この記事はなんなの プログラミングを始めたばかりで高速化の大枠が全くわからず意味不明なことをしていた在学時、こんな資料があったら良かったのになあ、と思って書いたもの。 書いて、在学時研究室に押し付けた後紛失したと思われていたものが発掘されたもの。 要約 ライブラリがあるならそれを使う。 ライブラリが無ければ、ボトルネック部分を探してそこだけ高速な言語で書きなおすか、可能なら事前コンパイルする。 最初から全てを Low-Level な言語で書くと大変、でも結果のプログラムは速い。 以下の時間の計測ではインポートにかかる時間は除いています。 使用するもの Python（3系） Numba Scipy Line Profiler Fortran（gfortran） QUADPACK QUADPACK以外の導入方法の説明は色んな所にあるので各自でお願いします。上3つに関しては、個人的にはAnaco

皆さん、こんにちは。戸倉彩です。 今回は de:code 2017 の基調講演でデモを行った Microsoft PowerPoint にリアルタイム翻訳機能を追加する方法と、簡単な使い方をご紹介いたします。 Microsoft Translator PowerPoint アドイン (Preview) とは マイクロソフトが提供している Microsoft PowerPoint (読み方:マイクロソフト パワーポイント) に、Microsoft Translator (読み方:マイクロソフト トランスレーター) アドインを追加すると、プレゼンテーションを行っている人間の声を自動的にリアルタイムに翻訳し、字幕を表示してくれる機能のことです。 システム要件 サポート対象 OS Windows 10、Windows 8、Windows 8 Enterprise、Windows 8 Pro、Win

※今回はUIのみ、UXについては別途記載する ガイドライン まず基本は大切にしたいので、ガイドラインから Android ・Android アプリ品質ガイドライン https://developers-jp.googleblog.com/2013/01/core.html ・Android Designガイドライン https://developer.android.com/design/index.html?hl=ja ・UIパターンアイコン https://developer.android.com/design/patterns/index.html ・優れたUIを実現するために確認しておくべき51のチェックリスト http://ohako-inc.jp/uiux-japan/ui-design/201409-51checklist_for_goodui.html ・Pixel Pe

あらまし PythonのGUIライブラリーを作るKivy(https://kivy.org/#home) ですが、日本では知名度はさほどではありません。理由として一番多いのはインストールしたのは良いが日本語でまとまった情報があまりなく、どう使用していいかわからないという声をよく聞きます。またKivyにはレイアウトを記述する際にPythonによるコード入力とは別にKv Languageと呼ばれる、CSSに似たKivy独時の言語を用いてレイアウトを作成できますが、情報が少なく慣れるまで時間がかかります。 ここではKv Languageを用いた簡単なプログラムを紹介してKv Languageの基本的な使い方を紹介します。 今回作成するプログラムについて 今回作成するプログラムは以下になります。 画像左端が起動直後の状態です、下にある「朝」、「昼」、「夜」のボタンをクリックすることでそれぞれ、「お

はじめに Python入門系の記事では概して、Pythonのロギング機能の紹介で最初にlogging.debug()といったloggingモジュール付属の関数を呼ぶ方法を案内しています。 Python本家が提供するloggingの「基本チュートリアル」でもこの点で大差ありません。Python本家の基本チュートリアルでは、print()関数を使用する方法もロギングの手段として有効であるとし、タスクに応じてprint()やlogging.debug()を使いわけよう、という流れで記述されています。 コマンドラインスクリプトやプログラムで普通に使う、コンソール出力の表示 : print() そのような「基本」の説明の後「上級」チュートリアルになってようやく、Python言語付属のロギングメカニズムの説明が始まります。「上級」では4+1種類のデータ構造が紹介され、ここで「基本」で多用されていたlo

背景 お手軽なクラスタリング手段としてk-meansが有名であるが、以下の様な困ったポイントがある k-means法の問題点の一つは、クラスタの個数kを指定しなければならないことだ。 クラスタリングは探索的 (exploratory) なデータ解析手法であって，分割は必ず何らかの主観や視点に基づいているということです．よって，クラスタリングした結果は，データの要約などの知見を得るために用い，客観的な証拠として用いてはなりません． 参照元 それは知っている。で、結局クラスター数は本当に分析者の決め打ちでいいのか？ 「このクラスター数はどうやって決めたの？」「これまでの分析結果からソーゴー的に考えて決定しました」とか言いたくない このページの目的 「最終的には分析官の判断でクラスターは決定しました」といいつつも、何かしら数値としての根拠を持ってクラスター数を決定したい 何か良い判断基準は無いの

最近はクラウド上のサーバーを利用する事も多くなってきた。 サーバーの用意やネットワーク周りの設定はインフラ部門がやってくれるけど、アプリのデプロイ／設定は開発者がする事が多いので、開発メインでやってるエンジニアでも最低限SSHの知識は必要になる。 また、Vagrant等でローカル環境にVMを作成する事もあるので、ローカル環境内でSSHを使用するケースも増えてきた。 というわけでインフラエンジニアじゃなくてもSSHクライアントの知識は必須になってきているので、改めてSSHの再学習をしてみることにした。 SSHとは 暗号や認証の技術を利用して、安全にリモートコンピュータと通信するためのプロトコル。 SSHでは以下の点で従来のTelnetより安全な通信が行える。1 パスワードやデータを暗号化して通信する。 クライアントがサーバーに接続する時に、接続先が意図しないサーバーに誘導されていないか厳密に

記念すべき本ブログ初投稿記事は、スクラム現場ガイド読書会のレポートです。 スクラム現場ガイドとは？ スクラム現場ガイドは、現場で起こりうる困った問題が物語で書いてあり、そういう困った問題が起きたときにどう対処すれば良いのか、が丁寧に書かれている本です。 スクラム現場ガイド -スクラムを始めてみたけどうまくいかない時に読む本- 作者: Mitch Lacey,安井力,近藤寛喜,原田騎郎出版社/メーカー: マイナビ出版発売日: 2016/02/27メディア: 単行本（ソフトカバー）この商品を含むブログ (2件) を見る スクラムって勉強する分にはすごくうまくいくような感じがしてしまって、よっしゃやってみよう！って導入したら、必ず困った問題に直面するんですよね。例えば、割り込み作業によりスプリントプランニングで約束したことが守れないとか、プロダクトオーナーが忙しすぎるとか。導入しようとした人がス

概要 Kryptoniteというサービスを見つけたので使ってみました。 KryptoniteはSSHの秘密鍵をスマートフォン上に保存し、PCなどで利用する際にはスマートフォンにPUSH通知が来て承認した場合のみ利用できるようにするものです。 利用イメージは上のサイトの動画を見るとすぐ掴めると思います。 秘密鍵が安全に管理できますし、複数PCでの秘密鍵の共有も安全に可能なので使ってみました。 通常であればPC紛失のことなどを考えると共有しないほうが好ましいかと思われますが（自分は普段分けてます）、Kryptoniteの場合はスマートフォン内に秘密鍵が保管されるので、PCごとに使い分けても意味が無いのかなと思っています（使い分けたほうが良い理由があれば教えてください）。 そしてOSSなのが嬉しいです。あとGoで書かれてるので読むと勉強になります。 とりあえず速攻使ってみたという記事なので、技術

いろいろな画像を見比べて、「あの画像に写ってるのアレは、この画像に写ってるコレと同じかな？」なんてことを、機械的にやるとしたら、という話。 OpenCVに頼る 難しいことは考えないで、OpenCVに頼る。自分で考えるよりも、世界中の賢い人々が考えてくれた成果物を利用するべきなのだ。 というわけで、早速、 OpenCV: Feature Detection and Descriptionを参照して、お勉強を始める。 画像を用意する 適当な著作権フリーっぽい画像もないし、自分で撮影するのも面倒なので、今回は以下の画像を適当に作った。 このutsu1.png(游明朝)と、utsu2.png(ヒラギノ角ゴシック)を使うことにする。 特徴点の抽出 まずは、http://docs.opencv.org/master/da/df5/tutorial_py_sift_intro.html に従い、utsu

はじめに 「機械学習部分のプログラムは作りたくないが、機械学習を使ったサービスは作りたい」という記事です。機械学習に関してはほとんどノンプログラミングで、精度はそれなり、「分類してみた」だけではなく実際にサービスに組み込むまでの解説記事を目指します。 ソースはgithubにあります。また、サンプルの学習済みモデルを同梱してありますので記事の手順を進めれば即座に試せます。 https://github.com/shuukei-imas-cg/imas_cg_words この記事で読者ができるようになること 筆者が制作した「シンデレラガールズ台詞判定」のサブセット的なサービスを段階を踏んで制作していきます。これはテキスト分類の応用として、「アイドルマスターシンデレラガールズ」に登場する183人のアイドルの台詞を学習させ、任意の文章を入力すると「誰が発した台詞らしいか」を判定するサービスです。

僕個人がWindowsマシンにインストールしていて、 これが無くなったら困るなあ・・・という、 そこに当たり前に存在する幸せ（ツール）を紹介します。 プログラマでなくても幸せになれるツールを選びたかったので、 敢えてプログラマ向けとせず「全てのWindowsユーザ」としております。 Clover Chrome風のエクスプローラーです。 標準のエクスプローラーはフォルダごとにウィンドウが表示されるので、 気づいたらいくつもウィンドウが無数に増えて、 今見たいフォルダがどこにあるかわからなくなることが多々あります。 Cloverを使えば、タブで管理されるのでウィンドウは１つ（任意で増やせます）、 目当てのフォルダもすぐに見つかってイライラから解消されます。 さらに、Chromeのショートカットも使えるため、 例えば、一度消してしまったタブをShift+Ctrl+Tで復活、なんてこともできます。

「ウケトル」は宅配便の配送状況を教えてくれる便利アプリ 宅配業者は荷物の追跡サービスを提供しており、問い合わせ番号を入力すると荷物が今どこまで来ているのかを調べられます。近くの営業所まで荷物が来ていれば間もなく荷物が届くだろうと予測できますが、わざわざ番号を入力して荷物の所在地を調べる人は稀。たいていの人は配送状況など気にしないで荷物を待っているはずです。 しかし、これではタイミング良く荷物を受け取れず、再配達をお願いしなければいけないことが増えてしまいます。再配達は依頼するのも手間ですが、宅配業者にとっても作業が増える悩みの種。昨今はあまりにも再配達が増えていることから、一部宅配業者がこれを有料化を検討しているとの噂まであります。 この問題の救世主となるかもしれないのが、今回紹介する「ウケトル」。これは 荷物の配送状況を簡単にチェックできるアプリで、ヤマト運輸、佐川急便、日本郵便の3

スマートフォンの入力で使う「フリック入力」は、「ケータイ打ち」や「ポケベル打ち」などに比べるとタップ数を減らせるため、慣れれば快適なタイピングが可能です。しかし、「フリック入力すら遅い」「タップ数をもっと減らしたい」と、さらなる快適性を求めて「ターンフリック」なる入力方法が考案されました。ソフトウェアキーボードアプリ「アルテ on Mozc 日本語入力キーボード」で早速、ターンフリックの速さを体感してみました。 アルテ on Mozc 日本語入力キーボード | Release https://www.keyboard-arte.com/release ターンフリックを極めれば超絶レベルでタイピング速度を向上させられることは、以下のムービーを見れば一発で理解できます。 アルテ ターンフリック入力 - YouTube ◆ターンフリック ターンフリックの入力ルールは、スワイプ入力にさらに動作を加

このスライドは 2017 年 1 月 17 日 (火)、ベルサール高田馬場で開催された「NVIDIA Deep Learning Institute 2017」の最初のセッション、「これから始める人の為のディープラーニング基礎講座」にて、エヌビディア合同会社 ディープラーニング部 村上 真奈が講演しました。 このセッションでは、ディープラーニングをこれから始める方を対象に、必要な基本知識について説明します。ディープラーニングではニューラル ネットワークに大量のデータを学習させる事で画像認識や物体検出など様々な認識を行う事が可能です。セッション前半は、画像認識問題で使われる畳み込みニューラル ネットワーク (CNN) を理解する為の基礎概念について説明します。ニューラル ネットワークの基本となる多層パーセプトロン、誤差逆伝播法、確率的勾配降下法やミニバッチ学習などディープラーニングの学習過程