非デザイナーエンジニア(Rubyist)の私が、一人でこんなWebアプリを作ってみました。 まだβ版ですが、Pocketやfeedlyの未読コンテンツの中から、 重要度が高いものだけをリマインドしてくれるサービス「Reminderr」です。 Reminderr：http://www.reminderr.me/ 要するに、私自身のPocketとかRSSがカオスになっているので、 その中で重要なものだけ教えてほしかったので、 自分で作っちゃえ！って思って作りました。 そのときに使った便利ツールたちをまとめておいたら便利そうだったので、 今回使ったもの＋αを全てまとめてみました。 紹介するツールたちを駆使すれば、 非デザイナー＆デザインセンス0の私が、 1週間程度でこれくらいのアプリをリリースできるので、 他のエンジニアにも便利なツールがいっぱいあると思います。 Bootstrap系 Boots

メモ化再帰と探索を組み合わせて実行時間を早くできる、という記事※を拝見したので、 サンプルコードをPythonとGoで実装し直してみる。 https://github.com/kazuhirokomoda/algorithm-and-data-structure/blob/master/DP_recursive.py https://github.com/kazuhirokomoda/algorithm-and-data-structure/blob/master/DP_recursive.go ※ こちらの記事 http://www.itmedia.co.jp/enterprise/articles/1003/06/news002_5.html Goは今回初めて触ったけど、今回の内容だったら特に問題なく馴染めた感じ。 実行時間もついでに測ってみたけど、全く同じアルゴリズムで averag

野菜の選び方はナップサック問題、乗り換え駅探索は、最短路問題といいます。典型問題は、よく研究もされているので、多くの場合、効率的な解法があります。あるいは、定式化がされているので、すぐ解くことができます。あとで、やってみましょう。ここで、あげている全ての典型問題の実行例は、典型問題と実行方法をご覧ください。 汎用問題 最近、私がやっているコンテナの仕事のお話しをします。 世界中の人たちが、いろいろなものを安く買えるのはコンテナ輸送のおかげです。中国などで生産したものを日本やアメリカやヨーロッパに、大量に安く運べるからです。でも、空のコンテナが、どんどんたまります。また中国に戻さないといけません。いつ、どこからどこに戻すかを決めるのが、最小費用流問題になります。ところが、最小費用流問題で表せない制約条件もあります。1 つが、カボタージュとよばれるものです。カボタージュというのは、国内のみの輸

3. JS: インスタントサーチのスクリプト この節がいちばんの肝です。 まず、lists = document.querySelectorAll('.line-shell-main-users-li');で検索対象を取得します 次に、for文内でinnnerTextでタグ内の文字列を取得します 最後に、.hiddenクラスをトグルします searchUsersList = function(event){ var i, id, name, lists, input_text = $(this).val(); console.log(input_text); // listのdomを取得 lists = document.querySelectorAll('.line-shell-main-users-li'); for (i = 0; i < lists.length; i++){ id

プログラミングの土地勘がない状態で、RubyやRailsを勉強しだすとまあ100%挫折しますね。なんでかっていうと、Webやインターネットの知識や、数学やプログラミングの原理など下地になる考え方やお作法があって、それに慣れていないと1つ1つの概念が頭に入ってこないから。 これは会計でも同じで、例えば税効果会計って、費用収益対応の原則や法人税に対する理解がないと1つ1つの処理がなぜそうなっているのか腹落ちしない。 なので、この投稿では、僕が仕事の合間を縫って悶絶しながらRubyを勉強して、あーでもないこーでもないと考えて、現時点でこの考え方を押さえておけばもっと学習時間を短縮できたなーということをまとめようと思う。正直まだ僕は初心者レベルなので、もしかしたら間違っていることもあるかもしれないので、その場合はその都度修正させてください。 1. オブジェクトとメソッドと変数の関係を正しく捉える

DataFrameを作る DataFrameの作成方法も幾つかあるので、その整理。 まずは、DataFrameをnumpyで行列を作り、インデックスとラベルを貼り付けるパターン。 インデックスの作成。 #Create a index dates = pd.date_range("20130101", periods=6) dates <class 'pandas.tseries.index.DatetimeIndex'> [2013-01-01, ..., 2013-01-06] Length: 6, Freq: D, Timezone: None #Create a DatFrame df = pd.DataFrame(np.random.randn(6,4),index = dates, columns = list("ABCD")) df A B C D 2013-01-01 0.7

最近，プログラミング言語の練習がてら競技プログラミングを始めました． 言語としてPythonを使っているのですが，C++，Javaといった主流の言語に比べると，Pythonでの競技プログラミングは「邪道」だと捉えられている節があり，そこまで流行っていないのが現状です． 今回は，実用開発ではあまり使わないけれど，競技プログラミングでよく使うPythonの知識をまとめたいと思います． 注意点 Pythonの基本文法については，必要があるもの以外解説しません． 他の言語で競技プログラミングをやったことがある人が対象です． この記事は現時点では未完成です．内容は随時追加・変更される可能性があります． Pythonのバージョンは2.7.5(Python3では，入出力などの仕様が大きく異なります)． 変更履歴 記事を分割しました．(2015/4/22) Python2での記事であることを明記しました．

概要 クラスタリングは簡易であり，有益な結果を得やすいデータ分析の手法です． もともとネットワーク構造のであるデータはもちろんのこと，ネットワーク構造でないデータに関しても距離関数を定義することでネットワーク化し，クラスタリングをすることができます． このエントリではクラスタリングを行い，その結果を可視化する方法について紹介します． ネットワークとは そもそもネットワーク構造とはなんでしょうか？ 一般的にはノードとエッジから構成されるデータのことであり， エッジには方向がついていたりついていなかったりします 方向があるものを有向グラフ, ないものを無向グラフといいます． エッジに重みがあるものもないものもあり，あるものを重み付きグラフといいます． クラスタリングとは データの集合をいくつかのまとまり(部分集合)に分けることです それぞれの部分集合がある共通の特徴を持つように分けます ネット

以下の教科書の pp.83～85 所収の JavaスクリプトをPythonに置き換えて実行してみます。 赤間世紀（著）『Java2による数値計算』（技報堂出版） （C言語のコードを掲載した以下のウェブサイトも参考になります) みその計算物理学「ガウスの消去法の数値計算例(C言語)」 ガウスの消去法のアルゴリズムについては、以下の本のpp.7～10 から抜粋・引用して紹介します。 赤間世紀（著）『Javaによる応用数値計算』（技報堂出版） 連立方程式の数値計算アルゴリズム （ 以下、赤間『Javaによる応用数値計算』pp.7～10 を抜粋・引用。但し、句読点は適宜補った） 以下の連立方程式は、 \left\{ \begin{array}{l} a_{11}x_1 + a_{12}x_2 & \cdots & + a_{1n}x_n = b_1\\ a_{21}x_1 + a_{22}x_2