「オムロン 環境センサ」からBLE GATTを用いてデータ収集
Armadillo-IoT G3でデータ収集し、csvファイルに出力する 環境センサからのデータ収集,出力の一例をご紹介します。 このHowtoでは、以下の処理をループで実行するpythonプログラムを使用します。 データ収集完了まで環境センサと通信を試みる 取得した最新データを、以下のどちらかの方法で出力 標準出力に表示 csvファイルに出力 1分後に再通信を開始 以下にプログラムを記載します。 プログラムの実行 このプログラムはpython3で作成されているため、プログラム実行前に必要なパッケージをインストールします。 [armadillo ~]# apt-get update [armadillo ~]# apt-get install python3 [armadillo ~]# apt-get install python3-pip [armadillo ~]# python3
オムロン環境センサーからBLE経由でデーターをクラウドに送る – Ambient
オムロンの環境センサー「2JCIE-BL01」で測定した温度、湿度などのデーターを、Bluetooth Low Energy(BLE)でRaspberry Piに送り、Raspberry Pi3からAmbientに送って可視化します。Raspberry Pi3のプログラムはPythonで記述しました。 オムロンの環境センサー「2JCIE-BL01」 オムロンの環境センサー「2JCIE-BL01」は温度、湿度、気圧、照度、UV、音の6種類のデーターを測定し、BLEで送信するセンサー端末です。ボタン電池(CR2032)1個で動作します。ウェザーニュース社の「WxBeacon2」も中身は同じもののようです。今回はこの「WxBeacon2」を使いました。 「2JCIE-BL01」のBLEインタフェースは「Communication Interface Manual」という資料で公開されています。
OSSライセンスMeetup Vol.2「実録：GPL違反とその対応を振り返る」へ行ってきた - ただのにっき(2019-02-21)
■ OSSライセンスMeetup Vol.2「実録：GPL違反とその対応を振り返る」へ行ってきた つい最近、仕事でGNUライセンスがらみのインシデントがあって疲弊していたところ、タイムリー(?)にこんなイベントが目に入ったので参加。初回はぜんぜん気づかなかったなー。 ライセンス話だとよく見かける人たちも多数参加していて、ライセンスみたいな汎用的な話題でもコミュニティに偏りが発生しているのは興味深いです(良くはない)。場所は以前OSS Gateでもお世話になったサイオス。さほど駅近じゃないので移動がけっこう大変だけど、開始時間を遅くされると早めに帰らなきゃいけなくなるから難しいところだ。 イベント説明に「2002年のGPL違反」と書いてあったので予習しようと思ってググったら、Sigma Designの件とエプソンコーワの件*1が出てきたけど、講演者の経歴からいって後者かな(←あたり)。かくし
権限制御の仕組み[ロールベースアクセスコントロール(RBAC)] - bnote
私が関わっている業務システムで、「この機能は、検査員しか使ってはいけない」など権限について考える必要があり、非常にわかりやすく解説されたサイトに出会いました。 ここでは、自分なりに考えをまとめたいと思います。詳しくは、次のサイトを参照していただくと良いと思います。 ネタ元：「業務システムにおけるロールベースアクセス制御」 ロールベースアクセスコントロール(RBAC) アクセス制御というものを調べてみると、いくつかの種類があるようです。 任意アクセス制御(DAC) 強制アクセス制御(MAC) ロールベースアクセス制御(RBAC) 属性ベースアクセス制御(ABAC) アイデンティティベースアクセス制御(IBAC) この中から、業務システムで使えるものとしてロールベースアクセス制御(RBAC)があります。 ロールベースアクセス制御(RBAC)は、大きく分けて「役割(ロール)」とある操作に対する「
Kaggleにおける「特徴量エンジニアリング」の位置づけ 〜『機械学習のための特徴量エンジニアリング』に寄せて〜 - u++の備忘録
はじめに 『機械学習のための特徴量エンジニアリング』の書誌情報 Kaggleのワークフロー 1. （探索的データ分析） 2. ベースラインモデルの構築 3. Validationの構築 4. 特徴量エンジニアリング 5. ハイパーパラメータ調整 6. アンサンブル 『機械学習のための特徴量エンジニアリング』の貢献箇所 Kaggle観点で本書をオススメする読者 おわりに はじめに このたび、『機械学習のための特徴量エンジニアリング』をご恵贈いただきました。 Kaggleと親和性が高い書籍名で、Twitterのタイムラインなどを見るに、Kaggleに興味がある層を中心に大きな注目を集めているようです。 本記事では本書の発売に寄せて、Kaggleの自分流のワークフローと「特徴量エンジニアリング」の位置づけについての私見を述べます。その上で本書がKaggleのワークフローのどの部分に寄与するかを説
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
