「Python 3 エンジニア認定データ分析試験」、全国で開始
Pythonエンジニア育成推進協会は6月8日、Python次期試験「Python 3 エンジニア認定データ分析試験」を全国のオデッセイコミュニケーションズCBTテストセンターで開始すると発表した。 同試験は、Pythonを使ったデータ分析の基礎や方法を問う内容となっており、翔泳社『Pythonによるあたらしいデータ分析の教科書』を主教材としている。昨年にベータ試験が実施されたが、その際の総受験者数は437名のところ、合格者数が357名となっている。 「Python 3 エンジニア認定データ分析試験」の出題範囲 「Python 3 エンジニア認定データ分析試験」の例題 「Python 3 エンジニア認定データ分析試験」例題 受験料金は一般が1万円、学生・教員が5000円（いずれも税別）。受験チケットと主教材をセットにして割引きで販売するキャンペーンも実施する。 既に、文法基礎を問う「Pyth
Pythonだけで簡単に！Graphvizの図形をdraw.io形式で出力する！ - Qiita
はじめに pythonで作ったネットワーク図をdraw.ioで編集したい人向けの記事です。 ①networkxでグラフのもとになるdotフォーマットのデータを作って、 ②それをgraphviz2drawioを使ってDraw.ioで使える形式(xlm)で出力します 今のところ、とりあえず出来た、というだけですが、環境づくりに苦労したので、同じような沼にはまる人がいないといいなと思って書きます。 最後にはこういうものが出来上がります。 （VSCodeの拡張機能、Draw.io Integrationで表示しています） ハマった点 Graphvizで描画するのに使うGraphvizのパッケージと、graphviz2drawioを使うためのGraphvizのパッケージが異なる。環境を別にしないとエラーになってしまう。 Graphviz単体でインストールして使うことを前提としたパッケージと、パッケー
Goで開発していたが、途中でPythonに切り替えた件を振り返る。 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? イントロダクション 目下、開発中のプロダクトなので詳しいことは書けないのですが、いろいろと気付きの多い出来事だったので、 少し自分自信の振り返りも兼ねて、投稿してみたいと思います。 これは、決してGoよりPythonのほうが優れているとかそういった話ではないです。 今回、自分は開発者というよりプロジェクトマネージャー（以降、PM）という立場になります。 Goの採用 当社のコア技術はPythonなのですが、今回、開発にあたってGoを採用していました。 主な採用理由としては、「プロトコルとしてgRPCを採用するにあたって、gRPCとの組み合
Macにseleniumをインストールして、pythonでお試し利用する - Qiita
Google Chromeをインストール 以下を参考にGoogle Chromeをインストール https://www.google.com/chrome MacにGoogle Chromeをインストールする方法 Google Chromeドライバをインストール Google Chromeのバージョンを確認して、 Google Chromeと同じバージョンのドライバをインストールする Google Chromeのバージョンを確認 Google Chromeメニュー → Google Chromeについて （例） Google Chrome は最新版です バージョン: 81.0.4044.138（Official Build） （64 ビット） Google Chromeと同じバージョンのドライバをインストール （例）Google Chrome が、バージョン: 81.0.4044.138
Pythonでコードを書いてAWSやKubernetesのシステム構成図を出力できる「Diagrams」
システムの構成を社内で共有したり外部に説明したりする際に、システム構成図を作成した経験のあるエンジニアは多いはず。ダイアグラム作成ソフト「Diagrams」を使うと、AnsibleやSubiquityといった「Infrastructure as Code(IaC)」に関連するサービスのように、プログラミング言語のPythonでコードを書くことで、クラウドやオンプレミスの構成図を描くことができます。 Diagrams · Diagram as Code https://diagrams.mingrammer.com/ まずはDiagramsの動作に必要なパッケージをインストールします。今回Diagramsのインストールに利用するのはUbuntu 18.04です。 sudo apt install -y python3 python3-pip graphviz 続いてDiagramsをインスト
Ruby と Python と Java で解く AtCoder ABC141 D 優先度付きキュー - Qiita
class PriorityQueue def initialize(array = []) @data = [] array.each{|a| push(a)} end def push(element) @data.push(element) bottom_up end def pop if size == 0 return nil elsif size == 1 return @data.pop else min = @data[0] @data[0] = @data.pop top_down return min end end def size @data.size end private def swap(i, j) @data[i], @data[j] = @data[j], @data[i] end def parent_idx(target_idx) (target_id
Pythonが実行される仕組みについて雑多に調べてみた - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Pythonはシェルスクリプトの延長くらいにしか使ってきてなかったのだけれど、最近もう少しちゃんとした用途で使う機会が増えてきた。そうなると、低レイヤ好きの人間としてはPythonがどのように実行されているのか気になってきた。 なので雑多につまみ食いしてみた。 Pythonの実装 言語の仕様と実装は別モノであるという話。 Pythonという言語はひとつだけれど、その言語の機能を実現するための方法はひとつではない。CPythonとかPyPyとか、こいつらはPythonという言語の、実装に対する呼称だ。C言語とかで言えばコンパイラにGCCと
DockerでPython 3.8用のpsutilをインストールしてみた - Qiita
動機 ことの始まりはとある先輩からのオーダー。。。 「最新のpyhon3系で動かしているlambdaのメモリ容量取得するようなコードかいてよ。」 よっしわかったよ。 クソ野郎やってやろうじゃないかと意気込んでLambdaの最新のpython3系のランタイムをみたら、、、 python3.8.....になってた。えっ、、、いつのまに3.8に。。。。 ということでpyrhon3.8かつamazonlinux2(Lambdaの実行環境がamazonlinuxとのことなので)で インストールした外部ライブラリが必要になった。。。 Dockerファイル さくっとPython外部ライブラリを準備したかったのでDocker使いました。 Docker for Macです。 python3.8をインストールするために作成したDockerファイルは下記の通り FROM amazonlinux:2 RUN yu
jwilder nginx-proxy + letsencrypt-nginx-proxy-companion + Flask + uwsgiでHTTPS対応のWebサービスを作り、更にQualysでA+を取る - Qiita
jwilder nginx-proxy + letsencrypt-nginx-proxy-companion + Flask + uwsgiでHTTPS対応のWebサービスを作り、更にQualysでA+を取るFlaskDockerdocker-composenginx-proxyLet’sEncrypt JQueryとPythonを勉強しながらGCP上でWebサービスを公開するまでという記事から始めたのだが、このアーキテクチャを作るのもなかなかハードルが高かった。 NginxとFlaskの初期の設定から説明してみたい。 localhostとpublic domainの両方で試せるようにdocker-compose.ymlを分けて作ったものをGitHubに置いている。 https://github.com/legacyworld/nginx-proxy-test 環境 まずはドメインのない
tkinter で作った GUI の実行可能ファイルを作る - Qiita
とある日 Python で subprocess を使って外部ツールを実行するスクリプトを作り、Python コマンドを叩けば実行できるものを作った。(要は、外部ツールのラッパー) ところが、利用者はターミナルを開いて使うような人物ではないので、やっぱり GUI でポチポチできるのが嬉しい。 そして、いつものように多々ハマる日。 tkinter (PySimpleGUI) Python には、 tkinter1 という GUI ツールキットが標準で用意されているらしい。これを使えば仮でも GUI を作れそうだ。 ちょろちょろ Google 先生に尋ねていると Tkinterを使うのであればPySimpleGUIを使ってみたらという話 という記事に辿り着き PySimpleGUI2 という tkinter (及び、Qt, WxPython, Remi) のラッパーライブラリに出会った。 ここ
Pythonの機械学習環境をコンテナで構築 - Qiita
Pythonの機械学習環境をコンテナで構築 ノートPCにPythonの機械学習環境をコンテナで構築します。 今回は、主にテキスト系機械学習用の環境として、fastTextとPython3が使えるコンテナを構築します。 イメージ 実行(学習と検証)は機械学習用コンテナにシェルでログインし、fastTextとPython3の実行を行う。 ソースコードと学習用ファイルはPC上のフォルダをマウントする。 エディタはVisual Studio Codeを使う。 Edit 作業 https://qiita.com/penpenta/items/3b7a0f1e27bbab56a95f 環境 Windows 10 Pro Memory : 8GB Docker Desktop for Windows ベースになるコンテナイメージを起動 まずベースになるコンテナイメージを起動します。 ここでの実行コマンド
Nginx + Nuxt.js + Django REST frameworkの実装 - Qiita
初めに 前回投稿の続きで、Nuxt.js + Django REST frameworkで動くアプリケーションをnginxに乗せていきます。 構成イメージ 下記4つのコンテナがあります。 前回投稿からnginxコンテナを加えています。 ・初回ページ表示 ①nginx経由でnuxtコンテナにアクセス ②nuxtコンテナでSSRする。この際APIを叩きdjangoからDBの情報を取得する。 ③レンダリングしたページをユーザに返す ・ページ中でAPIを叩いた場合 nginx経由でdjangoコンテナにアクセス、結果をユーザに返す。 環境 Window10 Pro Docker desktop v2.1.0.5 Python 3.6.9 django 2.2.7 djangorestframework 3.10.3 Nuxt.js v2.11.0 nginx 1.13.12 ディレクトリ構造 .
Ruby と Perl と Java と Python で解く AtCoder ARC 098 C 累積和 - Qiita
はじめに AtCoder Problems の Recommendation を利用して、過去の問題を解いています。 AtCoder さん、AtCoder Problems さん、ありがとうございます。 今回のお題 AtCoder Regular Contets C - Attention Difficulty: 641 今回のテーマ、累積和 Ruby 入力例 2 のWEWEWEEEWWWEを考察しますと、WEWEWEEiWWWEとなりiの左側のWの個数と右側のEの個数の合計が求める人数となります。 文字列の左0から右n-1に向かって、Eは単調減少、Wは単調増加ですので、計算量を抑える手法として累積和を使用します。 n = gets.to_i s = gets.chomp e = (s[0] == 'E' ? [1] : [0]) w = (s[0] == 'W' ? [1] : [0])
【統計モデリング入門 】一般化線形モデル（GLM）を基礎から学ぶ -Pythonによる実践あり-｜はやぶさの技術ノート
最初に「モデリング」や「モデル」などの用語について整理しておきます。 モデリングとは あるデータを入力したとき、ユーザーがほしい情報を出力する箱をモデルと呼びます。 例えば下図は、あるパターンの波形を入力すると、その数秒先の波形を予測（出力）するモデルのイメージです。 引用元：MXNetとLSTMで時系列データ予測 -入門から実践まで- このモデルを設計する作業がモデリングです。具体的には、モデルの中身にあたるアルゴリズムを検討する作業のことです。 近年では深層学習モデルが人気です。実は上図もLSTMと呼ばれるアルゴリズムを活用した深層学習モデルです。
Pythonとは - python.jp
Python(パイソン) は1990年代初頭ごろから公開されているプログラミング言語で、わかりやすく、実用的な言語として、広く使われ続けています。Pythonはプログラムの「読みやすさ・わかりやすさ」をとても重視していて、Pythonを知らない人でも、理解しやすいようにデザインされています。 もちろん、読みやすさ一辺倒ではなく、実用的で、高い拡張性も備えています。読みやすさ・習得しやすさと、実用性のバランスが、Pythonの大きな魅力といえるでしょう。 Pythonは汎用的なプログラミング言語の利用度調査などでは、常に高い位置を占めています。システム管理やツール・アプリケーション開発・科学技術計算・Webシステムなどで広く利用されてきました。特に、2010年代ごろからの機械学習ブームでは、優れた科学技術計算ツールとして評価され、大きな人気を得ました。 2020年度からは、日本の国家資格であ
2万4000超の開発者に聞いた、Pythonでよく使うフレームワークは？
Python Software Foundationは5月5日(米国時間)、「Python Software Foundation News: Python Developers Survey 2019 Results」において、2万4000名以上のPython開発者が参加した調査の結果を伝えた。 同調査は、Pythonがどのような用途で使われており、昨年と比較してどのように推移したのかなどがまとめられている。加えて、Python開発者が分野ごとによく使っているフレームワーク、ライブラリ、ツールなどについてもまとまっており、参考になる。 掲載されている主なフレームワークやライブラリ、ツールは次のとおり。
商用利用可能なPython向け機械学習ライブラリ「SmallTrain」 Geek Guildがオープンソース化
「高精度の学習済みモデルが簡単に構築できることを体感してほしい」 SmallTrainでは、TensorFlowやPyTorchの関数を用いて、CNN（畳み込みニューラルネットワーク）などの手法によってニューラルネットワークを構築してある。AIモデルには、画像データや時系列データなどのさまざまなデータを既に学習させてある。商用利用が可能で、スモールデータに対応した学習済みモデルとして利用することで工数が大幅に削減できる。さらに、ユーザーのデータを学習させることで、独自の学習済みモデルを構築できる。 当初は、登録ユーザーに限定して公開する。Geek Guildは、実際にSmallTrain 0.1.2で構築した学習済みモデルを登録ユーザーに利用してもらい、商用利用に耐える高精度の学習済みモデルが簡単に構築できることを体感してほしいとしている。さらに、ソースコード改善への貢献（コントリビュート
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のOS操作 - Qiita
Ruby と Perl と Java と Python で解く AtCoder CADDi 2018 C 素因数分解 - Qiita
Pyenv を入れた後、”command not found” で Python がインストールできない時の対処 | DevelopersIO
