そこそこな線画を目指す OpenCV - Qiita
概要 カラー画像から線画を取る。 線画とはモノクロ画像のことで、2値化ではない(たぶん) OpenCVでしようと考えると、グレースケールで読み込み→adaptiveThresholdで2値化を思いつくんだけど、あんまりよくない。 ので、話題の方のコメントってどんな風にやるのか検証。 参考 初心者がchainerで線画着色してみた。わりとできた。 - Qiita コメント 前提知識が無いとよくわからなかった miztiさんのツイート: "イラストに輪郭抽出した時に起こりがちな「輪郭の輪郭」の抽出を避けて、綺麗に線画を抽出できるようになった！（1枚目: オリジナル、2枚目: 普通の輪郭抽出、3枚目: 今回の方法） https://t.co/XJetLxsIc7" わかった気になった Python OpenCV3で画素の膨張処理(dilation)と収縮処理(erosion) (ちょっと解説も)
Python用の自然言語処理ライブラリ”StanfordNLP”を試す | DevelopersIO
StanfordNLPとは StanfordNLPとは、スタンフォード大学の自然言語処理(Natural Language Processing, NLP)グループが提供するPythonのNLPライブラリです。 同じくスタンフォード大学のNLPグループが提供するStanford CoreNLPというJavaで書かれたNLPツールのサーバーにアクセスする為のパッケージが含まれています。 GitHub - StanfordNLP GitHub - Stanford CoreNLP ライセンス 基となるStanford CoreNLPはGNU GPL(v3以降)ですが、StanfordNLPはApache License Version 2.0となっています。 特徴 StanfordNLPは、Python3.6以降をサポートしており、トークナイザー、形態素解析、依存関係パーサー等の機能を有します
Pythonで画像スクレイピングをしよう - Qiita
##Webスクレイピングとは スクレイピング(Scraping)とは、Webサイトから任意の情報を検索し抽出する技術のことです。 また、Web上のデータの取得だけではなく、構造も解析できます。 ##Webスクレイピングをする前に スクレイピングを行う前に、確認するべき点や、作業中に気を付ける必要がある点がいくつかかありますので説明します。 １）APIが存在するかどうか APIを提供しているサービスがあればそちらを使い、データを取得しましょう。 それでも、データが不十分だったりなどの問題があるのであればスクレイピングを検討します。 ２）取得後のデータの用途に関して 取得後のデータを使う場合には、注意が必要です。 取得先のデータは自分以外の著作物にあたり、著作権法に抵触しないように考慮する必要があるためです。 私的利用のための複製(第30条) http://www.houko.com/00/0
機械学習を使って630万件のレビューに基づいたアニメのレコメンド機能を作ってみよう（機械学習 k近傍法 初心者向け）
「この商品を購入したお客様はこちらも一緒にお買い上げいただいてます」「このビデオを見た方はこちらも見てます」。このよう�なオススメをされた経験はありませんか？これらは、「レコメンド機能（レコメンドエンジン）」と呼ばれるもので、近年ではインターネット上の様々なECやサービスで使われています。 レコメンド機能ですが、実にありとあらゆる業種で活用されています。 商品（EC） 映画 音楽 ニュース 動画 …その他多数 今回の機械学習初心者向けチュートリアルでは、k近傍法（K-nearest neighbor）というアルゴリズムを利用して、アニメのレコドメンド機能をPythonを使って一緒に構築してみましょう！ レコメンド機能（エンジン）とは？ まずは、このレコメンド機能とは何かについて一緒に紐解いていきましょう。レコメンド機能とは、データを活用して顧客やユーザーに「お勧め」を提供する情報フィルタリ
AWS Lambdaで動的サイトのwebスクレイピングをしてtwitterに投稿するbotを作った - Qiita
はじめに webページからスクレイピングをしたデータを簡単に加工して自動投稿するtwitterのbotを作りました。 完全に初見のLambdaとPythonでできました。 以下のサイトを組み合わせただけのほぼパクリ記事です。作業ログです。 【Python】Chrome headlessで動的サイトのスクレイピング on AWS Lambda AWS Lambda から Twitter に投稿する 無駄に面倒なAPI Keyとアクセストークンの入手の方法についてですが、以下の記事を参考にしてください。 登録ページ:https://apps.twitter.com/ https://qiita.com/tdkn/items/521686c240b0c5bc6207 https://syncer.jp/Web/API/Twitter/REST_API/ 追記(2019/12/23) Python
LINE Messaging APIとPythonを使ってChatbotを作ってみた - Qiita
はじめに 株式会社サイシードのサマーインターンシップに参加してLINE Chatbotを開発してきました。2016/9/29にLINEから公式版のMessaging APIが発表されたので、今回は公式版のほうで自動応答してくれるbotを作成しました。 【LINE】chatbotの開発・普及に向けて新たな展開を発表、新たなMessaging APIを公開し、開発者への正式提供を開始 https://linecorp.com/ja/pr/news/ja/2016/1516 追記(2016/10/18) githubでbotのソースコードを公開しました。 https://github.com/Sciseed/yukko-line-bot システム構成 今回の開発環境は以下の通りです。 ・Python 3.4.0 ・Heroku ・Django 1.8.14 作り方 0.サーバーを構築 今回はHe
Python+PuLPによるタダで仕事に使える数理最適化（ → Python-MIPがお勧め → SCIPソルバーが利用できるのでやっぱりPuLPがお勧め → 現状はSCIP専用のPySCIPOptを使おう） - Qiita
追記（2023/06/05） 数理最適化ソルバー SCIP 専用の Python インターフェース PySCIPOpt の記事を書きました。 本追記時点で Python から SCIP を使用する方法としては、この PySCIPOpt がいちばんよいと思います。 追記（2022/11/08） 数理最適化ソルバーSCIP ですが、 Since November 4, SCIP is licensed under the Apache 2.0 License. となりました。SCIPは無償のソルバーの中では速いので、それが商用利用可能になったということは大きいです。Apache 2.0 Licenseなので、少なくともSCIPの内部コードを変更せず呼び出して使う場合は、作ったコードの開示義務（昔のことばでいうGPL汚染）はないはずです。 追記日時点では、PuLPからはSCIPが利用可能、Pyt
組合せ最適化を使おう - Qiita
野菜の選び方はナップサック問題、乗り換え駅探索は、最短路問題といいます。典型問題は、よく研究もされているので、多くの場合、効率的な解法があります。あるいは、定式化がされているので、すぐ解くことができます。あとで、やってみましょう。ここで、あげている全ての典型問題の実行例は、典型問題と実行方法をご覧ください。 汎用問題 最近、私がやっているコンテナの仕事のお話しをします。 世界中の人たちが、いろいろなものを安く買えるのはコンテナ輸送のおかげです。中国などで生産したものを日本やアメリカやヨーロッパに、大量に安く運べるからです。でも、空のコンテナが、どんどんたまります。また中国に戻さないといけません。いつ、どこからどこに戻すかを決めるのが、最小費用流問題になります。ところが、最小費用流問題で表せない制約条件もあります。1 つが、カボタージュとよばれるものです。カボタージュというのは、国内のみの輸
Scrapy入門（１） - Qiita
Scrapy入門（１） はじめに PythonでWebスクレイピングを行う場合には、様々なアプローチが存在します。この記事ではスクレイピング用のフレームワークであるScrapyを題材に取り上げ実際に簡単なサンプルを作成しながら、Scrapyについて学んでいきます。 Scrapyとは Scarpyとは速くて、ハイレベルなスクレイピングのフレームワークです。Webサイトのクロールと、スクレイピングに関する様々な機能を持っています。主要な機能はコンポーネントに分かれており、ユーザーは各コンポーネントに関連するクラスなどを作成して、プログラムを作っていきます。 http://doc.scrapy.org/en/1.0/topics/architecture.html より 主要なコンポーネントは次の通りです。 Scrapy Engine コンポーネント間のデータフローの制御を担当 特定のアクション
「Pythonプロフェッショナルプログラミング 第3版」は、10年の取り組みの集大成 - ビープラウド社長のブログ
2018年6月12日にビープラウドのメンバーで執筆した「Pythonプロフェッショナルプログラミング 第3版」が出版されます。 Pythonプロフェッショナルプログラミング第3版 作者:株式会社ビープラウド出版社/メーカー: 秀和システム発売日: 2018/06/13メディア: Kindle版 第1版が2012年3月26日、第2版が2015年2月27日、第3版が2018年6月12日の発売で、約3年おきに版を重ねてきました。 最新技術に合わせてバージョンアップ IT技術は日々バージョンアップされ、数年もすれば技術の構成やベストプラクティスも変わってきます。 技術の進歩に合わせて、書籍も第3版としてバージョンアップしました。 主な改訂内容は以下のとおりです。 Python2.7.6→Python3.6.4 Ubuntu14.04 LTS→Ubuntu16.04 LTS Webアプリケーション(
Python Jupyter + pandas で DataFrame 表示をカスタマイズする - StatsFragments
先日 pandas v0.17.1 がリリースされた。v0.17.0 に対するバグフィックスがメインだが、以下の追加機能もあるため その内容をまとめたい。 HTML 表示のカスタマイズ Jupyer 上では pandasの DataFrame は自動的に HTML として描画される。この HTML に対して、さまざまな CSS を柔軟に設定できるようになった。 このエントリでは、添付した公式ドキュメントとは少し違う例を記載する。 Style -- pandas documentation @TomAugspurger (コミッタの一人) 作成の Jupyter Notebook 重要 公式ドキュメントにも記載がされているが v0.17.1 時点で開発中 / Experimental な追加のため、今後 破壊的な変更が発生する可能性がある。ご要望やお気づきの点があれば GitHub issu
ブロックチェーンを作ることで学ぶ 〜ブロックチェーンがどのように動いているのか学ぶ最速の方法は作ってみることだ〜 - Qiita
この記事について この記事はDaniel van FlymenさんのLearn Blockchains by Building One - The fastest way to learn how Blockchains work is to build oneを本人の許可を得て翻訳したものです。 このブロックチェーンのリポジトリではPython以外での言語の実装者の募集も行われているので、興味がある方は是非どうぞ！ また、この翻訳で出てくる日本語版のリポジトリはこちらにあるので是非参考にしてみてください。 はじめに あなたがここにいるのは、私と同じように、暗号通貨の盛り上がりに対して心構えが出来ているからだ。そしてあなたはブロックチェーンがどのように動いているのか -その裏にある基本的なテクノロジー- を理解したいと思っている。 しかしブロックチェーンを理解するのは簡単ではない、少なくと
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
BeautifulSoup入門 スクレイピング実践編 Pagenateに対応【python】
python3でwebスクレイピング(Beautiful Soup) - Qiita
https://githubja.com/nicolashug/surprise
数理最適化モデラー(PuLP)チートシート(Python) - Qiita
PythonのBottleを初めて触ってから３０分で本番環境にデプロイ - Qiita
PythonでLOTO6のデータ分析をしてみた ～その２～ | 自調自考の旅
Django 2.0リリース！ 最新のDjangoで作るカンバンボードアプリ ～ モデルの定義とDjango REST frameworkの実装
Paramiko + scp 導入 ~ SSH接続 ~ SCPでファイル転送 - Qiita
