自律走行ロボットの制御技術 -モータ制御からSLAM技術まで- (設計技術シリーズ) 作者:正木 良三発売日: 2018/12/19メディア: 単行本 目次 目次 背景・目的 読んだ感想 ROSのPub/sub通信のオーバーヘッド MongoDBとMariaDB PythonからMongoDBを利用するpymongo PythonからC++の関数やクラスを呼び出すためのpybind11 Go言語の使い道 GCP, AWSによるクラウド管理 TrioによるPythonの並行処理 背景・目的 最近リリースされたこちらの記事にて、 GROOVE Xが開発した家庭向けロボット 「LOVOT」で活用されている技術に ついての紹介を読みました。 xtech.nikkei.com かなり読み応えのある内容でとても 面白かったので、読んだ感想と興味 深かったところについて調べたメモ を残しておきます。 読

Python実践データ分析100本ノック 作者:下山 輝昌,松田 雄馬,三木 孝行出版社/メーカー: 秀和システム発売日: 2019/09/27メディア: 単行本 目次 目次 背景・目的 ソースコード 使い方 インストールと起動 CSVファイルの読み込み 各データの最大値、最小値、平均値、標準偏差の計算 グラフの作り方と種類 2次元の線グラフ 3次元の線グラフ 2次元の散布図 3次元の散布図 1次元のヒストグラム 今後 背景・目的 何かしらのデータを取得し解析する時は、まずCSVファイルに保存して、 それをPythonなりMATLABなりで読み込んでグラフ化する、というやり方を よくやります。 ただし、解析するたびにそのためのコードを書くのも面倒くさいので、 どんな内容のCSVファイルでも同じ処理でグラフ化出来る方法がないかと 調べていたところ、こちらのような可視化ツールを作っている人達が

いちばんやさしいGit&GitHubの教本 人気講師が教えるバージョン管理&共有入門 (「いちばんやさしい教本」シリーズ) 作者:横田紋奈,宇賀神みずきインプレスAmazon 目次 目次 はじめに 前提条件 作業対象とするGitHubリポジトリ SourceTreeについて 今回のシナリオ Step1: リモートリポジトリをローカルにクローンする Step2: 3人それぞれのブランチをmasterから作成して作業開始 Step3: Bの作業が先に完了→プルリクを作成してマージ Step4: Shisatoの作業ブランチにBの完了分をマージして作業継続→完了したらプルリクを作成してマージ Step5: Aの作業ブランチにShisatoとBの完了分をマージして作業継続→完了したらプルリクを作成してマージ Step6: 追加作業でブランチ作成してマージしようとしたらコンフリクト→コンフリクトを解

実践UML 第3版 オブジェクト指向分析設計と反復型開発入門 作者:クレーグ・ラーマンピアソンエデュケーションAmazon 目次 目次 はじめ Markdownで書くメリット Markdown記法一覧 環境構築手順 1. Visual Studio Codeをインストールする 2. PlantUMLをインストールする 3. Javaをインストールする 4. Graphvizをインストールする 5. Markdown Preview Enhancedをインストールする 環境構築後の動作確認 Markdownでドキュメントを書く際に便利な拡張機能 1. Paste Image 2. markdown-index 作成したドキュメントをHTMLやPDFに変換する 今回参考にさせていただいた記事 はじめ 自分はこれまでソフトウェア開発において仕様書や設計書を作成する際、Enterprise Arc

Cython ―Cとの融合によるPythonの高速化 作者:Kurt W. SmithオライリージャパンAmazon 目次 目次 はじめに Cythonとは PythonとC言語を組み合わせるメリット 参考記事 ステップ1: C言語のコードを書く ステップ2: C言語のコードをラッピングするCythonコードを書く ステップ3: Cythonコードをビルドするsetup.pyを書く ステップ4: コンパイル・ビルドする ビルドする際のハマりポイント ステップ5: ユニットテストのPythonコードを書く 今後の課題 はじめに 自分は普段の仕事でC言語のプログラムを実装するのがメインです。しかしながら、今の職場にて自分が実装したC言語のソフトをデバッグするためには、実際のコントローラに書き込んでからベンチシミュレータで動かす、くらいしか方法がありません。 いちいちコントローラに書き込んだりす

目次 目次 はじめに 特徴量(Feature Value) 学習(Learning) 教師あり / なし学習(Supervised / Unsupervised Learning) 最適化問題(Optimization Problem) 座標降下法(Coordinate Descent) 最急降下法(Gradient Descent) 確率勾配法(Stochastic Gradient Descent) 汎化性能(Generalization Ability) 新しい特徴量を作る(Creating New Feature Value) 多層ニューラルネットワーク(Maltilayer Neural Network) ランプ関数(Ramp Function) 鞍点(Saddle Point) ヘヴィサイド関数(Heaviside Function) 分離超平面(Separating Hype

背景・目的 参考記事 Kaggleとは？ 扱われたお題 プロセス①: データの中身を確認する プロセス②: データの相関を調べる プロセス③: 欠損したデータを補完する プロセス④: モデリング前の事前処理 プロセス⑤: 解析とモデリング 最終的な結果 背景・目的 世の中の凄腕データサイエンティスト達はどのようにしてデータ分析をしているのか調べていたところ、Kaggleのコンペに参戦して上位に食い込んでいる人の技術記事を見つけました。最終的にモデルを作って予測をするところまでの過程が分かりやすくまとまっているので、とても参考になりました。 今回の記事は、上記の記事を読んで学んだデータ分析のプロセスについてのメモです。 参考記事 www.mirandora.com www.mirandora.com www.mirandora.com Kaggleとは？ 世界中で30万人以上のデータサイエン