サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
円安とは
qiita.com/nkjmsss
こんにちは、designing plus nineアドベントカレンダー8日目、担当のnkjmsssです。 designig plus nineのメンバーがとても面白い自己紹介を書いている中恐縮なのですが、そんなに面白い人間ではないので文章校正を少しでも幸せにするシステムを作ってみたという話について書きます。 作ったものはこちらで公開しています。 文章校正とは まず、文章校正とはなんでしょうか。僕が所属していた団体でやっていたことを大別すると以下の2つになります。 表記揺れを正す 表現をより良いものにする また、校正ルールは100個以上あったため、ここでこの全てを述べることはできませんが、特によく指摘した記憶があるのは以下のようなものです。 「!」「?」の後には全角スペースを挿入する 「皆様」「みなさま」ではなく「皆さま」に統一する 記号の半角、全角の使い分け 人間様のやる仕事ですか?? こ
qiita.com/nkjm
概要 この記事はLINE Loginを使った認証の仕組みをNode.jsベースのアプリに実装するチュートリアルです。LINE側での必要な設定をおこない、WebアプリにSDKをインストールしてLINE Loginを組み込んできます。また、ログインと同時にBotをユーザーの友だちに追加するといったLINE独自の機能もカバーしていきます。 必要なスキルと環境 Node.js/Javascriptの基本的な知識 開発の流れ まず最初にLoginのChannelを作成します。このChannelはユーザーから見たときに、ユーザーのLINEアカウントを利用しようとしているアプリケーションになります。 次にWebサービスを作成し、LINE Loginを組み込みます。 認証をテストします。 認証と同時にBotを友だちに追加する機能を追加します。 取得したアクセストークンを使ってAPIにアクセスします。 手順
概要 この記事ではLINE Pay APIを使って決済の仕組みをアプリケーションに組み込む方法を解説します。誰でも無償で申請できるLINE PayのSandbox環境を使って、決済の仕組みを開発し、シミュレートすることができます。 また、一般的なWebアプリに加えて、Botに決済を組み込む方法もカバーしていきます。アプリおよびBotはNode.jsで開発します。 必要なスキルとリソース Node.jsの基本的な知識 LINE Pay APIを使った決済の流れ 3つの登場人物が存在します。一つ目は サービスプロバイダー です。これは有償で商品またはサービスを提供する事業主(おそらくあなた)で、実質的に何らかのアプリとなります。二つ目は その商品またはサービスを購入する ユーザー です。そして三つ目は LINE Payです。サービスプロバイダーはLINE PayのAPIに、ユーザーはLINE
概要 この記事ではLINEで動作するBotを開発する方法をチュートリアル形式で記載しています。カバーする内容は、「寿司の出前を受付するBot」を開発するというもので、LINE側での必要な設定、Bot本体の開発とクラウド環境へのデプロイ、そして自然言語解析を組み込んでユーザーの意図を特定する機能などBotに共通して求められる基本的な動作を含みます。今回のBot本体はNode.jsで作っていきます。 必要なスキルと環境 Node.js/Javascriptの基本的な知識 Herokuのアカウントを作成済みでHeroku CLIが作業PCにインストールされていること 開発の流れ まず最初にBotのアカウントを作成します。この作業はLINE Developers コンソールというWebサイトで「Channel」を作成するという作業になります。 *以後BotのアカウントのことをChannelと呼びま
概要 食品名をキーにしてその食品の栄養価を検索できるようなクラウド・サービスがあれば何かと便利です。この記事では最終的にREST APIで検索できる食品栄養価DBを3分ほどで作成してみます。 利用するサービス 食品栄養価情報を保存するクラウド・データベースとしてOracle Database Cloudを利用します。今回はその中でも無償で利用できるapex.oracle.comを利用することします。apex.oracle.comのアカウントをお持ちでない方はすぐに作成できるので下記を参照いただきながら作成してみてください。 apex.oracle.comで無償の開発用Database Cloud環境を取得する 食品栄養価データのダウンロードとインポート 元データのダウンロード 元となる食品情報は文部科学省が提供している日本食品標準成分表 2015年版(七訂)を利用します。このデータはPDF
前編に続いてBotを開発していきます。今回は自然言語解析を用いたメッセージの理解と、文脈に応じて対話をおこなうところまでをカバーします。 開発の流れ 自然言語解析サービスのDialogflowを設定し、理解すべきメッセージを理解できるように学習させます。 Botが受け取ったメッセージをDialogflowと連携してユーザーの意図を判定できるようにします。 文脈に応じて対話するための機能をBot開発フレームワークを活用してBotに盛り込みます。 手順 自然言語解析の設定 Dialogflowは自然言語処理のサービスです。ユーザーが発話した文章が何を意図しているのかを特定するために利用します。また、その文章の中からパラメーターを抽出する機能も備えています。まずは下記Dialogflowのサイトにアクセスしてアカウントを作成してください。 Dialogflow アカウントが作成できたらDialo
概要 この記事ではBotの利用例でよく引き合いに出されるピザ注文受付Botを開発する方法をチュートリアル形式で解説します。Bot本体はNode.jsベースで開発し、コンシェルジュ型Botの開発フレームワーク:bot-expressを使ってどのくらい開発が単純化されるかを体験することを目的としています。bot-expressはNPMでインストールできます。 今回作成するBotはLINEとFacebook Messengerの両方で利用することができます。 所要時間 60分 必要なスキル Node.jsの基本的な知識 LINEまたはFacebook MessengerでBotを作成した経験 手順 LINEまたはFacebookで最低限必要な設定をおこなう 利用するメッセージプラットフォームに応じて、必要な設定をおこないます。 LINEの場合はまずLINE Business Centerにアクセ
bot-expressはオーダーメイドのChatbotを高速に開発するためのフレームワークでNode.jsで動作します。開発者はフォーマットにしたがって「スキル」を追加するだけでChatbotの能力を拡張していくことができます。 bot-expressに含まれる主な機能 NLU(Natural Language Understanding)によるメッセージの意図解析 複数メッセンジャーへの対応 文脈の記憶 ユーザーからの情報収集・リアクション 多言語翻訳 構成 コンポーネント bot-expressをベースとしたChatbotは下記のコンポーネントで構成されます。 メッセンジャー 自然言語処理のサービス Chatbot本体(bot-expressベースのNode.jsアプリ) 開発者はChatbot本体に「スキル」を追加することでChatbotの能力を拡張していくことができます。丁寧で品質
$ cd $HOME/Downloads $ tar xvfz mecab-0.996.tar.gz $ cd mecab-0.996 $ ./configure --enable-utf8-only --prefix=/usr/local/mecab $ make $ sudo make install $ cd $HOME/Downloads $ tar xvfz mecab-ipadic-2.7.0-20070801.tar.gz $ cd mecab-ipadic-2.7.0-20070801 $ ./configure --prefix=/usr/local/mecab --with-mecab-config=/usr/local/mecab/bin/mecab-config --with-charset=utf8 $ make $ sudo make install
この記事はLINEで動作する栄養士Botを開発するチュートリアルのPart1です。 食べたものを通常の話言葉でBotに報告すると、その食べ物のカロリー、栄養量を教えてくれる、というシロモノを開発していきます。 Bot本体のプログラムはNode.jsで開発し、Heroku上で稼働させます。その後、自然言語処理のapi.aiや形態素解析サービス、食品の栄養情報が格納されているクラウドデータベースと連携しながらBotを構築していきます。 このチュートリアルはOracle Cloud Developers Meetupでおこなうワークショップを記事化したものです。実際には動作するBotのデモンストレーションをご覧いただいてから作業に着手する流れとなっています。上図はその完成型のBotのアーキテクチャーで、このチュートリアルでは食事履歴の保存はカバーしない予定です。 今回はまず開発環境をセットアップ
概要 このチュートリアルでは、ECサイトなどでの顧客の商品購買履歴から、お客様がセット買いしそうな他の商品を予測する手順を解説していきます。 データはOracle Database Cloudに保存されており、High Performance Edition以上のインスタンスが利用されているという前提です。この環境は無償のトライアル環境をサインアップすることで入手することができます。 このチュートリアルで利用するデモ・データもあらかじめ入っているため、すぐに検証をスタートできます。 必要な環境 Oracle Database Cloud - High Performance Edition以上 SQL Developer(無償のソフトウェア。この記事ではバージョン4.1.5を利用) 機械学習機能を有効化する SQL Developerで対象のPDBに接続する データベース接続を作成するため
畑Botのデモ これはLINEを使って畑と対話するIoTアプリです。 Raspberry Piを使ったセンサーデバイスから土壌湿度情報を計測し、クラウドのデータベースに定期的に情報を保存し、それをWebコンソールで可視化しています。ここまではIoTのごく一般的かつ最もベーシックなユースケース。 この仕組みを裏側で動作させつつ、BotをLINE上で動作させてLINEをアプリのUIとし、「畑と対話する」ことを可能にする例です。 このアプリ自体は非常にシンプルな仕様ですが、BotをUIとすることでこれまでのアプリとは少し異なるシステムが構築できる可能性を示唆していると思います。 その構成要素について少しばかり詳しく見ていきたいと思います。 Botとは? Botは 人の代わりに何かをしてくれるプログラム と解釈して大きな乖離はないと思います。 従来は悪意のあるプログラムやウィルス、という認識もあり
概要 Rは対話的にデータ分析をおこなうことに適したプログラミング言語であり、それに加えてデータの可視化などのパッケージも含むデータ分析の「スイート」と言えます。 この記事ではまだRに触れたことがないユーザーが、Rの基本を解説しつつ、決定木およびランダムフォレストと呼ばれるアルゴリズムを用いた予測モデルを作成する手順までをチュートリアル形式でカバーしていきます。 このチュートリアルを終えると、構造化データの統計を瞬時に算出できるようになり、かつ、その分析モデルをつかって予測をおこなうことができるようになります。 環境 OSはMacOS X Yosemiteを利用しますが、Macの他のバージョン、およびWindowsでもほとんどの手順はそのまま適用できるはずです。 下記URLよりお使いのOSに合ったRをダウロードします。 https://cran.ism.ac.jp インストーラーを実行します
Expressとは? Node.jsは言わずとしれたサーバーサイドJavascriptの実行環境。 ExpressはそのNode.jsでの王道的な開発をスピードアップするためのフレームワークです。 Expressを使った開発効率向上の具体例としてREST APIの開発があります。REST APIを提供するWebサービスを開発する場合、URIやBodyを解析してリクエストの内容とデータを識別する必要があります。 例えば写真共有サービスを開発していて、とある写真を返すREST APIを提供する必要があるとします。このAPIが下記のようなフォーマットになるとします。 このAPIを提供するサーバーは上記URIから下記のようにリクエストの内容を解析する必要があります。 このリクエストは1枚の写真を要求している。 リクエストしている写真のIDはYOUR_PHOTO_ID。 これは例えば正規表現などのパ
flicって何? IoT対応ボタンで、ボタンを押した際に様々なネットワーク経由のアクションを実行することができます。Bluetoothでスマホとつながり、スマホ経由でネットワークにつながるという仕組みです。 こちらのビデオは英語ですが、見てるだけでもなんとなく利用シーンは感じ取ることができると想います。 Official Video: Flic - The Wireless Smart Button 空き会議室を増やすアプリのデモ このアプリはオフィスの会議室にボタンを設置しておき、会議を開始する際にボタンを押すことで、flicが「この会議室は利用中だよ」とスケジューラーにマークしてくれるという仕組みです。逆にボタンを押さないと、スケジューラーで会議室を押さえていても空いているとみなされます。つまり部屋を予約だけして実際には使っていないという浪費を解消できるわけです。 構成 この仕組みで必
Googleの機械学習フレームワーク「TensorFlow」でImageNetの学習データを使った画像認識を試してみた - TensorFlowのインストールから画像認識まで機械学習TensorFlowImageNet この記事はGoogleが公開した機械学習フレームワークのTensorFlowを使って画像認識を試してみたときのセットアップ手順と画像認識結果について記載しています。公式ドキュメントのチュートリアルではいくつかハマりどころがあったのでそこの解決策も折り込んでいます。 画像認識はあくまでもTensorFlowの用途の一つであり、この記事はTesnorFlowの本質や機械学習というテーマを深堀するというより、現在の画像認識のレベルとそのテクノロジーが身近になっているというところをお伝えすることに重きを置いています。 TensorFlowとは? TensorFlowはいわゆる機械学
Express + Node.jsで基本を理解した次の一歩 - ディレクトリ構成をルーティング・ミドルウェアを理解して考えてみるNode.jsExpress Expressを利用したアプリはその構成要素をサーバーサイドの処理、3rd Partyのライブラリ群、UIを構成するテンプレート、静的ファイルなど幾つかの種類にコンポーネントを分類できます。 これらを見通しよく、容易に拡張できるような構成にするためには整頓されたディレクトリ構成を組むことが重要で、多くの人がこのベストプラクティスについて思い悩んでいるのではないかと思います。今回はこのディレクトリ構成のベストプラクティス、というより、どのようなパターンでも共通する基本の考え方についてまとめてみようと思います。 様々な議論があるところですが、共通して言えるのは自分で一から考えるよりも、なんらかのジェネレーターが生成する構成をベースにすべき
このページを最初にブックマークしてみませんか?
『@nkjmのマイページ - Qiita』の新着エントリーを見る
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