【第1回】FastAPIチュートリアル: ToDoアプリを作ってみよう【環境構築編】 – 株式会社ライトコード
（Flaskでは、MVT: Model View Template と呼ばれますが、ほとんど同じです。） もちろん、FastAPIを作るからには、API的要素も加えてみます。 この連載を通して学んでいただきたいことFastAPIの使い方バックで動いているstarletteの使い方Webアプリケーションの作り方本記事からスタートする連載「FastAPIチュートリアル: ToDoアプリを作ってみる」では、シンプルなtoDoアプリ作成を通して、上記の3点を学んでいただきたいと考えています。 環境構築それでは、お約束の環境構築から始めていきます！ 前提として、Pythonは3.6以上である必要はありますので、アップデートを予めしておいてください。 FastAPIをインストールでは、pipコマンドからFastAPIをインストールしましょう！
【第1回】Vue.js 入門 〜Hello World編〜 – 株式会社ライトコード
(株) ライトコード Webエンジニアの宮田です。 今回、 JavaScript のフレームワークの一つであるVue.js（ビュージェイエス） を触ることになったので、学習したことを書いていきたいと思います。 最終的には Vue.js に基づいたフレームワークの Nuxt.js（ナクストジェイエス） を利用した開発を目標とします。 まず今回は、入門第1回の定番である"Hello World" プログラムから始めていきたいと思います！
【第6回】Go言語（Golang）入門～Twitter API利用編～ – 株式会社ライトコード
TwitterAPIとは「ツイート」や「タイムラインの取得」、「リツイート」や「いいね」といったTwitterのサービスを、APIから利用できるサービスです。 今回は、TwitterAPIの「登録方法」や「初期設定」などは紹介しません。 そちらについては、以下の記事で詳しく説明されているようなので参考にしてみてください。 【Twitter API 登録 (アカウント申請方法) から承認されるまでの手順まとめ】 https://qiita.com/kngsym2018/items/2524d21455aac111cdee この記事では、すでにTwitterAPIの利用登録が済んでいる前提のもと、進めていきたいと思います。 Anacondaを入れてOAuth認証をしてみよう！TwitterAPIを利用するにあたって、まずは「OAuth認証」が必要となります 今回は、自前でOAuth認証の実装を
【第3回】Go言語（Golang）入門～Firestoreデータ操作編～ – 株式会社ライトコード
package main import ( "context" "log" firebase "firebase.google.com/go" "google.golang.org/api/option" ) func main() { // 初期化 ctx := context.Background() sa := option.WithCredentialsFile("path/to/serviceAccount.json") app, err := firebase.NewApp(ctx, nil, sa) if err != nil { log.Fatalln(err) } client, err := app.Firestore(ctx) if err != nil { log.Fatalln(err) } // データ追加 _, _, err = client.Collecti
【第2回】Go言語（Golang）入門～Firestore導入編～ – 株式会社ライトコード
Firestoreを利用してみるこれから何を書いていくか…？ 迷ったのでTwitterでアンケートを取ってみました！ 今日入門編書いたけど、次のGolangの記事どんなのがいいかな — 笹のり (@sasa_nss_app) September 5, 2019 結果、「Fire Storeを使ったNoSQLの何か」が1位に！ 今回は、Firestoreでなにかやってみようかと思います！ Firestoreとは？ FirebaseやGCPが提供しているサービスの1つで、いわゆるNoSQLのクラウドデータベースです モバイルアプリケーションなどでは、各ローカルにデータベースを持ったりすることも多いですが、API側でデータを保存することも多いはずです。 本来ならば自分たちでデータベースを用意し、APIとしてのエンドポイントを用意しなければいけません。 しかし、Firestoreを利用するとGUI
OpenCVによる非ディープラーニングの顔認識でどこまでできるのか試してみた！ – 株式会社ライトコード
ディープラーニングを使わない顔認識 Githubで公開されている「Face-Detection-OpenCV」を実行し、OpenCVでの顔認識の限界を探ってみました。 このコードには、OpenCV（オープンシーヴィ）による、「非ディープラーニングの顔認識のテスト用コード」がまとまっています。 赤ちゃんのグレイ表示／顔認識テスト3人の赤ちゃんの顔認識テスト顔認識精度をパラメータ調整で向上させた例LBP方式の顔認識テストHaar方式とLBP方式の比較最終的にHaar方式、LBP方式という2種類の顔認識を比較しています。 Haar方式については、認識速度が遅く、壁に貼ったポスターの顔まで「顔」と認識してしまいました。 しかし、LBP方式は、実際の人間の顔のみキレイに認識出来た上、認識にかかる時間が1/3以下。 ここだけ見ると、「ああ、Haar方式って良いところないんだな。使わないようにしよう…」
1
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
【第7回】Go言語（Golang）入門～HTMLテンプレート利用編～ – 株式会社ライトコード
【第4回】Go言語（Golang）入門～REST API環境構築編～ – 株式会社ライトコード