デジカメやスマートフォンで写真を撮影するとき、実物と写真の色感の違いに悩まされる場合もよくあるものです。これは人間の目とカメラの仕組みが異なるために起こる問題なのですが、Adobe Photoshopなどの画像編集ソフトを使って補正を行うことで正しい色に近づけることも可能です。元NASA職員らによるサイト「Planet Labs」では、そんな画像補正の手順を解説するブログエントリ「A Hands-On Guide to Color Correction」を公開しています。 A Hands-On Guide to Color Correction https://www.planet.com/pulse/color-correction/ ブログのエントリを公開したロバート・サイモンさんは、人工衛星から撮影した地表の写真に補正を加えることで実際の見た目に近い画像を作成する手順を解説しています
Javaパフォーマンス
本書ではJVMのチューニングとJavaプラットフォームでの問題解決の双方からJavaパフォーマンスの「アート」と「サイエンス」を明らかにします。Javaアプリケーションのテスト手法やベンチマーク測定、パフォーマンス分析に必須のモニタリングツールを学んだうえで、さまざまな性能改善について議論します。JITコンパイル、ガベージコレクションというチューニングが大きな役割を果たす2つの仕組みについて最初に考察します。続いて、Javaプラットフォームのさまざまな側面で高いパフォーマンスを発揮するためのベストプラクティスを紹介します。具体的には、Javaのヒープメモリ、ネイティブメモリ、スレッド、Java EEのAPI、JPAとJDBC、そしてJava SEのAPIでのヒントを取り上げます。Java 8対応。 目次 監訳者まえがき まえがき 1章 イントロダクション 1.1 概要 1.2 プラットフォ
賛否両論様々で，その性能もよく分かんなくて，どれ程に役に立つのか未知数なんだけど，業界人の間では興味の的であったコピペルナーV2を購入してみた． 買ってみた 大学生協経由で購入しました．45k円弱でした．ちょっとばかり研究費が余っていたもので．アカデミックライセンスなので，アカデミックさを証明する申込書を作成し，注文してから1週間以内には手元に届きました．というのも，入試期間中だったので，届いていたけど受け取れなかったという件． 使ってみた 例外に漏れることなく，入試対応だったり，卒論対応だったり，修論対応だったりで遊ぶ時間がなかったのですが，あれがあれであれのあれで，想定外に時間を持て余したので，試してみました．どのくらいの時間がかかるのかを測るために使ったターゲットデータは以下のようなもの． 担当している3年次生必修科目であるところの工学実験のレポート1年分＝108件 概ね10ページ程
数ヶ月間、私のお小遣いを貪り続けてきたAWS EC2上のハニーポットですが、さすがに財布へのダメージが蓄積してきたのでいったん停止させました。停止させたもののそれなりにデータを蓄積していたので、さてどうしようかなと思っていたのですが、 先日、長崎で開催された情報処理学会のコンピュータセキュリティシンポジウム2015で聞いた講演の一つに SSHの新しい攻撃方法について触れられていてちょっと気になったので、収集したデータのうちSSHに関しての通信のみちょっと分析してみました。 ハニーポットの構成やデータの収集方法については過去のエントリを参照していただきたいのですが、 今回はAWS Asia Pacific (Tokyo)上でEC2のインスタンス4つを4月頭から6月末まで動かしてデータを取得しました。財布へのダメージも4倍！ しかしおかげで複数のIPアドレスで観測した時に生じる差分について知る
1. 日の丸構図はNG？ NGではありません。むしろ本来日の丸構図はもっとも自然で効果的な構図です。 wonodas.hatenadiary.com すべての構図の出発点は日の丸構図にあります。日の丸構図では被写体が弱すぎるのでなにか足したりとか、違う面を見せたくて視点を動かしたりとか、背景との関係性を示したくて真ん中からはずしたりとか、そんなふうにして幾つもの構図が作られています。日の丸構図はむしろOK、日の丸構図にかなう被写体を見つけられること自体が一種の才能です。 2. 三分割構図は万能？ 三分割構図は難しいもの。万能だといわれていても、被写体にそれが合うかどうか判断するのは自分です。そもそも場所取りが難しい場合もあります。とりあえずで三分割構図にしてもダメなものはダメ。ちゃんと考えましょう。 wonodas.hatenadiary.com 3. 二分割構図はNG？ 二分割だっていい
【Python】MeCabと極性辞書を使ったツイートの感情分析入門 - StatsBeginner: 初学者の統計学習ノート
負のオーラを自動検出したい 前回のエントリで、著作権侵害にあたる違法アップロード動画を自分のTwitterで拡散してしまっている懸念を考えて、YouTube動画のリンクが貼ってあるツイートをまとめて削除しました。 前回のエントリでも言いましたが、著作権侵害モノ以外にも、「残しておくとまずいツイート」は色々ある可能性があり、たとえば誹謗中傷の類いがあるかと思います。誹謗中傷ツイートを自動抽出する方法はにわかには思いつきませんが、たぶん「クソ」とか「死ね」とか「バカ」とかそういう悪口の辞書が必要になりそうです。 ところで、言語データの分析手法として、単語ごとに感情特性を評価した辞書というものがあちこちで作られていまして、これを使ってツイートがどのような感情を帯びているか分析するということが、よくやられています。Yahoo!がそういうツールを提供してたりもします（参考リンク）。 Yahoo!のリ
「pixivコミック・ノベル」チームのエンジニアの pawa です。 pixivコミックはWebやアプリで漫画を試し読みできるサービスです。私が一番好きな pixivコミック作品は「温泉卓球☆コンパニオンズ！」です。 2017年7月4日、pixivコミック（Web版）の作品ページにタグ機能が追加されました。 これらのタグは、作品説明文から自動的に抽出されたもので、コンピュータに計算させた「作品のキーワードとして妥当な順番」に並んでいます。 今回は、このタグ機能が生まれるまでの物語をご紹介します。 問題提起 pixivコミックに携わる者として、以前から、次の2点を問題だと感じていました。 特定のジャンル（たとえばスポーツ）の漫画を探すのが難しい 「あわせて読みたい」作品がなぜ「あわせて読みたい」のか分かりにくい 私は、社会人になってから、大好きなスポーツが共通する人とスポーツをすることの果て
スマートフォン純正より優れているカメラアプリ7選
スマートフォンでの写真撮影は、純正のカメラアプリで撮るのが当たり前だと思っている、そこのあなた。 iPhoneやNexusやGalaxyの純正カメラアプリにこだわる必要はありません。サードパーティ製のアプリの方が優れているのにお気づきですか？ 今回、米Gizmodoが厳選するオススメカメラアプリ7選をお届けします（ですので｢LINE Camera｣とかは入っていません）。 1.｢Manual｣ Manualは、iPhoneのカメラをプロ仕様にできるアプリ。シャッタースピード、ISO、ホワイトバランス、フォーカスや露出といった項目が、すべて設定可能。 さらに基本的なヒストグラムやフォトマップも、ビューファインダーのインターフェースに搭載されています。ライト＆ダークのテーマも選べて、EXIF情報も確認可能、3分割のグリッドラインも表示できるので、構図も取りやすくなるでしょう。 そして一番大事な
ビジネス実務の現場で有用な統計学・機械学習・データマイニング及びその他のデータ分析手法10+2選（2016年版） - 渋谷駅前で働くデータサイエンティストのブログ
そう言えば3年前にこんなまとめ的エントリを書いたのでした。この内容はそのままかなりの部分が2年前に刊行した拙著の原案にもなったということで、色々思い出深いエントリです。 なのですが。・・・この3年の間に統計学・機械学習・データマイニングの諸手法及びそれを取り巻くビジネスニーズには様々な進歩があり、そろそろこの内容にも陳腐化が目立つようになってきました。ということで、3年間の進歩を反映してアップデートした記事を書いてみようと思います。前回は「10選」でしたが、今回は「10+2選」に改めました。そのラインナップは以下の通り。 統計学的検定（t検定・カイ二乗検定・ANOVAなど） t検定 カイ二乗検定 ANOVA（分散分析） その他の検定 重回帰分析（線形回帰モデル） 一般化線形モデル（GLM：ロジスティック回帰・ポアソン回帰など） ロジスティック回帰 ポアソン回帰 正則化（L1 / L2ノルム
【JavaScript】実数から整数への変換に parseInt() を使ってはいけない２つの理由🙅♀️ - Qiita
背景（誰のための記事？） JavaScriptプログラマのみなさまこんにちは。 最近のお仕事の傾向として、マイクロサービス化といいいますか、オブジェクト指向の延長といいますか、MVVM化といいますか、下回りは速度＆効率重視でC++で構築し、中間は保守（メンテ）＆書きやすさ＋ちょっぴり速度も重視で node.js（JavaScript）、上層のUIはなるべく広範囲で使えるように考慮して HTML＋CSS 、という３層構造 ・上層：HTML + CSS ・中層：node.js（JavaScript） ・下層：C++ が流行っていまして、今回の事件は中層の node.js スクリプトの部分で発生した問題でした。しかも、下層で生成された巨大なデータを中層で処理し、上層で表示しようとするとある条件で遅延が発生し、表示がカクつくという問題で、その「ある条件」が長期間に渡って特定できない、、、といった難
こんにちは、LINEメッセンジャーのサーバーサイドとモニタリングプラットフォームの開発を担当しているフィ（@dxhuy）です。この記事はLINE Advent Calendar 2017の20日目の記事です。 今日は、モニタリングシステムでよく使うレイテンシーやその計算方法などについて紹介したいと思います。LINEでは、日々ユーザが楽しくメッセージを送れるように、システムの安定性を第一に考えています。安定したシステムを保つためにたくさんの指標を見守る必要がありますが、その指標の1つが「レイテンシー」です。 ウィキペディアでは、レイテンシーは以下のように定義されています。 デバイスに対してデータ転送などを要求してから、その結果が返送されるまでの不顕性の高い遅延時間のこと インターネットサービスにおいては、レイテンシーは基本的に「レスポンスタイム」のことです。つまり、リクエストを受けてからレス
多くのエッセンシャルワーカーもワーキングプアの状態にある（画像はイメージ写真） fadlikus/Shutterstock ＜生産年齢の有業者の約半分が年収300万円以下で、600万円以上は2割もいない＞ 社会は、国民の一定数が働くことで成り立っている。働く人が働かない人を支えるという意味で、前者に対する後者の比率は「従属係数」と言われる。高齢化の進展もあり、この値は年々高まる一方だ。 生産年齢人口（15～64歳）と高齢人口（65歳以上）を並べてみると、1950年頃は前者12人で後者1人を支える「お神輿」型だったが、今世紀の初頭に3人で1人を支える「騎馬戦」型になり、近い将来には「1：1」の「肩車」型になるという。これでは社会が成り立たないと、社会保障制度の見直しについて議論されたり、高齢者の役割革新が促されたりしている。 なお、支える側（働く人）も一枚岩ではない。従業地位では正規雇用、非
はじめに 早速ですが、皆さんは投資をしているでしょうか。しているとすれば、どのような投資をしていらっしゃるでしょうか。 世の中には様々な投資対象が存在し、またその投資手法も様々です。投資に関する情報は世の中に溢れています。氾濫していると言ったほうがよいかもしれません。書籍を例に取ると、甘い文句で投資を奨励するライトな入門書から金融の専門書までずらりと並びます。またブログやSNSも重要な情報源となっており、最近では投資向けのYouTubeも人気を集めているようです。 しかしこれだけ多様な情報ソースが存在するにも関わらず、投資で成功を収めることができるのはごく一握りです。少し古いリサーチになりますが2015年の野村證券の個人投資家リサーチでは、通算で利益が出ている個人投資家の割合は9.3%とのことです。どうしてこのような事態に陥ってしまうのでしょうか。投資の初級者の方はどのようなアプローチをし
TortoiseSVN
図の一覧 1.1. バージョン管理外フォルダーの TortoiseSVN メニュー1.2. インポートダイアログ1.3. ファイル差分ビューアー1.4. ログダイアログ2.1. 典型的なクライアント/サーバーシステム2.2. 回避したい問題2.3. ロック・変更・アンロックモデル2.4. コピー・変更・マージモデル2.5. ...コピー・変更・マージモデル（の続き）2.6. リポジトリのファイルシステム2.7. リポジトリ3.1. バージョン管理外フォルダーの TortoiseSVN メニュー4.1. エクスプローラーのアイコンオーバーレイ表示4.2. バージョン管理下のフォルダーのコンテキストメニュー4.3. バージョン管理されたフォルダー内のショートカットに対するエクスプローラーのファイルメニュー4.4. バージョン管理下のディレクトリに対する右ドラッグメニュー4.5. 認証ダイアログ
こんにちは，Ryobot (りょぼっと) です． 概要 「メモリネットワーク」は代表的な記憶装置付きニューラルネットワークである． 本稿ではメモリモデル (記憶装置付きニューラルネットワーク) をいくつか概説し，論文 2 紙 (1) Memory Networks, (2) Towards AI-Complete Question Answering の理論的な記述を全文翻訳して補足説明している． 目次 メモリモデルの概説 Memory Networks (MemNN) 1 メモリネットワークの概要 2 基本モデル 3 拡張モデル 4 実験 Towards AI-Complete Question Answering (bAbI task) 1 メモリネットワークの拡張 2 bAbI タスク 3 実験 長文である．ざっくり知るだけなら「メモリモデルの概説」と Memory Networks
統計学
統計学 Last modified: Feb 16, 2004 ★ データ処理サービス ★ 統計学を自習する人のために ★ 統計学に関するリンク ★ 統計学関連…何でも掲示板 データ処理サービス データ解析 コンピュータ上のデータをアップロードして，統計解析し，結果をダウンロードできる。 ヒストグラム，散布図，基礎統計量，相関係数行列，クロス集計，一元配置分散分析，重回帰分析，判別分析，主成分分析，因子分析，クラスター分析，数量化 I 類，数量化 II 類，数量化 III 類，数量化 IV 類 正確確率検定 Fisher's exact test, Mann-Whitney's U test, Kruskal-Walis test, Test of goodness of fitness, Measures of association 統計地図の描画 統計データに基づき，全国（都
ChatGPT Code Interpreterで画像編集をしてみる - Taste of Tech Topics
カメラ好き機械学習エンジニアの@yktm31です。 先日、以下のように、ChatGPTのCode Interpreterを用いて、画像データを加工する記事を書きました。 その際は、リサイズや画像の切り抜きなど、基本的な加工ができることを確認しました。 今回は、画像編集ソフトで行うような、より高度な画像処理を実施してみたいと思います。 acro-engineer.hatenablog.com 利用する画像は前回記事と同様、以前撮影した富士山の写真を使いたいと思います。 画像処理/加工 今回、以下のような画像処理／加工を実施してみました。 ガンマ補正を適用し画像を明るくする CLAHEを適用しコントラストを調整する シャープネスを向上させる ノイズ除去を適用する ガンマ補正を適用し画像を明るくする ガンマ補正は、画像の明るさを非線形に調整するための手法です。 一番単純に画像を明るくする方法は、
Cytoscapeとは？ Cytoscapeとは、欧米の研究機関によって開発されているオープンソースのネットワーク可視化ソフトウェアプラットフォームです。ネットワーク（数学の用語ではグラフ）可視化ソフトウェアとは、要するにデータを分析して、最終的には以下の様な描画を行うものです。 元となる情報は基本的に何でも良いので、以下の様な分野で利用されています: 遺伝子ネットワーク分析（主な開発目的です） ソーシャルネットワーク分析（日本語でも幾つか著作のあるJames Fowler教授にも協力していただいています） コンピュータ・ネットワークの可視化とセキュリティ分析 オントロジー等、グラフ構造を持つデータの可視化 このソフトウェアはもう10年以上も開発が続いています。私もカリフォルニア大学のチームの一員として、かなり初期から開発に加わっておりますが、私の努力不足もあり、日本語のドキュメントはとて
Pythonによるデータ分析入門
訳者まえがき まえがき 1章 はじめに 1.1 この本で説明する内容 1.2 なぜPythonはデータ分析者におすすめなのか 1.2.1 「糊（グルー）」としてのPython 1.2.2 「2つの言語を利用する」ことの問題を解決する 1.2.3 Pythonを使わない場合 1.3 本書で扱う重要なPythonライブラリ 1.3.1 NumPy 1.3.2 pandas 1.3.3 matplotlib 1.3.4 IPython 1.3.5 SciPy 1.4 インストールとセットアップ 1.4.1 Windows 1.4.2 Apple OS X 1.4.3 GNU/Linux 1.4.4 Python 2とPython 3の相違点 1.4.5 統合開発環境（IDE） 1.5 コミュニティとカンファレンス（会議） 1.6 この本の読み方の案内 1.6.1 コード例 1.6.2 例として用
使える統計モデル10選（前編） 統計モデリング（statistical modelling）はデータ解析の方法論の1つです。データ解析の目的は、通常はただの数値や記号の羅列であるデータから、人間が何かしらの判断を行うために有益な情報を引き出すことにあります。データ分析者は、そのままでは意味をなさないデータに対して、折れ線グラフやヒストグラムなどを用いて、人間が判断を行いやすいようにデータの可視化を行います。一方で、時にはニューラルネットワークのような複雑な計算モデルを使ってデータを解析し、まだ観測されていない将来の値を予測させたりします。このように、データから有益な情報を引き出すために、データに対して人為的な視点や事前知識、数学的な仮定などを設計する作業をモデリング（modeling）と呼びます。 統計モデリングによるデータ解析では、データ自体や解析の目的に合わせて分析者が適切なモデルを設
# 原文：http://www.scipy.org/Tentative_NumPy_Tutorial このチュートリアルを読む前に、Pythonについてちょっとは知っているべきだ。記憶をリフレッシュしたいと思うなら、Pythonチュートリアルを見てくるがいい。 このチュートリアルに出てくる例を試したいなら、あなたのPCに少なくとも Python NumPy はインストールされているべきで、他に入ってると便利なのは： ipython は拡張されたインタラクティブなPythonシェルで、NumPyの機能を探検するのにとても便利 matplotlib があると図表の描画が可能になる SciPy はNumPyの上で動く科学計算ルーチンを沢山用意してくれる 基礎 NumPy の主要なオブジェクトは、同じ型（普通は数）の要素のみから成り、正の整数のタプルで添字付けされた、均質なテーブル（というか多次元
本記事は、元記事を翻訳した記事の前編となります。 B/C/D節については後編をご参照ください。 “マルコフモデルとは何か” という議論は昔からありますが、もし皆さんがその答えを知りたいのであれば、正直なところ、ウィキペディアを見る（または以下のTLDRだけを読む????）ことをお勧めします。一方、マルコフモデルの概要やこのモデルが重要である理由、およびその実装方法に興味があり、サンプルを通じて理解を深めたいという方は、この記事を引き続きご覧ください(^ ^)。以下で、 具体例を挙げて説明します。 TLDR： 確率論 において、マルコフモデルは不規則に変化するシステムを モデル化 するための 確率モデル である。なお、未来の状態は現在の状態のみに左右され、過去に起きた事象には影響されないと仮定する（つまり、 マルコフ性 を仮定する）。 引用元： https://en.wikipedia.or
- 1 - 研究者として最低限知っておきたいデザインの基礎知識 ～日本語の発表ポスター制作のために～ 長谷 芳樹 ＊ Fundamental Knowledge for Designing Academic Posters in Japanese Yoshiki NAGATANI 1. はじめに 研究者にとって，学会や研究会の場で自らの研究成果を 発表することは，新鮮な知見・視点の発見や新たな共同研 究者との人脈形成，さらには研究資金獲得の面においても 極めて重要な機会である。特にポスター発表は参加者との 濃密な議論が期待できるものであり，単に成果を発表した という実績を一方的に得るだけのためのものではない。し かしながら，会場に座ってさえいれば次々と演者が入れ替 わる口頭発表とは異なり，ポスター発表では参加者にポス ターの前で足を止めてもらわない限り発表内容を伝えるこ とが出来ない。この
平均と標準偏差
ある集団についてのデータがどのように分布しているかを表すものとして、その集団の代表値★(中心の値）を示す平均値及びそのばらつき具合を示す散布度がある。平均には算術平均が、散布度には標準偏差がよく用いられている。 1．度数分布表・ヒストグラム データがどのように分布しているかその実態を把握するには、データをその大きさによりいくつかの階級に区分し、その階級ごとの個数 (度数) をカウントして表にした度数分布表、あるいは、それを棒グラフにして表わしたヒストグラムが適している (表１、図１) 。 例えば、年齢別人口や従業者規模別事業所数など多くの統計表は度数分布表の形で作成され、また、年齢別人口をヒストグラムにした人口ピラミッドは人口構造の分析等によく用いられている。 2．平均値★ 一般に平均値には、単純平均 が多く使われている。平均値は通常μ(ミュー) と表示される。 3．標準偏差
【完全網羅】統計検定２級チートシート | とけたろうブログ
統計検定２級に満点で合格するために必要な全知識を紹介します。試験範囲に含まれているようで実際には出題されていないものはバッサリとカットしています。 受検前の知識の確認に使ってください！ １変数，２変数の記述統計の分野 代表値 ヒストグラム…データをいくつかの階級に分けて，縦の長さが度数，横の長さが階級の幅に等しい長方形で表したグラフ データの範囲…最大値ー最小値 中央値…データを大きさの順に並べたときの中央の値です。データが偶数個のときは，中央に並ぶ２つの値の平均です。 四分位数…データを大きさの順に並べて中央値（第２四分位数）で２つに分けるとき，第１四分位数は値の小さいグループの中央値，第３四分位数は値の大きいグループの中央値 四分位範囲…第３四分位数ー第１四分位数 箱ひげ図…データの散らばりを，第１四分位数と第３四分位数を両端とする箱と，最大値，最小値を端とするひげで表した図 相対度数
"ペイント"より圧倒的に高機能な「Paint .net 3.0」が正式リリース | エンタープライズ | マイコミジャーナル
Paint.NET開発チームは26日(米国時間)、.netベースの画像編集ソフト「Paint.net 3.0」を正式にリリースした。対応プラットフォームはWindows XP SP2以降/Server 2003 SP1以降/Vista、動作には.netランタイム環境「.NET Framework Version 2.0」が必要。同チームのWebサイトには、.netランタイム環境の有無が異なる2種類のバイナリパッケージが用意されている。 メジャーバージョンアップとなる今回のリリースでは、間もなく一般向けへの発売が開始されるWindows Vistaに正式対応。ユーザインタフェースにはMultiple Document Interface(MDI)を採用、複数の画像をタブで切り替え可能になるなど、従来のウインドウ表示(Single Document Interface、SDI)に比べ操作性が向
- はじめに - 以下を読んで、筆者ら (@chezou, @tokoroten, @hagino3000) ともTwitterで相互フォローだし、いっちょ媚び売るために感想記事でも書いとくかみたいな記事。 www.oreilly.co.jp 私は「企業で機械学習プロジェクトをいくつか経験している」「書に載っているアルゴリズムや検定も大体わかる」くらいで本書のターゲットからは少し外れているっぽいのだけれど、知ったことではない。 - この本どんな人がターゲット？ - 「仕事ではじめる機械学習」というタイトルの通り、「俺は来年から新卒社会人！大学で学んだ知識を活かして機械学習エンジニアとして頑張っていくぞ！」みたいな人が読むとすごく為になる本。 あと、ターゲットとしては「バイトで機械学習経験したい学生」とか「突然上司に機械学習やってくれって言われた！」みたいな人とか。 あと、機械学習を使った時
分散システムデザインパターン
本書は、コンテナを使った分散システムのデザインパターンについて解説する書籍です。コンテナとコンテナオーケストレーションを使うことで、分散システムの設計をパターン化でき、スケーラブルで信頼性の高いサービスをすばやく構築できます。 はじめにシングルノードパターンとして、分散システム内の個別ノード上に存在する再利用可能なパターンやコンポーネントについて説明し、次にWebアプリケーションのように継続的にサービスを提供するシステムを対象にしたマルチノードの分散パターンを紹介します。さらにイベント駆動処理、ワークフローの統合を含む大規模なバッチデータ処理の分散システムパターンを解説します。 可用性の高い分散システムの開発が効率的に行えるパターンを多数紹介する本書は、開発及びインフラエンジニア必携の一冊です。 まえがき 1章 はじめに 1.1 システム開発の歴史概観 1.2 ソフトウェア開発におけるパタ
人気のデータビジュアライゼーションライブラリー「D3.js」をもっと使いやすく、便利にするために。Reactを使ったコンポーネント化に取り組み、リアルタイムで描画されるアニメーションを作ります。 D3は最高です。Webのデータビジュアライゼーション分野におけるjQueryのように、考えられるあらゆることが実現できます。 オンラインで見られる最良のWebのデータビジュアライゼーションの多くがD3を使用しています。D3は素晴らしいライブラリーですが、最近のv4のアップデートで従来よりさらに安定性が増しました。 Reactと一緒に使えば、D3はさらに便利になります。 ちょうどjQueryのように、D3は高性能ですが課題もあります。データビジュアライゼーションが大規模になればなるほど、用いるコードは複雑になり、バグを修正したりアイデアを絞り出したりするのにさらに時間がかかるようになります。 しかし
新版 統計学のセンス ―デザインする視点・データを見る目― (医学統計学シリーズ1) 作者:丹後 俊郎出版社/メーカー: 朝倉書店発売日: 2018/11/05メディア: 単行本少し前に広告を見かけてポチってみたのがこちらの本。丹後先生の著書というと『ベイジアン統計解析の実際 (医学統計学シリーズ)』をベイジアンモデリングを勉強していた際に愛読していたものですが、その丹後先生の本ならきっと間違いないだろうと思って読んでみたらやはり大正解でした。 ということで、以下に簡単に書評を並べておきます。なお僕は医学統計分野に関しては殆ど知識のない素人ですので、ところどころ誤読している箇所があるかもしれません。お気付きの点などあれば、是非ご指摘いただければ幸いですm(_ _)m 本書の内容 1. randomness――新しい知識の創造 2. 統計学的推測の意味――無作為化の重要性 3. 研究デザイン
決定版（？）ニコンFマウント解説 （By キンタロウ）
昭和34(1959)年6月、Nikon Fから始まった「Fマウント」。60年超もの歴史を持つ「不変のFマウント」とはいえ、技術の進展に伴い細かな変更がなされています。 しかし露出計連動爪、露出計連動レバー、開放Ｆ値連動レバーとか、Ai-SやCPU連動、Gタイプ。。。など多数の用語や構造・構成について全体を一望できるサイトがないようでしたので、ここでまとめてみることにしました。 Fマウントの設計者が現在のようなデジタル一眼レフ時代まで予測していたとは考え難いですが、改めて見ると60年超もの間Fマウント（の基本構造）を変更せずにここまで数々の機能を追加できたことは正に驚異であると思います。 その一方、あまりにもレンズ・ボディのバリエーションがあり過ぎて、物理的に装着できない組み合わせや装着できても機能制限があるものなど混乱の極みとなっているようです。 例えば旧来のオールドニッコール（非Ai）の
最終変更者: 怡土順一, 最終変更リビジョン: 467, 最終変更日時: 2009-06-23 14:23:34 +0900 (火, 23 6月 2009) CXCORE リファレンス マニュアル 基本構造体（Basic Structures） 配列操作（Operations on Arrays） 初期化（Initialization） 要素へのアクセスと部分配列（Accessing Elements and sub-Arrays） コピーと充填（Copying and Filling） 変形と置換（Transforms and Permutations） 四則演算，論理演算，比較演算（Arithmetic, Logic and Comparison） 統計（Statistics） 線形代数（Linear Algebra） 数学関数（Math Functions） 乱数生成（Random
統計の話題で、こういう誤りをよく見るなあ、とか、ここら辺はややこしいなあ、的なものを、エッセイ風に書いてみます。 各トピックの最後に、参考資料を紹介したりします。 色々な話題を扱うので、エントリー全体で、このくらいの知識を持っている層向け、みたいな想定はしていないです。下に行くほど、知っている人向けになる、という感じ。 標本数と標本の大きさ 調べたい集団全体から採り出した個体の数の事を、標本数と書くのをよく見かける。でも正確にはこれは、標本の大きさと言う。この違いは、標本という言葉をどのように捉えるか、に起因するもの。標本を、調べたい集団に属する要素と考えるか、含まれる集合と捉えるか。前者で考えると標本数を使う事になるけれど、抽出した集まりそのものを標本とすれば、標本数とは言えなくなる。で、集合に属する要素の数の事を、集合論では大きさというので、それを踏まえて、標本の大きさと言う。 たとえ
データ分析やデータ加工、機械学習などを行うのに便利な Python ライブラリを紹介する。 なぜ Python なのか 統計や機械学習をするなら、 R という選択肢もある。 R のデータの加工や集計、統計処理に優れた言語であり、言語標準の機能だけでかなりのことができる。機械学習のライブラリも充実しており、有力な選択肢であることは間違いない。 R と比較して Python が優れている点は、周辺エコシステムの充実にある。 Python エコシステムはデータサイエンスの分野に留まらない。 NumPy や Pands で加工したデータを Django を使った本格的な Web アプリケーションで利用することも可能だ。 ライブラリ群のインストール ここで挙げているライブラリのほとんどは Anaconda で一括でインストールできる。 データ加工 NumPy NumPy は数値計算を効率的に行うため
NLP 100 Drill Exercises - 東北大学 乾研究室 / Inui Lab, Tohoku University
言語処理100本ノックについて † 言語処理100本ノックは，言語処理を志す人を対象とした，プログラミングのトレーニング問題集です． 乾・岡崎研の新人研修勉強会の一つであるLearning Programmingで使われています． このトレーニングは，以下の点に配慮してデザインされています． 自然言語処理の研究を進める上で，一度は書いておいた方がよいプログラム 統計，機械学習，データベースなどの便利な概念・ツールを体験する 実用的で，かつワクワクするようなデータを題材とする 研究を進めるうえで重要なプログラミングのルール・作法を身につける モジュール性や組み合わせを考慮しつつ，短くてシンプルなプログラムを書く プログラムの動作を確認（デバッグ）しながらコーディングする 労力を節約する（既存のツール／プログラム／モジュールが使えるときは流用する） 計算資源（メモリ・実行時間）を無駄にしない方
『もう一度いおう。幸せは、加速度センサで測れる。』 そのように言い切った本があります。 データの見えざる手: ウエアラブルセンサが明かす人間・組織・社会の法則 作者: 矢野和男出版社/メーカー: 草思社発売日: 2014/07/17メディア: 単行本この商品を含むブログ (24件) を見る 過去８年に及ぶ著者自身の加速度センサデータをはじめ、のべ１００万人日以上の行動データから、 冒頭の確信に至るまでの経緯が科学的に記された本。 これは凄い。五つ星、いや、星１００個くらい付けたい。 ■ 人の行動を支配するＵ分布 この本によると、人の身体運動の頻度は「Ｕ分布」と名付けた統計分布に従うのだそうです。 Ｕ分布とは何か。それは、統計力学で言うところの「ボルツマン分布」に相当するものです。 Ｕ分布は以下の方法で、原理的には簡単に作り出すことができます。 ランダムにマス目を二つ選んで、一方から他方に玉
2013年12月2日より開始したpaizaオンラインハッカソン（略してPOH![ポー！]）Vol.1「新人女子の書いたコードを直すだけの簡単なお仕事です！」ですが、2014年1月8日いっぱいをもって開催期間を終了いたしました。今回のハッカソンのレポート、最終結果と、提出された各プログラミング言語毎の最速コードをお届けします。 ※POH Vol.1は応募期間は過ぎたため、プレゼント対象、計測対象には成りませんが、コードの実行は引き続き可能です。 ■提出コードは2万提出突破！ おかげ様で事務局の想定を超える参加者数、提出数のハッカソンとする事ができました。ご参加いただいた皆様ありがとうございました！ 今回の期間中の参加者数、提出数は以下の通りです。 参加者数：1,961人 提出数：22,219提出 今回の企画では、オンラインで誰でも気軽に参加できるハッカソンを目指しました。改めてプログラミング
Slackデータを可視化して会社の2018年を振り返る - Kaizen Platform 開発者ブログ
TL;DR SlackのAPIから2018年の発言データを取得、可視化をしました 一番発言されたChannelや使われたリアクション 💪 、Channel数の増加などを調べました Doc2Vec、t-SNEを使って類似Channelの探索をしました 使ったコードは記事の最後にあります はじめに アプリケーションエンジニアの池田@つくば (@ikedaosushi Follow me! )です。 2018年もいよいよ終わりですね。皆さんにとってどんな年だったでしょうか。僕は人生初の転職とリモートワークワークを経験し、かなり刺激的な一年になりました。 年の瀬ということで、SlackデータをPythonを使って可視化することによってKaizen Platformにとって2018年がどんな1年だったか振り返ってみたいと思います。ちなみに以前、弊社ではQiita:Teamの解析を行っていたので今回
グーグルが悪に変わるとき：コリイ・ドクトロウのSF短編「Scroogled」日本語訳 - "Scroogled" by Cory Doctorow
『いちばん高潔な人物の書いた文が六行もあれば、 その中に彼を吊るす理由を見つけてみせよう』 ――リシュリュー枢機卿 『私たちはあなたのことをもっと知りたいのです』 ――グーグル最高責任者 エリック・シュミット グレッグがサンフランシスコ国際空港についたのは午後８時、だが税関の行列にたどりついたときには夜中を過ぎていた。ファーストクラスから降り立ち、ナッツのように茶色く焼けて、剃らないままの髭、カボで過ごしたひと月のあとで柔軟そのものの身体（週に３日のスキューバ･ダイビング、残りの時間はずっとフランスの女子大生たちをナンパすることにあけくれた）。ひと月まえにこの街を後にしたとき、グレッグは猫背で腹の突き出た廃人だった。いまやグレッグはブロンズの神となり、キャビン前方の席でＣＡたちからの熱い視線を引き寄せていた。 税関の列に並んで４時間後、グレッグは神の座から引き降ろされ、ただの人になっていた
はてなブログの高速化について、はてなスターを外すと速くなるとか、色々話題になっています。 ユーザが手を入れられる範囲でどこまで高速化できるか、いつも私がやっている統計的品質管理のアプローチで、計測・分析・改善してみました。 デスクトップサイト計測 まずは、現状把握、Synthetic Monitoringです。 Synthetic Monitoringとは、実験計画法のフィッシャー三原則に則った、対象ページに介在して計測する手法です。 一ユーザとして、こちら側から、一定間隔で、対象ページにアクセスをして、表示速度に関するデータを取得します。 計測対象サイト takehora.hatenadiary.jp トップに乗っていた記事は、5.3MBあって、かなり重いです。 グラフ関係の画像を多用しているからですね。 計測条件 日本の帯域保証型(100Mbps)光回線 … NTTとKDDI 計測ブラ
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
写真の色を見た目どおりに補正するカラーコレクションの実践手順ガイド
コピペルナーV2が想像以上にすごかった件 - 4403 is not prime.
AWS EC2へのSSHに対する攻撃を分析してみた (2015年4月〜6月) | ある研究者の手記
写真が上達する系記事にありがちな20の勘違い - あたし、めりーさん。今、あなたが心の中にいるわ。
pixivコミック作品のタグが自動生成されるまでの軌跡 - pixiv inside
レイテンシーを計算する技術の話 - LINE ENGINEERING
日本社会は「ワーキングプア」の人たちに支えられている
成功する投資：トレーディングのサイエンス - Qiita
論文解説 Memory Networks - ディープラーニングブログ
ネットワーク可視化プラットフォームCytoscapeの現状まとめ - Qiita
使える統計モデル10選（前編） | AIdrops
私訳「暫定的 NumPy チュートリアル」 - naoya_t@hatenablog
マルコフモデル ～概要から原理まで～ （前編） | POSTD
研究者として最低限知っておきたいデザインの基礎知識 (rev.20140821)
「仕事ではじめる機械学習」を読んだので作者に媚を売る - Stimulator
ReactとD3.jsの組み合わせで変わる！JavaScriptアニメーション開発
『新版 統計学のセンス』は統計学を「使う」人なら必携の書 - 六本木で働くデータサイエンティストのブログ
opencv.jp - OpenCV-1.0 リファレンス マニュアル（日本語訳）-
誤解しやすかったり紛らわしかったりする統計の話達 - Interdisciplinary
データサイエンティスト・データエンジニアのための Python ライブラリ一覧 - Qiita
幸せは加速度センサで測れる - 小人さんの妄想
【結果発表】新人女子PGを最も助けたプログラミング言語とは？ - paiza times
はてなブログを自分で出来る範疇で高速化してみる - Webパフォーマンスについて