【Python】米国株の株価データを取得する
米中貿易戦争にも関わらずNYダウは史上最高値を更新しまくっており、えらい盛り上がっているんやなということで、最近米国株にも興味が出てきました。 調べてみると米国株のデータはpythonを使うと割と簡単に株価データを取得できることがわかったので、取得方法を書いておきたいと思います。 pandas_datareaderとは米国株の株価はpandas-datareaderというモジュールを使うことで取得することができます。 このpandas_datareaderというのは、米国株だけでなく、原油価格や為替のデータなどを、以下に示すインターネット上の様々なデータソースから取得できるようになっており、めちゃくちゃ便利なモジュールです。 日本株と違ってどこかのサイトからスクレイピングする必要がないので、すごくありがたいですね。海外ってこうゆうデータがオープンになっていて羨ましいです。 TiingoIE
高速化のためのPython Tips - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか？私は元気です。 Pythonにおける高速化手法を掲載してみます。 簡単なコード並びに索引のような感じで引けるようなイメージで作成しました。 本日の目次です。 Pythonにおける高速化の必要性 Pythonの高速化 高速化の手順 Profiling 基本的な条件 計測コード Pythonの基本的な書き方部分 rangeよりxrangeを（Python2.7） リストの生成 文字列結合 Import文のコスト 関数呼び出しのコスト ドットを避ける yieldを使う Numpyに関するTips Numpyを使用して基本演算を高速化する Numpyの要素にアクセスする演算をしない Numbaで手早く高速化 その他高速化ツール Cython Dask PyPy 感想並びに展望 参考文献 Pythonにおける高速化の必要性 PythonはC++やJavaと比較すると非
Python Data Science Handbook | Python Data Science Handbook
This website contains the full text of the Python Data Science Handbook by Jake VanderPlas; the content is available on GitHub in the form of Jupyter notebooks. The text is released under the CC-BY-NC-ND license, and code is released under the MIT license. If you find this content useful, please consider supporting the work by buying the book!
Blog on Plone ! — Blog on Plone ! : coreblog.org
初学者にとってプログラミングを難しくしている理由の一つは，プログラムが動いている様子を想像しづらい，という点です。プログラムに，変数，ループや条件分岐があるので，状態によって実行結果が変わります。同じプログラムでも，与えられる条件や内部状態によって違った動きをします。 熟練したプログラマであれば，条件による挙動の変化や内部状態の境界値を巧みに脳内で想像しながら，すいすいとプログラムを作ってゆくことができます。しかし，初心者にはそのようなことが難しい。そのため，とりあえずプログラムを書いてみて動かしてみるのですが，内部状態の遷移による挙動の変化をうまくイメージできないので，間違えるし，また間違いの原因がどこにあるか理解できなかったり，結果として正しく動くプログラムを作ることができないのです。 4月19日(水)に開催される勉強会にお呼ばれして，お話をすることになった。10年間多くの方に読んで頂
データサイエンティストもしくは機械学習エンジニアになるためのスキル要件とは（2017年夏版） - 渋谷駅前で働くデータサイエンティストのブログ
この記事は2年前の以下の記事のアップデートです。 前回はとりあえずデータサイエンティストというかデータ分析職一般としてのスキル要件として、「みどりぼん程度の統計学の知識」「はじパタ程度の機械学習の知識」「RかPythonでコードが組める」「SQLが書ける」という4点を挙げたのでした。 で、2年経ったらいよいよ統計分析メインのデータサイエンティスト（本物：及びその他の統計分析職）vs. 機械学習システム実装メインの機械学習エンジニアというキャリアの分岐が如実になってきた上に、各方面で技術革新・普及が進んで来たので、上記の過去記事のスキル要件のままでは対応できない状況になってきたように見受けられます。 そこで、今回の記事では「データサイエンティスト」*1「機械学習エンジニア」のそれぞれについて、現段階で僕が個人的に考える「最低限のスキル要件」をさっくり書いてみようかと思います。最初にそれらを書
Automate the Boring Stuff with Python
By Al Sweigart. Over 500,000 copies sold. Free to read under a CC license. "The best part of programming is the triumph of seeing the machine do something useful. Automate the Boring Stuff with Python frames all of programming as these small triumphs; it makes the boring fun." - Hilary Mason, Data Scientist and Founder of Fast Forward Labs "I'm having a lot of fun breaking things and then putting
PyQ - 本気でプログラミングを学びたいあなたへ
必要なのはブラウザだけプログラミングを始める時に、最初につまづくのが環境構築です。 PyQでは環境構築なしで、ブラウザをひらけば10秒でプログラミングを始められます。 読む・書く・動かすサイクルで定着PyQのエディター画面では、実際にブラウザの後ろでPythonが動いています。これにより、教材を読む→コードを書く→実際に動かすという流れを画面内で完結できます。もちろん、自分で内容を変更して、動かして試してみることもできます。 あなたの興味に寄り添う、1500問以上から選べるコンテンツPyQでの学習は、数個の問題からなる「クエスト」という単位で進みます。 600クエスト・1500問以上存在するすべてのクエストは、好きな順に学び放題。 関連の深いクエストはパート・コースにまとめられており、 直感的に様々なクエストを組み合わせて、自分の興味のある分野を学べます。
IT技術者が不足している4つの理由と求められるエンジニア像｜フリエン
日本のIT業界は日に日に拡大を続けており、現在の日本では最大とも言えるほど大きな分野のひとつに発展しました。ここ最近ですと、特にAI(人工知能)技術やVR(仮想現実)技術などが目覚しい勢いで市場を拡大しています。その他にもクラウド技術をはじめ、様々な技術への注目が増えています。しかしその一方で、IT技術者が不足してしまっているという現状があります。 ここまで大きな分野に発展したにも関わらず、なぜ働く人が不足しているのでしょうか。今回はIT技術者が不足している理由と改善策、現在のIT業界で求められているエンジニア像をご説明していきます。 現在の日本のIT業界で技術者が不足している理由は大きく分けて4つあります。 労働の大変さ まず一つに労働の大変さが挙げられます。 「毎日の残業は当たり前になっている」という意見もIT業界では、さほど珍しくありません。 また、労働時間だけでなく、労働環境が劣悪
Pythonを高速化するCythonを使ってみた - Kesinの知見置き場
突然ですが私はPythonが好きです。でもPythonは遅いです。 何が遅いかというと、致命的なことに四則演算が遅いです。でも他の動的型付け言語でスクリプト言語と呼ばれるPerl, Ruby, Javascript も C, Javaのようなコンパイルを行う静的型付け言語に比べれば圧倒的に遅いです（近年ではJavascriptのように著しく進歩した言語もあるので必ずしもそうだとは言えませんが）。 スクリプト言語が遅い原因の一つは、変数の型が指定されていないので型のチェックを毎回行う必要があるからです。この特性があるおかげ自動的に型を変換してオーバーフローを防いでくれるというメリットもあるのですが、どうしても静的型付け言語よりは速度を出すことができません。 ならPythonのコードに型指定を加えてコンパイルしちゃえばいいじゃん！というのがCythonです。正確にはPythonライクな文法で書
婚活パーティー・恋活パーティーなら、ゼクシィ縁結びイベント
イチオシ [[data.opening_days_date_label]] [[data.opening_days_time]]〜 [[data.tertiary_area_name]] ([[data.secondary_area_name]]) 男性 [[ entryStatus(data.application_deadline_date, data.entry_status_male) ]] [[data.condition_male_from]]〜[[data.condition_male_to]]歳 / 女性 [[ entryStatus(data.application_deadline_date, data.entry_status_female) ]] [[data.condition_female_from]]〜[[data.condition_female_to]]歳
Learn Python - Free Interactive Python Tutorial
Get started learning Python with DataCamp's free Intro to Python tutorial. Learn Data Science by completing interactive coding challenges and watching videos by expert instructors. Start Now! This site is generously supported by DataCamp. DataCamp offers online interactive Python Tutorials for Data Science. Join 11 million other learners and get started learning Python for data science today! Good
【全7冊】Python3の入門書はこれで決まり！レベル別に紹介！ | 侍エンジニアブログ
こんにちは、今日はマレーシアからお届けしています。かいです。 近年、人工知能などの技術が発達していると耳にして、「今年はPythonを勉強してみよう」という方も多いのではないでしょうか。 まず独学でPythonを始めようと思ったら多くの方が書籍を手に取りますよね。 しかし、どの書籍が自分にあっているのか、どの書籍がベストなのか、それを見極めるのってなかなか難しいですよね。 そこで今回は、Pythonの学習本を「入門」「中級」「上級」でレベル分けし、それぞれのレベルに応じたみなさんに最適なおすすめ書籍をご紹介します。 また、最後の方では書籍で勉強するのは苦手だわという人に向けてとっておきの勉強法も紹介しているのでぜひ参考にしてみてください。
機械学習初心者が、素早く学べるコンテンツとライブラリ19選（Python編） - paiza times
Photo by Horia Pernea こんにちは。谷口です。 最近「機械学習に興味がある」「いつかやろうと思ってるんだよね……」と言うエンジニアの方をよく目にします。また、その倍ぐらい「機械学習難しすぎて挫折した」という方も見ます。 弊社のITエンジニアにも機械学習を勉強中という人がいますが、特に最初は難しすぎて何から手を付けたらいいのかよく分からず、とても悩んだと言っていました。そこで同じような悩みを抱えている方の参考になればと思い、初心者の頃に参考になった機械学習入門者の方に役立ちそうな記事やスライドを聞いてきました。 また、Pythonには機械学習のためにデータを処理するライブラリ（数値演算をするためのライブラリや図を作成するためのライブラリなど……）がそろっていて、呼び出したり組み合わせて処理したり……といったことがしやすいため、多くの人が機械学習で使っています。コードも短く
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
AVILEN AI Trend | AI特化型メディア
ロシアの美少女ハッカーによるAI機械学習入門【CV上坂すみれ】｜paizaラーニング
Home | djangoproject.jp
AI（人工知能）の作り方を初心者向けに4つのステップで解説 | 侍エンジニアブログ
nbviewer.ipython.org - A simple way to share Jupyter Notebooks
PyCharm: the Python IDE for data science and web development
Amazon.co.jp: ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装: 斎藤康毅: 本
