Google App Engine + JRuby + Sinatra + Ruby Twitter Gem でTwitter APIを利用したWebアプリを作る - 愛と勇気と缶ビール
前回はGAE上でSinatraを動かす方法を紹介したんだけど、アレを試してみた理由はGAE上でTwitter APIを利用したWebアプリを出来るだけ手軽に作ってみたかったからなんだよねえ。 てなわけで、今回はGAE+SinatraでTwitter APIを利用したアプリを作る方法。 TwitterのAPIには、ユーザ認証が必要なもの（ユーザ個人のタイムラインの取得とか、Tweetの投稿とか）と、そうでないもの（パブリックなタイムラインの取得とか）があるんだけど、やっぱアプリを作るからにはTwitterに間接的にログインして、投稿もできなきゃ話にならん。 DB用意してユーザ登録して・・・とか面倒くさい（っていうかGAE上では普通のDBが使えない）し、今回はTwitter APIを利用することでもあるので、その辺はTwitterに一任します。要はWebアプリのユーザ認証を、TwitterのI
はてなグループの終了日を2020年1月31日(金)に決定しました - はてなの告知
はてなグループの終了日を2020年1月31日(金)に決定しました 以下のエントリの通り、今年末を目処にはてなグループを終了予定である旨をお知らせしておりました。 2019年末を目処に、はてなグループの提供を終了する予定です - はてなグループ日記 このたび、正式に終了日を決定いたしましたので、以下の通りご確認ください。 終了日: 2020年1月31日(金) エクスポート希望申請期限:2020年1月31日(金) 終了日以降は、はてなグループの閲覧および投稿は行えません。日記のエクスポートが必要な方は以下の記事にしたがって手続きをしてください。 はてなグループに投稿された日記データのエクスポートについて - はてなグループ日記 ご利用のみなさまにはご迷惑をおかけいたしますが、どうぞよろしくお願いいたします。 2020-06-25 追記 はてなグループ日記のエクスポートデータは2020年2月28
14個のTwitterの細かすぎて伝わらない裏技や仕様 - 聴く耳を持たない(片方しか)
Twitterの初心者向けの解説エントリーについては、先日まとめました Twitterを始めたばかりの人向けにいくつか Twitterにはリプライ、フォロー、ダイレクトメッセージなどなど独特の仕様やルールがありますから、初めて使う人には戸惑うでしょう、上記の記事ではそれらの基礎的な仕組みを分かりやすく説明したエントリーをいくつか紹介しています。 ……で、今回はそうした初心者向けよりちょっと進んで中級者向け……と言っても普通にTwitter使う分には、まぁそんなに必要でもなかったりする結構どうでもよさそうな機能、仕様、裏技、というかトリビアてきなものをいくつかまとめてみました。 簡易目次 アイコンはアップロードした画像のファイル名がそのまま使われる アイコンのサイズあれこれ アップロードした画像は中央がアイコンに使われる gifアニメアイコンを登録する方法 Twitterにいつユーザー登録し
PSGI/Plack勉強会 - Kentaro Kuribayashi's blog
PSGI/Plack勉強会を開きました(ひとりで)。資料はGitHubにあげてあります。いろいろまとめ書き足りてないのですが、自分的には納得したので満足してしまいました。 http://github.com/kentaro/psgi-study 以下にもコピペ。 PSGI/Plackとは？ PSGI = Perl Web Server Gateway Interface Specification WebサーバとWebアプリケーションとの間のインタフェイス仕様 Plack = PSGIのリファレンス実装 PSGI実装のひとつ(とはいえ、やたら気合いの入った感じになってるけど) PSGI != Yet Another WAF PSGI != Plack PSGI策定の背景 各Webアプリケーションフレームワークがバラバラに実装していた、WebサーバとWebアプリケーションとのインタフェイスを
Google Chrome Frame - Google Code
It's free and installs in seconds. For Internet Explorer 6, 7, and 8 on Windows Vista / XP SP2. Enable open web technologies in Internet Explorer Google Chrome Frame is an early-stage open source plug-in that seamlessly brings Google Chrome's open web technologies and speedy JavaScript engine to Internet Explorer. With Google Chrome Frame, you can: Start using open web technologies - like the HTM
#20 （株）ミクシィ 平林幹雄、長野雅広、津久井玲宏、大窪聡 | gihyo.jp
今回、弾さんが訪問したのは、（株）ミクシィ。検索エンジン開発からアプリケーション運用まで、ミクシィを作り上げ、支えている4人のエンジニアの方々に逢ってきました。 （左から）津久井玲宏氏、平林幹雄氏、小飼弾氏、長野雅広氏、大窪聡氏（撮影：平野正樹） 自己紹介 弾：では、さっそく自己紹介から。 津久井（以下、津）：mixiアプリケーション開発グループマネージャーの津久井です。仕事内容としては、マネジメントが主です。 弾：ちらっと紹介しておくと、かつて僕がマネージャーで津久井さんにコードを書いてもらったことがあります。大昔の話です（笑）（注1）。 平林（以下、平）：平林です。研究開発グループのマネージャーをしていまして、研究開発グループ自体は僕を含めて5人です。仕事としては、マネジメントは2～3割くらいに抑えて、あとはだいたいコードを書いています。 長野（以下、長）：システム
BLOG::broomie.net: 各種分類器の分類精度を示した絵がおもしろい
今日会社で多次元のデータを２次元にクールでベストプラクティスな感じでプロットするにはどうしたらいいんだろうね、やっぱ多次元尺度構成法じゃない？的な会話をしていたのだけれども、２次元にデータを落とし込むと人間にもわかるデータになって本当におもしろいですよね。今日はその一例というか、いくつかの分類器の分類精度を２次元にプロットした結果を示した実験結果を解説したページを紹介します。おおーこうゆうのみたかったんだよなー！と個人的にはかなりエキサイティングな感じでした。 要約というか意訳になってしまうのですが、ページに以下のように説明されています。(細かいところは訳してません) http://home.comcast.net/~tom.fawcett/public_html/ML-gallery/pages/index.html 分類タスクの機械学習の研究では定量的な評価が重要です(精度とかACUと
BLOG::broomie.net: Introduction to Machine Learning
こんにちわ、shunyaです。 身内の不幸などでどたばたしてしまい、ブログの更新ができていないのです。ということで、今日もどたばたなので小ネタで軽く更新しておきます。 情報検索の教科書で有名なIntroduction to Information Retrieval(略してIIR)は、 Introduction to Information Retrieval 情報検索の基礎から、有名な機械学習のアルゴリズムまで幅広く解説されてあり、いろいろ忘れるたびにお世話になっています。どうお世話になっているかというと、これは結構有名な話なのですが、上記の本が実はPDFで公開されているんですね。すてき。 http://www-csli.stanford.edu/~hinrich/information-retrieval-book.html これは、本当によく使う手法がわかりやすく書かれているのでおす
BLOG::broomie.net: Alorithms of the Intelligent Web
Algorithms of the Intelligent Webという情報検索の本がございまして、ずっと読みたいなあと思っていたら、本の内容のサンプルがありました。 http://www.manning.com/marmanis/SampleChapter2.pdf これが、実はサンプルってレベルではなくて２章と３章がまるごとPDFで公開されているんですね。それで軽く読んでみたんですが、すごいわかりやすくて、普通に読み物としておもしろかったのでメモっておきます。 上記のリンクは２章で「searching」という題で、つまり検索エンジンの話がまとめてあります。 さらっと全部読んだんですけど、大雑把に感想を述べるとかなり基礎的な内容ですが、本当にわかりやすく解説してあるので、例えば、あまりこの分野に詳しくない人に説明する時や、自分でさらっと検索エンジンの要素を整理したい時とかには超便利だと思
BLOG::broomie.net: Google C++スタイルガイド 所感
すごくいまさらなんですが． もう1年以上も前になるかな，GoogleのC++のスタイルガイドというのが公開されて，なかなか読む暇が無くてずっとあとで読む上体だったんだけど，昨日ちらっと読んでみたらなかなかおもしろくて寝不足なのです． いくつか個人的におもしろかったところをピックアップするというか，忘れないためにメモっておこうと思う． ちなみに参照したサイトは以下です． Google C++スタイルガイド 日本語訳 インライン関数 インライン関数を定義するのは関数が小さいときのみ（10行以下）にする。 個人的にはinline関数はほとんど使わないから，このキモチがよくわからないんだよなあ．inlineにしなくてもコンパイラが結構最適化してくれることが多くて，経験上ほとんどスピードが変わらないということが多い．inlineがどういうときにもっとも有効なのかって，まだ僕には結論を言うほどC++に
BLOG::broomie.net: Classificationにおけるデータセット
こんばんわ、shunyaです。 突然なのですが、よく分類器などを実装して、その精度をチェックするためにコーパスが必要になることってよくありますよね。 そこで、よく論文などで評価で使われているデータセットを使おうと考える訳ですが、そうゆう時に限ってデータセットの名前が出てこなかったりします。 あと、いつも同じデータセットだとあんまり面白みもかけてきちゃったりして、よーし自分で作っちゃおうぞー！ってなってがんばってクローラーを書いたりして、ウェブコーパスを作ったりしようとするんですが、だいたい途中で飽きちゃったりするんですよね。 さて、前置きが長くなりましたが、machine learningの評価で使われるデータセットがまとめてあるページを見つけたので紹介させていただきます。 UCI Machine Learning Repository: Data Sets ぱぱーっと見た感じで、すごい
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
LSH その1 -LSHの種類-｜JAVAでデータマイング！
BLOG::broomie.net: 機械学習の最新論文が読めるサイト