プロフェッショナル向け映像機材を開発・提供する豪Blackmagic Designは6月24日、動画撮影に特化した無料のカメラアプリ「Blackmagic Camera」のAndroid版を公開した。同社のハイエンドカメラで使用しているUIをスマートフォン用にアレンジ。幅広い設定が可能な他、「DaVinci Resolve」など、同社の他製品群との連携機能も提供する。 Blackmagic Cameraは、2023年9月に登場したカメラアプリ。無料でありながらシャッタースピードやISO、フレームレート、ホワイトバランスなどを細かく調整できる他、フォーカスピーキング、ヒストグラム、録音レベル、フレームガイド、3D LUTモニタリング機能などを備える。当初はiOS版のみのリリースのみだったが、「2024 NAB Show」でAndroid版を予告していた。
SMTP D4C — SRE寄りのメール配信考察 - /var/lib/azumakuniyuki
メール配信の継続的信頼性を維持する為に必要な要素をまとめたSMTP D4Cという概念があります。 日本語では「いとも容易く得られる(わけではない)えげつない信頼性」となります。 SMTP D4Cを構成するのはつ次の五要素です。 Domain Authentication (ドメイン認証の徹底) Double Opt-in (確実なダブルオプトイン) Delivery (継続的な配信) Don't Change (配信の安定後は変更しない) Check & Change (定期的な確認と状況に合わせた変更) そもそもの背景 京都開催なSREのイベント Road to SRE NEXT@京都でメール系のLTがあると知り、 近所*1でもあるので、自分はSREではありませんが参加してみることにしました。 直前に「懇親会で飛び入りLTもOK」という案内を聞き、背中を押してもらったこともあり、 自分が
Metaは、AIツールで作成された写真に「Made with AI(AI製)」というラベルを付ける施策を始めました。ところが、人間が撮影した写真にも「AI製」というラベルが付けられてしまったことがわかりました。 Meta is tagging real photos as 'Made with AI,' say photographers | TechCrunch https://techcrunch.com/2024/06/21/meta-tagging-real-photos-made-with-ai/ 誤ってAI製のラベルが付けられてしまったのは、写真家のピート・ソウザ氏が撮影した以下の写真です。ソウザ氏は「AdobeのPhotoshopを使ってトリミングをすると、その画像をJPEGとして保存する前にヒストグラムを平坦化しなければなりません。この処理が、Metaのラベル付けの引き金と
【2024年6月時点】『S&P500（米国株）』 今は買いのタイミングなのか？ テクニカル分析で検証！ - 『タクドラたみ』の米国株投資
【結論】 「S&P500」は 積極的に買うタイミングではない 買い場は しばらく先になる見込み 補足 ただし、ドルコスト平均法での積立投資は、株価が上がろうが、下がろうが、関係なく継続し積み立てる。 こんにちは！タクドラたみです♪ 今回は、毎月恒例、6月の、米国株の買いのタイミングをテクニカル面で検証です。 ぶっちゃけ、私の場合、テクニカル分析は、積立投資では、全く役立っていません。 しかし、個別株中心の、アクティブ投資の、配当株投資では、とても役立っています！ この内容は、マクロ視点で長期投資を前提としています。 今後も、月に1回のペースで更新していきたいと考えています。 （私が、短期で相場に向かい合う時間の余裕がないという事情もあります） 今回は、2024年6月23日時点での検証です。 使うテクニカルチャートは主に「S＆P 500：チャート - Yahoo!ファイナンス」を元にし、私が
あらゆるオペレーションが生成AIによって「代替」されるであろう未来、テクニカルスキルを磨いただけのエンジニアが生き残っていくことは難しいとされる。AIに代替されることなく、AIの担い手となりうるエンジニア像とは、どのようなものだろうか。本セッションには、東京大学工学部在学中にフリーランスエンジニアとして独立、その後株式会社AppBrewを起業し、現在も代表兼エンジニアとして第一線で活躍している深澤 雄太氏が登壇。生成AIによって「代替」されていく世界でエンジニアはどう立ち回るべきか、自身の経験をもとに語った。 生成AIによって「代替」されていく世界 初めに深澤氏は、GPTの出現によって、エンジニアリングだけでなくさまざまなオペレーションが「代替」され始めている現状について整理した。 たとえばある機能を持った関数を作成したいときや、既存のコードはあるものの、それぞれの会社の「お作法」に合わせ
露出やホワイトバランスを画面上に表示して調整も簡単にできる高機能カメラアプリ「Blackmagic Camera」のAndroid版が出たので使ってみた
プロ向けシネマカメラや動画編集ソフト「DaVinci Resolve」などの開発で知られるBlackmagic Designは、高機能なスマートフォン向けカメラアプリ「Blackmagic Camera」も無料で配布しています。そんなBlackmagic CameraのAndroid版が2024年6月24日(月)に登場したので、実際にインストールしてどんな機能が搭載されているのか確かめてみました。 ブラックマジックデザイン、Android用Blackmagic Cameraを発表 | Blackmagic Design https://www.blackmagicdesign.com/jp/media/release/20240624-01 Blackmagic Camera | Blackmagic Design https://www.blackmagicdesign.com/jp/p
Blackmagic Camera アプリが Google Pixel と Samsung Galaxy で利用可能に | HelenTech
総合映像機器メーカーの Blackmagic が無料で使える高機能なカメラアプリ Blackmagic Camera を Android 向けにリリースし、現在は Google Pixel および Samsung Galaxy デバイスなど一部のデバイスでのみ利用可能となりました。 新しい Blackmagic Camera アプリには、スマートフォンにプロレベルの録画コントロールを提供し、動画撮影の詳細な手動コントロールだけでなく、様々な情報を詳しく表示できるように設計されています。 また、アプリは H.264 および H.265 形式で保存でき、Blackmagic のクラウドサービスと統合されているため、共同編集者と作業ができたり、DaVinch Resolve に直接共有することも可能です。このほかにも様々な機能が搭載されており、例えばデバイスを縦向きにしたまま16:9の動画を撮影
RDBMSの基礎を学ぶーインデックス編
エンジニア何年もやって、ちゃんとDB学んでいなかった悔しさがずっとあったので、この間は色々とコースなり、本なりを探って勉強した。 DBMSは非常に大きなトピックで自分もまだまだほんの少ししか触れていなかったが、この記事では、とりあえずはインデックスからスタートしてようと思う。 （結構長くなってしまったので、TL;DRとして節ごとにまとめを置いています） DBMSのアーキテクチャー概要 データベースによって実装が異なるが、一般的に含まれるDBMSの構成コンポーネントとして、次のように挙げられる[1]。 DBMSはサーバークライエントのモデルを使っている。クライエントはクエリーを構成してトランスポートのレイヤーを経てサーバー側に送られる。クエリーに対してサーバー側が解析や最適化して、適切な実行プランを出す。実行プランは実行エンジンに渡されて、ローカルとリモートの実行結果を集計する。リモートとい
（％、変化率） 総合 生鮮除く総合 生鮮エネ除く総合 食料エネ除く 総合 エネルギー 前年比 前月比 前年比 前月比 前年比 前月比 前年比 前年比 2022年 6 2.4 0.2 2.2 0.2 1.0 0.3 0.2 16.5 7 2.6 0.4 2.4 0.4 1.2 0.3 0.4 16.2 8 3.0 0.3 2.8 0.4 1.6 0.3 0.7 16.9 9 3.0 0.3 3.0 0.4 1.8 0.4 0.9 16.9 10 3.7 0.4 3.6 0.4 2.5 0.4 1.5 15.2 11 3.8 0.4 3.7 0.4 2.8 0.4 1.5 13.3 12 4.0 0.4 4.0 0.4 3.0 0.3 1.6 15.2 2023年 1 4.3 0.4 4.2 0.3 3.2 0.4 1.9 14.6 2 3.3 -0.6 3.1 -0.7 3.5 0.4 2.
Stan Advent Boot Camp 第11日目 : stanで混合分布モデル(潜在クラス分析)をやってみる - Qiita
stanアドカレ11日目の記事です。 昨日はdastatisの記事でした(本当はstan boot advent campは10日で終わる予定だったのですが、書きたかったので追加しました) 今日はstanで混合分布モデルを推定する方法についてです。 はじめに 何かしらのデータを400個取得したらこんな、ヒストグラムになりました。 取得したデータの生成モデルを考えるとしましょう。 一見、正規分布っぽい様に見えるような、見えないような.... 単峰ではなく多峰の様に見えます どういう分布で近似するのが良いのでしょうか。 種明かしすると、このデータは二つの異なる分布から生成されています。 クラスがoneかtwoかで異なるパラメータを持つ正規分布から生成されています。 手元にクラス情報があれば、クラス別に階層化させればいいですが、今回はありません。 そうしたときに、混合分布モデルを使うことが出来ま
Shared Work Optimizer 少し間が空いてしまいましたが、引き続きHive 4に関するアップデートを紹介していきます。今回はパフォーマンス改善についてまとめてみます。 Hive 4関連記事一覧 Vectorization CBO Shared Work Optimizerの強化 統計情報 ヒストグラム 実行時統計情報の再利用 総評 Hive 4関連記事一覧再掲 Hive 4関連記事一覧 Apache Hive 4: 新しく追加されたUDFの紹介 - おくみん公式ブログ Vectorization Vectorizationは複数行をまとめて処理することでメモリレイアウト含む実行効率を改善する仕組みです。最低限よく使われる機能からvectorizationの対応がスタートし、その後継続的にサポート範囲の拡大やさらなる最適化が行われています。 ざっと見る限り、Hive 3.0.
数字に振り回されず完璧を目指さない為に - Implementing Service Level Objectives の読書感想文 - じゃあ、おうちで学べる
信頼性の追求というのは、決して完璧を求めることではありません。完璧な可用性を追求するのではなく、ユーザーの満足と、限りあるリソースのバランスを取ることこそが重要です。このバランスを取るための一つのツールが、SLO（Service Level Objectives）です。 はじめに 「Implementing Service Level Objectives」は、現代のソフトウェアサービス管理において不可欠な概念の一つであるSLO（Service Level Objectives）の実装と運用に関する包括的なガイドブックです。本書は、SLOの基本概念から実践的な導入方法、組織文化への浸透まで、幅広いトピックをカバーしています。このSRE本がすごい！2024年版でも紹介しているようにSREやインフラエンジニアの方が必読の一冊だと思います。 Implementing Service Level
カメラを使い始めるのは、とても楽しい経験と言えます。でも初めての人にとっては少し操作や技術的に難しいこともあるかもしれません。 ここではカメラ初心者が覚えておくと良いポイントを紹介します。これらを知っておくことで、より良い写真を撮ることができます。 この記事がおすすめの人 ・これからカメラの撮り方を覚えたい人 ・カメラの基本や必要なこと、楽しむための流れを知りたい人 ・いまからはじめるのにおすすめのカメラや本を知りたい人 目次 1. カメラの基本を知ろう 2. 写真の構図を学ぼう 3. 光の使い方を理解しよう 4. たくさん撮影しよう 5. 写真の現像方法を学ぼう 6. SNSを活用して写真を見直して新しい視点を得よう 一眼レフカメラとミラーレスカメラの違いを知ろう おすすめのミラーレスカメラ 写真を勉強するのにおすすめの本 まとめ 1. カメラの基本を知ろう まずは、デジタルカメラの使い
どうも。この記事はStan Advent Calendar 2018の12月24日（クリスマスイブ）の記事として作成した資料です。あなたは今どこで何をしていますか？この空の続く場所にいますか？私は英国でのクリスマスイブを一人で過ごして暇を持て余しています。 ベイズ統計をはじめたての人が抱く悩みって「ええっ❣️😳💦もうすぐクリスマス🎄🎅なのにBayes Factor💏💑💕出せないってマジ❕❓😱💦💦😢⤵️このままだと平成最後👺❗のクリスマス🤶🎄もまた😦モデル比較できず😢💔😖⤵️そんなのヤダヤダぁ〜〜😭💔💦実は🙊💭Rパッケージに🌝✨Stan使ってBayes Factor😘👦💕計算できるのがあるみたいなんだけどDMでやり方💐💌💖教えてくれたら一発KO👊💥するのになぁ😳」ではないでしょうか。 そんな悩みにお答えするべく、今回はRsta
【FX談話】変化率 - さつま芋の勉強日記
まえがき こんにちは、さつま芋です。 値幅の視点で語る人は少ないので見落としていましたが、変化率は重要な指標だと思います。 今回は変化率から見えてきた気づきを紹介します。 平均変化率 ドル円とゴールドとビットコインの日足データから平均変化率（絶対値）を計算しました。 通貨ペア 平均変化率 USDJPY 0.43% XAUJPY 0.58% BTCJPY 1.68% この表によると、ドル円の変化率が相対的に小さいことが分かります。 小さな値幅で利益を増やす場合、勝率を高めるか、ポジションサイズを大きくするか、取引回数を増やすかの選択になります。 一方で視点を変えると、ポジションサイジングと損切りを前提にするならば、大きな値動きは低レバレッジを実現するのに適しています。 分布 変化率について、ヒストグラムも作成して分布を確認しました。 変化率の分布を知れば、決済する値幅の目安も見えてくるのでは
技術者ならばエクセルはそれなりに使いこなしてほしい なんで分かりきったことを書くの？ 最近エクセルが使えない人が増えた気がするから エクセルがそれなりに使えるって？ エクセルが使える基準は様々ありますが、私が思うには、 関数編（sumif,subtotal,xlookup） グラフ編（散布図、ヒストグラム） 機能編（入力書式、条件付き書式） ショートカット（F2,F4、Ctrl+1、Ctrl+↑↓） わからない人は自分で調べてみてください。 ブログや動画でも勉強できるけど、本を読むことをお勧めしています。 気に入った本を見つけてそれを何周もみることでスキルアップになります。 よくある入門書ではなくて、使いこなしに特化したものが良いでしょう。 ネットは検索が便利なので知りたいことをピンポイントで調べる用と考えると良い。 機能を知るだけでなく、活用できて一人前だね 実際に読んで役になったものを
LightGBM | 用語解説 | 野村総合研究所(NRI)
Light Gradient Boosting Machine の略。機械学習における分析アルゴリズムで、与えられたデータから、目的となる変数を表現する「教師あり学習」と呼ばれる分野のデータ分析方法の1つ。目的変数に応じて、説明変数を「分類」するための手法で、高精度で信頼性が高く、また汎用性も高いことが特徴。マイクロソフトによって2016年頃に開発された。 （読み：ライト・ジービーエム） 「教師あり学習」における手法の1つ 機械学習におけるデータ分析は3種類あります。 説明変数（入力データ）と目的変数（出力データ）が揃っており、データの関係から目的変数を予測する「教師あり学習」 目的となる変数はなく、一連の入力データからパターンや構造をみつける「教師なし学習」 データがなく、試行錯誤により精度を高める学習を行う「強化学習」 さらに、教師あり学習の方法として大きく2種類あります。実績から未知
ヒストグラムの作成に使用するデータ 前回の連載では、グラフ作成機能を使ってヒストグラムを作成した。このほかにもExcelには、「分析ツール」を使ってヒストグラムを作成する方法が用意されている。こちらの方が自由度が高く、ヒストグラムの基となる集計表も確認できるので、あわせて使い方を覚えておくとよいだろう。 今回も前回と同じく、新人研修のテスト結果をまとめた表を例にして、ヒストグラムの作成方法を解説していこう。 テスト結果の平均値と最大値、最小値 分析ツールのアドイン 「分析ツール」はExcelの追加機能となるため、最初にアドインを行っておく必要がある。まずは、「分析ツール」をアドインする方法から紹介していこう。 Excelを起動し、「ファイル」タブを選択する。続いて、「オプション」の項目をクリックする。 オプション画面の表示 Excelのオプション画面が表示されるので、「アドイン」の項目を選
今回が、達成期限(6/30)までの最後の抽せんとなる。 背水の陣。 覚悟。 気概。 必ず当ててやるのだ！！ 実況・速報 〖予想〗購入実績 今週から新基準を設けた。 今まで使用してきた 各桁数字の大きさが相応なパターン（以後、dcと呼ぶ） 各week数の大きさが相応なパターン（以後、weekと呼ぶ） を複合させた形となる。 ➊でも➋でもない ➊であるが➋ではない ➊ではないが➋である ➊であり➋でもある この四つのパターンでの発生率を出し、実力の比率を割り出したら【4：2：3：1】となった。 今後、この【4：2：3：1】を予想内での基本比率として運用する。ただし、自分の嗅覚や判断で、機を見て変更することもある。 さっそく今週は、〖0：10：0：5〗とした。「dc」が７週連続で発生していないからだ。「そろそろ dc が来る！」に全振りしたってこと。もちろん【混合Ｗ】作戦は併用。 この施策は、２
CadenceはPCI-SIG DevCon 2024で、市販の部品を使用して、128GT/sを達成する世界初のPCIe 7.0光インターコネクションを実演した。 Cadenceの最新PCIe 7.0用IPが驚異的な高速化と効率化を目指す 光接続経由のCadenceの128GT/s 実演（オプティクス経由(Credit: Cadence) イベント中、Cadenceは実世界で低遅延かつリタイミングなしの線形光接続を使用して、128 GT/sのPCIe 7.0 IPの送受信能力を実演した。このセットアップは、一貫してプレFEC BER ~3E-8を達成し、PCIe仕様要件である1E-6以内に収まっており、コンベンションが開催されている2日間に渡って途切れることなく接続が維持され、標準の光コネクタを使用した128 GT/sの最初の安定したデモンストレーションとなった。Cadenceが示した受信
ある程度大きな規模のShinyアプリを作成するとき、アプリをいくつかの部品に分けて構造化したくなります。Shiny modules はまさにそのような場合にアプリの部品となるモジュールを定義し、再利用と構造化ができるように用意されている仕組みです。 Shiny modulesの基本的な使い方についてはブログ記事 "「ShinyModule」で中規模Shinyアプリをキレイにする - Dimension Planet Adventure 最終章 最終話『栄光なる未来』" や書籍 『RとShinyで作るWebアプリケーション』 の第３章で解説されています。 Shiny modulesを使ってアプリを構造化していくとき、アプリ全体の制御に関わる「グローバルな」入力項目があって、その入力値を複数のモジュール間で共通に使用したい場合があります。そのような場合には実装にひと工夫が必要だったのでここでは
(新品)Panasonic (パナソニック) LUMIX S5IIX ダブルレンズキット DC-S5M2XW ブラック（商品ID：4549980729601）詳細ページ | デジタルカメラ、ミラーレスカメラ、交換レンズの総合サイト｜マップカメラ
型式 型式：レンズ交換式デジタル一眼カメラ 記録メディア：SDメモリーカード / SDHCメモリーカード※1 / SDXCメモリーカード※1 レンズマウント：ライカカメラ社L-Mount 撮像素子 形式：35mmフルサイズ (35.6 mm × 23.8mm) CMOSセンサー カメラ有効画素数 / 総画素数：2420万画素 / 2528万画素 アスペクト比 / カラーフィルター方式：3:2 / 原色カラーフィルター 防塵対応：センサーシフト方式、手動 静止画記録形式 静止画 ファイル形式：JPEG(DCF準拠、EXif2.31準拠)、RAW※2（Panasonic独自） 6K PHOTO / 4K PHOTOファイル形式：- 画像横縦比：4:3、3:2、16:9、1:1、65:24、2:1 記録画素数（静止画）：[4:3]設定時：5328 × 4000 (L) / 3792 × 2848
Azure OpenAI APIを活用したRAG FAQシステムの高速化と安定化を実現するPTUの実践検証 - Qiita
はじめに 生成AIブームの開始から１年以上経過し、OpenAIのAPIを利用して社内の業務の効率化を目指している企業や自社サービスをリリースしている企業も増えてきました。 各所で話を聞く限り、OpenAIのAPI利用で一番多いユースケースはRAG(Retrieval Augmented Generation)を利用した社内FAQの実装ですね。 RAGの実装でOpenAIのAPIを利用する場合、Embeddingではtext-embedding-ada,回答生成ではChatGPT(GPT-3.5‐Turbo),GPT-4を利用することが一般的です。 基本的にLLMの性能はモデルサイズに比例する関係上、高性能なモデルを使うとレスポンスが遅くなる傾向性があり、レスポンス速度と回答内容の正確性はトレードオフになります。 そして、GPT-4は非常に高性能ではあるのですが、回答生成の速度はGPT-3.
はじめに 前回、多峰性検定であるSilvermanの検定について以下の記事を書きました。 多峰性をSilvermanの検定で確かめる しかし、多峰性検定がうまく使えないことがあり、調べたところ以下の資料に出会いました。 ノンパラメトリック・スムージング理論とその応用（樋田勉先生） この資料には、mode tree、mode forestなど多峰性を視覚的に検討する方法について書かれており、非常に勉強になりました。また、これらの方法を利用するにあたり、CRANにあるmultimodeパッケージがとても優れていましたので、紹介したいと思います。 データの準備 以下のように、正規分布を３つ結合したデータを用意しました。ヒストグラムをみると、山(mode)を３つ確認できます。以降、このデータを使っていきます。 # ３つの正規分布を結合する。 x <- c(rnorm(100, mean = 5,
ミニロト17年目。一週たりとも予想を休んでいない shirono-jです。 先週までの今年前半は敗北に終わった。 今週からの後半は絶対に勝つ！ 2024年12月31日 火曜日までに１等を当せんする！！ 実況・速報 現在は、「15以上×15×２セット」によるセミマトリックス方式を運用中。左の２列だけマトリックス方式を残し、右の３列は選択した数字をマニュアルで入力する。 工程が複雑なため まだ思考が安定しておらず、予想にすごく時間がかかっている。作業が安定してスピードアップしたら、トップページの動画を更新したい。 〖予想〗購入実績 先週に引き続き、〖0：10：0：5〗とした。「dc」が８週連続で発生していないからね。懲りずに「dc」へ全振りだ。この作戦は、後日【用語説明】のページにきちんと追加したい。 当然だが、【混合Ｗ】作戦は併用してる。最近、予想上の制約が増えてきて、同時に苦労も増え、予想
年初から力強い値動きで史上最高値を更新した日本株ですが、5月に入ってからは長らく低迷が続いています。そんな時にはオプション取引を用いることで、株価の上昇だけでなく、変動（ボラティリティ）からも収益を得ることが可能です。 しかしながら、オプションの仕組みは理解していても、ボラティリティから収益を得るというのは少しイメージが付きにくいかもしれません。 そこで今回は「ボラティリティが収益になるとは」について、疑似的な株価変動を用いて説明していきます。 ランダムな株価変動とそれに基づくコール価格を作成 まずはオプション価格をシミュレートするために、以下の仮定に基づいたランダムな原資産の値動きを500通り作成します。 ・初期値：100 ・期間：30日間 ・成長率（年率）：0.00% ・定数ボラティリティ（年率）：20% 下段のヒストグラムは作成した500通りの株価変動における満期日（30日）時点の価
チャンネルの複製、分割、および統合
最終更新日 : May 24, 2023 09:28:05 AM GMT | 次にも適用 : Adobe Photoshop CS6 Photoshop ユーザーガイド Photoshop の概要 夢をカタチに Photoshop の新機能 初めての写真編集 ドキュメントの作成 Photoshop | よくある質問 Photoshop の必要システム構成 Photoshop とは Photoshop とその他の Adobe 製品およびサービス Photoshop で Illustrator アートワークを作業する InDesign での Photoshop ファイルの操作 Photoshop 用 Substance 3D マテリアル Photoshop の Capture アプリ内拡張機能の使用 Photoshop iPad 版（中国本土ではご利用いただけません） Photoshop iP
マハラノビス距離で識別する - Qiita
例えば、いくつもの測定結果があって一定の範囲内に分布するものだけを製品としたい場合に、一つづつ確認してもいいけど、ざっと計算して基準内にあるかどうか統計的に求め方法があるよというのがマハラノビス距離。 また、同種類だったり同じものだけど測定結果が諸条件で変わるときに、同じものか違う種類かを統計的に判断する方法としても使える。極論言えば、慣れた人間の判断力にはかなわないわけだが、統計的にという安心材料を追加できることは間違いない。 ここではアヤメのデータを使って説明していこうと思う。ざっと概要を説明するとアヤメの花びらとがくそれぞれの長さと幅を50個ずつ3種類測定したデータでsetosaとversicolor、virginicaという3種類ある。これ以上詳しい話はググればだれか書いてると思う。 絵的に説明するためとりあえず2変量で話を進める、花弁の長さと幅をそれぞれx軸とy軸として、プロット
最近は理工系はもちろん、社会科学系の大学教員も研究で統計解析をしていることが多いので、Rで成績評価する方法を解説しても需要はあまり無さそうな気もするのですが、人文系でニーズがあるようなので。 名簿と試験の成績とレポートの評価の3つのCSVファイルがあるとして、それをつないで総合得点と成績を出し、基本統計量を出すところまでやってみましょう。なお、データは完全に架空のものです。 ファイルの読み込み データフレームの結合 成績をつける 総合点をつける 評価をつける 成績の保存 成績の検索 集計 学部ごとの平均点 学部ごとの最低点、平均点、最高点 学部ごとのレポート評価の頻度 プロット 計量分析 被説明変数が基数データ 被説明変数が序数データ おまけ（tidyverse） 回帰分析とプロット まとめ ファイルの読み込み 今回はウェブサイトに置いてあるファイルを読み込みますが、実際の場合はURLでは
概要 今回はPythonとOpenCVを用いて画像の色情報から特定の物体を検出してみようと思います．この画像処理手法については様々なものがありますが，今回は定番である「元画像をマスクしてラベリングする手法」を用います♪ 実行環境 Python : Ver.3.10.2 OpenCV : Ver.4.6.9 全体の流れ 全体の大まかな流れは次のようになります．これからそれぞれの処理について取り扱っていきますが，「はやく結果だけほしい！！」という方は４項の最後まで飛ばしてくださいね♪ １．画像をヒストグラム平坦化する ２．RGB空間からHSV空間に移行させる ３．抽出したい色の閾値でマスクする ４．ラベリングする ５．まとめ １．画像をヒストグラム平坦化する なぜヒストグラム平坦化をするの？？ まずはじめに元画像をヒストグラム平坦化します．これによって画素の輝度のヒストグラムを平らにして画像の
電力会社のコピペの用語を音響信号処理に置き換えてみた
はじめに 2ちゃんねるで有名な「電力会社の違いでも味付けに差がでる」と呼ばれるテキストがある。これは、コピペと呼ばれている。同一文章をコピー&ペーストで張ることから呼ばれている。なぜ、張られるのかというと、目的の一つにレスをもらいやすいというのがある。まあそういう話はおいておいて、このテキストとはどんなものだろうか。 有名なので知っている人も多いかと思うが引用。 電源コードを変えると音が変わるのはピュア界では常識です。 私は発電所から専用線で我が家まで電力を引っ張り込んでいます。 電線の材質は無酸素銅が最高ですよ。 おかげで、ウチはミニコンですが、ハイエンドよりいい音がしますよ。 ちなみに電力会社の違いでも味付けにサがでるよ。 電力会社 長所 短所 お奨め度 —————————————————————— 東京電力 バランス ﾓｯｻﾘ遅い C 中部電力
回帰を改善するための残存プロットの解釈
観測値、予測値、残存値を使用してモデルを評価および改善します。 観察値と予測の正確性の理解 このような単純なモデルでは、2つの変数のみを使用して、「温度」と「収益」を関連付けるだけで、モデルの精度を把握することができます。2つの異なるレモネードスタンドで同じ回帰が実行されます。1つはモデルが非常に正確で、もう1つはモデルが正確でない場合です。 どちらのレモネードスタンドについても、「温度」の高さと「収益」の高さが関連付けられることは明らかです。しかし、所定の「温度」では、左のレモネードスタンドの「収入」の方が右のレモネードスタンドよりもはるかに正確に予測していることから、モデルがより正確であることがわかります。 ただし、ほとんどのモデルには複数の説明変数があり、そのようなチャートでより多くの変数を表すのは実用的ではありません。そこで、これらの同じデータセットの予測と観察値をプロットしてみま
tippyとは ShinyアプリやR Markdownドキュメントにツールチップを追加するためのパッケージです。 パッケージ作者John Coene氏による公式ページはこちらです: http://tippy.john-coene.com/ 本記事ではShinyでの利用法をご紹介します。 注意 tippyは2018年8月にCRANに登録されたばかりの新しいパッケージです。 本記事では tippy バージョン 0.0.1 を使用しています。今後のアップデートにより下記の内容は変化する可能性があります。 デモ デモアプリをこちらで公開しました: https://terashim.shinyapps.io/begin-r-tippy-pkg/ ソースコードはGitHub terashim/begin-r-tippy-pkg で公開しています。 スクリーンショット ソースコード app.R libr
ガン発見にAI活用へ--富士通研究所がCT検査に
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 富士通研究所は、CT検査における医師の判断を支援するために、AIを活用して、過去に撮影されたCT画像のデータベースのなかから、異常陰影の立体的な広がり方が類似する症例を検索する技術を開発した。 初期の肺ガンなどのように、異常陰影が1カ所に集中している場合には、CT画像をもとにして類似症例を検索する技術はあったが、肺炎などの「びまん性肺疾患」のように、臓器全体に異常陰影が立体的に広がる場合には、立体的な類似性を医師が改めて確認する必要があり、判断に時間がかかるという課題があった。 富士通研究所 ソフトウェア研究所メディアサービスプロジェクト 主任研究員の馬場孝之氏は「日本は、CT装置の国内保有台数が第1位であり、さらに、撮影装置の高度化に
インベンスルービン本の25章に記載されている，ベイズ的な操作変数法のPythonでの実装を簡単に解説します．使っているパッケージは基本的にはNumpyのみです． 問題設定やモデル，記法の詳細は本を参照してください．コードはGitHubに載せています． データセットは長島先生のツイートを参考にhttps://mollyaredtana.wixsite.com/sta108 から取得しました． ※本に記載されている結果が一部再現できていないのですが，松浦先生のStanを使った再現とは結果がほぼあっているため，おそらく教科書に載っている結果が一部間違っているのではないかと考えています． 【目次】 実装の詳細 遵守タイプのサンプリング パラメータのサンプリング 因果効果の推定 サンプリング結果（更新予定） 雑感 1. 実装の詳細 遵守タイプとパラメータを（ブロック）ギブスサンプリング法によりサンプ
【DataCamp】22 Exploratory Data Analysis in Python-②Distributions｜RP
【DataCamp】22 Exploratory Data Analysis in Python-②Distributions DataCampのExploratory Data Analysis in Python。①のRead, clean, and validateは今までの復習ですが、②Distributionsから難しくなってきます。 今回は、②Distributionsの内容をまとめてみました。また、Jupyter notebookで実行してみて、うまく動かない部分は補足しました。 HDF5ファイルをインポート今回用意されているデータ、'gss'はHDF5ファイルです。HDF5とは、Hierarchical Data Format version 5の略。大量の数値データを保存するスタンダード。 今回のコースは、15 Introduction to Importing Data
今回は、FigmaとFigJamで任意の値を入力して、凡例付きの多角形グラフ（レーダーチャート）を生成できるプラグイン「シンプルな多角形グラフの生成」の紹介です。スライド資料用のグラフや、ウェブサイトに掲載する簡単なレーダーチャートが手っ取り早く欲しい時などに便利です。 ちなみに、このプラグインは当サイトのオーナーが作成・公開したものになります。このプラグインでは、任意の値を入力して多角形グラフを生成できます。 生成されたグラフと目盛りは、色やテキストなどを生成後に編集できます。Figma・FigJamの両方で利用できます。 この記事のターゲットFigma・FigJamでシンプルな棒グラフやヒストグラムを作成したい方 Figma・FigJamで色やテキストを後から編集できる棒グラフを素早く作成したい方 「シンプルな多角形グラフの生成」の使い方Figma・FigJamでリソースツールからプラ
コンピュータビジョン分野における機械学習 (2. 顔検出・人検出) - Global Walkers株式会社
第21回目の今回は、顔検出・人検出についてもう少し詳しく解説します。 説明を簡略化するために、「顔」と「人」のみを検出対象として説明しますが、検出対象が車や自転車であっても同じ枠組みで検出することができます。 顔検出の処理フロー 顔検出には2つのフェーズがあります(図1)。 1つは、事前に行う学習データを用いた学習フェーズです。もう1つは、学習フェーズで学習した結果を用いた識別フェーズ(テストフェーズ)です。 学習画像は、顔画像(ポジティブデータ)と、顔以外の画像(ネガティブデータ)を用意します。画像のサイズが均一でない場合は、リサイズ処理により画像のサイズを統一する必要があります。そして、画像から特徴量を抽出し、学習して、学習結果を保存しておきます。 識別フェーズでは、入力画像が学習時の画像サイズと異なっている場合は、まず画像のリサイズを行います。そして、学習時と同じ特徴量を抽出し、学習
この記事では rintorjs パッケージを利用してShinyアプリにチュートリアル機能を追加する方法を紹介します。 Webアプリケーションにステップ・バイ・ステップのチュートリアル機能を追加するためのJavaScriptライブラリとして intro.js が知られています。rintorjs はその intro.js をShinyアプリで利用するためのパッケージです。 デモ こちらにデモアプリを公開しました。 スクリーンショット 元となるShinyアプリを用意する それでは作り方を解説していきます。 まずはチュートリアルの無いサンプルアプリを作成します。 ここではRStudioで新規Shinyプロジェクトを作成したときに用意されるおなじみのサンプルコードを利用します。 app.R library(shiny) # アプリケーションのUIを定義 ui <- fluidPage( # アプリケ
Mac用Final Cut Proの新機能
Mac用Final Cut Proユーザガイド ようこそ 新機能 Final Cut Pro の基本 Final Cut Proとは? ライブラリとは? Final Cut Proのワークフロー Final Cut Proのインターフェイス メディアファイルとクリップ メディアを読み込む/解析する メディアの読み込みの概要 はじめての読み込みの場合 接続されたカメラから読み込む ファイルベースのカメラから読み込む スパンクリップを読み込む iPhone、iPad、またはiPod touchから読み込む デジタル・スチル・カメラから読み込む テープベースのカメラから読み込む カメラが認識されない場合 デバイスから読み込む Macまたはストレージデバイスから読み込む アーカイブまたはディスクイメージから読み込む 読み込み時にファイルを整理する ほかのアプリケーションから読み込む macOS用i
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
無料で使える多機能カメラアプリ「Blackmagic Camera」に、待望のAndroid版が登場
Metaが本物の写真に「AI製」というラベルを付けているという報告
"代替"されないエンジニアになるために──生成AI時代に求められるスキルポートフォリオとは
消費者物価指数（全国、2024年5月）－欧米型コア指数は前年比＋1.7％と2％を下回る－（2024年6月21日）
Apache Hive 4: パフォーマンス改善まとめ - おくみん公式ブログ
カメラ初心者必見！写真撮影で覚えること：おすすめミラーレスカメラ・現像方法
Bridge samplingでモデル比較実践：多項過程ツリーモデル - Qiita
エクセルくらいそれなりに使ってほしい - 【メカトロ】【マイコン】【エクセル】【VBA】技術者応援
Excelデータ分析の基本ワザ (53) 分析ツールを使ったヒストグラムの作成
実戦！ミニロトチャレンジ【第1289回】予想と結果と統計データ｜実況！統計チャレンジ
Cadence、光PCIe 7.0接続で驚異の“128GT/s”の転送速度を達成 | XenoSpectrum
Shiny modulesを使うとき、複数のモジュール間で同一の入力値を共通に利用する方法 - Qiita
multimodeパッケージで多峰性を視覚的に検討する - Qiita
実戦！ミニロトチャレンジ【第1290回】予想と結果と統計データ｜実況！統計チャレンジ
株価の上がり下がりだけじゃない ボラティリティが利益になるとは | 東証マネ部！
人文系（哲学）大学教員のためのRによる成績評価方法（α版） - 餡子付゛録゛
【色検知】OpenCVで色情報から特定の物体を検出してみる - Qiita
Shinyアプリにtippyパッケージでツールチップを追加する - Qiita
インベンス・ルービン25章のベイズ的な操作変数法の実装 - Qiita
Figmaでシンプルな多角形グラフ（レーダーチャート）を作成する方法 | wentz-design.com
rintrojsでShinyアプリにチュートリアル機能を追加する - Qiita