数学の問題を好きなプログラミング言語で解く「Project Euler」 | gihyo.jp
仕事以外でもプログラミングを楽しみたい人は「Project Euler」に挑戦してみてはいかがでしょうか。Project Eulerは数学の問題を好きなプログラミング言語で解き正解数を競うサイトです。答えがあっていればよく、アルゴリズムなどは問われません。現在200近い数の問題があり、2万人以上のユーザ中、全問正解しているのはわずか20人あまりです。 初めのほうは比較的難易度が低く、たとえば最初の問題は次の通りです。 10未満の自然数で3または5の倍数は3、5、6、9です。これらの倍数の和は23になります。1,000未満で3または5の倍数の和を求めなさい。 だんだんと問題が進むにつれ、難易度の高いものやマシンに長い時間かけて計算をさせるものが出てきます。 正解すると該当問題のフォーラムを閲覧でき、そこにはいろんなユーザが回答したソースコードを見ることができます。 英語が苦手な方は、問題文を
７０年前のコンピューター再生 東京理科大で計算実演：朝日新聞デジタル
戦前に作られた機械式コンピューター「微分解析機」が再生され、東京理科大（東京都新宿区）で１日、披露された。歯車や金属棒、ひもを巻き付けた円盤などがモーターの力で動き、実際の計算式を解いた。科学史上も貴重な文化遺産という。 微分解析機は、物体の運動などを求める微分方程式を解く、卓球台ほどの大きさの装置。金属棒や歯車で計算式を組み上げ、モーターで動かして３台の「トルク増幅器」と連動させ、最後にペンが紙に正解のグラフを描画する。この日の実演では、１５分ほどで滑らかな正弦曲線を描き出した。 解析機は１９４４年ごろに作られ、大阪帝国大で使われていたもので、その後、東京理科大に移り、同大近代科学資料館に展示されていた。実際に動かそうと、東京理科大などが１年半かけて再生させた。
Rubyで俺指向言語Qのプロトタイプ作った - Qiita
fooo↑↑ 動機 僕はただの数学/統計系の学部生で、RやMathematicaなどの言語を強いられる事が多いのですが、 RubyやHaskellやScalaなどのステキな言語を知っていると「ちょっとな〜」と思っておりましたところ、 突然「あ、新しい言語作らなアカン」という不可思議な衝動に駆られ ガッと取り憑かれたように実装し、少し冷静になってQiitaを書いているのが今です. フィードバックを頂きながら育てて行きたいと思います（コミッター絶賛募集中、ワイワイ楽しくやりたいです. アメちゃん差し上げるのでお願いします. ） 現在はコンパイラと４秒くらいで作ったインタプリタがあります. ポリシー 一番大きな観念としては 「紙とペンの感動をキーボードで」 です. 後々の可読性や保守性などはどうでもよくて、 「その瞬間（コードを書いている瞬間）の気持ちよさ、心地よさ、そしてその返値を楽しむ事」
データマイニングで理想の彼女をGetだぜ！ - 発声練習
ある国際会議のkeynote Speechの中で紹介されていた話。非常に面白かった。 Wired: How a Math Genius Hacked OkCupid to Find True Love 「いまどきの若い男は、なんでもコンピュータか！」とか思われるかもしれないけど、何をしたのかを読んでみると「これって、単なるナンパの方が楽だったんじゃないか？」と思わされる。 登場人物のスペック この人の経歴がアメリカ的。 名前：Chris McKinlay (35歳） 経歴 2001年：Middlebury College を卒業。専攻は中国語 同年：世界貿易センターで中国語から英語への翻訳のアルバイト。アルバイトを辞めた5週間後に9・11。 〜2002年：その後、友達に誘われて、an offshoot of MIT’s famed professional blackjack team に
確率概念について説明する（第3-1回）：可能な世界の全体を1とする — コルモゴロフによる確率の定理（前編） - Take a Risk：林岳彦の研究メモ
こんにちは。林岳彦です。先日、小学生の息子とセブンイレブンに行きました。そこでふと、「あの外壁、あれ本物のレンガじゃなくてただの印刷だから」と息子に教えたところ、それが彼にとっては思いもよらぬことだったようで、実はすべすべとしている外壁に触っては「すっかり騙されてた！（ガーン）」と衝撃を受けていました。小さな子どもをお持ちのみなさま、この世の隠蔽された真実（＝セブンイレブンの外壁は印刷）を彼ら／彼女らに教えてみると面白い反応が期待できるかもですよ！ さて。 今回は、前回の記事の続きとして、確率という概念の「規格」について説明していきたいと思います。 （今回はとても長い上に内容がハードかもしれません。いつもながらすみません。。） 前回の軽いまとめ 前回の記事では： 少なくとも、「確率」とは「可能性を数値で表したもの」である というボンヤリとした出発点から： 「可能である」ということは、「この
Pythonで数値計算のコツ：for文書いたら負けかなと思っている – はむかず！
転職してから1年とちょっとが経ち、Pythonをメイン言語としてからも同じくらいが経った。最近やっとnumpy/scipyの使い方のコツがわかってきたと思うので、マサカリ飛んでくるのを覚悟でなんか書いてみようと思う。 転職して初めてPythonを使ったというわけではない（実際wafのwscriptとかは書いたことある）が、まあでもほぼ初心者同然だった。学習曲線でいうとPythonはすごく良い言語だと思う。Python本体の言語仕様については、わりとすぐに覚えることができた。だが一方、numpy/scipyについては、そう簡単ではなく習得するにはそれなりに時間がかかったと思う。 ケーススタディ たとえば\(N\times M\)行列\(B\), \( M\times L \)行列\( C \), \( M \)次元ベクトル\(a=(a_k)_{1\leq k \leq M}\)が与えられて
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
