Jupyter AIが出た！試した！！すごい！！！ - QiitaDeleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
PapermillでJupyter Notebookをコマンドラインから実行する - Qiita
$ papermill papermill_example.ipynb papermill_example_output.ipynb Input Notebook: papermill_example.ipynb Output Notebook: papermill_example_output.ipynb 50%|█████████████████████████████████████████████████████████████▌ | 1/2 [00:01<00:01, 1.56s/it] Traceback (most recent call last): File "/home/ubuntu/anaconda3/bin/papermill", line 11, in <module> sys.exit(papermill()) File "/home/ubuntu/anacon
PythonでJupyterノートブック「.ipynb」を生成する - Qiita
import nbformat nb = nbformat.v4.new_notebook() title = "# タイトル" code = """ %matplotlib inline from sympy import * # to print with mathjax on jupyter notebook init_printing() """ nb["cells"] = [ nbformat.v4.new_markdown_cell(title), nbformat.v4.new_code_cell(code) ] with open("output.ipynb", "w") as f: nbformat.write(nb, f) これで、色々便利なことができそうですね。 PyCharmでカスタムした.ipynbを生成する PyCharmはPythonの統合開発環境(IDE)で
【機械学習】iPython NotebookでSparkを起動させてMLlibを試す - Qiita
SparkをiPython Notebook(Jupyter)で動作させ、MLlibを動かしてみるテストです。クラスタリング（KMeans）、分類:Classification（SVM, ロジスティック回帰, Random Forest）をirisデータで試しました。 環境 OS: Mac OSX Yosemite 10.10.3 Spark: spark-1.5.0-bin-hadoop2.6 Python: 2.7.10 |Anaconda 2.2.0 (x86_64)| (default, May 28 2015, 17:04:42) 本稿では上記の環境で行ったものを記載していますので、他の環境では設定が異なる場合もあるかと思いますのでご注意ください。 1. Sparkバイナリのダウンロード&配置 http://spark.apache.org/downloads.html から s
BigqueryとColaboratoryで売上を統計分析する基盤を試作した話 - Qiita
Excelの限界 弊社の某プロダクトでは個々の契約の利用料金は自動的に算出しているのですが、 それ以上の粒度、例えば四半期や通期の売上総額や、各メニュー毎の売上等の集計には（多くの企業でそうであるように）Excelが用いられています。 Excelは誰でも直感的な操作が可能な素晴らしいものですが、その反面いろいろな制約があります。 扱えるデータが小さい データの再利用性が低い 10万行くらいで操作性的にかなりしんどく、100万行を超えると物理的に扱うことができません。また、データの参照と加工が一体化しており直感的な反面、長期的な再利用が難しく、長期間にわたる集計を行うのは重労働になりがちです。いきおい長期的なデータを様々な角度から自由に分析する、というのはなかなか難しくなります。 今回は、私が担当している某プロダクトの売上等のデータを長期的に集積し、統計処理や可視化を行うための基盤を試作して
MXNetチュートリアル（gluon部）用の環境構築 - Qiita
TL;DR MXNet Tutorials Building neural networks imperatively with gluon部分をさらうためのDockerfile + 起動法の紹介 公式のインストール法 + Jupyter環境 2017/7/17時点でさらうための方法、今後gluonがリリースに取り込まれた際は公式Dockerイメージの方が適するハズなので要注意 Python3を利用、Beginer部分はコレで大丈夫でした。 【2017/07/26追記】 上記gluonを用いたチュートリアルは公式より一旦下げられ、http://thestraightdope.mxnet.io でホストされる模様です。 Dockerfile FROM ubuntu:16.04 RUN groupadd mxnet && useradd -m -g mxnet mxnet RUN apt-ge
Jupyter+AnsibleをBash on Ubuntu on Windowsにインストール - Qiita
今お仕事させていただいている国立情報学研究所では Literate Computing for Reproducible Infrastructureと銘打って、仮想環境の整備をするNotebookとかHadoopクラスタを構築するNotebookとかを公開しているわけですが、最初のとっかかりとしてJupyterとAnsibleがインストールされた環境を用意するところがちょっと考えどころになります。 Macを使っておられる方はいずれもpipでさっくり入るわけですが、Windowsだと色々悩みどころが出てきます。 まあ、インフラ系ツールを積極的に使うんならLinuxとかMacとか使えよという話はあるわけですが、今回はその悩みどころを我らがニューカマーBash on Ubuntu on Windows(以下BoW)で何とかしてみることにします。 BoWに取り組む前に・・・ 個人的感想ではありま
「Python 機械学習プログラミング」まとめノート(Jupyter) - Qiita
はじめに 「達人データサイエンティストによる理論と実践 Python 機械学習プログラミング」という本の評判が良かったので読みました。 https://www.amazon.co.jp/dp/B01HGIPIAK/ref=dp-kindle-redirect?_encoding=UTF8&btkr=1 その際に、後から復習できるようにJupyter Notebooksのノートファイルにまとめノートを作りながら学習を進めていきました。その時のまとめノートをせっかくなので共有したいと思います。特に重要だと思ったポイントや、ちょっとした補足を追加して、「この手法、scikit-learn使ってどんな風に書くんだっけ？」の備忘録として使えるように書きました。ただ、省略してる部分も多いので適宜元の本を見て補ってもらえると幸いです。あと1,2,8,9,12,13章についてはノートを作っていません。（デ
TreasureDataとPandasとJupyterでインタラクティブにデータを可視化する。 - Qiita
はじめに TreasureDataは、アプケーションログやセンサーデータなど時系列のデータを簡単に収集・保管・分析が行えるクラウドサービスです。 現在は、分析エンジンの一つとして、Prestoが利用できるようになり、収集したデータをインタラクティブにSQLで分析が行えるようになりました。 しかし、SQLでデータを分析したデータを元に可視化をするという機能自体はTreasureDataでは備えていないため、ExcelやTableauなどの外部ツールを使って、可視化を行う必要があります。 そこで今回は、Pythonのライブラリとして人気があるPandasと、WebブラウザでインタラクティブにPythonを実行できるJupyterを利用して、TreasureDataとインタラクティブにSQLを実行して集計・可視化を行っていきます。 セットアップ 利用環境 Ubuntu 14.04 Python
pandasのプロット機能を使いJupyter上で作図 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 環境 OS X El Capitan 10.11.6 python: 2.7.11 pandas: 0.18.0 matplotlib: 1.5.1 numpy: 1.10.4 IPython: 4.1.2 初めに Pythonによる作図のおすすめ10 Pythonには様々な作図方法があり、matplotlibというライブラリを使うのが基本です。ただそれは少し野暮ったいので楽にオシャレに描けるようにするseabornというラッパーがあります。これに満足できなかったら、Bokehとかがいいのかもしれません。ggplotはRで使用している方
Jupyter上でmatplotlibのアニメーションを再生する - Qiita
を加えることで、matplotlibの__nbagg__が有効になり、Jupyter上でアニメーションが再生できます。 matplotlibの公式の説明によると、__nbagg__はmatplotlib 1.4で新たに追加された機能で、Jupyter上でのインタラクティブな画像表示を実現するための機能だそうです。 以下はデモのソースコードです。 %matplotlib nbagg import numpy as np import matplotlib.pyplot as plt import matplotlib.animation as animation fig = plt.figure() x = np.arange(0, 10, 0.1) ims = [] for a in range(50): y = np.sin(x - a) im = plt.plot(x, y, "r")
岩隈久志(SEA)のナイスピッチングをPythonで可視化(Jupyter,seaborn,pitchpx) - Qiita
Jupyterとseaborn、pitchpxを使ったMLB野球データの可視化 前回の記事（といっても4ヶ月近く経っちゃいましたがw）の続編かつ、BPStudy#103「Baseball Play Study 2016」の技術的な補足資料となります. 野球Hack!（野球プログラミング）2016年の新作となります. 【はじめに】ライセンスについて 絶対質問が来る&コメントが入るので先に書いちゃいます. 使用ライブラリ(Jupyter,seabornなど)のライセンスは各ライブラリのページもしくはPyPIのページで確認ができます. 今回使用する野球データ(MLBAM)のライセンスは、 個人利用程度であれば問題ありません！！！ ただし、商用利用、大量に取得&スクレイピングはNG この辺の解説は以下のリンクを参照ください&認識齟齬があればコメントを. http://gd2.mlb.com/com
TensorFlowのグラフをJupyter上で可視化する ― tfgraphvizの紹介
はじめに TensorFlowにはTensorBoardという視覚化ツールが用意されています。TensorBoardを使うとニューラルネットのグラフや学習状況をインタラクティブに確認することができるので大変便利です。 しかし、TensorBoardの利用には「ログの書き出し→サーバ起動→ブラウザ起動」の手間があったり、GRAPHで表示されるグラフはノード名が途中で「...」で丸められてしまって他人に説明するには使いづらかったり、データサイエンス系で人気のJupyter notebookと連携できないといった面倒な点があります。 そこで、TensorFlowで構築したグラフをDOT言語+graphvizによって可視化するモジュールtfgraphvizを作りました。tfgraphvizを使うことで、グラフを簡単に画像化したり、TensorBoardのGRAPH機能と同等の機能をJupyter
【初心者向け】MacでDockerを使ってTensorFlowを試す(Jupyter Notebook) - Qiita
概要 機械学習でTensorFlowを使っていみたいなと思い、調べたらDockerを使うと良いとの事だったのでDockerでTensorFlowを使ってみました。実際にやってみるとJupyter Notebookを使うことになったのでそちらに関しても書いておこうと思います 用語の説明 Docker 簡単に仮想環境を作り、動作させられるオープンソース。Paasのようなもの。 [注目を浴びる「Dockerコンテナ」、従来の仮想化と何が違うのか？](http://cn.teldevice.co.jp/column/detail/id/102) TensorFlow TensorFlow(テンソルフロー)とは、Googleの機械学習/ディープラーニング/多層ニューラルネットワークライブラリ。基本的にPythonで書く。 [TensorFlowとは](http://www.ossnews.jp/os
Dockerで作るJupyter Notebook開発環境 - Qiita
研究室リモートサーバ上にJupyter Notebook環境を作ったら色々と捗ったのでその紹介です。調べながらやったら色々と詰まったので情報を残しておこうと思います。 捗ったこと 研究室リモートサーバの高スペックな計算資源を使える Webブラウザ上から簡単にアクセスできる よく使うもの(numpyとかmatplotとか)がはじめから入っている Dockerとりあえず使ってみたアピールができる 研究室リモートサーバの環境 Ubuntu 16.04.1 LTS (GNU/Linux 3.13.0-24-generic x86_64) グローバルIPが付与されている Dockerのインストール まずこのへんを参考にしつつ，UbuntuにDockerをインストールします。また，dockerは一度立ち上げたらその後はWebブラウザから利用するので， などとして，daemonとしてdockerを起動し
Pythonista以外が環境を汚さずにJupyter Notebookに触れる方法 あるいは，Rubyist以外が環境を汚さずにJupyter NotebookでRubyに触れる方法 - Qiita
TL;DR Jupyter Notebookがアツい！ RubyとかElixirも動かしてみたい！ Dockerコンテナで動かせば楽！ Docker ToolboxだけでOK！ Pythonの知識なくても環境構築できる RubyやElixirの知識がなくてもJupyter Notebook上でそれらの言語が扱える Jupyter Notebookについて Jupyter Notebookがキテる！という話は色々なところでなされているため本稿では省略する: Jupyterがすごい勢いでやってくるからお前ら備えとけ（IPython Notebook + R） - Qiita Railsエンジニアに役立つJupyter NotebookとiRuby - クックパッド開発者ブログ 現代のエンジニアのための強力なメモ帳 Jupyter notebookのすゝめ - クックパッド開発者ブログ このJu
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
Pandas + Jupyter notebookで分析を便利に - Qiita
Jupyter notebookで動的なグラフを表示する。（D3.jsのインライン表示） - Qiita
Bash on Ubuntu on WindowsでJupyter NotebookからTensorflowを実行する - Qiita
Dockerで分析環境構築(jupyter notebook + PostgreSQL) - Qiita
