STU48が某個人配信プラットフォームで強いって言われてるけど・・・ その１ - Qiita
アイドル様 僕はアイドル様が好きなのですが、そのアイドル愛が歪んで、某個人配信プラットフォームでアイドル様の配信の分析をしています。個人的に、秋元康氏プロデュースのアイドル様に興味があります。究極の目標はアイドル様の人気の数値化と、某総選挙順位や選抜の予測です。ただし、某個人配信プラットフォームを全く利用しないランカーさんも存在するため、そのあたりは知りません。 STU48とは STU48（エスティーユー フォーティーエイト）は、秋元康のプロデュースにより、2017年に誕生した瀬戸内7県を拠点とする日本の女性アイドルグループ。AKB48グループを構成するグループのひとつである。出典：wikipedia 公式サイト メンバー一覧はプロフィールで見れます。かわいい。 一般人の認知度はものすごく低く、劇場となるはずの船の予定も未定、2ndシングルの発売も延期となりましたが2019年2月に決定と、
Siriに自宅までの所要時間を読み上げてもらう 〜SiriショートカットでVUIアプリ〜 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? こんなの つくりました Siriショートカット 帰宅時間読み上げ https://t.co/j6KzfcSmKI @YouTubeさんから — Ryota Ikeuchi (@IkeuchiRyota) October 18, 2018 Siriに「帰宅時間読み上げ」と言うと、自宅までの所要時間を計算して、「○分後の ○時○分に帰宅」と読み上げてくれます。 最後の「わかりました」がなんともいえませんね… ポイントは、スマホ画面を見る必要がないことです。 Siriの起動は、イヤホンのボタンを押せばよいので、スマホを触る必要もありません。
キーワードベースのログ監視からの脱却を目指して、ログクラスタリングによるパターン毎の出力頻度ヒートマップ化を試してみる - Qiita
ログの監視といえば、特定のキーワード(例えばErrorという文字列とか、Warningという文字列とか)をベースに監視ツールで検知させるといったことを実施するのが一般的かと思います。 ただ、この対処をするには、どういったログが出力されるのかを予め知っておく必要があり、その条件を決めるのもなかなか大変なのではないでしょうか。 そのようなケースに対し、もう少し分析技術の要素を取り入れて異常な状態に気づけるようにするアプローチを考えてみます。 試したこと 今回試したのは、ログをgensimのdoc2vecでベクトル化し、k-meansでクラスタリング。 さらにそれを時間毎に区分けして各ログパターンの発生件数をヒートマップ化してみます。 サンプルプログラム Python3で、gensim、matplotlib、sklearnのKMeansを利用しています。 # !/bin/env python f
アレクサスキルのヘルプと終了のサンプル発話をまとめた - Qiita
動機 チュートリアルやアレクサ道場の使い方を色々みて、いざ作ってみたときにサンプル発話を書き込むのが面倒だったので、同じところでぐだる人がいないようにまとめてみました。 スキルによっては独自のサンプル発話を作る必要があると思うので、その部分は追加してください。 私はアレクサスキルでゲームを作っていたので、「降参」みたいな発話で終了しています。豆知識スキルのような場合は必要ないので、削除してください。 下のコードをAlexaSkill KitのJsonエディターの中にあるAMAZON.CancelIntentのサンプルの部分にコピーしてください。 似たようなインテントにストップインテントがありますが、あちらは中断するときに使用されるみたいです。 キャンセルインテントとストップインテントの処理の違いについては以下を参照してください https://developer.amazon.com/ja
API Gateway+LambdaとIFTTTを使って、Alexaのリストに追加した項目をTodoistに追加する (文字化け対策) - Qiita
Alexaのリスト機能、便利ですよね。 「○○をやらなきゃ」と思ってスマホを探してスマホのロックを解除してアプリを起動したあたりで「……なんだっけ？」となりがちな物覚えの悪さなので、思った瞬間に発話でタスクの追加が可能というのは大変ありがたいことです。 個人的にTodoistを使用していたこともあり、IFTTT経由で「Alexaへのリスト追加を検知→Todoistに追加」とやっていました。 ……が、2018年の4月くらいから、Todoistに追加していたアイテムが文字化けするように。 「まあ買い物リストに追加した痕跡が残るなら、都度Todoistで直せばいいか……」みたいなことをしばらくやっていたのですが、そんな中で下記の記事を拝読。 [解決編]AlexaからIFTTT経由でショッピングリストの情報を取得すると文字化けするのをなんとかした - Qiita 私もなんとかすることにしました。
ASK CLI で東京リージョンにデプロイする - Qiita
はじめに 現状の ask-cli(1.4.5) で skill を作成し、デプロイするとus-east-1(バージニア北部)にデプロイされてしまう。 公式のフォーラムを見る限り、デプロイ先に複数リージョンを指定することはできそうだが、 東京リージョンのみ にデプロイはできなそう(できなかった)。 ask-cli does not deploy to eu-west-1 or other regions as the default us-east-1 コードをざっと見たところ数箇所変更すれば、デフォルトのデプロイ先を変更できそうだったため、公式でサポートされるまでの暫定対応としてコードに変更を加えて東京リージョンをデフォルトのデプロイ先に変更する。 環境 OS: macOS High Sierra node: v10.9.0 ask-cli: 1.4.5 ソース変更 ask コマンドの元に
日本株システムトレードプラットフォーム QuantX でn日足（終値）を扱うアルゴリズムを実装する - Qiita
日本株システムトレードプラットフォーム QuantX でn日足（終値）を扱うアルゴリズムを実装する 背景 Python による日本株システムトレードプラットフォームである QuantX ではデフォルトでアルゴリズムの実装をする際に、1日足の株価しか取得することができません なので、n日分の株価を扱えるようにしてみようと思い、実装してみました 実装したアルゴリズム https://factory.quantx.io/developer/bb3c6f7b6b7342d5b0c907dc90e2a762 にて公開 下記がその内容のプログラムとなります。 ちなみに、BETWEEN_DAY の値を n にすることで n日足の終値を取得することができます。 ボリンジャーバンドの上端、下端を跨いだときに売買をするアルゴリズムです。 株価が下がりすぎた時を検出した場合は買い、逆の場合は売り、というのを行っ
AWS Lambda関数のバージョン管理 - Qiita
はじめに Alaxaスキル開発では、AWS Lambdaを使用している人が多いのではないでしょうか。 Lambda関数の修正が伴うAlexaスキルのバージョンアップをするとき、公開中のLambda関数を修正するわけにはいきません。Lambda関数にはバージョンを付与することが可能で、公開中のバージョンと開発中のバージョンを区別することができます。 この記事の対象者 AWS Lambda利用者が対象です。この記事では、Alexaスキル開発を例に説明します。 Lambda関数にバージョンを付与する Lambda関数の実装・テストが完了したらバージョンを付与します。Lambda管理コンソールの関数画面上部にある「アクション」から「新しいバージョンを発行」を選択します。 「新しいバージョンを発行」を選択すると以下の画面が表示されます。必要に応じて「バージョンの説明」にコメントを入力して発行ボタンを
google colaboratoryで転移学習を使ってみました - Qiita
import google.colab import googleapiclient.discovery import googleapiclient.http google.colab.auth.authenticate_user() drive_service = googleapiclient.discovery.build('drive', 'v3') upload_filename = 'all.zip' file_list = drive_service.files().list(q="name='" + upload_filename + "'").execute().get('files') # ファイル ID を取得します。 file_id = None for file in file_list: if file.get('name') == upload_filena
Kerasで実装するSeq2Seq −その3 多層LSTMとBidirectional - Qiita
本稿では、KerasベースのSeq2Seq（Sequence to Sequence）モデルによるチャットボットを、Bidirectionalの多層LSTM(Long short-term memory)アーキテクチャで作成し、Google Colaboratory上で動かしてみます。 １． はじめに 本稿はSeq2SeqをKerasで構築し、チャットボットの作成を目指す投稿の3回目です。前回の投稿では、単層LSTMのSeq2Seqニューラルネットワークを構築しましたが、今回は、これをBidirectionalの多層LSTMに拡張します。 ２． 本稿のゴール 以下のとおりです。 ニューラルネットワーク（Bidirectional多層LSTM）の構築と、訓練 応答文生成 なお、本稿の前提となる動作環境は、冒頭でも触れたとおり、Google Colaboratoryです。 ただし、Google
Azure Bot Service : サービスの概要と初めての Web App Bot 作成 - Qiita
本記事では Microsoft Azure で提供されるボットサービスの作成と展開について紹介します。 Azure Bot Service 概要 Azure Bot Service は Microsoft Azure で提供されるボットソリューションで、以下のコンポーネントから成り立ちます。 Bot Builder をはじめとする SDK とツール類 Bot Connector (Bot Channels Registration) Bot のホスト先 (WebApps/Function) や充実したサンプル/ドキュメント Azure Bot Service を使うメリットは色々ありますが、主には以下の通りです。 Web チャット、Facebook Messenger や Slack、コルタナなど、複数のチャネルで動作するボットを同じコードで開発できる。 充実した SDK とサンプルで迅速
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
AlexaアプリをAWS lambdaではなくAzure functionでつくった話 - Qiita
PythonでExcelのグラフ、画像挿入などをする。Openpyxlの使用例 - Qiita
pandasによるDataFrameの基本操作 - Qiita
PythonでClickHouseのSELECT結果をpandas.DataFrameに入れる - Qiita
Debian (Docker) にmatplotlibを入れる時に詰まったのでメモ
[メモ]TensorFlowのアップデートとバージョン確認 - Qiita
Cabocha環境をWindowsでDockerを使ってお手軽構築 - Qiita
hubot-slackをv3からv4にあげたやつ（今更） - Qiita
【Bot Framework Emulator v4】Chatdown Toolを用いたダイアログの設計 - Qiita
