【2020年新人研修資料】ナウでヤングなPython開発入門【2020年新人研修資料】 ナウでヤングなPython開発入門
Pythonでメソッドチェーンを実装する - Qiita
class MyList(list): ... def method(defined_type): def wrap(f): def wrapper(*args, **kwargs): return defined_type(f(*args, **kwargs)) return wrapper def decorator(f): setattr(defined_type, f.__name__, wrap(f)) return decorator @method(MyList) def map(l, func): return [func(el) for el in l] print(MyList([1, 2, 3]).map(lambda x: x+1).map(lambda x: x+2)) # [4, 5, 6]
Serving a Machine Learning Model with FastAPI and Streamlit
Machine learning is a hot topic at present. With technology companies moving in the direction of artificial intelligence and machine learning to cash in early, the field has grown tremendously large. Many of these companies create their own machine learning solutions and sell them to others using a subscription-based model. Since the majority of machine learning models are developed in Python, the
Pythonで実装するアヒル本「StanとRでベイズ統計モデリング」 - Qiita
アヒル本とは アヒル本「StanとRでベイズ統計モデリング」、ベイズ界隈では有名な書籍です。 ベイズ推定を実装したい、と思ったときにまず最初に手に取ると良いでしょう。 しかし、ベイズとは何かという点について解説している本ではないため、ベイズの枠組みで事例を積み重ねることで事後分布を更新できるために得られる利点などについて納得ができていない方は、ベイズ自体の基礎的な解説を読んでからチャレンジしたほうが良いと思います。 なぜPythonか 上記本のオフィシャルでは、タイトルどおり実装はRなんですね。 Pythonで実装したい方も多いと思います。 私もその一人でしたので、Python実装をつくりました。 Python実装にあたって Stanのインターフェイスについては、PyStanでRとほぼ変わらない使いごこちを実現できます。 一方で、データ整形についてはPandasを使うので、Rとはかなり異な
PythonとSeleniumでGoogle Chromeを動かしてみる - Qiita
PythonとSeleniumでGoogle Chromeを動かしてみる サマリ 公式のチュートリアルを見つつMacでやってみました。 少し詰まった部分があったのでメモ。 試した環境 OS: macOS Catalina 10.15.5 Python:3.8.0 Google Chrome:83.0.4103.116 webdriver:ChromeDriver 83.0.4103.39 インストール Pythonのライブラリをインストール ブラウザドライバーをインストール ドライバーは使っているブラウザバージョンに合わせて必要なものをDLします。 ブラウザをアップデートしていてもドライバーの最新版をインストールすればいいわけではありませんでした。 （よく見たらバージョンが違ったのでご注意を） わたしはプログラムを実行するディレクトリと同じ場所に置きました。 vaivailx@MacBoo
Pythonで実装する「RとStanではじめるベイズ統計モデリングによるデータ分析入門」 - Qiita
Pythonで実装するベイズ統計モデリング 「RとStanではじめるベイズ統計モデリングによるデータ分析入門」はアヒル本よりも手軽にベイズ推定の実装に入門できる書籍です。 アヒル本は統計モデルの座学的章がありますが、こちらはほとんどありません。 まずはやってみよう、というところから入る本です。 また、階層ベイズについての考え方は、アヒル本と合わせて読むことでより理解が深まるかもしれません。 何故Pythonで実装するのか オフィシャルではこちらもRで実装があります。 最近はPythonを使う方が多いので、アヒル本だけでなくこちらもPythonで実装してみました。 コード PythoとPyStanで実装しています。 Github 何かありましたらプルリクエストをいただけると助かります。 点推定だけでなく、ベイズ推定も一般的に広まっていくといいのかな、と個人的に思っています。
Hypermodern Python
Read this article on Medium New Year 2020 marks the end of more than a decade of coexistence of Python 2 and 3. The Python landscape has changed considerably over this period: a host of new tools and best practices now improve the Python developer experience. Their adoption, however, lags behind due to the constraints of legacy support. This article series is a guide to modern Python tooling with
仕事でPythonコンテナをデプロイする人向けのDockerfile (2): distroless編 | フューチャー技術ブログ
なお、distrolessのイメージは2種類（3通りの名前）がありますが、Python 3.5はバグ修正はせず、セキュリティ修正のみでサポート期限が2020/9/13というステータスなので、本エントリーでは3.7の方のみを扱います。 gcr.io/distroless/python3: Python 3.5.3 gcr.io/distroless/python3-debian9: Python 3.5.3(上のイメージと同一) gcr.io/distroless/python3-debian10: Python 3.7.3 一応サンプル等もありますが、どれも1ファイルで構成されたサンプルスクリプトばかりです。前回のsite-packagesにコピーする方法を軽く試したところうまく動かず、シェルもpipもensurepipもないため、ビルドイメージにすることもできません。いろいろ調べた結果、
機械学習のための日本語前処理 - Qiita
#はじめに 機械学習を使ったチャットボットの仕組みを理解するために、テキストを訓練データとする簡単なニューラルネットワークを作成した際の備忘録。 #目的 英文テキストで作成したルールベース型チャットボットを、日本語テキストにも適用して動作させること。日本語テキストを前処理し、それをニューラルネットワークへ通せることを確認する。訓練データとして、Niantic社の"Pokemon GO"に関連したサポートページをWebスクレイピングしたものを使用した。 Nianticサポートページ 使用しているCSVファイル(GitHub) #マルチクラス分類 予め用意された応答文を入力にあわせて返す「ルールベース型」を参考に、"Intents"（意図）を識別して予測するマルチクラス分類の部分までを形にした。 「生成型」ではなく、入力情報から関連した「よくある質問（FAQ）」を予測するものであるため、”RN
pythonではじめるデータ分析 (データ前処理〜機械学習) - Qiita
はじめに 初心者向けにpythonでのデータ前処理から機械学習モデル構築までを解説したいと思います。 機械学習には勾配ブースティングを使用します。 ソースコード https://gitlab.com/ceml/qiita/-/blob/master/src/python/notebook/first_time_ml.ipynb #本記事の内容 目次 1．データの前処理 1-1．データの読み込み 1-2．データの結合 1-3．欠損地補完 1-4．特徴量作成 1-5．データ分割 2．機械学習 2-1．データセット作成とモデルの定義 2-2．モデルの訓練と評価 2-3．特徴量の重要度を確認 データセットについて ・提供元：カルフォルニア工科大学 ・内容：心臓病患者の検査データ ・URL :https://archive.ics.uci.edu/ml/datasets/Heart+Disease
PyCaretでできる前処理について調べてみた - Qiita
適宜修正や追記を行いながら、勉強した内容を共有していきたいと思います。 ※現状、主に回帰タスクにフォーカスして書いています。 他のタスクにおいては、仕様が異なる箇所があるかもしれませんので留意ください。 （ざっと確認している範囲では、タスク間で概ね仕様は共通な様です。） 本ドキュメントについて PyCaretの前処理にフォーカスしています。 基本的に、モデリングやチューニングなどの部分には触れておりません。 実際に動かしつつ、本家ソースコードを読んだりもしながら記述しております。 https://github.com/pycaret/pycaret ※誤ってる箇所もあるかもしれませんが、あらかじめご了承ください。 実装上の前提 次のように各種ライブラリはimportしているものとします。
時系列データ関連の本10冊読んだので書評書く。+4冊更新 2021年11月 - Qiita
#各本の立ち位置について どんな軸で立ち位置を説明しようか悩みますが、今回は「対象読者レベル」と「時系列との関係」についての二軸で「独断と偏見」で位置づけしてみました。 #はじめに 仕事でデータ分析に関して種々のデータに色々な手法を使ったりするのですが、分析していると時系列のデータが意外と多い。 数値予測や異常検知などは時刻と共に記録されていることが多いです。 この時系列データに関する知識を付けるために網羅的に本を読んで、知識を付けようと思いました。 今回はその中で、「どの本にどんな事が書いてあって、他の本との関係性は？」を書評にすることで、皆さんの本の購入の手助けになればと思っています。 「この本の立ち位置も調べて」 「時系列本ならこの本入れなアカン」 などあれば教えてください。 時系列分析のためのブックガイドと同じようなコンセプトの記事です。 #時系列データに対する「python,Rど
早く知っておきたかったmatplotlibの基礎知識、あるいは見た目の調整が捗るArtistの話 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? English version available on dev.to はじめに matplotlibで作ったグラフの細かい調整は大変です。何をどういじったらいいのかを調べるのにアホみたいに時間がかかることもあります1。「何を」の部分の名前さえわからないこともあります。解決の糸口を掴んだ後も希望通りの見た目を実現するまでの最後のアレンジに苦労することが多いです2。これらの問題は matplotlibのグラフがどういう要素で構成されていて、それらに対してどういうことができるかを知る ことでいくらか改善されます。私はひたすらStack Ov
「言語処理100本ノック 2020」をPythonで解く - u++の備忘録
「言語処理100本ノック 2020」が4月6日に公開されました。2015年以来、5年ぶりの改訂です。昨今の自然言語処理の研究動向を鑑み、深層ニューラルネットワークに関する問題追加などの変更があります。 nlp100.github.io 実装のためのプログラミング言語としては、Python3系を利用します。バージョンは初公開時は3.6.8で、2023年11月に3.11.3に更新しました。ソースコードは、GitHubで公開しています。 github.com 第1章: 準備運動 00. 文字列の逆順 01. 「パタトクカシーー」 02. 「パトカー」＋「タクシー」＝「パタトクカシーー」 03. 円周率 04. 元素記号 05. n-gram 06. 集合 07. テンプレートによる文生成 08. 暗号文 09. Typoglycemia 第2章: UNIXコマンド 10. 行数のカウント 11.
年間1000万PV達成までに作ったWebサービスやアプリ36個を、すべて振り返る｜れとるときゃりー
こんにちわ、れとるときゃりー(@retoruto_carry)です。 最近、就活をはじめました。 ちょうど良い機会なので、自分が大学に入ってから作ったものをまとめました。 いままで、作ってきたWebサービスには、年間PVが1000万を突破したものもあります。 ただ、そこに至る道程は、かなり長かったです。 ここでは、大学に入学して、始めてプログラミングを勉強してから作ったすべてのサービス、アプリを振り返ろうと思います。 本当にたくさんのものを作ってきました。 どこかの誰かの参考になると嬉しいです。 エンジニア以外の方でも、なるべく読みやすいように工夫しました。（使った技術は読み飛ばして大丈夫です） 就活で思い立って、大学入学してからいままで作ってきたものを書き出してみた！ ブログに全部書こうかな pic.twitter.com/fAtV2atukU — れとるときゃりー@ツイッター通話アプリ
This one weird trick will simplify your ETL workflow | Stitch Fix Technology – Multithreaded
The first and most important step towards developing a powerful machine learning model is acquiring good data. It doesn’t matter if you’re using a simple logistic regression or the fanciest state-of-the-art neural network to make predictions: If you don’t have rich input, your model will be garbage in, garbage out. This exposes an unfortunate truth that every hopeful, young data scientist has to c
pythonによるloggingモジュールの使い方
ロギングの設定ファイル「logging.conf」を次に示します。 logging.conf [loggers] keys=root [handlers] keys=consoleHandler, fileHandler [formatters] keys=logFormatter [logger_root] level=DEBUG handlers=consoleHandler, fileHandler [handler_consoleHandler] class=logging.StreamHandler formatter=logFormatter args=(sys.stdout, ) [handler_fileHandler] class=handlers.RotatingFileHandler formatter=logFormatter args=('./log/test.l
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
Python 3.9の新機能 - python.jp
matplotlibのめっちゃまとめ - Qiita
Google Colaboratoryでバグに悩まされずにcartopyを使う - Qiita
