Gunicorn作者が語る PythonからErlangが学べること #PyConJP_M #pyconjpLet it crash: what Python can learn from Erlang. Benoit Chesneau https://pycon.jp/2015/ja/schedule/presentation/69/
投票: メタプログラミングPython | PyCon JP 2016 in TOKYO
普段Pythonを書いているけど、いざ上級者の書いたコードや、著名なライブラリの コードを覗いた時に、なにやってるか分からないと思ったことはありませんか？ 本セッションでは、Pythonにおけるメタプログラミングに類する機能の 概要を説明します、以下のようなトピックを扱います - Decorator - Descriptor - MetaClass - SpecialMethod - その他 例えばMetaClassの仕組みを理解すれば、クラス定義の仕組みそのものを カスタマイズすることが可能になります。 これらの機能がどのような用途で使われているか、代表的なフレームワークや ライブラリの例を説明していき、メタプログラミングがどのように活用されているか を知っていただくことができます。
投票: がっつり実装、Deep Learning | PyCon JP 2016 in TOKYO
ちまたで、「Deep Learningスゲー」という声をちらほら聞きます。「Deep Learningやりたい」という声も聞きます。しかしその次にでる言葉が「誰かやって」「誰かできる人いない？」という感じです。少なくとも私の周りには。 また、githubでDeep Learningのフレームワークtheano やChainerを使った実装を見かけますが、素敵な実装はあまり見かけません。で、思うのは、みんなどのくらいDeep LearningのPythonコードを作れているんだろう？ということです。 そこで、theanoのラッパークラスをかれこれ10回位、つくっては壊しを繰り返し、Chainerを最近使い始めた著者が、Chainerを使った実装について、がっつり語りたいと思います。 Deep Learningの研究動向は、とかのはしません。実装の話です。 GPU化する方法とその驚くべき効果も
投票: Pythonで機械学習徹底解説 | PyCon JP 2016 in TOKYO
機械学習の分類、回帰モデルの構築、クラスタリングの一般的な考え方と流れ、scikit-learnライブラリによる実行方法、scikit-learnのAPIや基本的なクラスについて習得することが目標です。 Pythonの機械学習ライブラリscikit-learnを用いて、機械学習の実行方法について詳しく説明します。以下の内容等を扱います。 - データの前処理 - 予測モデル構築のフロー - 予測モデルのチューニング（交差検証、ハイパーパラメータ最適化等） - 予測の評価 - パイプラインによるモデル構築 - モデルの永続化 - クラスタリング 必要に応じてデータ分析のPandas、可視化のmatplotlib/seabornなども使用するため、合わせて説明します。 参考文献 ---- - Sebastian Raschka, [Python Machine Learning][1]（Pack
投票: Deep Learning with Python & TensorFlow | PyCon JP 2016 in TOKYO
TensorFlow is a new Open Source framework created at Google for building Deep Learning applications. I will discuss how it compares to other Python machine learning libraries like Theano or Chainer. Finally, I will discuss how trained TensorFlow models could be deployed into a production system using TensorFlow Serve. The audience of this talk are DevOps engineers, Developers, and System Administr
投票: Go で挑戦する Python モジュール開発 | PyCon JP 2016 in TOKYO
Python の C 拡張モジュールの概要と C 拡張モジュールを開発する手段としてどういったものがあるかを確認します。そして、Go 言語から C 言語とやり取りするための仕組みや機能についてもみていきます。 Python では昔から C 拡張モジュールを開発する仕組みがあり、主にはシステムプログラミングやパフォーマンスが要求される分野で C 拡張モジュールを使ったライブラリ／パッケージが数多く提供されています。直接 C 言語を書かなくても Cython のように Python ベースの言語で書いたコードをコンパイルして C 言語のコードを生成するといった方法もあります。 一方 Go 1.5 から共有ライブラリ (.so) を生成できるようになりました。これにより、Go 言語で開発したライブラリを C 言語から呼び出せます。ここで Go で開発したライブラリを C 経由で Python か
投票: 画像認識で学ぶDeep Learning | PyCon JP 2016 in TOKYO
Deep Learning（Convolutional Neural Network）は特に画像認識の分野で目覚ましい成果をあげています。今回はConvolutional Neural Networkを使った画像認識の方法、及び、それを実施するに便利なソフトウェアの説明を行う予定です。 画像認識に学ぶDeep Learning 1.画像認識の背景とできること 画像認識のこれまでの目覚ましい成果と実際にこれをすると 何ができるかをお話したいと思います。 →Googleの猫やILSVRCの話 現在、使われているソフトウェアの話（顔認識とか） 2.画像認識の一般的なフローとその説明 本項目では、画像認識においてどういった要素が必要かを紹介します。 データセットを集める、DeepLearningの学習環境作るなど 3.フローについての詳細な説明 ①データセットの構築方法 ②画像データについての説明
投票: Pythonで作るWebクローラ入門 | PyCon JP 2016 in TOKYO
Pythonの代表的なクローラ構築フレームワークであるScrapyの概要を理解し，目的に応じたクローラ構築方法を学ぶことを目的とします．またクローラ構築の際に注意しなければいけない点（robots.txt，利用規約 等）や，クローラを日々運用するためのTips（ログ管理，デーモン化等）について知識が深まります． データ分析分野が急成長すると共に，分析対象となる情報をWeb上から自動的に収集する「Webクローラ（Web crawler）」と呼ばれる技術が注目を集めています． 本発表ではPythonの代表的なクローラ構築フレームワークScrapyを利用して，目的に応じたクローラを構築・運用する方法について学びます．ここでいう目的に応じたクローラとは，特定のWebサイトやサービスの情報に着目し選択的にクローリングしてくるクローラを指します．発表中では，クローラ構築方法に加えてクロール対象のサイト
投票: Building An Interpreter In RPython | PyCon JP 2016 in TOKYO
応募トーク これは応募されたトークです。聞きたいと思うトークをSNSで拡散しましょう。選考時に参考にさせていただきます。 talk Building An Interpreter In RPython(en) スピーカー Juozas Kaziukenas To understand how dynamic programming languages get executed I set out to build a PHP interpreter. Not a joke, I really did it and it worked! The final result was a well-tested piece of Python code, which could be compiled to be very performant as well. The goal of this
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
投票: Pythonで巡る線型代数 | PyCon JP 2016 in TOKYO