検索対象

並び順

ブックマーク数

期間指定

  • から
  • まで
pythonに関するエントリは47466件あります。 PythonプログラミングHotEntry などが関連タグです。 最新エントリには 『AI Programmer』などがあります。

pythonの検索結果(絞り込み: 3 users 以上)47466 件中 1 - 40 件目

  • AI Programmer

    日本語で指示を出すだけでコードを 自動で生成してくれます。 AI Programmer エンジニアを強力にサポートします。現在プロトタイプを無料で公開しています。AI プログラマーに指示を出してソースコードを生成してみてください。できるだけ具体的に指示を出すと期待通りのコードが書けます。

    • ITフリーランス、稼ぎは正社員の2倍 時給4150円

      フリーランスのIT(情報技術)人材の奪い合いが激しくなっている。エンジニアが仕事を請け負う求人サイトのデータを調べると、時給換算の報酬は平均4150円と中堅の正社員の2倍に達することがわかった。使い手の少ないプログラミング言語では5000円を超える。売り手市場で効率良く働きながら、スキルを磨く姿が浮かぶ。

      ITフリーランス、稼ぎは正社員の2倍 時給4150円
      • PythonによるDA-Learnerの実装

        はじめに DA-Learnerについて、Pythonによる実装を交えてまとめました。内容について誤り等ございましたら、コメントにてご指摘いただけますと幸いです。 機械学習を用いた因果推論 機械学習を用いた因果推論手法は大きく分けて下記の2通りが存在します。 Meta-Learner系 Causal-Tree系 今回はMeta-Learner系の手法の1つであるDA-Learnerについて紹介します。 Meta-Leanrerとは Meta-Learnerとは、機械学習と因果推論の考え方を掛け合わせて条件付き平均処置効果(CATE: Conditional Average Treatment Effect)を推定する手法の総称です。 条件付き平均処置効果(CATE)とは、平均処置効果(ATE: Average Treatment Effect)をある条件(X=x)に限定して算出したものであり

        PythonによるDA-Learnerの実装
        • エクセルsheetを複数作成してくれるWebアプリを作ったよ(Python+Flask+GAE+Excel) - Qiita

          エクセルsheetを複数作成してくれるWebアプリを作ったよ(Python+Flask+GAE+Excel) 出来たものがこちら 僕のような初学者が下記のようなプロセスで作成したという記録を書いていきたいと思います。 きっかけ 仕事で各ソースファイルごとに調査をする必要があり、エビデンスとしてエクセルを使用。 各ファイル名のシートを作成するため、そのようなファイルを作成してくれるものが欲しかった。 Flask,GCPにも興味はあったので触ってみたかった。 まず何をしたか まずはFlaskで「Hello World」を表示ができるようにしました。 pythonファイルとhtmlファイルのみの構成でまずはSTEP1としました。 次にボタンを押したらとりあえずExcelファイルをダウンロードするように実装します。 こちらは「Flask Excel」と検索して出てきたサイトを参考にしました。 ht

          エクセルsheetを複数作成してくれるWebアプリを作ったよ(Python+Flask+GAE+Excel) - Qiita
          • Python,Ruby,PHP,Java,JavaScript,PerlのPDF作成の比較 - Qiita

            Help us understand the problem. What are the problem?

            Python,Ruby,PHP,Java,JavaScript,PerlのPDF作成の比較 - Qiita
            • Pythonで線形代数!~行列・応用編(行列式・固有値)

              Pythonで線形代数!~行列・応用編(行列式・固有値):数学×Pythonプログラミング入門(1/5 ページ) AI/機械学習で使われるデータを表現するためにはベクトルや行列などの線形代数を理解することが必要不可欠。今回は行列式と固有値/固有ベクトルの求め方、さらに、それらの応用について、プログラミングの方法を初歩から見ていく。 連載目次 前々回は、行列をNumPyの配列として表し、要素ごとの四則演算を行ったり、ブロードキャスト機能を利用したりする方法、さらに、行や列の操作、集計などについても見ました。前回は、行列の内積について基本的な考え方から計算方法を簡単に紹介するとともにNumPyの配列による基本的なプログラミングの方法、さらに応用例を見てきました。今回は線形代数の難所である行列式と固有値/固有ベクトルを求める方法と応用例を紹介します。 この連載には「中学・高校数学で学ぶ」というサ

              Pythonで線形代数!~行列・応用編(行列式・固有値)
              • GitHub - dosisod/refurb: A tool for refurbishing and modernizing Python codebases

                This commit does not belong to any branch on this repository, and may belong to a fork outside of the repository.

                GitHub - dosisod/refurb: A tool for refurbishing and modernizing Python codebases
                • Pythonを使って「スクレイピング」、実行環境は簡単に用意できる

                  スクレイピングを始める準備として、Pythonの実行環境をインストールしよう。 お薦めは、公式サイトが配布しているプログラムをインストールする方法だ。Pythonの公式サイト(https://www.python.org/)にアクセスし、「Downloads」と書かれた場所にマウスカーソルを動かす。 するとアクセスした環境に応じた最新のインストーラーのダウンロードボタンが表示される。古いバージョンや別の稼働環境向けのインストーラーが必要な場合は、OS名をクリックするとその先にあるページでダウンロードできる。 PATHの設定は要検討 ダウンロードしたインストーラーを実行する際に注意したい点が1つある。PATHの設定だ。 PATHは「環境変数」の1つ。Windowsがプログラムを実行する際に、自動的に検索するフォルダーを記述する。例えばネットワークコマンドの「ping」のファイル名は「ping

                  Pythonを使って「スクレイピング」、実行環境は簡単に用意できる
                  • Rust製パターンマッチングマシンDaachorseを使ってPythonパイプラインを高速化する話 - エムスリーテックブログ

                    エムスリーエンジニアリンググループ AI・機械学習チームでソフトウェアエンジニアをしている中村(po3rin) です。検索とGoが好きです。 今回は文字列界隈を賑わせている高速なRust製パターンマッチングマシンDaachorseをPythonで呼び出して既存の文字列パターンマッチロジックを高速化したお話をします。 Daachorseとは なぜPythonから呼び出したいのか パターンマッチングのみのベンチマーク python-daachorseだけオートマトン構築込みのベンチマーク まとめ We are Hiring! その他 Daachorseとは DaachorseはLegalForceさんで開発運用されている文字列パターンマッチを行うRust製ライブラリです。 github.com 技術的なトピックに関してはLegalForceさんの記事が全て解説しているののでそちらを参照してくだ

                    Rust製パターンマッチングマシンDaachorseを使ってPythonパイプラインを高速化する話 - エムスリーテックブログ
                    • Python,Ruby,PHP,Java,JavaScript,Perlの日付・時刻の比較 - Qiita

                      Help us understand the problem. What are the problem?

                      Python,Ruby,PHP,Java,JavaScript,Perlの日付・時刻の比較 - Qiita
                      • OpenAIのSpeech-To-Text AI「Whisper」をM1 Macで試してみる

                        OpenAIがSpeech-To-Text AIのWhisperを発表しました。Githubからpipでインストールすれば簡単に使えます。私のM1 Max MacBook Proでも動作しましたので、作業内容を書いておきます。 GitHub – openai/whisper Contribute to openai/whisper development by creating an account on GitHub. github.com Python仮想環境を作る Python自体のインストールは既に終わっているところから書くことにします。私の環境は、ASDFを使ってPythonのバージョンを使い分けており、今回使用するのは、miniforge3-4.10.3-10です。Python 3.9.13が動作しています。 まず、仮想環境を作ります。miniforgeを使っていながらPyth

                        OpenAIのSpeech-To-Text AI「Whisper」をM1 Macで試してみる
                        • Python向けレトロゲームエンジンPyxelがWebに対応しました! - kitao's blog

                          2018年6月に最初のリリースを行ってから、早いものでもう4年。少しずつ機能の追加と改良を重ね、Python向けレトロゲームエンジンPyxelはバージョン1.8になりました。 Pyxel 1.8系のテーマは対応プラットフォームの拡大です。 元々マルチプラットフォーム対応を謳っていましたが、1.8では対応プラットフォームの強化を進め、正式に以下の環境をサポートするようになりました。 Intel 64ビットWindows Intel 32ビットWindows ARM 64ビット Mac (M1/M2 Mac) Intel 64ビット Mac Intel 64ビット Linux Intel 32ビット Linux ARM 64ビット Linux (Chromebookも含む) そして、現在急ピッチで整備を進めている最後の大物プラットフォームがWebブラウザです。 Web版Pyxelはようやく基本

                          Python向けレトロゲームエンジンPyxelがWebに対応しました! - kitao's blog
                          • SciPy 2022カンファレンスレポート | gihyo.jp

                            参加目的 筆者は普段OSS活動の一環としてPyVistaというプロジェクトに参加しています。このプロジェクトはPythonのデータ可視化ライブラリで近年最も注目されているものの1つです。以下の画像はPyVistaの使用例の一部です。今回、ライブラリの広報とコミュニテイの交流を目的としてこのカンファレンスに参加してきました。 PyVistaの例 ここでは、PyVistaの説明をします。 Visualization Toolkit(VTK)という3Dコンピュータグラフィックス・画像処理・可視化のための、自由に利用可能なオープンソースソフトウェアがあります。1993年から開発が行われており3Dコンピュータグラフィックス・画像処理・可視化の分野でユーザーが必要なことがほぼ全て実現できます。世界中にユーザーと開発者がおりさらにロスアラモス国立研究所やサンディア国立研究所の研究者も協力しています。 メ

                            SciPy 2022カンファレンスレポート | gihyo.jp
                            • 『リーダブルコード』の要点&活用方法

                              はじめに 今回の記事では『リーダブルコード』の要点と、実務で活用する方法を徹底解説する。この記事を読むことで、『リーダブルコード』の重要な部分と実務での活用方法を学べるだろう。 本記事で使うプログラムの言語はPythonを採用した。Pythonは文法がシンプルなので初心者でも学習コストが低く、プログラミングの入門としては最も相応しいからである。今回の記事の内容は良いプログラムを格上での重要な基本事項なので、どの言語でも役立つだろう。 1部:表面上の改善 名前に情報を詰め込む プログラムに使われる名前は、主に次の5つの鉄則を守る必要がある。 明確な単語を選ぶ 例えば、getは具体的に何をしているのかがわからない。 この場合だと、画像をダウンロードするのか、あるいはWebサイト上に表示されている画像のすべてを取得するのかまったくわからない。 インターネット経由で画像を取得するなら、Downlo

                              『リーダブルコード』の要点&活用方法
                              • オライリーの教育的な良書「Think Python」第2版は日本語訳が無料公開されている。初心者がつまずきやすい点を先回りして説明・各章の終盤にデバッグのヒントが書いてある

                                QDくん⚡️Python x 機械学習 x 金融工学 @developer_quant 金融技術職/統計学,データサイエンス,プログラミングの勉強に役立つ情報を発信/良質な無料教材,スライド,サイト,書籍を紹介/金融工学x機械学習ブログ運営(700記事) quantcollege.net /C++/Python/Julia/Rust/Amazonアソシエイト参加中/書籍レビュー依頼はDMへ note.com/quantdeveloper QDくん⚡️Python x 機械学習 x 金融工学 @developer_quant オライリーの教育的な良書「Think Python」第2版は日本語訳が無料公開されている。 cauldron.sakura.ne.jp/thinkpython/th… ・初心者がつまずきやすい点を先回りして説明 ・各章の終盤にデバッグのヒントが書いてある pic.twi

                                オライリーの教育的な良書「Think Python」第2版は日本語訳が無料公開されている。初心者がつまずきやすい点を先回りして説明・各章の終盤にデバッグのヒントが書いてある
                                • PythonとGoogle Cloudを使って年間70万球の野球データをいい感じに可視化・分析するダッシュボードを作った - Lean Baseball

                                  日本で言えば同じ学年のレジェンド, アルバート・プホルスが通算700号本塁打を打って驚いている人です. ここ最近, (休んでいる間のリハビリがてら*1)PyCon JP 2022の準備および, 来年以降のMLBを楽しく見るために野球データ基盤(ちなみにメジャーリーグです)を作っていたのですが, それがいい感じに完成しました. アプリとデータ基盤をどのように作ったのか どのような処理, どのようなユースケースで動かしているのか これらをどのようなアーキテクチャで実現したのか 以上の内容をこのエントリーに書き残したいと思います. なおこのエントリーは, PyCon JP 2022のトーク「Python使いのためのスポーツデータ解析のきほん - PySparkとメジャーリーグデータを添えて(2022/10/15 16:00-16:30)」の予告編でもあります. なので, 後日のトークをお楽しみに

                                  PythonとGoogle Cloudを使って年間70万球の野球データをいい感じに可視化・分析するダッシュボードを作った - Lean Baseball
                                  • QDくん⚡️Python x 機械学習 x 金融工学 on Twitter: "オライリーの教育的な良書「Think Python」第2版は日本語訳が無料公開されている。 https://t.co/277qzyR7Rs ・初心者がつまずきやすい点を先回りして説明 ・各章の終盤にデバッグのヒントが書いてある https://t.co/RPX57PNyn9"

                                    オライリーの教育的な良書「Think Python」第2版は日本語訳が無料公開されている。 https://t.co/277qzyR7Rs ・初心者がつまずきやすい点を先回りして説明 ・各章の終盤にデバッグのヒントが書いてある https://t.co/RPX57PNyn9

                                    QDくん⚡️Python x 機械学習 x 金融工学 on Twitter: "オライリーの教育的な良書「Think Python」第2版は日本語訳が無料公開されている。 https://t.co/277qzyR7Rs ・初心者がつまずきやすい点を先回りして説明 ・各章の終盤にデバッグのヒントが書いてある https://t.co/RPX57PNyn9"
                                    • Pythonの15年間見過ごされてきた脆弱性が30万件以上のオープンソースリポジトリに影響を与える可能性

                                      プログラミング言語のPythonで、2007年に存在が公開されたものの修正されなかったバグが再発見されました。任意コード実行可能な脆弱性にもつながるこのバグの影響は、コーディング自動化ツールを介してさまざまなプロジェクトに広まっており、修正するべきオープンソースリポジトリが35万件以上にも及ぶと指摘されています。 Tarfile: Exploiting the World With a 15-Year-Old Vulnerability https://www.trellix.com/en-us/about/newsroom/stories/threat-labs/tarfile-exploiting-the-world.html Tarfile: Exploiting the World With a 15-Year-Old Vulnerability https://www.trell

                                      Pythonの15年間見過ごされてきた脆弱性が30万件以上のオープンソースリポジトリに影響を与える可能性
                                      • Javaで書いた4行のコード、依存関係をたどると51万行に――超複雑化するソフトウェア構成、SBOMで探るには

                                        Javaで書いた4行のコード、依存関係をたどると51万行に――超複雑化するソフトウェア構成、SBOMで探るには:特集:1P情シスのための脆弱性管理/対策の現実解(3) OSSの使用リスク対処として注目を集めているSBOM。SBOMを使ってどのようにサプライチェーン攻撃対策を行えばいいのだろうか。本稿では、@ITが開催した「@IT ソフトウェア品質向上セミナー」の基調講演「SBOMによるサプライチェーン攻撃対策 ~自社ソフトウェアのリスク、把握していますか?~」で語られた、OSSの使用に潜むリスクへの対処法について、要約してお届けする。 @IT編集部は2022年8月22日、デジタルイベント「@IT ソフトウェア品質向上セミナー」を開催した。基調講演では、「SBOMによるサプライチェーン攻撃対策~自社ソフトウェアのリスク、把握していますか?~」と題して、JFrog Japanの横田紋奈氏(デベ

                                        Javaで書いた4行のコード、依存関係をたどると51万行に――超複雑化するソフトウェア構成、SBOMで探るには
                                        • Raspberry Pi Zero 2 W【レビュー】性能5倍の真相に迫る | sozorablog

                                          数あるラズベリーパイの中でも衝撃的なコンパクトさが魅力のRaspberry Pi Zeroシリーズ。初代Zeroの発売から5年。大幅にパワーアップしたZero 2 Wがリリースされました。

                                          Raspberry Pi Zero 2 W【レビュー】性能5倍の真相に迫る | sozorablog
                                          • Pandasユーザーガイド「Group by - 分割・適用・結合」(公式ドキュメント日本語訳) - Qiita

                                            本記事は、Pandas の公式ドキュメントのUser Guide - Group by: split-apply-combineを機械翻訳した後、一部の不自然な文章を手直ししたものである。 誤訳の指摘・代訳案・質問等があればコメント欄や編集リクエストでお願いします。 Pandas公式ドキュメント日本語訳記事一覧 データの取得と選択 マルチインデックス・高度な索引 mergeとjoinとconcatenateとcompare テーブルの整形とピボットテーブル テキストデータの操作 欠損データの操作 重複ラベル カテゴリデータ Group by - 分割・適用・結合 Group by - 分割・適用・結合 group byとは、以下の1つまたは複数のステップを含む処理を指します。 分割(Splitting):ある基準に基づいてデータをグループに分ける。 適用(Applying):各グループに独

                                            Pandasユーザーガイド「Group by - 分割・適用・結合」(公式ドキュメント日本語訳) - Qiita
                                            • 時系列データを前処理する際のPython逆引きメモ - EurekaMoments

                                              機械学習のための「前処理」入門 作者:足立悠リックテレコムAmazon 目的 データ分析の仕事をする中で最も扱う機会が多いのが 時系列データだと思います。その中で欠損値を扱ったり、 統計を取ったり、特徴量を作り出したりするのですが、 毎回やり方を忘れてググっているので、上記の書籍を読んで こういった前処理の方法をいつでも確認できるように メモしておこうと思います。 目次 目的 目次 日時のデータをdatetime型に変換する 最初の日時からの経過時間を計算する 各データの統計量を計算する 欠損値の確認と補完 経過時間の単位を変換する データフレーム結合する 基準日時からの経過時間を計算する 重複した行を削除する 特定のデータ列をインデックスにする 部分的時系列を抽出して統計量を計算する データフレームの各列をリストにして結合する 不均衡データから教師データを作成する データの読み込みと可視

                                              時系列データを前処理する際のPython逆引きメモ - EurekaMoments
                                              • [解決!Python]ラムダ式(lambda)を記述して使うには

                                                ラムダ式は小規模で名前を持たない関数を簡潔に記述するのに使える。その記述方法や使う上で注意すべきポイントを紹介する。 # 関数やメソッドの引数にラムダ式を指定 int_list = [8, 4, -10, 6, -5, -7, -8] int_list.sort(key=lambda x: x if x >= 0 else -x) print(int_list)  # [4, -5, 6, -7, 8, -8, -10] d = { 'kawasaki': {'age': 100, 'height': 129, 'weight': 129}, 'isshiki': {'age': 25, 'height': 180, 'weight': 68}, 'endo': {'age': 34, 'height': 176, 'weight': 72} } result = sorted(d.ite

                                                [解決!Python]ラムダ式(lambda)を記述して使うには
                                                • ルーチンワークはPythonにやらせよう Seleniumで勤怠処理を自動化する - Qiita

                                                  勤怠処理の自動化は、以下の仕組みによって実現しています。 在宅勤務と出社では勤怠処理が異なるため、基本的にフルリモート前提で在宅勤務の場合に処理を行うよう設定しています。 cronによってシェルスクリプトを起動 シェルスクリプトで在宅勤務の判定を行う 在宅勤務の場合、Pythonのプログラムを起動 Seleniumで勤怠入力 実装 Pythonのプログラムは、仮想環境を作成して実行しています。 仮想環境の作成及びSeleniumの導入 Pythonの仮想環境はvenvを使用して作成します。 仮想環境を作成するためには、以下のコマンドを実行します。 <Dir>には任意のディレクトリ名を指定します。 $ python3 -m venv <Dir> $ source <Dir>/bin/activate 仮想環境構築後、seleniumをインストールします。 仮想環境が有効な場合はプロンプトの表

                                                  ルーチンワークはPythonにやらせよう Seleniumで勤怠処理を自動化する - Qiita
                                                  • Stable Diffusionにdanbooruデータセットを追加学習する - TadaoYamaokaの開発日記

                                                    Stable Diffusionに独自データセットで追加学習できるようになるために、まずは既存のデータセットを使用した学習方法を試した。 追加学習の方法には、画像3~5枚を用いてスタイルを学習させるTextual Inversionという方法があるが、ここでは追加学習にデータセットを用いて画像をテキスト条件付きで追加学習する方法を試す。 GitHubのStable Diffusionには追加学習の方法についてドキュメントが用意されていないため、Waifu Diffusionの方法を参考にした。 Waifu Diffusionは、Stable Diffusionをdanbooruデータセットでファイチューニングしたものである。 Waifu Diffusionがどのように追加学習を行ったか手順は書かれていないが、ファイチューニング用のconfigファイルが用意されているため、それを使って、トラ

                                                    Stable Diffusionにdanbooruデータセットを追加学習する - TadaoYamaokaの開発日記
                                                    • GIF画像にPython仕込む新たな攻撃「GIFShell」に注意、Microsoft Teamsが標的

                                                      GIF画像にPython仕込む新たな攻撃「GIFShell」に注意、Microsoft Teamsが標的 eSecurity Planetは9月12日(米国時間)、「New GIFShell Attack Targets Microsoft Teams|eSecurityPlanet」において、GIF画像を悪用してMicrosoft Teamsのターゲットのマシン上で任意のコマンドを実行する、新たな攻撃チェーンが発見されたと伝えた。これは、セキュリティ専門家であるBobby Rauch氏によって発見されたサイバー攻撃で、「GIFShell」と名付けられている。 GIFShellの主なコンポーネントは、隠されたPythonスクリプトを含むGIF画像とされている。細工された画像は、リバースシェルを作成するためにMicrosoft Teamsのユーザーに送信されるという。マイクロソフトの正規のイ

                                                      GIF画像にPython仕込む新たな攻撃「GIFShell」に注意、Microsoft Teamsが標的
                                                      • 画像生成AIのStable Diffusionにも使われるAIフレームワーク「PyTorch」がMetaから独立してLinux Foundationに移行

                                                        Facebook(現Meta)の研究チームが2016年に開発したオープンソースのAIフレームワーク「PyTorch」は、画像生成AIのStable Diffusionを含む数多くのAIプロジェクトに利用されています。2022年9月12日、PyTorchが「PyTorch Foundation」という名称で独立し、Linux Foundationの下で統括されるプロジェクトに移行することが発表されました。 Announcing the PyTorch Foundation to Accelerate Progress in AI Research | Meta https://about.fb.com/news/2022/09/pytorch-foundation-to-accelerate-progress-in-ai-research/ Welcoming PyTorch to the

                                                        画像生成AIのStable Diffusionにも使われるAIフレームワーク「PyTorch」がMetaから独立してLinux Foundationに移行
                                                        • AIフレームワークの「PyTorch」、MetaからLinux Foundaton監督下に移行

                                                          Metaは自社で開発したオープンソースの深層学習用フレームワーク「PyTorch」をLinux Foundationの新理事会の監督下に移行させると発表した。理事会にはMeta、AMD、Amazon(AWS)、Google、Microsoft、Nvidiaなどが参加する。 米Metaは9月12日(現地時間)、同社のAI Research Labで開発した、オープンソースのPython用深層学習用フレームワーク「PyTorch」を、Linux Foundationの支援により、新たに設立する独立した「PyTorch Foundation」理事会の監督下に移行させると発表した。 Metaのマーク・ザッカーバーグCEOは自身のFacebook投稿で「PyTorchは、フレームワーク上に構築されたGitHub上の15万以上のプロジェクトを持つ主要なAIプラットフォームの1つに成長した。新理事会には

                                                          AIフレームワークの「PyTorch」、MetaからLinux Foundaton監督下に移行
                                                          • Announcing the PyTorch Foundation: A new era for the cutting-edge AI framework

                                                            Announcing the PyTorch Foundation: A new era for the cutting-edge AI framework To accelerate progress in AI, PyTorch is moving to a new, independent PyTorch Foundation, under the Linux Foundation umbrella. The project will join the Linux Foundation with a diverse governing board composed of representatives from AMD, Amazon Web Services, Google Cloud, Meta, Microsoft Azure, and Nvidia, with the int

                                                            Announcing the PyTorch Foundation: A new era for the cutting-edge AI framework
                                                            • Python初心者、天和シミュレーターを作成する。 - Qiita

                                                              タイトルの通り、Python初心者の自分が天和シミュレーターを作成してみました。麻雀に詳しくない方も、設計上の工夫や制作上の小話など楽しんで読んで頂けると嬉しいです。 導入 ~悪魔の囁き~ みなさん麻雀は好きですか?はい、好きですね。よかったです。 僕も麻雀が好きです。麻雀に初めて触れたのは去年ですが、この半年ほどで時にマウスやスマホを投げつつも雀魂段位戦を約700半荘打っています。 そんな麻雀が好きな僕とみなさんですが、もう一つ質問です。 天和を和了ったことはありますか? はい、ありませんね。僕もありません(そもそも天和の経験があるならこんなシミュレーターなど作らない)。 麻雀に詳しくない方に説明すると、天和とは「局の開始時、親に配られた14枚の牌が既に和了形になっている時に発生する役満」です。その発生確率は33万分の1と言われ、映像に残っているものはこの1回しかありません。↓一応リンク

                                                              Python初心者、天和シミュレーターを作成する。 - Qiita
                                                              • 【自然言語処理】【Python】共起ネットワークの作り方を理解する

                                                                はじめに 自然言語処理をはじめたら、一度は作ってみたいのが共起ネットワークではないかと思います。 私自身、共起ネットワークについては、書籍やネット記事を参考にしながら、これまで何度も作ってきました。 しかしながら、文章→共起行列→共起ネットワークとなる一連の過程において、特に共起行列を作成するコードの理解が十分ではないと思い至り、今回、勉強もかねて、共起行列の作成過程を残すことにしました。 共起ネットワークに興味を持たれている方の参考になればと思います。 共起ネットワーク 単語どおしのつながりを可視化してくれる手法で、文章の構造的な特徴を直感的に理解するのによく利用されます。 文書(text)を文章(sentence)に分割したのち、同一文章中に同時に出現する単語(word)の組みを数えあげることで共起行列を作成し、これをネットワークで可視化します。 ネットワークはノード(丸) と、ノード

                                                                【自然言語処理】【Python】共起ネットワークの作り方を理解する
                                                                • 結晶・分子グラフの効率的なDataLoader実装を考える - Qiita

                                                                  はじめに 最近は結晶構造や分子構造をグラフ構造で表現し、機械学習を行うことが流行っています。特に、DFT計算でのエネルギーなどの出力をグラフニューラルネットワーク(GNN)で学習する、ニューラルネットワークポテンシャル(NNP)が非常に注目されています。ハイスループット計算により大規模なDFTデータセットの作成が可能になりつつあり、学習を行う際には結晶構造をグラフ化するコストも考える必要があります。 そこでこの記事では簡便かつ高速にpytorchのDataLoaderグラフデータを取得する方法を考えます。 必要なライブラリ ase lmdb ocpmodels (グラフ化のために、AtomsToGraphのみ使用) torch torch-geometric 実装方法 以下の3通りを試してみます。 aseのデータベースから読み込み LMDBから読み込み cifファイルから読み込み ase

                                                                  結晶・分子グラフの効率的なDataLoader実装を考える - Qiita
                                                                  • Python Type Hints are Turing Complete

                                                                    Grigore showed that Java generics are Turing complete by describing a reduction from Turing machines to Java subtyping. We apply Grigore's algorithm to Python type hints and deduce that they are Turing complete. In addition, we present an alternative reduction in which the Turing machines are simulated in real time, resulting in significantly lower compilation times. Our work is accompanied by a P

                                                                    • Accelerate Python code 100x by import taichi as ti | Taichi Docs

                                                                      Python has become the most popular language in many rapidly evolving sectors, such as deep learning and data sciences. Yet its easy readability comes at the cost of performance. Of course, we all complain about program performance from time to time, and Python should certainly not take all the blame. Still, it's fair to say that Python's nature as an interpreted language does not help, especially

                                                                      • Python,Ruby,PHP,Java,JavaScript,Perlの例外処理の比較 - Qiita

                                                                        Help us understand the problem. What are the problem?

                                                                        Python,Ruby,PHP,Java,JavaScript,Perlの例外処理の比較 - Qiita
                                                                        • Pythonライブラリ 画質向上(超解像):Real-ESRGAN|KIYO|note

                                                                          1.緒言 低い画質の画像を高画質に変える技術である”超解像”技術のライブラリである"Real-ESRGAN"ライブラリを紹介します。 公式より、Real-ESRGANの使用方法は下記3つがあり、とにかく簡単に試したいならOnline inferenceが便利であり「https://arc.tencent.com/en/ai-demos/imgRestore」からWebアプリベースで実施できます。 【Real-ESRGANの使用方法】 Online inference:Webアプリで簡単に実行できる Portable executable files (NCNN):ー Python script:今回の記事で作成した通りPythonで実行 2.環境構築 基本的な実装方法はGitHubの"Installation"を参照しました。 私のPC環境ではCUDAのメモリに乗らないためGoogle C

                                                                          Pythonライブラリ 画質向上(超解像):Real-ESRGAN|KIYO|note
                                                                          • Pythonが速度改善に本気出すと聞いたので恒例のたらい回しベンチをとってみたら、RubyがYJITですごく速くなっていて驚いた話 - Smalltalkのtは小文字です

                                                                            2022-09-09改訂: gcc バージョンが古すぎたのと、C が内部計測でなかった点を改め計測しなおしました。結果、Rust は C より速くはなくなりました。紛らわしいことで、ごめんなさい。また、gcc のバージョンアップに伴い、Python および Ruby についてはビルドと計測をしなおしたので、これらも少し速い値に変わっています。この点もどうぞあしからず。 2022-09-10追記:ご要望のあった Python numba.njit 使用時と Go の結果を追加しました。PHP は JIT 有効化が面倒だったので断念しました^^; 2022-09-10追記2:C の計測で clock() を使うのはフェアではないという指摘がありましたので、念のため clock_gettime() を使用したコードに差し替えました。結果に大きな差はありません。 2022-09-10追記3:PHP

                                                                            Pythonが速度改善に本気出すと聞いたので恒例のたらい回しベンチをとってみたら、RubyがYJITですごく速くなっていて驚いた話 - Smalltalkのtは小文字です
                                                                            • Python最新バージョン対応!より良い型ヒントの書き方 | gihyo.jp

                                                                              寺田 学です。9月の「Python Monthly Topics」は、Python 3.5で導入され、多くの場面で活用されている型ヒント(Type Hints)について、より良い型ヒントの書き方を紹介します。 Pythonの型ヒントとは Pythonは動的型付け言語です。型を指定せずに変数宣言できますし、関数の引数や戻り値に型を宣言する必要はありません。 Python 3.5(2015年9月リリース)で型ヒントの仕組みが入りました。型の指定が不要なPythonですが、型ヒントを付けることで、「⁠コードの可読性向上⁠」⁠、「⁠IDEコード補完の充実⁠」⁠、「⁠静的型チェックの実行」といった静的型付け言語のようなメリットを得ることができます。 Pythonの型ヒントは以下のように記述します。 name: str = "氏名" # 変数nameをstr型と宣言 def f(arg: int) -

                                                                              Python最新バージョン対応!より良い型ヒントの書き方 | gihyo.jp
                                                                              • 「Python」に定例外のセキュリティアップデート/v3.10.7、v3.9.14、v3.8.14、v3.7.14が公開

                                                                                「Python」に定例外のセキュリティアップデート/v3.10.7、v3.9.14、v3.8.14、v3.7.14が公開
                                                                                • データ分析の初心者はExcelを使い、中級者はR, Python, SAS, SPSSなどを使い、上級者は「Excel」に戻っていく「Excelに始まりExcelに終わる」

                                                                                  naki @naki_mk 外資(S&P500)🇺🇸 / Fカップ丸の内にゃんにゃんOL / ギリ20代アラサー / Data(Business) Analyst / noteでデータ分析やマーケティングの経験をまとめるなど note.com/naki_mk

                                                                                  データ分析の初心者はExcelを使い、中級者はR, Python, SAS, SPSSなどを使い、上級者は「Excel」に戻っていく「Excelに始まりExcelに終わる」