Edwardを試してみた(1) MCMCでベイズ線形回帰 - xiangze's sparse blog
今更ながら確率的プログラミングのライブラリEdwardを試してみました。 http://edwardlib.org/tutorials/ 確率的プログラミング 統計的なモデルの(ベイズ)推定が出来るという点でstanやpymcと似ていますが、Edwardはより広く確率的プログラミング(Probabilistic Programming) という枠組みを実現したライブラリであり、Variable AutoEncoder(VAE)やGenerative adversarial networks(GAN)なども比較的簡単に実装できるようです。 また直接関係ないのですがstanやpymcでは最初にMCMCが実装されあとで自動変分ベイズが実装されたのでインターフェースがMCMCよりですが、EdwardはMCMC,変分ベイズ双方での計算ができ、変分ベイズのほうはより細かい計算の指定が出来るような印象で
ScratchとPythonをつなげて顔認識やメール・Slackを送ったりする話
子どもでも使えるプログラミング言語ScratchとPythonをつなげてScratchの値を送受信。ScratchではできないメールやSlackの送信、画像認識やWeb連携、データをテキスト出力、OSコマンドの実行などをする話。 何ができるの？ Pythonで動く何か（結果）をScratchで使いたい Scratchから任意のOSコマンドを実行したい（メールやSlackへ送信、Webからファイルを取得、テキストで出力など） USBカメラによる顔認識や色認識結果をScratchで使いたい 遠隔/ローカルのScratchへPythonの値を送りたい 遠隔/ローカルのScratchからPythonで値を受け取りたい 遠隔/ローカルのPython/ScratchへPython/Scratch/Pyonkeeの値を中継したい などなど 工夫次第でいろんな事ができるようになるのでは無いかと思います。ち
最強のPython統合開発環境PyCharm - Qiita
新しい言語を習得するにあたって良きIDEというのは最良の師匠となるのでケチらず積極的に使うべきと思っています。 というわけで、Python における最強の統合開発環境である PyCharm について紹介します。 一番多いとは思うので Django による WebApplication 開発を想定して書いています。 機能や価格体系等については 2015年12月15日 の PyCharm 5.0.2 時点のデータです。 概要 PyCharm は高品質なIDEで有名なチェコの JetBrains s.r.o. が出している Python 向けIDEです。 Widows / OS X / Linux で動作可能。 JetBrains のIDEは IntelliJ IDEA という Java IDE がベースとなっており PyCharm はその Python プラグインとして開発されています。 他に
GitHub - rstudio/reticulate: R Interface to Python
The reticulate package provides a comprehensive set of tools for interoperability between Python and R. The package includes facilities for: Calling Python from R in a variety of ways including R Markdown, sourcing Python scripts, importing Python modules, and using Python interactively within an R session. Translation between R and Python objects (for example, between R and Pandas data frames, or
random – 疑似乱数の生成 - Python Module of the Week
ページコンテンツ random – 疑似乱数の生成 乱数の生成 シード (種) 状態を保存する ランダムな整数 ランダムな要素を選ぶ 順列 同時に複数生成する SystemRandom 不均一分布 正規分布 近似 指数関数 角度 サイズ ナビゲーション コンテンツテーブル 前: operator – ビルトイン演算子に対する関数インタフェース 次: インターネットデータ操作 This Page Show Source サンプルプログラム PyMOTW の全てのサンプルプログラムの出力は、 注記されていない限りは Python 2.7.2 で生成されています。 標準ライブラリの初期のバージョンでは利用できない機能も紹介している 可能性があります。
The Python Tutorial
The Python Tutorial¶ Python is an easy to learn, powerful programming language. It has efficient high-level data structures and a simple but effective approach to object-oriented programming. Python’s elegant syntax and dynamic typing, together with its interpreted nature, make it an ideal language for scripting and rapid application development in many areas on most platforms. The Python interpre
Pythonのmatplotlibで、複数の地図とデータを同時にプロット - Qiita
地球惑星科学の研究などをやっていると、1つの図に複数の地図とデータを同時にプロットしたいという場面にしばしば遭遇する。 試しに今回は、Pythonのmatplotlibを用いて、 1〜12月の1ヶ月毎の2次元データ(全球の海面水温データ)を地図とともに同時に1つの図にプロットする ことを目標とする。 1. 複数の地図を同時にプロット コード import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.basemap import Basemap xlim = [100, 170] # 図の範囲(x軸方向：経度) ylim = [10, 60] # 図の範囲(y軸方向：緯度) column = 3 # 列の数 fsizex, fsizey= 16, 18 # 図の横・縦の長さ line_interval = 15
【Python】データサイエンティストのためのPython開発記事紹介 - 歩いたら休め
後輩が数値計算を使う、簡単なバッチ処理をPythonで書き始めました。 一応私もPythonの知識ならそれなりにあるのでいろいろ教えられることは（まだ）あります。 そのための予行練習としていろいろまとめておきます。 正直、自分よりもっと数値計算やプログラミングに関する知識と経験豊富なエンジニアがいれば、 彼ももっといろいろなことができるようになっているんじゃないかと思ってしまい、申し訳なさを感じています。 Pythonの言語のイディオムを覚えよう まずは、道具であるプログラミング言語を使いこなせるようになりましょう。 おすすめは『Pythonチュートリアル第3版』です。 Pythonチュートリアル 第3版 作者: Guido van Rossum,鴨澤眞夫出版社/メーカー: オライリージャパン発売日: 2016/03/24メディア: 単行本（ソフトカバー）この商品を含むブログを見る WEB
Anaconda and Docker – Better Together for Reproducible Data Science | Anaconda
Anaconda integrates with many different providers and platforms to give you access to the data science libraries you love on the services you use, including Amazon Web Services, Microsoft Azure, and Cloudera CDH. Today we’re excited to announce our new partnership with Docker. As part of the announcements at DockerCon this week, Anaconda images will be featured in the new Docker Store, including A
Dash Master Class
Take part in advanced hands-on classes for one of the fastest growing data visualization libraries If you’re interested in creating interactive web applications in Python then this course is for you! All levels are welcome – you’ll excel the most if you’re familiar with the basics of Python or already using Python for data analysis. Already an advanced user? No problem! Bring your projects and you
データサイエンティストを目指す人のpython環境構築 2016 - Qiita
pythonの環境構築について "python 環境構築"でググると20万件くらいヒットしますが、割と内容が古いです。 タイトルにはデータサイエンティストと書いてありますが、データサイエンティスト以外にもanacondaはおすすめです。 2.x or 3.x? 3.xは動かないライブラリが多いので2.x推奨 > 3.xで動かないライブラリがある、くらいまで来ました。 easy_installでpipを入れて、setuptoolsも入れて、でもwheelというのもあって... > 古いです。 virtualenv 必須 > そんなこともないです。 winでは64bitは不具合が多いので32bit推奨 > 古いです。 winでは非公式バイナリからダウンロードしてインストール > お世話になりましたが、最近は使っていません。 2016版 OS毎python環境構築法決定版 Windows: an
たった数行のPythonコードで打者大谷翔平がどれだけ凄いのかを見てみる - Lean Baseball
先に言っておくと、 あくまでもネタです 機械学習とか高度なネタは出てきません. あくまで参考程度に、ただし世の中のスポーツ系サイトや新聞よりまっとうにデータで見ている(と思われる) そんな感じで気楽に見てもらえればと. 打者「大谷翔平」の2016年 打撃成績 前日(2016/7/2)までの成績. .336/9/24(打率/本塁打/打点) .440/.638/1.078(出塁率/長打率/OPS) 0/0/0(三塁打/犠打/盗塁) 本日(2016/7/3)は「１番(投)」で二刀流スタメン起用、プレイボール弾(初回初球先頭打者本塁打)を決めるなどして、打撃成績は向上しています. ここでクエスチョン 大谷翔平の何が変わったのか? 三振が減った 四球が増えた パワーがついた キャリアハイな成績を残す(と思われる)打者大谷の強みはナンだ!? なお、 二刀流した結果打撃に良い効果が? 相手が弱くなったo
Pythonのデータ分析関連パッケージインストール - katz's adversaria
pippip は Python におけるパッケージ管理システムインストール方法 Ubuntu $ sudo apt-get install python-pip Mac $ brew install python NumPyNumPy は数値計算を効率的に行うためのライブラリインストール方法 Ubuntu $ sudo apt-get install python-dev $ sudo pip install numpy Mac $ pip install numpy SciPySciPy はプログラミング数学、科学、工学のための数値解析を行うためのライブラリインストール方法 Ubuntu $ sudo apt-get install gfortran libopenblas-dev liblapack-dev $ sudo pip install scipy Mac $ brew ins
Install and Use — Jupyter Documentation 4.1.1 alpha documentation
Install and Use# This page contains information and links about installing and using tools across the Jupyter ecosystem. Generally speaking, the documentation of each tool is the place to learn about the best-practices for how to install and use the tool. Jupyter Notebook Interface# The Jupyter Notebook interface is a Web-based application for authoring documents that combine live-code with narrat
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
GitHub - jupyterlab/jupyterlab: JupyterLab computational environment.
Docker
Changing Python executable to Ananconda · Issue #812 · rstudio/rmarkdown
GitHub - datacamp/datacamp-light: Convert any blog or website to an interactive learning platform for data science
runr/README.md at master · yihui/runr
RPubs - Run Python from R