はじめに Terraformを使用してAWSリソースを構築する際に、コンプライアンス上の理由により、実際にAWSリソースを作成する対象となるAWSアカウントと、stateファイルを保管する対象になるS3バケットを分離したい、なんていう要件が発生することがよくあります。 実際に業務でそういった要件が発生し、どうしたものかとちょっと悩んだのですが、意外と簡単に解決することができたので、Tipsとして書き残しておきます。 環境 実装している環境は以下の通りです。 Terraform: 1.7.3 AWS Provider: 5.36.0 クライアントのOS: macOS Sonoma 14.3.1 Profileの設定 Profileの設定は、他のTerraform実行環境と同様に、macOSであれば ~/.aws/config に記述しますが、今回はAWS IAM Identity Cente
モデル構築・適用 - Qiita
この記事の狙い・目的 機械学習を取り入れたAIシステムの構築は、 ①データ分析→ ②データセット作成（前処理）→ ③モデルの構築・適用 というプロセスで行っていきます。 その際「前処理」の段階では、データ分析の考察を踏まえて、精度の高いデータセットが作れるよう様々な対応が必要となります。 このブログでは、「前処理（特徴量エンジニアリング）」の工程について初めから通して解説していきます。 プログラムの実行環境 Python3 MacBook pro（端末） PyCharm（IDE） Jupyter Notebook（Chrome） Google スライド（Chrome） 評価比較 from sklearn.model_selection import train_test_split # データ分割 # アルゴリズム from sklearn.neighbors import KNeighb
どうも ゆうですÜ 今回紹介するのは、個人的な趣味のまとめになりますが… 映画の主題歌オススメ洋楽集 映画を観ていたら「あ！この曲は好きなバンドの曲じゃないか！！」 とテンション上がることありませんか？ 前回紹介した「華麗なるギャッツビー」のプロモーションソング ラナ・デル・レイの「ヤング・アンド・ビューティフル」もそうでした yumak0.hatenablog.com その他、コールドプレイの「The Scientist」という曲は 映画「ホワイト・ライズ」の主題歌だということも紹介しました yumak0.hatenablog.com また、ミューズの「Exogenesis Symphony Part Ⅲ」が挿入歌の 「わたしを離さないで」もエモくて最高 yumak0.hatenablog.com その他にもまだまだオススメあるので、早速紹介していきしょう！ まずはリンキン・パーク ×「
ロキシー・ミュージックとブライアン・フェリー
ラジオDJ、ライナー執筆など幅広く活躍されている今泉圭姫子さんの連載「今泉圭姫子のThrow Back to the Future」の第8回です。コラムの過去回はこちら。 ロキシー・ミュージックのデビュー・アルバムとなる『Roxy Music』の発売45周年を記念したスーパー・デラックス・エディションが2018年2月2日に発売されます。 ニューカッスル大学の苦学生だったブライアン・フェリーは、卒業後美術の先生をするかたわら音楽を続け、1971年にロキシー・ミュージックを結成し、27歳でようやくデビューしたわけです。キング・クリムゾンのヴォーカル・オーディションを受けたこともある彼、もし受かっていたら今のブライアン・フェリーは生まれていたのでしょうか？人生は適材適所！その人に合う場所が見つけられた時にその光りは輝きを放ちます。 ブライアン・フェリーは27歳にして輝ける場所にたどりつき、マーク
カメラの撮影範囲を計算して可視化する
はじめに 新規事業統括部 Passregiチームの山本です。 PassregiのCVチームでは、カメラを使った人物追跡システムを作成しています。今までは様々な改良をしてきたのですが、詳しい内容については、以下のページをご覧ください。 https://dev.classmethod.jp/articles/developers-io-day-one-passregi-cv-improvements/ こうしたカメラを使ったシステムでは、カメラの位置や向きを計測するキャリブレーションという作業が必要です。 このページでは、キャリブレーション後に、以下のような項目を確認する方法として、カメラのカバー範囲を計算（可視化）する方法について記載します。 カバーできているか、弱そうな箇所がないか カメラの台数を増やした方が良い箇所はどこか 最初に考え方や計算方法の式について記載し、最後にサンプルコードと
みなさんこんにちは。 今回はトヨタのロングセラー車両「カローラ」です。 そのなかでもMC後のカローラツーリングハイブリッド用スプリング 「NF210」を紹介いたします 車両情報 メーカー：トヨタ 車種：カローラツーリング(MC後) 型式：6AA-ZWE219W グレード：ハイブリッドW×B 駆動方式：FF トランスミッション：CVT それでは早速見てみましょう 今回の車両はモデリスタのエアロを装着しています。 エアロが装着されているとなおさら下げたくなってしまいます。 車高バランスですが フェンダー隙間的にはフロントが高めに見えますね それでは早速「NF210」付けていきましょう！ フロント：約-25mmダウン R：約-15mmダウン 純正バネレート：F 2.4ｋ Ｒ2.8ｋ NF210：Ｆ2.6ｋ Ｒ3.2ｋ いかがでしょうか さり気なくローダウンを実現しつつ、とてもバランスの取れた
画像認識で爆笑問題を判別 コロナで暇だったのでサクッと作りました。 コードは欅坂４６の画像認識した時の使い回しがほとんどです。 ディープラーニングで、好きなものを画像認識してみたい方は是非! 初めてでもできるように、つまずきそうな箇所も記載しています！！ pythonの環境設定はこれだけでいけると思います！ ディレクトリ /bakusyomondai /data /TANAKA /ota /face /ota /TANAKA /train /ota /TANAKA /test /ota /TANAKA get_image.py detect_face/py devide_test_train.py inflation.py learn2.py Bakunin.py 例えば、macの場合は下のようになってます。 目次 1,学習させる画像をダウンロード 2,ダウンロードした画像の顔検出 3,学
はじめに, 本記事は論文読み会で発表した内容になります. Managing Popularity Bias in Recommender Systems with Personalized Re-ranking published date: 12 August 2019, authors: Himan Abdollahpouri, Robin Burke, Bamshad Mobasher url: https://arxiv.org/pdf/1901.07555.pdf (勉強会発表者: morinota) どんなもの? 多くの推薦システムでは、人気のアイテム(="short-head"なアイテム)は頻繁に推薦され、人気のないニッチなアイテム("long-tail"なアイテム)はほとんどor全く推薦されないという、Popularity Bias(人気度バイアス)に悩まされている. もち
本物の英語力 鳥飼玖美子 講談社現代新書 2016年2月20日第1刷発行 図書館の新書コーナーで見つけたので借りてみた。鳥飼玖美子さんといえば 、NHK の英会話番組で長く講師をされていた方。お話が楽しいのと、彼女の声のトーンが好きで、昔よくNHKラジオ第二放送で聞いていた。 かれこれ、20年位前だろうか？？忘れてしまった。 本書のタイトルは、「英語力」なので、必ずしも「英会話」ではない。ビジネスマンにとっては、英会話よりビジネス英文メールを書く機会の方が多い人もたくさんいらっしゃるだろう。そういう人には、仕事で使うのに必要な「英語力」を必要に応じて養うことを薦めていらっしゃる。 目次 第一部 英語は基礎力 発話、語彙、コンテクスト、文法 第１講 「なんで英語やるの？」 第２講 「発音」は基本をおさえる 第３講 先立つものは「語彙」 第４講 「コンテクスト」がすべてを決める 第５講 話す
先日SNSで次のようなクイズが表示されていて、それを回答している様子をプログラミングしてみたくなり、ブログで書いてみました。 普通に解答 何も説明が書かれていないので、勝手にルールを設定してみると、 ABCには、それぞれ別々の数値が入ると考えて、3桁の値を3個足し込んだときに、777という値になればいいということで、 まずは、777を3で割ってみます。 777 ÷ 3 = 259 キレイな形で割れたので、この259と言う数値がそれぞれ、A,B,Cだという事がわかります。 次に、「A+B+C = ?」とのことなので、 2 + 5 + 9 = 16 これが答えじゃないかと思います。 特に正解を見たわけじゃないんですが、おそらく間違っていないと思われます。 プログラミング的思考 手っ取り早くプログラミングするには、やっぱりJavascriptですね。 const answer = 777 let
【BOMBTRACK】ARISE の誕生から2021モデルまでの歴史を簡単にまとめてみた。～第一世代から第五世代に分類～ - kirdina’s（裏）自転車秘密工房
2021モデルから新たな日本代理店のもとで日本への輸入が再開された BOMBTRACK。しかし、BOMBTRACK の歴史はもちろんそれ以前からあったわけでして、私の愛車でありおそらく現状の BOMBTRACK の主力製品であろう ARISE も、以前からあったわけなのです。 そんなわけで、日本輸入再開を記念して（？）、ちょっと BOMBTRACK ARISE の変遷、歴史をまとめてみることにいたしました。 ■もくじ： 第一世代「誕生期」（2014～2015）： 第二世代「進歩期」（2016）： 第三世代「発展期」（2017～2019）： 第四世代「完成期」（2020）： 第五世代「成熟期」（2021～）： 結語： 私の愛車 BOMBTRACK ARISE 2 2018 そんなわけで、私なりに大きな仕様変更を基準として、第一世代から第五世代に分類してみました。 なお、フレームジオメトリにつ
本記事はProjectEulerの「100番以下の問題の説明は記載可能」という規定に基づいて回答のヒントが書かれていますので、自分である程度考えてみてから読まれることをお勧めします。 問題 93.四則演算で連続数 原文 Problem 93: Arithmetic expressions 問題の要約: 4つの数字を使って四則演算を行った結果を1から順番に並べたとき、最も連続が長く続くような4つの数字を求めよ いわゆるテンパズル(Wikipedia)で10だけでなく、1から順番に数を一番連続で作れる4つの数字はどれかという問題です。 この手の問題はカッコとかがあると扱いがややこしいので逆ポーランド記法(Wikipedia)を使うと簡略化できます。以下のように考えます。 数字は4個、演算子は3個ある スタックに数字をプッシュしていく スタックに数字が2つ以上あったら演算子を適用して、上の2つを
copilot.github.com サインアップしたのが通ったので軽く動かしてみました。 www.youtube.com どうせだから使ったことない言語というか、現在のCopilotがうまくサジェストしてくれると書いているJavaScript, Go, Pythonいずれも得意ではないのですけど、今回はGoでやってみました。 コメントを書き始めるとCopilotが候補をサジェストしてくれます。薄い文字がサジェストされている文章で、Tabを押したらそのまま受け入れることになります。 コメントを書かなくても関数名に具体的な処理を表す名前、例えばdevide_by_valueみたいな名前にすると、意図通りの処理が自動生成されています。 動画では英語で書いていますが、試したらコメントや関数名に日本語使ってもちゃんと解釈してくれるのはびっくりです。 実際、これが実用になるかというとどうなんだろうと
ChatGPT APIリリースの衝撃から(およそ)3ヶ月。 私が所属する旅行系スタートアップのAVA Intelligenceでは、APIリリース以降、ミッション"Discover the Best For You"を実現するための重要技術と位置付け、様々に活用してきました。 中でも、自然言語で旅行について聞くことができるLINEボットがご好評をいただいています。 ▼AVA Travelの公式LINE 3ヶ月間、ChatGPTのAPIを使って目的を達成する方法を模索する中で、重要だと考えることを整理しました。 指針1.分割して各個撃破する あなたはAIでどのような問題を解決しようとしていますか？ 大抵の解くべき問題は、複雑で難しいです。 大きくて難しい問題を分割し、解けるサイズに分けて、扱いやすくすることは、ChatGPTを使う開発において大きな効果を発揮します。 課題を分割することで、A
GeoHex とは GeoHex は地図上を六角形の領域で区切った位置情報表現。 六角形のひとつひとつに場所を表すコードが付いている。 GeoHex Hexagonal geo-coding system / Original mapping project GeoHex/ GEOHEX devide whole target area into honeycomb geometry regions. ドラゴンクエストウォークで使われているらしい ドラゴンクエストウォークはスマートフォン向け位置情報ゲーム。 参考情報: ドラゴンクエストウォーク 公式プロモーションサイト | SQUARE ENIX ドラゴンクエストウォークを起動して、各種情報の画面を見ると、 GeoHex のライセンスが表示されている。 GeoHex をどのように使っているのかわからないが、もしかして距離を算出するのに使っ
# 縦横何分割するか DEVIDE_COUNT = 7 # 配列の中央値 cneter_index = (DEVIDE_COUNT / 2) + (DEVIDE_COUNT % 2) # 東西南北 origin_n = 0 origin_s = 50 origin_w = 100 origin_e = 200 north_south_unit = (origin_s - origin_n).fdiv(DEVIDE_COUNT) west_east_unit = (origin_e - origin_w).fdiv(DEVIDE_COUNT) # 北から南、西から東へ分割していく distance_rankは中心から遠いほど大きくなる Mesh = Struct.new(:nl, :sl, :el, :wl, :distance_rank) results = [] (1..DEVIDE_C
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
Terraformでstateファイルの格納先を分離したいときのTips
映画の主題歌・挿入歌 オススメ洋楽集 - Ü Blog
『カローラツーリングMC後 ハイブリッド用スプリング「NF210」開発完了しました！』
Kerasを使って爆笑問題の顔認証をしてみた。 - Qiita
推薦システムにおける人気度バイアスを後処理的なアプローチで制御する手法xQuADの論文を読んだ - Qiita
『本物の英語力』 by 鳥飼玖美子 - Megurecaのブログ
SNSで見かけたクイズの問題をプログラミングしてみるブログ「ABC+ABC+ABC=777」
【Project Euler】Problem 93: 四則演算で連続数 - Qiita
GitHub Copilotを試してみる - kkamegawa's weblog
ChatGPTのAPIを3ヶ月使ってわかってきた、良い出力を得るための指針 - Qiita
ドラクエウォークでも使われているらしい GeoHex を YOLP 地図に表示する - Qiita
東西南北の緯度経度から任意の数に分割する - Qiita