フロントエンド実装中に使えるモックサーバを爆速で準備する - Qiita
で完了 なければ nodeのバージョンをnで管理する などを読みつつnodeとnpmをインストールしてください 準備するもの コンソール db.json ブラウザ（動作確認用） やること db.json ファイルを作成する bashの touch コマンドやWindowsなら右クリックからなどでお好きなようにファイルを作ってください db.json にリソースを登録する ここでモックサーバから返して欲しいデータリストを列挙します 最上位の階層の key がエンドポイントになります { "users": [ {"id": 1, "name": "hoge"}, {"id": 2, "name": "fuga"} ], "tweets": [ {"id": 1, "contents": "あー眠い", "user-id": 1}, {"id": 2, "contents": "ファビュラス！"
ゆるふわチャット小説をGitHubで構築しましたので╭( ･ㅂ･)و ̑ 〜初めてのフロントエンド編〜 - Qiita
ｱｯｵｰ! 皆様、チャットしてますかっ。 そうですね。私は、ChatWorkでAPI投稿される売上レポートを眺めたり、SlackでHubotからミーティングの司会を指名されたり、LINEでりんなにちょっかい出したりする愉快な日々です。 うわっ…私のチャット相手、ボットすぎ…？ ともかく、みんなが慣れ親しんでいるインターフェースは強いわけです。 というわけで、チャットっぽく読める小説サイトをつくってみました。こういうの。 深層の令妹 ζ(*ﾟｗﾟ)ζ 〜ゆるふわチャット小説〜 あとはもう実際に、会話で紡がれる物語がどういうものか読んでみてほしいのですがっ。 サイト作るにあたって初めてのフロントエンドで色々と泣きそうになったので、諸々メモしておこうと思います。 もしも表示崩れ起こす環境あったら、ごめんネ。。。 GitHub Pages 題名のとおり、サイトの公開はGitHub Pagesで行っ
Tensorflowにおける各種演算まとめ - Qiita
はじめに Tensorflowではテンソルと呼ばれる量を扱うので、Numpyのメソッド等は使えません。そのためTensorflowに用意されているメソッドを用いる必要があります。 ここでは基本的な四則演算と行列演算についてまとめています。特にPythonで定義されている各種演算(+, -, /, //, %)と比べています。 注意 - すべての演算をまとめているわけではないので、その他の演算については公式ドキュメントを参照ください。 - Tensorflowでは全てテンソルを扱うので、データの種類に言及するときは、テンソルを飛ばして「リストは〜」「ベクトルは〜」などと書いています。その点注意していただければと思います。 - 2018/01/31: 1月26日にTensorflow v1.5.0がリリースされました。このバージョンからeager executionというメソッドが実装され、S
一番分かりやすい OAuth の説明 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 過去三年間、技術者ではない方々に OAuth（オーオース）の説明を繰り返してきました※1,※2。その結果、OAuth をかなり分かりやすく説明することができるようになりました。この記事では、その説明手順をご紹介します。 ※1：Authlete 社の創業者として資金調達のため投資家巡りをしていました（TechCrunch Japan：『APIエコノミー立ち上がりのカギ、OAuth技術のAUTHLETEが500 Startups Japanらから1.4億円を調達』）。Authlete アカウント登録はこちら！ ※2：そして２回目の
PRMLのアルゴリズムをPython(ほぼNumpyだけ)で実装 - Qiita
自分の勉強（機械学習のアルゴリズムやPythonの勉強）のためにPRMLに掲載されている手法をPythonで実装していきます。 原則としては、アルゴリズムの部分ではPythonの標準ライブラリに加えてNumpyだけ使用可能としていきます。scikit-learnやtensorflowなどの機械学習パッケージは使いません。matplotlibなどの結果を図示するパッケージはアルゴリズムの実装と関係がない限りは使っていきます。また、必要になったらscipyなどの他のパッケージもたまに使っていきます（すでにディガンマ関数などに使用）。ただし、最適化ツール（例えばscipy.optimizeやtensorflowの自動微分機能）などの実装を著しく簡単にするものは使いません。 基本的には、章ごとに一つの手法を実装していきます。~~一通り終われば二周目に入るかもしれません。~~自分の勉強のためのものな
機械学習、深層学習のプラットフォームの整理 - Qiita
PaaSサービスの簡単な説明 各ベンダーの提供サービスには予め学習されたモデルの翻訳や画像・動画認識などが用意されています。 Google Cloud Platform Google社が提供する機械学習プラットフォームになります。 サイズを問わず、あらゆるデータの機械学習モデルを簡単に構築できるマネージド サービスです。 クラウド上に用意されたTensorFlowも使えます。 ※サイトより抜粋 機械学習の内容 ・Cloud Machine Learning Engine 教師ありの回帰・分類、教師なしのクラスタリングなどさまざまなデータから学習ができます。 使用アルゴリズムは非公開。 Azure Machine Learning Azure Machine Learning は、クラウドの予測分析サービスであり、分析ソリューションとして予測モデルを迅速に作成し、デプロイできるようにします。
Linuxのパッケージをアップデートしたあとrestartが必要なプロセスを見つける方法 - Qiita
はじめに 脆弱性対応のためのアップデート作業というものは頻繁に発生するものですが、本番運用しているシステムではサービスへの影響を最小限にしたいものです。 アップデートした後、出来ることなら必要なプロセスだけリスタートさせることで済ませたいのですが、どのプロセスをリスタートすれば良いのか、そもそもOS再起動しないと反映されないものなのか、判断が付かない場合が少なくありません。 そのような場合のため、再起動が必要なプロセスを見つけたり、OS再起動が必要かどうかアドバイスしてくれるコマンドがあります。 Redhat系 「yum-utils」パッケージに入っている「needs-restarting」コマンドを使います。 # needs-restarting -h Usage: needs-restarting: Report a list of process ids of programs th
個人開発環境をvagrantで建てるべきか、dockerで建てるべきか - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ローカルPCに個人開発環境を建てたいけど、母艦は汚したくないものです。 そうすると、だいたいの場合vagrant(virtualbox)かdockerかの2択になると思います。 この使い分けにいつも迷うのでどうするべきかの指針を考えてみました。 お断り: 以下は個人の見解であって、所属先の見解ではありません。 vagrant カーネルに依存する操作を行いたい場合 dockerの場合、いじれるカーネルパラメータが限られています。 特定バージョンのカーネルの環境を用意する必要がある場合や、カーネルパラメータに特殊な設定が必要な環境では仮想マ
ゼロから作る Deep Learning 勉強メモ #1 - Qiita
はじめに ゼロから作る Deep Learning の勉強メモです。 https://www.oreilly.co.jp/books/9784873117584/ https://www.amazon.co.jp/dp/4873117585 本を読み進めていく上での副産物（メモ、自作プログラム）を書いていきます。 勉強メモ#2 勉強メモ#3 勉強メモ#4 勉強メモ#5 勉強メモ#6 勉強メモ#7 Anaconda ディストリビューションのインストール Python3 の Anaconda ディストリビューションをインストールします。 pyenvのインストール いきなりインストールすると怖いので、環境をスイッチできるソフトウェアを探します。 pyenv というものがあるみたい。 https://github.com/pyenv/pyenv まずはこれを導入してみます。 $ brew upda
月額500円でDockerを使ってCrowiを運用する - Qiita
Crowiとは Crowi公式サイト http://site.crowi.wiki/ GitHub https://github.com/crowi/crowi 「コミュニケーションツールとしてのWiki」を設計思想としたWiki。 ヤフーに吸収合併されたクロコスが社内で作り、使っていたWikiがオープンソースとして公開されたものです。先日のPHP Conference 2016でもCrowiに関する発表があり話題となっていました。 プライベートで使える良いWikiツールは無いものかと思うこと何度か、Crowiを見つけた時「これだ！」と思い、セットアップして使ってみたところ、まさにやりたいこととマッチしてて大変重宝しています。 個人的に嬉しい機能 なによりオープンソース 限られた人だけが使える（ユーザー認証機能） Basic認証も使える シンプルかつ軽量 Elasticsearchを使った
PHPでメール送信つくったらちょっと困ったよ（SPFとヘッダー対応） - Qiita
前置き タイトルまんまですが、、、 PHPで通常のメール送信処理を書いたら少々こまったことになったので、その備忘です。 環境 Vagrant + Oracle Virtual Box → CentOS6 PHP5.6 ごめんなさい、マイナーバージョンは忘れました。。 まぁ、内容はそこに縛られるものではないのでご容赦ください・・・・(´･ω･｀；) メールを送信したよ 個人的に久しぶりのWeb系サービスの開発にて、あるあるのメール送信処理を書きました↓ class Mail { /** * メール送信 * * @access public * @param string $to * @param string $subject * @param string $message * @param string $from * @param string $cc * @return [type]
Docker for Windowsでローカル開発環境(LAMP)を作るのにどハマリしたので備忘録。 - Qiita
はじめに 筆者は普段業務でMacを使用し、ローカル開発環境にはVagrantを用いてPHPの開発を行っています。 この度C#などWindows系の言語も触れたいがために私物開発PCとしてWindowsを導入しました。 せっかくWindows10 Proにしたので、Dockerに慣れるのも兼ねてVagrant+Virtualboxではなく Hyper-V+Docker for WindowsでPHPのローカル開発環境を作ってみよう！などと酔狂なことを考えた結果 見事にどハマリしたのでその備忘録としてここに記しておきます。ちなみにQiita初投稿です。 ※注意 現段階でまだ理解出来ていないところも多く、下記の点は予めご留意頂けると有り難いです。 プロセスごとにコンテナに分けてません。1コンテナにLAMP環境押し込めちゃいました。 ※コンテナごとの連携方法が分かってないです。。 Dockerfi
AtomからVisualStudioCodeに乗り換えた感想と設定メモ - Qiita
背景 今まではAtomを使っていましたが、重いため（メモリが食いすぎで3時間くらい使ってると7GBくらいいってる時がある。。。）乗り換えを検討していました。 いずれはVimmerになりたいなーと思いつつも、キャッチアップに掛ける時間があまり取れなかったため、なかなか乗り換えられずにいました。 そんな中、「VisualStudioCodeがいいよー」と知人から聞いたため、試しにやってみたら思いの外良かったので、乗り換えてみました。 その感想と、入れた拡張機能＋設定をメモします。 (今更ですが。。。) 特徴 公式の特徴 Mac OS X、Linux、および Windows、あらゆる OS、言語で動く Mac OS X、Linux、および Windows 、あらゆるプラットフォームで使用可能です。さらに、30 種類以上のプログラミング言語をサポートします。 Microsoft製なのにMac,Li
【翻訳】scikit-learn 0.18 User Guide 1.11. アンサンブルメソッド - Qiita
http://scikit-learn.org/0.18/modules/ensemble.html を google翻訳した scikit-learn 0.18 ユーザーガイド 1. 教師付き学習 より 1.11. アンサンブルメソッド アンサンブル学習 の目標は、単一の推定器に対する汎用性/頑健性を向上させるために、与えられた学習アルゴリズムで構築されたいくつかの基本推定器の予測を組み合わせることです。 通常、アンサンブル学習は2つのファミリに区別されます。 平均化手法 は、いくつかの推定器を独立して作成し、それらの予測値を平均化することを原則としています。 平均して、結合された推定器は、その分散が減少するので、通常、単一の推定器よりも優れている。 例：バギング法、無作為化された木の森、... 対照的に、 ブースティング法 では、ベース推定器が順次構築され、結合推定器のバイアスを低減し
初めてのTensorFlow（改訂版）- 線形回帰とロジスティック回帰 - Qiita
以前書いた記事 初めてのTensorFlow - イントロダクションとしての線形回帰 は，TensorFlow が公開された直後のタイミングに執筆したこともあり，私の記事の中でも"いいね"をつけてもらえる記事となっている．ただ約一年半前の記事なので，TensorFlowのバージョンupを考慮し，記事を改訂したいと考えた．内容は，前記事を踏襲し，線形回帰とロジスティック回帰とする． （プログラミング環境は，以下になります．2017/5/29時点．） Python 3.5.2 TensorFlow 1.1.0 Numpy 1.11.3 Scikit-learn 0.18.1 Linear Regression（線形回帰） 前の版の「初めての...」では，"Theano" のTutorial，Newmu/Theano-Tutorials - GitHub を紹介し，これを TensorFlow
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
bashスクリプトをデバッグする方法 - Qiita
https://qiita.com/yamakawa00/items/6f3b3600808920348057
ディレクトリ構成図を書くときに便利な記号 - Qiita
svn2git(svn-all-fast-export)でSVNリポジトリーをGitのリポジトリーに転送する - Qiita
Python vs Ruby 『ゼロから作るDeep Learning』 1章 sin関数とcos関数のグラフ - Qiita
