Kaggleに登録したら次にやること ～ これだけやれば十分闘える！Titanicの先へ行く入門 10 Kernel ～ - Qiita
Kaggleに登録したら次にやること ～ これだけやれば十分闘える！Titanicの先へ行く入門 10 Kernel ～PythonKaggle 事業会社でデータサイエンティストをしているu++です。普段ははてなブログ1で、Kaggleや自然言語処理などデータ分析に関する記事を定期的に書いています。 Kaggleでは2019年に「PetFinder.my Adoption Prediction」2というコンペで優勝（チーム）し、「Santander Value Prediction Challenge」3というコンペで銀メダルを獲得（個人）しました。「Kaggle Master」と呼ばれる称号4を得ており、Kaggle内ランクは、約16万人中最高229位です5。 本記事では「Kaggleに登録したら次にやること」と題して、Kaggleに入門したい方に向けて次のようなコンテンツを掲載します。
iOS Simulator(iPhone Simulator)をMacにインストールする方法 - Qiita
この記事は MacではXcodeをインストールするとiPhoneやApple WatchのSimulatorを使うことができます。 この記事はその設定方法を書きました。 手順 ① Xcodeのインストール App Store、またはDevelopperサイトからXcodeをインストールします。 ・App Store ・Developerサイト ② Simulatorのインストール (※結構時間かかります & 1つあたり2.0 ~ 3.5GBぐらいあります) 1. Xcodeを起動する 2. メニューバー > Xcode > Preferenceをクリックする 3. Componentsタブを開く 4. 必要なiOSバージョンをクリックしてインストールする ③ Simulatorの起動 Xcodeを起動する メニューバー > Xcode > Open Developer Tool > Sim
早く知っておきたかったmatplotlibの基礎知識、あるいは見た目の調整が捗るArtistの話 - Qiita
English version available on dev.to はじめに matplotlibで作ったグラフの細かい調整は大変です。何をどういじったらいいのかを調べるのにアホみたいに時間がかかることがあります1。「何を」の部分の名前さえわからないこともあります。解決の糸口を掴んだ後も希望通りの見た目を実現するまでの最後のアレンジに苦労することが多いです2。これらの問題は__matplotlibのグラフがどういう要素で構成されていて、それらに対してどういうことができるかを知る__ことでいくらか改善されます。私はひたすらStack Overflowの回答を読むことでいろんなつまづきを時間をかけて乗り越えてきましたが、最近になってようやく公式チュートリアルにこの苦労を回避できたはずのヒントが書いてあることに気づきました。初期にざっと目を通したのですが「なるほど、よくわからん」と判断して読
local環境(https)のPageSpeed Insights(PSI)を計測する - Qiita
0.はじめに 任意のWebページの表示速度・パフォーマンスを解析して、速度改善方法等を提示してくれるツールの一つに、Googleの提供しているPageSpeed Insightsがあります。 このツールは、公開されているページなら何でも解析をしてくれるため、公開済みサイトの表示速度を計測・改善するためには非常に有用ですが、local環境は当然試すことが出来ません。 フロントエンドのパフォーマンスチューニングを行う上で、ネックとなっている場所を特定し対策しても、わざわざデプロイして改善されているか確認するのは手間がかかります。 その問題を解決するため、local環境をインターネット上に公開してくれるngrokというpackageを用いる手法、及びそれを用いたpsi-localというpackageも存在しています。 しかし、ngrokはhttpで建てられたlocal環境には対応していますが、今
Category Encodersでカテゴリ特徴量をストレスなく変換する
前回はfeaturetoolsを使って、簡単に特徴量の自動生成をする方法を記事にしたが、記事冒頭に記載しているCategoryEncodersの方が地味によく使っている。 いや、なんだったら本当はこっちのCategoryEndodersの方が特徴量生成をする上では重要なんじゃないかとすら思っている。 これが該当する人は読むといいかも？ 文字列がデータに入っているとモデルがエラーになるからいつも除外している 除外はしてないけど、数値にEncodeするのが毎回だるい、死にたい sklearn.preprocessingよ、なんでお前pd.DataFrameで投げたのにnp.arrayで返してくんねん！！！ いや、待てと。そもそもなんでOneHotEncoderってクラス名のくせに、ダイレクトに文字からOnehotに展開してくれへんねん！！そこは気ぃ効かせてくださいよ！ いや、待て待て。文字列を
【動画付き】 draw.io 使い方まとめ 〜エンジニアでなくても使えるTips集〜 - Qiita
draw.io はブラウザを使用してフローチャート、プロセス図、組織図、UML 図、ER モデル、ネットワーク図などを作成できる優れたツールです。作成した図は xml ファイルとして保存でき、GitHub との連携もシームレスに行われます。3 年ほど愛用しているツールですが、隠された使い方がたくさんあります。すぐに忘れてしまうので取りまとめておきます。 「こんな使い方あるよ！オススメだよ！！」という方はぜひ編集リクエストをいただければ追記していく予定です 😊 ※ 主に参照している文献は以下、公式ブログは非常に分かりやすいのでオススメです。 ツイッター公式アカウント 公式ブログ ショートカット ショートカット集です。机の上に置いて覚えましょう。 Line / 線 まずは最も頻繁に使う Line(線)の使い方からご紹介します。 矢印をまっすぐに揃える ちまちまと矢印の線をドラッグして微調整し
とっても簡単！Googleタグマネージャ イベントトラッキング ガイド - Qiita
サイト内でユーザーがどのような行動をしているかを知る方法の一つとして、Googleアナリティクスのイベント トラッキングがあります。しかし、イベント トラッキングを行うには、Javascriptでイベントハンドラを実装してページに組み込んだり色々面倒な作業が発生します。 // イベントハンドラの例 function handleOutboundLinkClicks(event) { ga('send', 'event', { eventCategory: '外部リンク', eventAction: 'click', eventLabel: event.target.href }); } 上記のような作業も、Googleタグマネージャを使えばもっと簡単にイベント トラッキングを行うことができます。ここでは、Googleタグマネージャを利用した基本的なイベント トラッキングをいくつかご紹介しま
MTRの常時取得のススメ - Qiita
本記事は、Publicクラウドでアプリを作る人へ向けて、MTR(My traceroute)の常時取得を啓蒙する内容です。 自身の体験を交えながら、記載していきます。 なお、MTR自体の詳細は記載しませんので、あしからず。 導入 突然ですが、みなさんが担当するクラウド上のシステムは、クラウド共用部ネットワークもしくはインターネット上の経路で問題があった場合、障害ポイントを特定できますか？ 上図はIBM Cloudのネットワーク構成図です(引用元)。 赤マークがネットワークの障害発生ポイントです(厳密にはもっとある)。 想像していたより、たくさんあると思いませんか？ 少なくとも、私はそうでした。 MTRってなんぞ？ MTRとは、tracerouteとpingの機能を組み合わせたツールです。 tracerouteの結果に情報を付加した結果を表示してくれます。 以下はMTR取得結果サンプルです(
Gmailで受信した情報をGoogleAppsScriptで抽出してGoogle Spreadsheetに転記する - Qiita
とても古いシステムでは、何かのデータが追加や更新されるたびにメールで通知されるように実装されている場合があります。古いシステムでなくても、そのような実装が行われている場合ももちろんあります。 こういったシステムではメール本文が所定の書式で出力されていることが多く、また、そのデータを Excel ファイルに手作業で追記するような運用も併せて行われているだろうと思います。 しかしこういうデータを手作業でコピペするのは時間の無駄なので、Google Apps Script を用いてメール本文から必要な情報を抽出して Google SpreadSheet に転記してみます。 なお Google Apps Script を使用する都合上、メールの受信は Gmail が前提です。自社のメールが G Suite なら特に問題はありませんが、そうではないケースでは、特定の情報を一般向けの Gmail アカ
【チケット管理】GitHub IssuesとTrelloを完全に連携できるライブラリを作りました - Qiita
概要 開発のチケット管理を効率的に行うために、GitHub Issuesを作成したらTrelloに自動でカードが作られるGitHub Actionsライブラリを作りました。 ポイントはIssue番号・タイトル・詳細に加えて、IssuesのAssignee⇆Trelloのメンバー、IssuesのLabels⇆Trelloのラベルを完全に連携できる点です。 設定の仕方までこの記事で説明しているので、ぜひ皆さんのリポジトリにも導入して使ってもらえたらと思います！ https://github.com/jessicazu/trello-github-actions ↑この内容でSubmit new issueをすると、数秒後、↓このようにカードが作られます。 背景 開発チームにチケット駆動開発を導入したかったのですが、GitHub Issueだけだとどうも全体が可視化しづらい。 そこで使い慣れてい
さくらレンタルサーバーにSSHで公開鍵ログインする
さくらレンタルサーバー(スタンダードプラン以上のプラン)にSSHの公開鍵認証でログインしました。 この記事では、SSH ログインの手法とともに、公開鍵認証でログインしパスワードを毎回入力しないで済む手順を記載しています。SSH でのパスワード要求に配慮した内容としました。 環境・事前準備 SSH ログイン環境は Mac から行いました。 環境はさくらレンタルサーバー（ボクの場合はスタンダードプラン）が契約済みであり、ローカルマシンには公開鍵と秘密鍵のペアが~/.sshディレクトリに用意されているものとします。 必要な情報は３つです。 さくらレンタルサーバー名 さくらレンタルサーバーのアカウント名 さくらレンタルサーバーのパスワード ログイン情報が書いてある契約サービスの接続情報を確認 さくらレンタルサーバーに契約すると、FTPのアクセス情報をメールで送ってきます。 メールの接続情報を確認し
2019年、俺の読んだ論文50本全部解説(俺的ベスト3付き) - Qiita
第一位 Focal Loss for Dense Object Detection 物体検知のためのFocal Loss これは不均衡データに対処するための損失関数Focal Lossを提案した論文なのですが, とにかくそのシンプルさにやられました. 画像のFLの式を見てください. たったこれだけです. ptは正解ラベルに対する予測値なのですが, ptが大きければ大きいほど損失値をしっかり抑えられるように設計された関数となっています. 正解ラベルに対して0.6と予測するサンプルを学習に重要視せず, 0.3とか0.1とか予測しちゃうサンプルにしっかりと重要視するのです. 自分も7月くらいまでは不均衡データに関する研究していたのですが, 自分が考えた多くのアイディアが結局Focal Lossの下位互換に帰結してしまうのです. しかもこの損失関数の汎用性は非常に高く, あらゆるタスクに入れること
Mac の動作アニメーションを消したい - Qiita
動作が遅くてついカッとなって作ってみました。 多分足りないのとかあるので今後更新はしますが 「もっとこんな事できるんだぜ？教えてやるよ」 というイケメン兄貴は是非教えてください。 お願いしますどうかどうかお願いします。 現状はキビキビ動いてくれます。 #!/bin/bash # opening and closing windows and popovers defaults write -g NSAutomaticWindowAnimationsEnabled -bool false # smooth scrolling defaults write -g NSScrollAnimationEnabled -bool false # showing and hiding sheets, resizing preference windows, zooming windows # floa
anyenv, pyenv, anaconda, jupyter notebook でゼロから作るディープラーニング - Qiita
anyenv, pyenv, anaconda, jupyter notebook でゼロから作るディープラーニングPythonpyenvanyenvJupyterAnaconda 目的 anyenv, pyenv, anacondaをインストールして、ゼロから作るディープラーニングの開発環境を構築する。 環境 MacBook Pro macOS Sierra ターミナル.app anyenvのインストール 複数言語を開発するならanyenvは必須です。 本書で開発を進めるだけなら確かに必要ないですが、 rubyとかjavaとかgoとかに唐突に触りたくなった時にこれ一本で簡単に導入設定できるのは超便利です。 「いや俺はPython一筋だぜ」という人もとりあえず入れてみるのをお勧めします。 GitHub - riywo/anyenv: all in one for **env git clo
ディープラーニングの判断根拠を理解する手法 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ディープラーニングは特定分野で非常に高い精度が出せることもあり、その応用範囲はどんどん広がっています。 しかし、そんなディープラーニングにも弱点はあります。その中でも大きい問題点が、「何を根拠に判断しているかよくわからない」ということです。 ディープラーニングは、学習の過程でデータ内の特徴それ自体を学習するのが得意という特性があります。これにより「人が特徴を抽出する必要がない」と言われたりもしますが、逆に言えばどんな特徴を抽出するかはネットワーク任せということです。抽出された特徴はその名の通りディープなネットワークの中の重みに潜在してお
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
データ分析Pythonオレオレチートシート - Qiita
seaborn日本語表示設定 - Qiita
AWS/Azure/Google Cloudサービス比較 2023.12 - Qiita
google検索のキーワードを可視化して1年を振り返る - Qiita
【決定版】MacOS X 高速化テクニック - Qiita
