And LearnでNodeへのコミットのサポートをしていました。 全部見れてないので、わかっている部分の資料だけ貼りたいと思います。 もし資料があったら教えてくれるとついったーとかでください。 Twitter ハッシュタグ モーメント 資料まとめ 1日目 Opening talk Node.js at Alibaba Source to Binary - journey of V8 javascrip
1時間でLINE Botを作るハンズオン (資料+レポート) in Node学園祭2017 #nodefest - Qiita
last updated 2023/6/04 記事アップデート履歴 2018/3/14 ngrokのインストールをnpm経由に変更 2018/8/28 本体のディベロッパー画面が更新されてるので変更 2018/11/24 nowのバージョンアップに伴ってnow.jsonの記述を追加 2019/5/14 LINE@アカウントのLINE公式アカウントへの統合に伴ったフロー変更などを適用、事例に市川市追加、nowのデプロイ方法の更新 2019/6/11 疎通確認でエラーが出るのは問題ないですが、そこで接続できないと問い合わせが多いためserver.jsに疎通確認用のコードを追加。 2019/6/14 nowをv2に対応 2019/7/31 ngrokでのトンネリング箇所をserveoにも対応 2019/8/24 Webhookの設定方法を公式アカウントマネージャー側へ 2020/4/4 nowの
ディスクリプタを制する者は Python を制す - Qiita
注) タイトルはただの煽りです。 はじめに 最近ようやく Fluent Python に一通り目を通すことができた Python 初心者ですが、終盤のとある一文に心を奪われました。 Python の奥義を極めるには、ディスクリプタを理解しなければなりません。 20 章 属性ディスクリプタ - Fluent Python P. 657 なるほど。Python には、そんな秘密兵器があったのですね。これは学ばなければなりません。 注) この序文もただの煽りです。 属性とプロパティ まずはじめに、ディスクリプタのことは忘れ、属性とプロパティについて話をしましょう。Python では、いわゆるメンバ変数(インスタンス変数)やメンバ関数(インスタンスメソッド)の事をまとめて属性(attribute)と呼びます。 class MyClass: def m(self): """ >>> c = MyCl
[Python] venvを用いてプロジェクトごとに独立した環境を構築する - YoheiM .NET
こんにちは、@yoheiMuneです。 今日は、Python標準のvenvという仮想環境ツールを用いて、プロジェクトごとに独立した環境を作る方法をブログに書きたいと思います。 目次 venvとは venvは、プロジェクトごとにsite-pakcagesを独立して管理できる仮想環境ツールで、Python3.3から公式に組み込まれています。このブログで以前には「pyenvの使い方」や「pyenv-virtualenvの使い方」を紹介しましたが、今回はそれとは別の仮想環境の作り方となります。 僕は、Pythonに幾つかある仮想環境ツールを以下の基準で使い分けています。 pyenv ローカル開発で利用。頻繁にPythonのバージョンとsite-packageを同時に切り替えたいので使ってます。これでanacondaも利用。 venv Python3系の本番での環境構築に利用。 virtualenv
![[Python] venvを用いてプロジェクトごとに独立した環境を構築する - YoheiM .NET](https://cdn-ak-scissors.b.st-hatena.com/image/square/b6fffe892e6089bd17495bdc5e4653fdc4983788/height=288;version=1;width=512/https%3A%2F%2Fwww.yoheim.net%2Fimage%2F537.jpg)
データーベースをCPだのAPだのと分類するのはやめて下さい - suzuki79のブログ
Please stop calling databases CP or AP (2015-4-11) by Martin Kleppmann 元の記事は上のリンクよりご覧になれます。こちらの記事は 本人の許可を得て、翻訳・掲載したものです。翻訳へのフィードバックはコメントよりお願いいたします。 Jeff HodgesのNotes on Distributed Systems for Young Bloodsという優れたブログで、CAP定理を使ってシステムを評価することが推奨されています。多くの人はこのアドバイスを真摯に聞き、自分たちのシステムをCP（ネットワークの分割のもとでは一貫性はあるが可用性がない）、AP（ネットワーク分割のもとでは可用性があるが一貫性がない）、あるいはまれにCA（これの意味するところは「自分はまだ５年前のCodaの投稿を読んでいません」です）と表現するようになりまし
ベイズの定理の結果を馬鹿みたいに確かめる - オーストラリアで勉強してきたMLデザイナーの口語自由詩
TL;DR 前回の記事の続き。 yukinagae.hatenablog.com ベイズの定理が感覚的に理解できていない気がしたので、実際にサンプリングして確かめてみる。 理論的に理解するのではなく、本当にその確率になるのかを馬鹿みたいに調べる。 （「馬鹿みたい」というのは、コインの表/裏の確率（＝1/2）を求めるために、1,000回投げてみる、というようなことだ。） 以下のnotebookで実行できます。 github.com まだjupyter環境が構築していない場合は以下の記事を参考に構築してください。 yukinagae.hatenablog.com やってみた ランダムサンプリングの概要 入力したリストをシャッフルする リストの先頭の値を取得する をして、サンプリングをしているだけ。 具体的に説明する。バッグ（リスト）にバニラ3枚とチョコ1枚の計4枚が入ってるとする。 v: バニ
Jupyterでデータ分析を全力で楽しむ！（2）最小二乗法 - Qiita
お疲れ様です。 今回は第2弾、データセットを使って簡単なデータ分析をしてみたいと思います。 最小二乗法とは 測定で得られた数値の組を、適当なモデルから想定される1次関数、対数曲線など特定の関数を用いて近似するときに、想定する関数が測定値に対してよい近似となるように、残差の二乗和を最小とするような係数を決定する方法、あるいはそのような方法によって近似を行うことである。 (Wikipedia:https://ja.wikipedia.org/wiki/%E6%9C%80%E5%B0%8F%E4%BA%8C%E4%B9%97%E6%B3%95) ライブラリを読み込む まずはデータの読み込みや分析、グラフに必要なライブラリを読み込みます。 基本的なライブラリは下記のURLを参考にしてきましたので、今回もこれらのライブラリをまず読み込みます。 https://logics-of-blue.com/p
デザインとは課題解決である。では課題解決の思考法は？｜Goodpatch Blog グッドパッチブログ
「デザインとは課題解決である」とよく聞きます。 サービスをデザインする時はユーザーの課題やビジネスの課題を、組織をうまくデザインして発展させていくためには組織的な課題を解決します。どのような仕事も課題解決の連続です。課題解決がうまくできれば、仕事のスピードやクオリティの向上に直結します。 この記事では、個人的に意識している課題解決の思考法をご紹介します。 1. 課題の特定 課題とは現状と理想の状態のギャップです。現状を正確に把握した上で、理想を明確に定義する必要があります 現状の把握 サービスに関する課題であれば、定性・定量の調査から現状を把握します。組織的な課題であれば、1on1やKPTで意見をすいあげるのが有効的です。 理想の定義 理想の定義が曖昧だとあれこれ意見が発散して悩んだ結果、結局意見がまとまりません。ゴールやコンセプトという形で明確に理想の状態を定義できると、チームメンバー全
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
JSON Schema Centralized Design