［Pythonチートシート］基本要素編Pythonのコードを書くときに「ここってどう書くんだっけ？」となることがある。本連載では何回かに分けてまとめていこう。今回は組み込みのデータ型、変数、制御構文、演算子、関数定義についてまとめる（基本の基本なので忘れることも少ないかもしれないが）。
Kerasを用いたディープラーニング（LSTM）による株価予測
ご注意：本記事は、＠IT／Deep Insider編集部（デジタルアドバンテージ社）が「deepinsider.jp」というサイトから、内容を改変することなく、そのまま「＠IT」へと転載したものです。このため用字用語の統一ルールなどは＠ITのそれとは一致しません。あらかじめご了承ください。 誰でもディープラーニングの時代 昨今、ディープラーニングの話を聞かない日はない。バズワードだった時期はとうに過ぎ、今や、実用化フェーズといっても過言ではない。 しかし、ディープラーニングの原理自体は非常に単純である。本質は、n次元ベクトル空間内の点の集合を、超平面で仕切って見せることである。しかも、計算をやってくれるライブラリが、何種類も公開されている。TensorFlowなどがそうであるが、ここにきて、Kerasというさらにコーディングが簡単なライブラリが発表されており、個人ベースでのディープラーニン
挑戦！ word2vecで自然言語処理（Keras＋TensorFlow使用）
ご注意：本記事は、＠IT／Deep Insider編集部（デジタルアドバンテージ社）が「deepinsider.jp」というサイトから、内容を改変することなく、そのまま「＠IT」へと転載したものです。このため用字用語の統一ルールなどは＠ITのそれとは一致しません。あらかじめご了承ください。 ディープラーニングと自然言語処理 画像認識や音声認識の分野では、すでに圧倒的ともいえる成果を誇っているのがディープラーニングである。猫画像識別のニュースに驚かされてからわずか数年のうちに、例えば「GAN（Generative Adversarial Network）」という技術が開発されていて、これを使うと、文字どおり何もないところから写真と見まがう画像を生成することができる。まさに、「十分に進歩した科学は魔法と区別がつかない」。 では、ディープラーニングのもう一方の有力分野である自然言語処理の状況はど
Windows 10のBash on Windowsで、apt-getを使ってパッケージをインストールする
解説 TIPS「Windows 10のLinux／Ubuntu互換環境でbashを使う」では、Windows 10のバージョン1607（ビルド14393、Anniversary Update）に新たに導入された、Ubuntu互換の実行環境「Windows Subsystem for Linux（WSL）」と「bash（Bourne Again Shell）」のインストール方法について解説した。 このbash環境を利用すると、Linux／Ubuntu向けの「パッケージ」（プログラムのソースコードもしくはバイナリファイルなどを1つにまとめたもの）をそのままインストールして利用できるようになる。ただしパッケージの管理方法（追加や削除などの方法）はLinuxのディストリビューションごとにいくらか異なっているので、少し面倒である。 本TIPSでは、Windows 10のWSL向けのパッケージ管理方法
副問合せを使った複雑な条件指定
これまでの連載では、条件に「列」と「値」を指定したシンプルな条件指定の方法を紹介してきました。 例えば「給与が3000ドル以上（WHERE sal>3000）」や「部門番号が10（WHERE deptno=10）」のように、条件に「列」と「値」を指定して、必要なデータを取得することができます。 しかし、業務システムで必要なSQL文を書くときには、もう少し複雑な条件を指定したい場面もあるでしょう。例えば、「ある社員と同じ部門に所属する社員は誰か」や「全社員の平均給与より給与が高い人は誰か」を調べたい場合には、どのように条件を指定すればよいでしょうか。 今回は、このような場合に便利な「副問合せ」について説明します。 副問合せとは 副問合せを使った複雑な条件指定の方法について、実際の例を使って考えてみましょう。 「社員SCOTTと同じ部門に所属する社員は誰か」を調べるには、どのようなSQLを書け
bashで始めるシェルスクリプト基礎の基礎
条件式と繰り返しによるスクリプトの制御 条件判断 引数によって実行時にパラメータを与えることができるようになりました。次に欲しくなるのは、条件判断でしょう。つまり、特定の条件が満たされたときだけコマンドを実行するということです。このための構文が「if文」で、 という構造で使います。このうち「elif」はなくてもよいですし、好きなだけ繰り返すこともできます。また、「else」は使わない、あるいは1回だけ使えます。 ここで注意が必要なのは、条件が式ではなく文であることです。すなわち、一般的な真偽によって実行するかしないかを決定するのではないのです。では一体何をもって判断するのかというと、実行した文の「終了ステータス」です。 Linuxでは、あらゆる実行ファイルが終了時に自分自身を呼び出したプロセスに対して整数のコードを返します。これが終了ステータスで、普通は正常に終了したときに「0」を、エラー
要件定義を本気で成功させたいなら、その前に実践しておきたい4つの最重要アクション
要件定義を本気で成功させたいなら、その前に実践しておきたい4つの最重要アクション：明日から使えるシステム開発プロジェクトの進め方 再入門（2） 本連載では、システムを外部に発注する事業会社の側に立ってプロジェクトをコントロールし、パフォーマンスを最大化するための支援活動をしてきた筆者が、これまでの経験を基に、プロジェクト推進の勘所を解説していく。今回は、要件定義の準備作業について解説する。要件定義をスムーズにこなすためには作業に着手する前に綿密な計画を立てる必要がある。 連載目次 要件定義へ拙速に突入してはいけない システム開発プロジェクトの進め方をあらためて解説する本連載。前回の「若手は居場所をなくさないために積極的に主導権を取れ――今のSIerの現実」では、今のSIerが直面している問題点を提示し、本連載の意義や概要などを紹介した。今回からプロジェクトの進め方についてから具体的なノウハ
SELECT文を統合する「UNION」
SELECT文の統合「UNION」 今回は、問い合わせの統合（UNION）と、NULLに関連するトピックを解説し、SELECT文の最後の回とします。 UNION句を使用すると、これまでに使用してきたSQL文の結果を統合して、1つの結果とすることができます。これは、四半期ごとの売り上げデータを別のテーブルに持っている場合に、集計した結果を1つの表として参照したい場合など、複数の問い合わせ結果のマージを実施したい場合に役立ちます。 今回は、製品ごとに付けられた単価のパターンをすべて洗い出す、というSQL文を作成してみましょう。製品の単価は、製品マスターテーブル（Products）に基本となる単価が保存されています。また、取引ごとに製品の単価を決定しているので、注文の明細テーブル（Order Details）にも、その取引における製品の単価が登録されています。これらの2つのテーブルからの別々の問
回帰分析II：重回帰分析の方法、科学的な将来予測
まずは第5回の後半でご紹介した電力消費量と気温との相関関係についてあらためて見ていきたいと思います。データはいつも利用している電力の使用状況データリンクと気象庁が提供している「過去の気象データ・ダウンロード」リンクを使います。過去の気象データは、東京地方の最高気温と最低気温を2013年1月1日から2013年11月15日までの日別値であらかじめCSV形式で“data.csv”というファイル名でダウンロードして利用します。 以下がダウンロードしたCSVデータです。 ダウンロードした時刻：2013/11/17 09:36:40 ,東京,東京 年月日,最高気温(℃),最低気温(℃) 2013/1/1,9.6,3.0 2013/1/2,14.4,4.2 2013/1/3,9.9,1.8 2013/1/4,6.9,1.0 2013/1/5,4.8,0.2 （途中省略） 2013/11/11,16.8,
データを取り込む・格納するための方法を理解する
データを取り込む・格納するための方法を理解する：ITエンジニアのためのデータサイエンティスト養成講座（3）（4/4 ページ） Excel形式のデータを読み込む方法 Excel形式でデータが提供されるケースも少なくありません。次は総務省が公開している「インターネット普及率の推移」を読み込んでみましょう。ExcelFileクラスを使います。 このクラスを使うには「xlrdモジュール」が必要ですので、あらかじめダウンロードしてインストールしておきます。ダウンロードしたファイルを展開し、展開してできたディレクトリでコマンドプロンプトから「python setup.py install」コマンドを実行するとインストールできます。 実際にExcelファイルを読み込むには、ExcelFile関数を使います。この関数は、read_csv関数と違い、HTTPでインターネット上のデータを直接取得することができ
ログを分析するには？ XMLデータを分析するには？ pandasでデータを分析できる状態にする
ログを分析するには？ XMLデータを分析するには？ pandasでデータを分析できる状態にする：ITエンジニアのためのデータサイエンティスト養成講座（4）（1/3 ページ） データと情報は似て非なるもの。意味のある情報を取り出すために、データを「使える」状態にするには意外と地道な手続きが必要です。手短に実行するために必要なスキルを紹介していきます。 連載バックナンバー はじめに 前回はデータを取り込んだり書き出したりする方法を紹介しましたが、実際の分析対象となるデータのほとんどは、そのまま分析できる状態にはありません。Webログなどはカンマ区切り形式ではなくスペースやカッコで区切られていますので、データを分割する必要があります。また、時系列に関する項目もフォーマットがまちまちなので統一する必要がありますので時系列データのクレンジングについても解説します。では早速具体的な例を使って説明してい
データ分析がデキるITエンジニアになるために必要な「道具」を揃える
データ分析がデキるITエンジニアになるために必要な「道具」を揃える：ITエンジニアのためのデータサイエンティスト養成講座（2）（1/4 ページ） データ分析の準備・加工に優れた道具とは？ 今回はITエンジニアがデータ分析する際のデファクトスタンダードになっている環境をセットアップしていきます。 連載バックナンバー はじめに 連載第1回 「ITエンジニアがデータサイエンティストを目指すには？」ではデータサイエンティストの役割を説明し、その中でITエンジニアが担う役割と必要となるスキルについて解説しました。第1回の中でも述べましたが、この連載の目的の1つはデータサイエンティストを目指すITエンジニアが必要最低限の知識とスキルを中心に紹介し、読者の皆さんにすぐに始められることから実際に着手していただくことですので、第2回の今回は実際に分析使う“道具”をご紹介します。この連載では分析ツールとしてP
顧客調査から最適価格を導き出す方法とは？ － ＠IT情報マネジメント
ブランドマネージャとして担当している新製品の開発も半ば。そろそろ販売に向けての準備を始めるころだが、まだ販売価格をいくらにするのがいいのか決めかねている。最適な価格を決める良いやり方はないだろうか？ 開発からマーケティング、セールスまで、製品全体に責任を負うブランドマネージャのような方なら実感としてお分かりになると思いますが、「新製品の販売価格をいくらに決めたらいいのか」というのは最も頭の痛い問題の1つですね。 販売価格の決め方には大きくは2つあります。 1つは自社の利益確保しか考えない方法です。これは「コストプラス方式」と呼ばれるものです。例えば、製品1個作るのにコストが「○○円」掛かるとして、それにうちの利益は「□□円」欲しいからその分上乗せして、販売価格は「○○（コスト）＋□□（利益）円」だ──とまあこんな決め方です。単純明快。これで売れれば楽ですが、コストプラス方式は競合製品の価格
素早く正規形を見抜く実践テクニック（1/4） － ＠IT
今回のテーマはデータベースエンジニアの必須知識の1つである「正規化」です。正規化は、リレーショナル・データベースのテーブル設計を行ううえで非常に重要なテクニックであり、データベースを設計、実装したことのある方なら一度は正規化に触れているのではないでしょうか。 それほど基本的な知識であるにもかかわらず、正規化を説明できる人はなかなかいません。多く聞かれるのが「何となくテーブルを作ると自然に第3正規形になる」とか「実務上は第3正規化まで行えば問題ない」というものです。 ではなぜ「第3正規化まで行えば問題ない」のでしょうか。本稿ではひととおり正規化について確認しながら、あまり触れられることのない第3正規化より先の正規化を紹介して、この疑問に答えていきたいと思います。 正規化の位置付け 正規化は、データベース設計全般にかかわる基礎知識ですが、特に論理データモデリングの作業の中で必要になります。本稿
ログを分析するには？ XMLデータを分析するには？ pandasでデータを分析できる状態にする
Apacheのログを分析してみる ここではWebのアクセスログとしてApacheの標準フォーマットを例にデータを分析できるように構造化していく方法を説明します。 まずデータの準備ですが、Apacheのオンラインマニュアルの「ログファイル」（リンク）にある「Common Log Format」のサンプルを使いたいと思います。 同じデータを5行コピー（1行でもよいですが）して、「apache_log.txt」というファイル名で保存しておきます。 127.0.0.1 - frank [10/Oct/2000:13:55:36 -0700] "GET /apache_pb.gif HTTP/1.0" 200 2326 127.0.0.1 - frank [10/Oct/2000:13:55:36 -0700] "GET /apache_pb.gif HTTP/1.0" 200 2326 127.0
いまさら聞けないHadoopとテキストマイニング入門
ビッグデータ時代の救世主「Hadoop」とは 「Apache Hadoop」は今、最も注目を集めている技術の1つです。Hadoopとは、大量のデータを手軽に複数のマシンに分散して処理できるオープンソースのプラットフォームです。 Hadoopを活用している企業は年々増え続けていて、不可欠な技術になりつつあるといえるでしょう。 本連載では、Hadoopとは何か、Hadoopがどう活用できるのかということを、「テキストマイニング」に焦点を当てて解説していきたいと思います。 重い処理を複数のマシンに分散させる 複数のマシンに処理を分散させるには、プロセス同士の通信、監視、障害時の対応などを考えなければならず、プログラマにとってハードルが高いものです。しかし、Hadoopはそういった面倒くさい処理を一手に引き受けてくれ、プログラマは、やりたい処理だけに集中できます。 例えば、Hadoopを使うと、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
SQL実践講座-＠IT
【Excel】共有を設定して複数ユーザーでブックを編集・更新する（ローカル編）
ORACLE MASTER Bronze DBA講座（1） Oracleデータベース構造の基本
iPhoneアプリ開発入門 − ＠IT CORE