指定した情報の グラフ表示 / ガジェット表示 / タスクトレイ表示 にも対応したハードウェアモニター。 現在使用しているパソコンの CPU や GPU、メモリ、HDD の 使用率 / クロック周波数 / 温度 / 消費電力 / 電圧 / ファンの回転数 等々の数値を、リアルタイムに計測してツリー表示できるようにしてくれます。 指定した情報を、折れ線グラフや独自のガジェットに表示したり、タスクトレイアイコンとして表示させたりする機能も付いています。 「Open Hardware Monitor」は、各種ハードウェアの情報をモニタリングすることができるソフトです。 パソコンに搭載されている CPU / メモリ / HDD / GPU などの 使用率 動作クロック 消費電力 電圧 温度 使用容量 / 空き容量 等々を、ツリー形式で一覧表示することができるハードウェアモニターで、複数のハードウェ

はじめに Alexaの定型アクションにいつの間にかIFTTTが追加されていました。 これまでもIFTTTのThisにAlexaを指定できたので定型アクションを使うメリットがわからなかったのですが、実際に使ってみると違いやメリットがあったのでまとめました。 今回はスタイリッシュに会社から帰宅できる定型アクションを作ってみます。 シュッと帰りましょう。お先でーす！ まとめ これまでIFTTTでAlexaを使うと「○○をトリガー」と言う必要があったけど定型アクションを使うと指定フレーズだけで済む。 IFTTTで指定したアクションだけでなくカスタムスキルやその他のアクションを同時に実行できる。 IFTTTとは 「これをしたらあれをする」ができるWebサービス これ / あれ = IFTTTに対応しているたくさんのWebサービス 例えば「朝7時になったら、LINEへ天気予報を送る」ことができます。

[Alexa] Login with Amazon との Account Linking で名前を呼びかける挨拶とかメールを送信するスキルを作ってみました 1 はじめに Amazon Alexa(以下、Alexa)のスキルには、Account Linkingという機能があり、他サービスの機能を利用することができます。 参考 Amazon AlexaのAccount Linkingを使ってAmazon EchoからTwitterに書き込ませてみる [Alexa] Account Linking を使用してスキルからFacebookに投稿してみました Account Linkingは、OAuth2で利用可能ですが、今回は、 Login with Amazon (以下、LWA)とのリンクを試してみました。 下記の動画は、LWAからプロファイル（名前とメールアドレス）を取得して、名前を呼びかける挨

株式会社ラクーンホールディングスのエンジニア/デザイナーから技術情報をはじめ、世の中のためになることや社内のことなどを発信してます。 開発チームの下田です。 こないだ第3世代のecho dotが発売されました。が、第3世代のecho dotは独自仕様の電源で、ちょっと不便だと思いました。 そこでなくならないうちにUSB給電の5V 2Aで動作する第二世代のecho dotを購入しました。 足りない機能は自分で開発できて楽しいです。Alexaに自然に語りかけるようにIFTTTを操作できるスキルを作ってみたので、手順を説明します。 IFTTTとは IF This Then Thatの頭文字から名前をつけられたサービスで、直訳すると「これならば何かする」という意味です。 例えば、「3時になった」ならば「おやつの催促をメール」するといったことができるサービスです。 時間だけでなく、特定のURLにリク

◆USBシリアル変換ケーブルをESP32-CAM 開発ボードに接続する。 USBシリアル変換ケーブルにドライバーが必要なら先にパソコンに接続してドライバーをインストールして使用できる様にした後にショート防止の為に一旦USBスロットから取り外して下さい。 ESP32-CAM 開発ボードのカメラが付いている側に小さくシリアルが刻印されているので虫眼鏡などを使って文字を確認します。 UORのピンにシリアルケーブルのTXDを接続（画像では白） UOTのピンにシリアルケーブルのRXDを接続（画像では薄緑） IO0 と GNDのピンにジャンパーピンを刺す 5Vのピンにシリアルケーブルの＋５Vを接続（画像では赤） GNDのピンにシリアルケーブルの−５Vを接続（画像では黒） 以上の６ピンを正確に処理します。 ◆Arduino IDE をパソコンにインストール。 https://www.arduino.cc

はじめに 料理の失敗談として「弱火で10分のところを強火ですれば時間短縮になる！」といって「外は黒焦げ、中が生焼け」となるという話をよく(?)聞きます。これはなぜでしょうか?今回はこれについて熱伝導方程式を解いてもとめようというのが今回の記事の趣旨です。 理論と手法 物理において何が現象の主要な支配要因になってるかを把握するためにはパラメータを最小限に抑えて、現象をもっともらしく表現できる近似をしてあげることが大切です。今回は最低限、現象を説明できる条件の1次元の熱伝導を計算します。また、厳密に解けそうな気がしますが数値計算を用いて解いていきます。 ということで1次元のお肉を焼いていきましょう。1次元の熱伝導方程式は下記のように表現できます。 ここでTは肉内部の温度分布で時間tと位置xの関数、κは熱拡散率です。肉の熱拡散率は(杉山,2013)*1にかかれている1.30×10^－7 m2/s

ケース2：○○過ぎる 何ごとも、「極端に○○過ぎる」のはよくないものですね。切削加工だって同じです。 先ほどの隅Rの観点からすれば、「Rが小さ過ぎる」、あるいは「形状が深過ぎる」というのがビビりの原因となることは理解できたかと思います。 それ以外にも、「肉厚が薄過ぎる」「突起部分が長過ぎる」「硬過ぎる」など……、「○○過ぎる」困った図面に筆者たちが遭遇することがしばしばあるのです。 薄過ぎる 例えば、簡単なようで難しい例です（図8）。 「300mm×300mm×t3.0mmの板を製作してほしい」とのご要望。ただし、「素材はSUS304で平面度0.02、平行度0.02以下」――これ、確実に反りが発生します。 素材にはもともと素材成形時の残留応力が存在します。 ここで、さらに切削加工により物理的な力が加わりますので、工作機械に取り付けているときは平面度が出ていても、取り外したとたんに反りが生じ

本記事では、タグチメソッドの回帰手法「T法」についてまとめていきます。重回帰分析では、説明変数から目的変数が発生していると考えています。一方でT法では、目的変数から説明変数が発生していると考えています。 T法とは？用いられる、データタイプは重回帰分析と同じです。 つまり、一つの目的変数と複数の説明変数があり、連続変量を考えています。 重回帰分析との違いは、データ発生の背景にあります。 重回帰分析では、説明変数から目的変数が発生していると考えています。 一方でT法では、目的変数から説明変数が発生していると考えています。 左図：重回帰のモデル（説明変数は独立）、右図：T法のモデル T法では、「重り」と「秤」のモデルとしてよく知られています。 一つの「重り」を複数の「秤」で測ったときにそれぞれの秤の重要性によって総合して「重り」の重さを推定する方法と考えられています。 秤の重要性はSN比と呼ばれ

本項において前述した偏微分方程式は、コンピューターで解くことができる一連の代数方程式へと離散化または変換されなければなりません。この離散化は、数多くの手法によって行うことができます。最もよく利用される手法（利用可能な商用数値流体力学（CFD）コードの数に基づき）には、以下の3つの手法があります。 有限差分法 有限体積法 有限要素法 有限差分法では、微分項が級数展開法（通常は テイラー級数）と置換されます。通常、級数は第1項または第2項の後が切り捨てられます。含ませる項を増やせば増やすほど、計算はより正確になります。しかし、項が多ければ多いほど、計算は複雑化し、離散点または計算ノードの数が劇的に増加します。この方法は、規則的な形状のジオメトリには簡単に適用することができます。しかし、不規則的な形状のジオメトリに関しては、テイラー級数を適用する前に、方程式を変換する必要があります。この変換によ

Pythonの標準ライブラリのcsvモジュールを使うと、CSVファイルの読み込み・書き込み（新規作成・上書き保存・追記）ができる。 csv --- CSV ファイルの読み書き — Python 3.11.4 ドキュメント csvというモジュール名だが、カンマ区切りに限らずタブ区切り（TSV）など任意の文字列で区切られたテキストファイル（CSV: Character Separated Value）を処理可能。 すべての引数について触れているわけではないので詳細は公式ドキュメントを参照されたい。 最後に触れるが、CSVファイルから読み込んだデータの平均や合計を算出するなどといった処理を行う場合はNumPyやpandasの使用をオススメする。 本記事のサンプルコードでは、csvモジュールと表示を見やすくするためのpprintモジュールを使う。 関連記事: Pythonのpprintの使い方（リ

物理の基礎分野について分かりやすく解説しています。大学で学ぶ範囲を広く取り扱っていますが、高校で物理をやっていない初学者の方でも楽しく読めるようになっています。

著者のTyler Folkman氏は、アメリカ・ロサンゼルスやイギリス・ロンドンに拠点を置くコンテンツマーケティング会社Branded Entertainment NetworkでAI技術部門のリーダーを務めています。同氏がMediumに投稿した記事「小さいデータにもとづいてディープラーニングを使う方法」では、小さいデータでディープラーニングモデルを構築するノウハウが解説されています。 同氏は、小さいデータでディープラーニングモデルを構築するノウハウとして以下のような7つの方法を提案します。 小さいデータでディープラーニングモデルを構築する7つのノウハウ データ収集

最終更新日： 2023年2月17日 AIツールは多くの種類があって何を選んだら良いのかわからない方も多いのではないでしょうか。AIはデータの傾向から未来や現在を分析することができます。 ツールの中でも何ができるのか、何を基準に選べば良いのかがはっきりすると選びやすいですよね。 今回は、AI分析のツールの選び方や、GUIツールが注目されている理由、おすすめのGUIツールを紹介するとともに、「AI分析」についてご紹介します。 AIツールおすすめ10選 AI構築ツール AI構築ツールとはAIを開発するためのツールです。従来はAIの開発には高度なプログラミング知識などが必要でしたが、AI構築ツールを使えば、マウス操作だけで手軽にAI開発に取り組めます。 Amazon SageMaker Amazon SageMakerはAmazonが提供している機械学習モデルを構築して使える状態にまでするツールで

最新記事一覧はこちら もっと深く学びたいならスタビジアカデミー スタビジのコンテンツをさらに深堀りしたコンテンツが動画と一緒に学べるスクールです。 プレミアムプランでは現役データサイエンティストがマンツーマンで伴走させていただきます！ご受講お待ちしております！ スタビジアカデミーはこちら 勉強ロードマップ 【Python独学勉強法】Python入門を３ヶ月で習得できる学習ロードマップ当サイト【スタビジ】の本記事では、過去僕自身がPythonを独学を駆使しながら習得した経験をもとにPythonを効率よく勉強する方法を具体的なコード付き実装例と合わせてまとめていきます。Pythonはできることが幅広いので自分のやりたいことを明確にして勉強法を選ぶことが大事です。... 【5分で分かる】機械学習の独学勉強ロードマップを徹底的にまとめていく！当サイト【スタビジ】の本記事では、機械学習の独学勉強ロー

サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。

(図書館学系の話題でもあるからちょっと悩んだけれど、文献読解全般に関する内容だからこちらへ) 既に日々論文をバリバリ読んでいるひとには今更な記事だろうけれど、分野ごとの違いもあって興味深かったのでざっくり記録する。 論文を大量に読む際に、頭から几帳面に読んでいると時間がどれほどあっても足りないし、後から「こんなことが書いてあった論文なんだったっけ？」という問題も発生してしまう。 研究者の皆様はMendeley などの文献管理ツールをを用いていることが多いかとは思うが、それでも論文の読み方そのものに工夫をすればインプット/アウトプットの効率が圧倒的によくなるので、やってみるにこしたことはない。 その工夫とは何かというと、論文を読むときに「特定の問いに集中して読む」というものだ。学術論文は分野ごとの違いはあれ、必ず特定の流れに従って構成されている。そこで要点のみに注目して読み、他の事項を捨てる

0. はじめに OpenFOAM1はオープンソースの流体解析ツールで、運用コストが掛からないことから、導入を考えている方が多いのではないでしょうか。2 OpenFOAMの導入には、Linux環境が必須のため、Windowユーザは仮想化環境構築、デュアルブート等の対応が必要でした。 しかし、2017年のWindows 10 Fall Creators Updateで、Windows 10の正式機能にLinux互換環境「Windows Subsystem for Linux (WSL)」が搭載されました。3 これにより、Window上で簡単にLinux OSを導入できるようになったので、OpenFOAMの環境構築も大変導入しやすくなりました。ここでは、 Windows Subsystem for LinuxでLinux環境構築から、OpenFOAMのチュートリアル実行までを記します。4 1.