コマンドラインからAlexaスキルをデプロイするときのLambda関数名を変更する方法 - Qiita
はじめに こちらの記事でコマンドラインからAlexaスキルをデプロイする手順について書きました。 その中で、AWS Lambdaにデプロイされる関数名が以下のようにいくつかの情報が付与された形式で作成され、それを変更する方法があると述べました。 今回は、その方法についてです。 手順紹介 スキルのプロジェクトフォルダに移動してください。 その中に「.ask」というフォルダがあるので、移動してください。 「.ask」フォルダ内のconfigファイルをテキストエディタで開いてください。 configファイルの中身は、デプロイしたことがあるかないかで変わります。 また、以下の説明はスキル作成時に以下のコマンドで作成したことを前提としています。
社会人が片手間で取る統計検定2級 - Qiita
概要 通勤時間の本読みと公式過去問3周とWebでなんとか合格までは到達できる。 主に使用した教材は下記 まずはこの一冊から 意味がわかる統計学 (BERET SCIENCE) 日本統計学会公式認定 統計検定 2級 公式問題集[2015〜2017年] 改訂版 日本統計学会公式認定 統計検定2級対応 統計学基礎 統計検定2級 模擬問題集1 統計学の時間 使用電卓 電卓はルート計算できるものは必須。僕はこれを使いました。 前提条件 理系私立大学卒・数学が嫌い・統計は勉強したことがない社会人です。 統計の知識がないままstatsmodelsを使ってシステムを組んでいましたが、根拠をもった説明を行いたくなったため統計検定をうけることを決意 頑張れば割となんとかなる。 勉強方法 通勤時間(往復1時間弱)は、統計学の時間をひたすら閲覧。 「なぜこの式を使うのか。なぜこうなるのか。」を意識することが大切
pandas-profiling に matplotlib の設定を上書きされる問題とその回避方法 - Qiita
pandas-profiling はデータの特徴をざっくり眺めるときに使うとても便利なライブラリ1なのだが、プロファイルを実行すると matplotlib の設定を上書きされるという厄介な問題がある。 設定を上書きされる問題 まずは普通に matplotlib を使ってグラフを表示してみる。 import matplotlib import matplotlib.pyplot as plt %matplotlib inline matplotlib.rcParams['font.family'] = 'TakaoPGothic' matplotlib.rcParams['figure.figsize'] = (8, 4) plt.style.use('ggplot')
DataFrame(pandas)とかseabornの覚書 - Qiita
# インポート from pandas import DataFrame # tsvの読み込み dframe = pd.read_csv('data.tsv', delimiter='\t', header=None) # カラム名変更 dframe.columns = ['hoge', 'fuga'] # カラムを落として別のDataFrame作成 dframe2 = dframe[[0, 1]] # カラム名が文字列で付いてたら、dframe[['hoge', 'fuga']]で。 # 重複行削除 dframe3 = dframe2.drop_duplicates() # 行数調査 len(dframe3) # DataFrameの数値の先頭X文字を切り取って新しいカラムとして使う # sliceカラムを追加し、そこに、hoge(float型)の先頭4文字を挿入 dframe4['sl
KerasでF1スコアをmetircsに入れる際は要注意 - Qiita
KerasでF1スコアをモデルのmetrics（評価関数）に入れて訓練させてたら、えらい低い値が出てきました。「なんかおかしいな」と思ってよく検証してみたら、とんでもない穴があったので書いておきます。 環境：Keras v2.2.4 要点 KerasのmetricsにF1スコアを入れることはできるが、調和平均で出てくる値をバッチ間の算術平均で計算しているので正確な値ではない 正確な値を計算したかったらmetricsではなく、コールバックでエポックの最後に一括で求めるべき F1スコアとは Precision-recallのトレードオフの最適解を求めるための尺度。特に精度が意味をなさなくなる歪んだデータに対して有効。F1スコアについて知っている方は飛ばしていいです。 歪んだデータとは 2クラス分類を考えるとしましょう。設定は猫と犬の分類、メールがスパムかスパムではないか、なんでもいいです。2ク
dockerで機械学習(30) with anaconda(30)「Advanced Deep Learning with Keras」 By Philippe Remy - Qiita
以下のshell sessionでは (base) root@f19e2f06eabb:/#は入力促進記号(comman prompt)です。実際には数字の部分が違うかもしれません。この行の#の右側を入力してください。 それ以外の行は出力です。出力にエラー、違いがあれば、コメント欄などでご連絡くださると幸いです。 それぞれの章のフォルダに移動します。 dockerの中と、dockerを起動したOSのシェルとが表示が似ている場合には、どちらで捜査しているか間違えることがあります。dockerの入力促進記号(comman prompt)に気をつけてください。 ##ファイル共有または複写 dockerとdockerを起動したOSでは、ファイル共有をするか、ファイル複写するかして、生成したファイルをブラウザ等表示させてください。参考文献欄にやり方のURLを記載しています。 複写の場合は、docke
【お遊び】シンカリオンのトンデモメールを構文解析 - Qiita
新幹線変形ロボ シンカリオンというアニメで印象的だった以下のようなメールの一文がありました。 言ってあったか言ってなかったかどっちだったかちゃんと覚えていないけど、確かこの間手巻きパーティをやった時にちょこっと言った気がしなくもなきにしもあらずで多分言ったんじゃないかな、とココまで考えてみたけど、まあ言ってようが言っていまいがそこまで問題ないよね、と思うに至った次第です。 このメールは、アニメで1秒程度しか出ておらず、制作スタッフの遊び心が満載の文です 今回はその文をCabochaを使って構文解析してpydotで表示しました。 やっていることは記事「滝沢カレンの理解不能な文章を言語解析してみた。」の二番煎じです。 構文解析結果 長文だけあって大きい・・・ 思ったよりもよく解析できています。見れば見るほどひどい文ですね。 ソース Pythonで書いています。言語処理100本ノックの合間にちょ
Alexaスキルの言語追加・削除 - Qiita
始めに 多言語対応だったり、Ask Cliからデプロイしたときに言語が「英語」だったりしたときに、そのスキルを使用するときの言語を追加、削除します。 例えば日本語を追加して英語を削除したり。 ここでは、Alexa Skills Kit開発者コンソール上で変更する方法を紹介します。 [Alexa Skills Kit開発者コンソール]から言語を追加（削除）する方法は以下のとおりです。 1. 言語設定ページへ移動 左上に言語のプルダウンメニューから「言語設定」を選択してください。 2. 言語の追加 「言語設定」のページが開くので、「新しい言語を追加」を押してください。 「日本語(日本)」を選択してください。 3. 設定の保存 右上の「保存」ボタンを押して、設定を完了します。
[SIGNATE]画像で遊んでみる(土砂崩れを探せ) - Qiita
なんか新しいコンペのメールが来てたのでSIGNATEのコンペのデータで遊んでみた。 コンペの目的 Tellus Satellite Challengeは、衛星データの利活用事例の可視化、優秀な分析人材の発掘、衛星データ種やフォーマットの周知・啓蒙等、Tellusの利活用の促進を目的としたデータ分析コンテストです。 第1回目のテーマは「SARデータを用いた土砂崩れ検出」です。 近年、自然災害のリスクが高まる中、災害時の土砂崩れの迅速把握が人命救助の観点などから極めて重要であり、観測衛星からのモニタリングが緊急時対応で実施されております。取得されたデータから土砂崩れを判定する業務は、専門家の高度なスキルにより解析される一方で、その判定は容易ではないのが実際です。そこで今回のチャレンジでは衛星画像データから土砂崩れ領域をより高い精度で検出するアルゴリズムの開発を目指します。 とのこと。 ここに書
![[SIGNATE]画像で遊んでみる(土砂崩れを探せ) - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/d08b53492f99cd4ae7f5c88981f82e23808fe42d/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Farticle-ogp-background-afbab5eb44e0b055cce1258705637a91.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnFpaXRhLWltYWdlLXN0b3JlLnMzLmFtYXpvbmF3cy5jb20lMkYwJTJGMTA2NjM5JTJGcHJvZmlsZS1pbWFnZXMlMkYxNDczNzA5OTkwP2l4bGliPXJiLTQuMC4wJmFyPTElM0ExJmZpdD1jcm9wJm1hc2s9ZWxsaXBzZSZiZz1GRkZGRkYmZm09cG5nMzImcz1hNDM5MDBiMDZkZTcxMThjOTg4ZDdmN2M0NGM0M2Q2ZA%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253Dac70949d432607b5e148f26d8a33365c%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCU0lHTkFURSU1RCVFNyU5NCVCQiVFNSU4MyU4RiVFMyU4MSVBNyVFOSU4MSU4QSVFMyU4MiU5MyVFMyU4MSVBNyVFMyU4MSVCRiVFMyU4MiU4QiUyOCVFNSU5QyU5RiVFNyVBMCU4MiVFNSVCNCVBOSVFMyU4MiU4QyVFMyU4MiU5MiVFNiU4RSVBMiVFMyU4MSU5QiUyOSZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1wYWQ9MCZzPWJlNjhjZTU0N2JlMDRiODcxZjRjYTRhOThhZTUxNjFh%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDByeW9fbmFrYSZ0eHQtY29sb3I9JTIzMUUyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1wYWQ9MCZzPWI4ZWVmM2M1NzA2ODU3ZTgyY2RkZmFlMDE5NTBjNjk2%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3Dd43f96e0f08cfbd11d5fbdfb1c398f0e)
CoreML変換時の謎のInvalid dst shapeを倒す - Qiita
※ 最後のshapeは人によって違うと思います。 書いてあるとおりに読むと、「なんやかんや問題があって predict() が実行できません」と書いてありますが、これWarningなので実際mlmodelは生成されます。 ただ、CoreMLは学習用ではなく推論用と今の所認識しているので predict() が使えないmlmodelは何のために存在するのか理解できません。WarningではなくErrorにするべきでは。。。 何のエラーなのか 以前私の記事にも書いたことがありますが、coremltoolsで変換したmlmodelには同一のレイヤーを使い回すshared layerが存在すると結構不安定な挙動をします。（というか多分coremltoolsが色々対応できていない。） それの一環（？）で、以下のようなモデルを変換するとKerasやTensorflowでは完璧に動作するのにmlmode
GraphNetを使って足し算を学習する - Qiita
はじめに 前回はGraphNetを使って「とにかく５を出力する」ように学習しました。今回は、ノードやエッジの値を足し算する学習をしてみようと思います。 環境などは前回と同じです。 足し算を学習する 今回は、下の図のようなグラフを作って、全部のノードやエッジの値を足し合わせるように学習できるかやってみます。 コード import numpy as np import sonnet as snt import graph_nets as gn import tensorflow as tf import matplotlib.pyplot as plt from pprint import pprint %matplotlib inline tf.reset_default_graph() def create_data_dict(n0=0., n1=0., e0=0., e1=0.): da
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
tesorflowでGPU id指定 - Qiita
Windowsで強化学習フレームワークGoogle_Dopamineを使う - Qiita
R for Data Science 学習記録 #1 ggplot2 - Qiita
Apache Sparkの初心者が環境構築とPySparkでのデータ集計までやってみる - Qiita
株価をscikit-learnで機械学習してみる 回帰編 - Qiita
databricks cloud上でmatplotlibとかseabornのグラフを表示するスニペット - Qiita
RNN① 初心者でも絶対わかるRNN - Qiita
【強化学習】強化学習、dqnの理論とは？？ - Qiita
プログラマーが表現するテンソル - Qiita
