API-Gatewayのリクエスト検証をServerlessで設定する - 二度忘れた事を三度忘れないようにする
Webコンソールからはぺろっと出来る設定ですが、Serverlessで設定しようとしたところ、あんまり情報がなかったのでメモ。 Webコンソールにある２つのチェックルールはデフォルトでは定義されておらず、aws cliで確認しても情報は出てこない。 一度選択して設定してやると新規で定義されてaws cliでも出て来るようになる。なので、Serverlessではチェックルールを定義するところからしてやる必要がある。 あとあるあるパターンで英語のAWSドキュメントじゃないとMethodに与えるプロパティ「RequestValidatorId」が載ってなくてハマってた。 略 resources: Resources: TekiTouVal: Type: AWS::ApiGateway::RequestValidator Properties: Name: TekiTouValidator Res
AsciiDoc を Visual Studio Code でプレビューする
以下のプラグインを Visual Studio Code にインストールすることで AsciiDoc のプレビューとシンタックスハイライトが可能になります。 - https://marketplace.visualstudio.com/items?itemName=joaompinto.asciidoctor-vscode ただし、プレビューを有効にするにはあらかじめ Asciidoctor がインストールされている必要があります。 また、AsciiDoc の中に埋め込んだ PlantUML などもプレビューするには設定を変更する必要があります。 [ファイル] > [基本設定] > [ユーザー設定] で設定ファイルを開き、以下のように記述します。 **既定値** ```sh // command to be used for the HTML generation "AsciiDoc.ht
為替をDeepLearningで予測してみた話 - Qiita
概要 現在の日付を$T$とすると、$T+1$から$T+30$までにおける日次価格の単純移動平均をDeepLearningを使って予測し、 ロングポジションを持った（もしくはショート）時の価格より、予測した移動平均を上(下)回れば利益確定するようなシミュレーション売買を行いました。また、３０日保持したら強制的に手仕舞いするようにします。 エントリーは日時毎に残高があれば全力で行うようにします。 ※オレンジのラインが30日後の30日単純移動平均になります。緑がx軸の日付時点における為替価格です。 使用したDLフレームワーク chainer ver1.3~1.5 ちょうどver1.5で互換性が大幅に変更になって、対応するのが大変でした。 2017/8現在はver2.0.2になっているみたいですね。 使用データ みずほヒストリカルデータ https://www.mizuhobank.co.jp/r
機械学習を使って東京23区のお買い得賃貸物件を探してみた - データで見る世界
さて、改めて今回の目的を確認しておくと、機械学習を使って東京都23区のお買い得賃貸物件を発見しよう、というものです。前回までの記事で、お買い得賃貸物件を発見するためのデータを収集し、分析にかけられるよう前処理してきました。 www.analyze-world.com www.analyze-world.com 今回の記事では、いよいよ機械学習を使って分析していきましょう。前回まではPythonを使っていましたが、この分析ではRを用いています。なお、コードはGitHub（https://github.com/ShoKosaka/Suumo）に上げておきますので興味ある方は参照ください。 最初に、データの中身をざっくり見ていきます。具体的には、分析のキーになるポイントをグラフにしながら、賃貸物件の現状や変数同士の関係性を把握していきます。 データ探索 まず、23区の中でどこが物件数が多いのかを
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
処理を実行中です
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
Amazon.co.jp: Amazon Echo Dot (Newモデル)、ブラック: FSN Devices
