VS Codeを極める！ MarkdownやGitにもオススメの拡張機能9選 - ICS MEDIA
「Visual Studio Code（略称：VS Code）」はMicrosoftが提供している無償で高機能なエディターです。標準でも十分な機能は備わっていますが、拡張機能をインストールすることで、より使いやすく自分にあったエディターにカスタマイズできます。 前回の記事では、「HTMLコーダー」「フロントエンジニア」に役立つ拡張機能を紹介しました。本記事では、開発者全般の方に役立つ拡張機能を紹介します。 エディターを強化する拡張機能 1. Clipboard Ring テキストを「コピー」や「切り取り（カット）」したものを「貼り付け（ペースト）」する場合に、この拡張機能を入れることで複数件の内容を記憶できます。ctrl+shift+v（⌘+shift+v）を押すごとに過去の情報に切り替えられます。デフォルトでは10件の情報を記憶できますが、設定を変更することで記憶する件数を増やすことも可
判別分析法（大津の二値化） 画像処理ソリューション
判別分析法【discriminant analysis method】は大津の二値化とも言われ、分離度（separation metrics）という値が最大となるしきい値を求め、自動的に二値化を行う手法です。 分離度はクラス間分散（between-class variance）とクラス内分散（within-class variance） との比で求める事ができ、以下の様に求める。 しきい値 ｔ で二値化したとき、しきい値よりも輝度値が小さい側（黒クラス）の画素数をω1、 平均をm1、分散をσ1、輝度値が大きい側（白クラス）の画素数を画素数をω2、平均をm2、 分散をσ2、画像全体の画素数をωt、平均をmt、分散をσtとしたときクラス内分散σw2は クラス間分散σb2は としてあらわす事ができる。 ここで、全分散（total variance）σtは としてあらわす事ができることから、求める
Python覚えて3ヶ月の素人がCoursera Deep Learning Specializationを1週間で完走した話 - Qiita
Python覚えて3ヶ月の素人がCoursera Deep Learning Specializationを1週間で完走した話PythonDeepLearningポエムディープラーニングcoursera CourseraのDeep Learning Specializationの5コースを1週間で完走してきたので体験レポートを書きたいと思います。1週間での完走はほとんどエクストリームスポーツだったので、実践する方は注意してください。 きっかけ Andrew Ng先生のCousera Machine Learningを受講したら面白かったので、同じAndrew Ng先生ディープラーニングのコースも受講することにしてみました。ただし、機械学習のコースと異なり、ディープラーニングのコースを完全にクリアするには課金（2018年5月現在月額49ドル）が必要です1。CourseraにはFinancia
Chromeで送信したリクエストをターミナル上でそのまま実行可能なcURL形式で取得する方法 - らっちゃいブログ
おまえは何を言っているんだ状態です。興奮しすぎてタイトルに情報を詰め込み過ぎてしまいました。反省します。 何がしたかったかというと、数分に一度しかリクエストされないXHRリクエストを curl で何度も叩きたかったのです。正直、対象のリクエストを curl でエミュレートするのはいろいろヘッダー付けたりで面倒ですし、デバッグ目的だったりするのでなるべく同じ条件で実行したいという願いもあります。 そこで、Chrome の DevTools の出番です！百聞は一見に如かず。こちらを見てください。 画像は本ブログのabout画面です。この画面を取得するリクエストをChromeから取得してみます。 DevTools を開き、[ネットワーク] タブを選択します。一番上に about 画面へのリクエストが表示されているので、右クリックしてみると・・・ いろいろコピーできそうなメニューが表示されました。
Visual Studio CodeにPlantUMLを導入して業務効率化を図る | Keep it up!
私の職場では関数の設計資料としてフローチャートを書く文化が根強く残っています。さらには状態遷移図やシーケンス図なども場合によっては必要になります。これらの図を作成するのに、ツールはword,ExcelやVisioなどを使っていますが、ご存じのとおりこれらのツールで作図するのは非常に面倒です(visioは幾分かマシですが)。 word,Excel,Visioでこれらの作図をする時に感じるデメリットは以下の3点です。 何か解決策は無いかなぁと色々と調べていたところ、PlantUMLというツールがあることが分かりました。PlantUMLはテキストからUMLの各種ダイアグラムを生成することが出来るフリーのツールです。 例えば、以下のようなコードを書くと @startuml Foo -> Bar : メッセージ Foo <-- Bar : レスポンス @enduml このような図を生成することが出来
Windows環境で簡単にUMLを記載する(VSCode, PlantUML) - Qiita
やりたいこと 仕事柄、情報整理のためによく記載するUML しかし、今の職場はUML等を記載し情報共有する習慣がなく 環境を作るにしても、個人でそろえるしかない状態 一番お手軽な記載環境はExcelのオートシェイプだけど以下問題があった... マウス操作が面倒くさい そこそこの記載規模だと重くなる 差分管理がつらく、コンフリクトでも起こそうものなら地獄 メンテしづらく資料が陳腐化しやすい 後半2つは、Excel設計書全般の話だけどひとまず「テキストベースでUML書きたい！！」が本記事作成の動機 実現方法 こちらの作図系ツール・ライブラリまとめを参考にPlantUMLを導入する 選定理由は下記 サポートされているダイアグラムが豊富 VSCode,Atomなど複数のエディタでPluginが提供されている png, svgなど複数形式での出力が行える(Plugin都合で出力形式固定の場合あり) 結
Visual Studio Code で UML を描こう！ - Qiita
この記事では、Windows 環境に Visual Studio Code と PlantUML をセットアップする手順を説明します。 PlantUML とは PlantUML は、以下のような図をテキストで素早く描くためのオープンソースプロジェクトです。 シーケンス図 / Sequence diagram ユースケース図 / Usecase diagram クラス図 / Class diagram アクティビティ図 / Activity diagram コンポーネント図 / Component diagram 状態遷移図 / State diagram オブジェクト図 / Object diagram 環境 下記の環境で動作確認しました。 Windows 10 Pro (64bit) Visual Studio Code 1.11 Java SE Runtime Environment
ビジネス解析とデータベース構築を同時に。T字形ER手法を実践する·TMD-Maker(T字形ER図作成ツール) MOONGIFT
T字形ER図作成ツールはT字形ER手法に沿ってビジネス解析、データベース構築を行うためのモデリングツール。 T字形ER図作成ツールはJava製/EclipseまたはWindows用のオープンソース・ソフトウェア。外部向けのWebシステムの場合と異なり、社内向けの業務システム、基幹システムを開発する中では業務フローの解析は必須だ。その解析手法は様々にある。 Windows向けには専用実行ファイルも トレンドもあるが、その時々に良いものを選んでいると数年後には使えないシステムになってしまったり、保守性が悪かったりする。ここで紹介する方法はT字形ER手法と呼ばれるビジネス解析手法で、その表記を行うモデリングツールとしてT字形ER図作成ツールを紹介する。 T字形ER手法とは、データをリソースとイベントに種別しつつ、ビジネスの解析を行いながらデータのモデリングを行っていく。それによってデータの正規化
Database to PlantUML - データベースの内容からER図を生成
システム開発時にER図を作ることはよくあります。しかし図を作ったとしても、それがデータベースに反映できなかったら絵に描いた餅でしかありません。できれば同期されて欲しいと考えるはずです。 今回紹介するDatabase to PlantUMLは現状のデータベース構造を読み取って、PlantUML形式にしてくれるソフトウェアです。 Database to PlantUMLの使い方 例えばMySQLの場合、次のような画像で出力できます。 テキスト形式で出力した後、plantuml.jarを使って各種形式に変換するようです。対応形式としてはPNGの他、SVG/EPS/PDF/VDX/XMI/HTML/TXT/YTXT/LaTeXとなっています。 Database to PlantUMLはPHP製のオープンソース・ソフトウェア（BSD）です。 Hywan/Database-to-PlantUML: C
ER図をGitHubで管理したいぞ！
いきなりですが、ER図、描いてますか？ちゃんとメンテナンスされているER図があれば、データ構造を読み解く際にとても重宝します。一方で、ER図をきれいに描くのはとても面倒だったりします。 巷にはER図を描けるツールはごまんとありますが、私が知る限り、GitHubで上手く管理できるツールは見たことがないです。ソースを含めドキュメントの管理はGitHubでしているのに、ER図だけはこっち。なんて嫌なので、なんとかGitHubでER図を管理する方法を探った結果、たどり着いたのはPlantUML×Pegmatiteでした。ということで本日はこれの紹介です。 ツール選定で重視したこと、諦めたことまず、ER図作成ツールを探すにあたって、重視したのは以下です。 ER図のデータをGitHubで管理できる（テキストデータである）WEBブラウザ上でER図を確認できる（ダウンロード不要！）属性については必要最低限
PlantUMLでER図を描く！
前回は、GitHubでER図を管理する方法を記事にしましたが、今回はPlantUMLでER図を描く方法を紹介します。（前回の記事はこちら） なぜかは知らないのですが、シーケンス図やユースケース図、クラス図などとは違い、ER図についてはPlantUMLの描き方のドキュメントが少ないです。（そもそも公式のページに記載がない） ということで、非公式ですが、描いている中で見つけた描き方を紹介したいと思います。 エンティティエンティティは通常、こんな感じに描きます。あまりないと思いますが、ダブルクォーテーションで囲うことで、非文字（スペース等）を使用することもできます。非文字を使用する場合は、asを使って別名を定義してあげましょう。 entity entity1 { primary_key -- attribute } entity "entity 2" as entity2 { }エンティティのE
自然言語処理の歴史とこれから ビジネスとして成立させるために必要なこと
検索やレコメンドに必要な形態素解析 海野裕也氏（以下、海野）：自然言語処理の研究とは何かといいますと、私みたいな研究をやっている人間からすると、例えば機械翻訳だったり、質問応答みたいな目標があって、その中の技術として、ここ（スライド）に書いてあるような、漢字で長ったらしい、いろんな技術がある。 含意関係認識や、述語項構造解析、照応解析など、いっぱいあるんですけども。だいたい世間の人から見ると、「あ、自然言語処理って形態素解析のことでしょ？」って言われるわけですね。 形態素解析はもちろん今でも研究はされてはいるんですけども、残念ながら学会の中ではかなりマイノリティです。発表件数が2件とかしかなくて、セッションを組めないぐらい、ほとんどあんまりいない。あ、いないって言うとやってる人に失礼なので、ちょっとあれなんですけど（笑）。1分野なんですね。すごく狭い領域なんです。 現実的には、言語で書かれ
Python: tqdm で処理の進捗状況をプログレスバーとして表示する - CUBE SUGAR CONTAINER
最近は Python がデータ分析や機械学習の分野でも使われるようになってきた。 その影響もあって REPL や Jupyter Notebook 上でインタラクティブに作業することも増えたように感じる。 そんなとき、重い処理を走らせると一体いつ終わるのか分からず途方に暮れることもある。 今回紹介する tqdm は、走らせた処理の進捗状況をプログレスバーとして表示するためのパッケージ。 このパッケージ自体はかなり昔からあるんだけど、前述した通り利用環境の変化や連携するパッケージの増加によって便利さが増してきてる感じ。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.13.5 BuildVersion: 17F77 $ python -V Python 3.6.5 もくじ もくじ 下準備 基本的な使い方 panda
AIを使って早く帰ろう――竹中工務店が建設現場へのディープラーニング導入で目指すもの
2020年に向け、建設業界ではいくつもの大規模プロジェクトが大詰めを迎えようとしている。そうした建設現場の指揮命令を担うのが現場監督（施工管理者）だ。現場監督の仕事は工程管理から品質管理、現場の安全管理、作業者のスケジュール管理まで多岐にわたり、激務というイメージを持つ人も少なくないだろう。 そんな現場監督の業務負荷を減らそうと、新たなアプローチを始めた企業がある。日本を代表する大手ゼネコンの1社として、高層ビルディングからスタジアム、商業施設、神社・仏閣などの伝統建築物に至るまで、さまざまなジャンルの大型建築プロジェクトを手掛ける竹中工務店だ。 同社はこれまでも業務効率化にいち早く取り組み、一定の成果を上げてきた。ただ、人手による作業が中心の建設現場だからこそ、効率化できない仕事も残っていたという。そこで同社が注目したのが、ディープラーニングの活用である。 夕方から始まる「現場写真整理」
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
２値化 (binalization)
OpenCV - 大津の手法/判別分析法 - Pynote
OpenCVにて2値化を行ってみる - AI人工知能テクノロジー