Introduction | Learn You Some Erlang for Great Good!
13.1. 状態を教えたらどうだい（State Your State）¶ 前の章で紹介された例はデモをするにはいいんですが、それだけではなにかツールを作るときには不便です。 例が悪いというわけではなく、関数とメッセージだけではプロセスとアクターを使いこなせないということです。 その状態を改善するために、プロセスの状態を保持出来るようにならなければいけません。 まず最初に新しい kitchen.erl モジュールで関数を作ってみます。その関数はプロセスに冷蔵庫のような動作をさせます。プロセスは2つの操作ができます: 食べ物を冷蔵庫に保存して、冷蔵庫から食べ物を取り出します。 食べ物を取り出す前には事前に保存されてなければなりません。 次の関数はこのプロセスの基礎として動作します: -module(kitchen). -compile(export_all). fridge1() -> rec
Gudang138 - Unleash Your Luck & Win Big Prizes Today!
Spin Your Way to Glory! Welcome to Gudang138 Slot! Ready to unleash your luck and dive into the most thrilling slot experience ever? Spin those reels and score some epic wins. 🎰✨
よくわかるマテリアルデザインの設計コンセプト | fladdict
iPhoneとAndroidではiPhoneのほうが良くできているが、iOSのフラットデザインとAndroidのマテリアルデザインでは後者の設計が優れている。マテリアルデザインは、デザインとエンジニアリングが高いレベルで融合していて、ロジカルで非常に美しい。 以下、自分の理解をまとめたメモ。 紙とインク マテリアルデザインは「ペーパー」と「インク」のメタファーでできている。 ペーパーの特徴 バーやボタンといった画面上のUIコンポーネントは、バーチャルな紙でできたカードと考える。また、このペーパーは1dpの厚さを持っている。 ペーパーは純白の矩形、あるいはシンプルな円形である。三角や星型といった複雑な形はとらない。そのような複雑な形状や模様はインクが担当する。 現実とことなり、このペーパーは自由に伸縮することができる。 マテリアルデザインにおけるレイアウトは、複数のペーパーを並べたり、重ねた
Amazon Machine Learningのサンプルをちょっとチューニングしてみる - Qiita
Amazon Machine Learningとは Amazon Machine Learning はAWSが提供している機械学習サービスです。機械学習に詳しくない人でも、簡単に学習モデルを作ったり予測結果を取得したりすることができます。また、S3、Redshift、RDS(MySQL)のデータを学習データとして利用することができ、AWSに構築したシステムのデータをシームレスに分析できることも魅力です。2015/4/9に正式公開され、現在はUS East(N. Virginia)リージョンとEU(Ireland)リージョンでのみ利用できます。 クラウドの機械学習サービスとしてはMicrosoft AzureのAzure Machine Learningが先行していますが、AWSもいよいよこの領域に進出してきました。 学習アルゴリズム Amazon Machine Learningでは標準で
Tech-Circle 機械学習を利用したアプリケーション開発をはじめよう(自習編) - Qiita
本記事は、先日実施したハンズオン形式の勉強会Tech-Circle 機械学習を利用したアプリケーション開発をはじめよう・・・をブラッシュアップして発表したPyCon2015 チュートリアルの内容を自習形式にカスタマイズしたものです。 ゴール 機械学習の概要を理解する 機械学習の使いどころについてヒントを得る 機械学習の開発環境を手に入れる 事前準備 下記記事に環境構築の手順をまとめていますので、お使いの環境に合わせてセットアップを行ってください。 Pythonで機械学習アプリケーションの開発環境を構築する 機械学習についての解説 まずは、機械学習の概要について解説します。 Machine Learning Bootstrap P37からハンズオンスタートです。スライドが解説、本記事が手を動かす際の手順となっていますので、スライドで解説を読む->手順を試してみる、という風に進めていってくださ
Tech-circle #4 Consulハンズオン 準備編 - Qiita
Tech-circle #4 Consulハンズオン -準備編- 実施予定時間 18:30 - 19:30 本記事は、ネットワーキングタイムで実施する前準備環境構築内容です。 ご自宅等で事前に準備していただくことも可能です。 [Link] 準備編 ハンズオン編 ※先へ進む前に 本稿の最終目的は、ご自身のPCで仮想サーバ(Ubuntu 14.04 amd64)が動作する事です。 これから事前準備の手順を記載致しますが、既にVMWarePlayer(Fusion)やVirtualBox等の仮想化ソフトがインストールされているPCをお持ちの方もいらっしゃると思います。 手順をタグで分け記載していきますので、未導入であれば手順を基に準備を行って下さい。 また、不明な場合は当日18:30から開始されるネットワーキングタイム中でも実施可能です。 1. PCにVMWarePlayer(Fusion)やV
Pythonで機械学習アプリケーションの開発環境を構築する - Qiita
Pythonで機械学習アプリケーションの開発環境、具体的にはNumpy/Scipy/scikit-learnを導入する手順について解説します。 なお、環境はPython3ベースを想定しています。 Minicondaベース(推奨) 機械学習系のパッケージはコンパイルが面倒なものが多いため、コンパイル済みバイナリをインストールできるconda(Miniconda)での環境構築を推奨します。 まずはPython本体(Python3想定)、パッケージ管理ツールであるpip、仮想環境を作成するvirtualenv、といった基本的な環境の構築を行います。 ※virtualenvについては今回(condaを使う場合)は不要ですが、Pythonで開発を行うなら入れておくべきパッケージなので併せて入れておきます。 Mac/Linux デフォルトのPythonと分けてインストールするため、pyenvを利用しま
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
https://qiita.com/tksarah/items/3558304d9108c7c57464
Tech-circle #4 Consulハンズオンセミナー
Tech Circle ML #1 Machine Learning Bootstrap - Qiita
Machine Learning Bootstrap