プログラミングなしで超簡単！Webサイトやブログに「チャット機能」を組み込める「Drift」を使ってみた！ -
どうも、まさとらん（@0310lan）です。 みなさんは、自分のWebサイトやブログ、もしくはサービスなどを利用してくれるユーザーとコミュニケーションする場合、どのような方法を使いますか？ よくあるのは、フォームなどを用意してメールでやり取りする方法ですが、これを今すぐ「チャット」でのコミュニケーションに変えられるサービスが公開されているのでご紹介しようと思います！ 【 Drift 】 専用の「コード」をHTMLにコピペするだけなので、どんなWebページにも簡単に導入できるのが特徴で、なおかつ基本機能は無料で提供されていますよ！ ■使い方！ それでは、早速Webサイトに「チャット機能」を組み込んでみましょう！ まずは、サイトにアクセスし「ユーザー登録」をします。 自分のメールアドレスを入力！ すると、プラットフォームを選択できる画面になるので、今回は「Webサイト」や「ブログ」へ簡単に導入
機械学習の種類: 教師あり学習編 - learning.ikeay.net
こんにちは、@ikeayです。 機械学習にもいろいろなモデル（アルゴリズム）があります。これらのモデルは優劣だけではなく、得意分野・不得意分野があったりするので、解きたい問題に応じて最適なものを選びます。 scikit-learnより どういう時にどういうモデルを使えばいいか、scikit-learnが用意しているチャートを参考にすると分かりやすいですね。 機械学習はまずは大きく、「教師あり学習」「教師なし学習」「強化学習」に分けられます。ざっくり説明すると、「教師あり学習」は問題と答えがセットになって学習する方法、「教師なし学習」は正解不正解のデータが入っていないので、クラスタリングや外れ値検出で傾向をつかむ学習方法、「強化学習」はいいことをしたら報酬を与えていく学習方法です。以下の記事にざっくりとまとめてあります。 learning.ikeay.net 今回はその中でも教師あり学習のモ
【Deep Learning】過学習とDropoutについて - sonickun.log
前回、Deep Learningを用いてCIFAR-10の画像を識別しました。今回は機械学習において重要な問題である過学習と、その対策について取り上げます。 sonickun.hatenablog.com 過学習について 過学習（Overfitting）とは、機械学習において、訓練データに対して学習されているが、未知のデータに対して適合できていない（汎化できていない）状態を指します。たとえ訓練データに対する精度が100%近くに達したとしても、テストデータに対する精度が高くならなければ、それは良い学習とはいえません。特にニューラルネットは複雑なモデルのため過学習に陥りやすいと言われています。 過学習の例 過学習の例として、最小二乗法による多項式近似を用いてサインカーブ（＋標準偏差0.3の乱数）を推測してみます。 参考：最小二乗法のロバスト推定についてまとめた - sonickun.log 下
あるNVIDIA社員によるディープラーニングの活用――ネコに庭でフンをさせない方法
皆さんネコがお好きですが、ネコのフンが好きな人はいませんよね。 そこで、NVIDIAのエンジニアであるロバート・ボンド (Robert Bond) は、ディープラーニングとNVIDIAのJetson TX1開発プラットフォームを利用し、ネコを認識すると家のスプリンクラー・システムのスイッチが入る仕組みで、敷地内のネコを優しく追い払っています。 システム・ソフトウェア・エンジニアとしてNVIDIAに8年以上勤め、65歳になるボンドは言います。「ガーデニング好きの妻が、庭をきれいに清潔にしておきたいんだ」 ボンドは、ネコに罠を仕掛けるというアイデアをすぐに却下しました。それでは隣人として友好的とはいえません。そこで、より技術的な解決策を利用しようと決めました。 ボンドは、ディープラーニングやJetsonの素人ではありません。昨年、台所の床を時折小走りするアリに、無害の5ミリワットのレーザ・ビー
カメリオで使われている機械学習 | カメリオ開発者ブログ
はじめまして。白ヤギコーポレーションでエンジニアをしている谷田です。 カメリオでは、テーマに合ったニュース記事を提供するために、機械学習を応用した新しいアプローチを最近こっそり導入しました。この記事では、カメリオがどのようにニュース記事がテーマに合っていると判断しているのか、そのアルゴリズムの概要を解説してみたいと思います。 カメリオでは新しく入ってきたニュース記事を、何万もあるテーマの中から良く当てはまるものに自動的に振り分けています。これまでカメリオでは、記事があるテーマに振り分けられるためのさまざまな条件を半自動的に導出して、テーマと記事とのマッチングを行っていました。しかしこの従来の方法では、テーマ名の単語が記事中にたくさん出てきたりした場合に、実際にはあまりテーマに関係が無かったり、あるいはユーザの興味を引かないような記事が混ざってしまうことがありました。 新しく導入した機械学習
Regurarized Greedy Forest - puyokwの日記
最近、決定木ベースの手法ではxgboost が主流となってきています。実際、xgboost やrandomForest は手軽に結構良い精度が出るので、まずはじめに試すとしたらこのあたりの手法かなと思います。 Regurarized Greedy Forest (以下、RGF と略す)は、C++ で書かれていることとトレーニングに時間がかかるため、あまり普及はしていないように感じます。ただ精度に関してはxgboost より良いことも多い印象があります。 Regularized greedy forest (RGF) in C++ こちらからダウンロードすることができます。RGF の使い方やアルゴリズムについては付属のpdf に詳しく書かれています。アルゴリズムについては時間があるときに追記しようと思います。 コンペでの使用状況 metric とloss の目安 使用上の注意点 パラメータ
UnityのhumanoidからBlenderのArmatureを作る - Qiita
既存のUnityモデルにBlenderを使ってモーションをさくっと追加する手段を模索。 BlenderにUnityで使っているfbxをインポートするのはスケールや座標軸の変換等あまりうまくいかなかったので、 骨格情報のみをクリップボード経由でコピーしてArmatureを構築することにした。 成果物 https://github.com/ousttrue/UnityHumanoidHelper UnityScript Animatorから骨格情報を取得してクリップボードにコピーする。 https://github.com/ousttrue/UnityHumanoidHelper/blob/master/UnityProject/Assets/HumanoidHelper/Editor/CopyHumanoid.cs Unityちゃんで試した例。Humanoid - Copy メニューから以下
夏休みは「ラズパイ3」で電子工作＆プログラミング【前編】 - 日経トレンディネット
手のひらに載るほど小さなコンピューター「Raspberry Pi（ラズベリーパイ）」は、無料の開発環境を使ってプログラムを作成したり、自作の電子回路を制御したりと、思い描いたアイデアを実現できます。今回から3回にわたって最新版の「ラズベリーパイ3」を使い、導入方法から誰でもできるプログラミング、センサーを使った電子工作まで、楽しみ方を紹介していきます。 手のひらに載るほどに小さく、基板上の部品がむき出しになっているコンピューター「Raspberry Pi（ラズベリーパイ）」。見た目は電子部品のようで取っ付きにくく感じますが、世界中で700万台以上も売れた人気のコンピューターです。本体は小さいですが、普通のパソコン並みの機能を備えているだけでなく、電子回路をつないで直接制御できるというパソコンにはない特徴を備えています。
Leaflet で Riot.js を使ってみる - Qiita
http://leafletjs.com/ と http://riotjs.com/ を一緒に使ってみます。 1. シナリオ 地理院地図で 平成28年熊本地震・UAV動画 というレイヤーが公開されています。このレイヤーの実体は緯度経度と動画のタイトル、youtube へのリンク、撮影日がエンコードされた GeoJSON で以下の URL から入手が可能です。 https://cyberjapandata.gsi.go.jp/xyz/20160414kumamoto_0416uav/2/3/1.geojson 地理院地図でこのレイヤーを表示 すると、以下のようにポップアップに最低限の情報とリンクが表示されます。 ここでは、ポップアップの中身の HTML を Riot.js を使ってカスタマイズし、以下のように動画を埋め込みで再生できるようにしてみましょう。 2. コード 以下の3つのファイル
Pythonのe-learningを試してみた | Webシステム開発／教育ソリューションのタイムインターメディア
ICT教育というのがいろいろ騒がれている。そして、2020年から小学校でも電子教科書が導入されることに決まった。さらに、小学校からプログラミング教育をと騒いでいる。 ということもあり、ちょっとPythonのe-learnig事情について調べてみた。 とりあえず日本は無視して、世界の状況を知るべく、英語で無償で勉強できるところを探してみたら、余りあり過ぎて手に負えない。 MOOCやCouseraだけでも多数の大学が講義を提供してる。また、python.orgから辿れるのもあったり、Google’s Python Classもある。とにかく、きりが無いのだ。 それで、機能が充実しているらしきPythonのe-learningの１つ、http://interactivepython.org を調べてみた。 登録しなくても勉強はできるのだが、練習問題で作ったプログラムを記憶してもらったりするには登
Pythonで顔検出まとめ - Qiita
顔検出まとめ Pythonでライブラリ（OpenCV・dlib）を使って顔検出を行ったまとめ ちなみに 顔検出（face detection）…画像や映像から顔が写っている部分を推定すること 顔認識（face recognition）…画像や映像に映った顔が誰なのかを推定すること 顔検出に使っているのは、OpenCVがHaar-Like+Adaboost、dlibがHoG+SVMらしい OpenCVとDlibとOpenFaceで顔検出をした知見まとめ 概要は以下を読めば感覚的にはわかると思う 局所特徴量と統計学習手法による物体検出 ディープラーニングを使った最近の手法は以下 Faster R-CNNの紹介 論文紹介: Fast R-CNN&Faster R-CNN OpenCV Python+OpenCVで顔検出 Python+OpenCVで顔検出器の性能比較 Python+OpenCVで
超弾幕も可能？ WebGL高速化のススメ
今日のテーマ WebGL高速化のススメ 今回はあくまでも WebGL 特有の高速化 TIPS です。 WebGL にあまりなじみのない方もいらっしゃると思うので…… そもそも WebGL って？ というところから簡単に解説します。
オライリー「初めての Three.js 第2版」 7/23 発売。プロ生ちゃんも登場！ – プログラミング生放送
オライリージャパンから JavaScript 3D ライブラリ Three.js の解説書「初めてのThree.js 第2版（Jos Dirksen 著、あんどうやすし 訳）」が、2016/7/23 に発売します。 初めての Three.js 第2版 ―WebGL のための JavaScript 3D ライブラリ 実用的なサンプルを例示しながら、Three.js による Web 3D コンテンツ作成を解説しています。図も多くフルカラーです。 対象読者は、対象読者は、初中級の Web 開発者。JavaScript と HTML の基礎知識が必要です。数学や WebGL に詳しくなくても構わないとのこと。 本書では、光源や影、マテリアル、ジオメトリ、パーティクルなど 3D シーンの作成に必須の基本的な内容から、カスタムシェーダーや物理エンジン、立体音響の利用といった応用的な内容までを解説してい
Metaballs and WebGL
Metaballs and WebGL I’m back to learning graphics! A lot of interesting simulation and rendering work takes place on the GPU, and I didn’t have much experience doing that, so I figured I’d try to get metaballs rendering on the GPU. This time, instead of using the marching squares algorithm, we’ll leverage the GPU to compute every pixel in parallel! In this post, I’m going to walk through the steps
3000円で作るTwitter連動wifi体重計 - izm_11's blog
概要 ESP8266系のボードと体重計をつなげて、体重計に乗ったら自動的にtwitterに投稿する仕組みを構築しました。 正直なところ、以下の2個の記事をまとめただけです。(先人に感謝） qiita.com qiita.com ESP8266だと例示の赤外線リモコン受信モジュールPL-IRM0101の 5Vが給電しづらい twitter連携との組み合わせが分からない みたいな方の一助になれば幸いです。 Tweeting from ESP8266. my weight: 63.80 kg— 絵麻さんを養って幸せな家庭を築く (@izm) July 17, 2016 作った後はUSB-ACアダプタで適当にボードごと放置しておけば良いので、PC接続しなくても良くなり、WithThingsみたいな使用感を得られます♪ 用意するもの 体重計(2100円) 上記記事にあるように、赤外線式で表示を飛ばし
Node.jsをWindowsにダウンロードしてインストール、アンインストールする
Node.jsをWindowsにダウンロードしてインストール、アンインストールする：スマホで便利な環境構築手順書（1/2 ページ） 本連載では、さまざまなソフトウェアのインストール、実行するためのセットアップ設定、実行確認、アンインストールの手順を解説する。今回は、Node.jsとは何か、Node.jsのインストールとアンインストールについて解説。Node.jsプログラミングを始める参考にしてほしい。 本連載「スマホで便利な環境構築手順書」では、さまざまなソフトウェアのインストール手順や、実行するためのセットアップ設定、実行確認、アンインストールの手順を解説する。 少しでも分かりやすくするために画面キャプチャー／スクリーンショットの画像を中心に解説を進める。スマートフォンで読む場合は、最初に出てきたスクリーンショットの画像をタップすると、左スクロールで画像を見ながら手順を追うことができるの
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
GIS Dictionary
Jupyter NotebookでCythonを使う - Qiita