はてなブックマーク

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 技術者の自己アピールの方法は文章記述だけでなく、口頭の面接・実際の成果物の評価(GitHubのスター数)など、いろいろな切り口や方法がありますが、当記事はあくまで「文章による自己アピール」について書いています。 要は(TL;DR;) 技術者は就職・転職、社内の昇進・異動など、キャリアの転換点で文章による自己アピールを求められる場面があります ITスキルが高い人だからといって、必ずしも自己アピール文が上手に書けるとは限りません 当記事では「社内昇進認定制度の審査員」という筆者固有の経験を一般的なものに直して、以下のアドバイスを書きました

こんにちわ！石田です。たまたま仕事でSTTのカスタマイズの機会があって、Qiitaの記事をみたら「STT入門」的なものは多いけれど、カスタマイズの方法に具体的に言及しているものは割と少なかったので、いまさらながら記事にしました。「AKB関連の発言や用語だけは異常な高精度で認識するSTT」でも「ドリルすな/せんのかいの発話だけを認識できるSTT1」でも、皆様のビジネス要件と趣味ご嗜好にあわせた「俺の･私のSTT」を作ってみたらいかがでしょうか。（簡単ですよ） 要は(TL;DR;) STTとは音声（オーディオ）を文字に変換するWatsonの「文字起こし」サービス 素の（=IBM提供の）STTが知ってるのは一般的な日本語（一般的な辞書)だけ 固有名詞(ex. 会社名・商品名)や業界/趣味/専門用語・独自のいい回しなどは「素の」STTでは認識できないが、簡単に教えることができる。これをモデルのカス

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに こんにちわ！石田です。昨年くらいから「これからの技術者はKubernetesのスキル付けんと（どうこう）」ってことで、Qiita読者の皆様はもうk8sをあれこれお勉強中かと思います。私もあれこれ試してたんですが とにかく手間かけずに現物を触ってみたいならメガ・ベンダーが提供するk8sのクラウド・サービスが一番簡単でしょうが、各々独自のお約束や手間があるし、自分で環境作らないと、なんか腹落ちしません。（すぐ動くけど、やったことすぐ忘れそう） 「minikubeってのがあるよ」ってことで自分のPCに入れてみたんですが、結構重いです

こんなウイジェットができて対話式にデータを分析できます。簡単すぎ！ PixieDustって何? PixieDustは簡単ですけど結構機能が広いライブラリーなので、ざっくり概要=What isは「Jupyter/Pythonでデータ分析する人にお勧めしたい！便利なライブラリー 「PixieDust」をザクッと紹介します」の記事に書きました。ご興味あればそちらをご参照ください。当記事はインタラクティブなチャート・ウィジェット周りの使い方(How-To)にフォーカスします。 まずはAPIを2つ知ってれば十分 Pixiedustで主に知っている必要があるAPIは基本、2つだけです. データをインポートするためのsampleData(URL) - 利用は任意 データを可視化するためのdisplay(df) - 必須 しかありません。ややこしいパラメータも殆どありません。 PixieDustはpand

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに こんにちわ！石田です。皆様、「PixieDust1 」ってPythonライブラリー、ご存知ですか？昨年出て超便利なのに、なぜか日本ではぜんぜん知られてませんッ2。日本語の記事はQiitaの「これ」くらい。。 Plotlyやipywidgetでシコシコ書くよりぜんぜん楽だし守備範囲も広いので、「このまま埋もれさせるのはモッタイナイ！」と思ってご紹介の記事を書きました。一番ウケそうな「インタラクティブなチャート・ウィジェット」については別記事「Jupyter/Python上でたった3行でインタラクティブなチャート・ウィジェットを作

TL;DR せっかくトレーニング済みの著名OSSディープラーニング・モデルがあっても、モデルだけじゃ専門家でないと再利用できないじゃん MAXなら1コマンドでDLモデルをRESTサービス化してくれるので、ややこしいことを知らない初心者でもモデルを楽に再利用できますよ～ (2019/04) Node-REDからも使えるよ って話です。 (2019/04/17) MAXが公開されて約１年たちましたが、Blog: 「Expanding the reach of the IBM Model Asset eXchange (2019/03/29)」に、この一年の振り返りと各種記事への（まとめ的な）リンクがあります。 (2019/04/08) MAX、久々に見たらモデルが+8で30個に増えていたので、記事をアップデートしました。 はじめに こんにちわ！石田です。今日はModel Asset Excha

順番にご紹介 以下、手順に沿って各ツールを簡単にご紹介していきますね。 0. おことわり 以下、手元にある英語動画(mp4)に日本語字幕をつけるシナリオです。同じ動画がYoutubeなどの動画サイトに公開されていることもありますし、ネットを検索すれば動画サイトから動画や音声(mp3)だけを抜きだしてダウンロードする方法が山のように出てきますが、「不適切なコンテンツ」になると困るので、当記事ではそこは扱いません。 各ツールのダウンロードURLは記載しません。ネットで探せば一発だと思いますし、自己責任でお願いします。 1. avidemux 動画から一部だけ切り出したい時に便利です(本当はもっと多彩な機能アリ) 範囲を指定して「保管」するだけ (無劣化できれいに切り出せるのも○) 【Quick Way】 ① ここに動画ドロップ ② 再生や停止 ③ A→Bボタンで切り出したい範囲を指定 ④ 出力

はじめに こんにちわ！Python入門中の石田です。あれこれ本を読んで勉強しているのですが、List->Tuple->Set->Dict　...と進んでいくうちに「あれ、この機能はListだと何だっけ?」とか「Listの追加はappend()だけどSetの追加はadd()かよ！」とか、元々物覚えの悪い頭が更に混乱してきました。ので４つの代表的なデータ構造を自分なりにExcelにチートシートの形でまとめてみたのですが、qiitaにも置いておこうと思ったので公開させて頂きます。基本、自分用のメモのつもりですが、タイポや誤り指摘・アドバイスなどいただけたら有難く。 環境:Python 3.6.4 初回執筆時点:2018/2/11 (随時更新) 2018/2/12 shiracamusさんの補足・アドバイスを反映 2020/12/10 @tomoykさんのアドバイスを反映 チートシート (テーブル

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに こんにちわ！突然で恐縮ですが、皆さん「Tidy Data 」(日本語では「整然データ」と訳されています。) というコトバを聞いたことがありますでしょうか？私は先日、Safari Books OnlineのPandas Data Analysis with Python FundamentalsというコースでPandasの勉強をしていたら、最後に「Tidy Data」という章が出てきてこのコトバを知りました。「Tidy Data」とは(R の世界において神とあがめられている）ハドリー・ウィッカム (Hadley Wickham)

※プロジェクト・トークンとはデータへアクセスする際の認証情報。詳細はここを。 ノートブックが開いたら、あとはコーディングを開始するだけ、です。以下のようにSpark Contextは既に初期化済ですし、Pythonでのデータサイエンスの定番ライブラリーである　numpy, pandas, matplotlib等も使えるようになっています。ちなみにseabornは入ってませんでしたが、!pip install seabornでインストールできました。このように「無いライブラリーは追加」することも簡単です。 事前に準備されているNotebookの利用 「これからお勉強」の方は何もないところから始めるのはつらいですが、DSXでは（英語ですが）「解説を読み実際に動かしながら、勉強できる」Notebookが多数揃っています。ためしに既存の「PythonでSparkを使うためのNotebook」を動か

【2019/2月更新】Watson Discovery Serviceが日本語対応したので、触ってみた【何、それ？】編BluemixWatsonibmcloudDiscovery 当記事の初版は2017/9月に書いたものですが、Discoveryは日本語フル・サポート始めガンガン機能拡張が入っているので、2019/2月時点で内容を最新版にアップデート1しました。 当記事は2部構成とし、①「何、それ?」という方向けの「ご紹介編」と②実際の手順をご紹介する「やってみた編」に分けてます。大筋だけ知りたいけど手を動かすほどじゃない、って方は当記事だけお目をお通しくださいませ。 【やってみた】編はこちらです ( 2019/2月　SDUを使った最新版に更新済） Watson Discovery Serviceって何? 一言で言えば「コグニティブ・クエリー」でしょうか。ホームページでの謳い文句を翻訳する

【注】2017/6現在、HyperLedger Fabricは1.0を目指して動いていますので当記事の内容は古いものです。以下は保存目的でそのまま残します 2017/12 V1.xの環境向けに記事 動画コース 「Zero to Blockchain」(Hyperledger Fabric) に、ローカル開発環境を簡単に作れるシェルがあったので試してみた を書きましたので、これからお取り組みされる方はそちらをご参照ください。 こんにちわ！石田です。最近Blockchain界隈、盛り上がっていますね。Linux FoundationでのオープンソースのBlockchain実装であるHyperledger Fabricもv0.6になり(執筆時点:2016/10月)、Github上でのコードやドキュメントなどのリソースが充実してきています。この「Fabric」のドキュメントに自分のPC上でdock

正解「イヌ」に対する「イケ」など、あまりに短い場合はヒットしません :Creating entities Entity Recommendations (2018/07/12機能追加) 現時点は英語のみですが、エンティティの同義語を提案してくれるEntity Recommendationsが使えるようになりました。エンティティ定義画面で「Show Recommendations」ボタンを押すと候補を提示してくれるので、選択します。以下の例では肉の種類に「チキン」を設定した場合のシノニム候補を表示し、「hends」と「birds」を選択しています。 Synonyms (Beta) Contexual Entity (2018/07/12機能追加) 現時点は英語のみかつベータですが、エンティティの定義を発話（文脈）の中の使われかた（単語の位置? )から導き出すContexual Entityが

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 当記事は2016/6月に投稿しましたが、現時点(【2019/2月】)では既に古くなっています。記事自体はアーカイブの目的でこのまま残しますが、当記事の内容を参考になさらないようにお願いいたします。代替の記事としては下記などがございます。 いまさら聞けない!? 簡単にチャットボットをつくれる「Watson Assistant」の基礎知識 チャットボットを簡単に作れる！Watson Assistant(旧名: Conversation)の色々なTips まだ現時点(2016/06)ではベータで一部の機能しか実装されていませんが、Watson