AnacondaとPythonのバージョン対応表 - Qiita
参考 Anaconda Individual Edition Installer Archive https://repo.anaconda.com/archive/ Anaconda Documentation(Old package lists) https://docs.anaconda.com/anaconda/packages/oldpkglists/ Wikipedia(Python) https://ja.wikipedia.org/wiki/Python 更新履歴 2025/08/25:Anaconda3-2025.06-1を追加 2025/06/29:Anaconda3-2025.06-0を追加 2024/10/26:Anaconda3-2024.10-1を追加 2024/06/29:Anaconda3-2024.06-1を追加 2024/02/27:Anaconda3-
M1 macOS で python + numpy/scipy/pandas/matplotlib/jupyterlab 環境構築のメモ(2020/12/24 時点) - Qiita
M1 macOS で arm64 native な python と numpy/scipy/matplotlib, Jupyter-lab など入れてデータサイエンスしたい. 現状だと x86 の時と同じやり方でインストールしようとすると, M1(arm64) の場合はコンパイルがコケたりなどしてうまく行きません (pip とか, macports 経由とかでインストールとか) 例えば altivec(みんな知っているかな!) コンパイルフラッグが clang 未サポートで numpy ビルドできないなどの issue があります. いずれ時が解決するでしょうが, 待つのもめんどいです. ソースからビルドするのはもっとめんどい. ぺろっとお手軽に Arm64 native なデータサイエンス環境セットアップしたいですよね. miniforge Apple Silicon, run Sci
第6回 複数の機械学習とロボットアームの組み合わせで広がるアイデアを体感しよう|Tech Book Zone Manatee
連載第6回では、複数のAPIを組み合わせたデモの例として、筆者の所属するチームで開発した"FindYourCandy"というデモをご紹介します。FindYourCandyは、複数の機械学習とロボットアームを組み合わせたデモです。このデモは、ロボットアーム等のハードウェアを使うことで、オンラインの世界を飛び出し、実世界で機械学習を利用することをイメージしやすいことを目指して開発されました。機械学習部分にはGoogle Cloud Platformの機械学習系サービスを積極的に利用することで、高い精度と開発工数の削減の双方を実現しています。まずはFindYourCandyそのものの説明を行い、どのように機械学習を使ってFindYourCandyの各機能を実現しているか説明します。また、FindYourCandyはGitHub上で公開していますので、最後にそのセットアップ方法について解説します。
python-youtube
Verified details These details have been verified by PyPI Maintainers ikroskun Meta Author: ikaroskun Unverified details These details have not been verified by PyPI Project links Homepage Repository Meta License: Apache Software License, MIT License (MIT) Author: ikaroskun Tags youtube-api , youtube-v3-api , youtube-data-api , youtube-sdk Requires: Python <4.0, >=3.6 Python YouTube A Python wrapp
python の yield。サクッと理解するには return と比較 | コード７区
return との比較 return と yeild を比較してみます。 まず return ですが、戻り値のある return の動作は 関数の処理を 終了 し 値を返す です。 一方、yeild は 関数の処理を 一旦停止 し 値を返す という動きをします。 一旦停止なので、yeild の処理は再開されます。 図にすると yeild の場所で一旦停止し、再開時は次の行からスタートします（再開のきっかけは後述）。 なんのために ? でわ、yield があると何が便利なのでしょうか。 単純な例ですが、たとえば 1GB の巨大なテキストファイルがあるとします。そして、この巨大なファイルを読み込み、データを渡してくれる関数を作るとします。 これを普通にやろうとすると、受け渡し用のメモリが 1GB という巨大なサイズになってしまいます。 ところが yield を使えば、少量、たとえば 1 行づつ
Youtube Data APIを使ってPythonでYoutubeデータを取得する - Qiita
はじめに 最近、APIを用いて色々なデータを取得できないかを調べています。 Youtube Data APIを使用して動画の再生回数やいいね数などの情報取得する方法を調べて実践したので覚書的に記事にまとました。 参考 Youtube Data APIの使用に当たって下記を参考にいたしました。 PythonでYoutube動画検索 YouTube Data API の概要 Youtube Data API のリファレンス APIの使用準備 Youtube Data APIの登録 Youtube Data APIの取得にはまずGoogleアカウントが必要になります。 下記手順でYotube Data APIの登録を行い、APIキーを取得します。 Google Cloud Platformにアクセスした後新しいプロジェクトを作成 新たに作成したプロジェクトにチェックを入れた状態で「APIとサービ
python の site-packagesとdist-packages
mzmttks's blog for my memorandum の略で mzrandum. Topics are: python, book review, and my hobbies. Python のインストールパスは、バージョンごと、モジュールごとで異なる。 Python 2.5 以前 public モジュール を python-support でインストール (apt-get) /usr/lib/python2.X/site-packages public モジュールを ローカルでインストール (easy_install) /usr/local/lib/python2.X/site-packages 独自モジュールをローカルでインストール /usr/local/lib/python2.X/site-packages Python 2.6, 2.7 public モジュール を
Pythonでアンサンブル(スタッキング)学習 & 機械学習チュートリアル in Kaggle - Qiita
はじめに 今回は、機械学習の一つであるアンサンブル学習のスタッキング法についてのいいチュートリアルをKaggleで見つけたので共有します。 目的は、様々なパラメータからタイタニック号事件の生存を予測することです。 原文：Introduction to Ensembling/Stacking in Python お手元で試しながら読む場合は、先にKaggleからデータをダウンロードしてください。 データ入手方法：【Kaggle初心者入門編】タイタニック号で生き残るのは誰？ Introduction 原文を呼んでください。 要は、「スタッキング法でのアンサンブル学習は、機械学習において良い精度を出すよ。」って書いてあります。 機械学習において、単一の学習器をそのまま使うのではなく、複数の学習器を組み合わせることで、予測エラーを小さくする手法をアンサンブル学習といいます。 アンサンブル(混合学習
[Python]機械学習などでテキストデータを特徴量にする際のソースコード集 – かものはしの分析ブログ
都内の事業会社で分析やWebマーケティングの仕事をしています。大学・大学院では経済学を通じて統計解析を行うなどしておりました。企業に勤めてからは、機械学習やテキストマイニング、クローリング技術などに関心を持っています。 Twitterアカウント Mr_Sakaue( SKUE ) GitHub 読書メーター ほしいものリスト テキストデータの特徴量化について 仕事ではテキストデータを多用するので、機械学習などで扱うためにテキストデータを特徴量にするためのアプローチを色々と整理してソースコードを残しておきたいと思います。今回はあくまでも私の知っているものだけなので、網羅性はないかもしれませんが悪しからず。 （2019/08/18 追記）Stackingをカジュアルに行えるvecstackというモジュールを用いた予測も試してみました。下の方の追記をご覧ください。 アプローチ テキストデータを特
![[Python]機械学習などでテキストデータを特徴量にする際のソースコード集 – かものはしの分析ブログ](https://cdn-ak-scissors.b.st-hatena.com/image/square/a787dca9147676db06027eb58bb689b8fa4eb62b/height=288;version=1;width=512/http%3A%2F%2Fkamonohashiperry.com%2Fwordpress%2Fwp-content%2Fuploads%2F2018%2F08%2Fanimal_kamonohashi.png)
tweepy+bottleを使ってAccout Activity APIに対応する - Qiita
はじめに User Sterams APIを前提としたtweepyでbotを作っていました。 User Streams API廃止と聞いて凹んでましたが bottleを使ってちょっと頑張ればAccount Activity APIに対応できるんじゃないかと思って 実装してみました。 何をするか 開発者アクセス権の登録 アプリの登録 開発環境の登録 Herokuとかでアプリを登録 bottle本体を実装 webhook用URLをツイッター認証する webhook用URLにwebhook登録したいユーザーを登録する 1-3はこちらを参考に。（結構めんどい） https://qiita.com/sbtseiji/items/7957de5db0987d9a6891 4はHeroku + bottleで適当にググると見つかります。 本記事では５以降を説明します。 5.bottle本体の実装 認証用
Python3でSlack APIを使用してBotを作成 - Qiita
やったこと Slack APIを使ってみたかったので，Appの作成プロセスを最初からまとめておく． コンテンツ Slack Appを任意のワークスペースにインストール． Python3でSlack APIを使ってbotを動かせるようにする． 参考資料 https://api.slack.com/start/overview https://api.slack.com/start/building https://slack.dev/python-slackclient/index.html https://github.com/slackapi/python-slackclient 環境 MacOS Mojave 10.14.5 Python3.7 slackclient 2.0.1 Appの作成 このURLで作成したいApp名とワークスペースを指定. 新規Appが作成される． Build
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
pythonで上のディレクトリ内ファイルをimportする方法 - Qiita
face_recognition/README_Japanese.md at master · m-i-k-i/face_recognition
boto3を使ってS3をごにょごにょする - Qiita
【Python】ロボットアームをラズパイで制御してみた(AI画像認識) | メタエレ実験室
face_recognition/README_Japanese.md at master · ageitgey/face_recognition
Pythonでimportの対象ディレクトリのパスを確認・追加（sys.pathなど） | note.nkmk.me
Client Challenge
https://www.freia.jp/taka/blog/python-textwrap-with-japanese/index.html
(t-SNE, DBSCAN, Decision Tree)で、(可視化 > クラスタリング > 特徴説明)を行う - Qiita
