はてなブックマーク

すでにいくつか記事はありますが、StanとRでベイズ統計モデリングをPythonにしてみました。手元では全て変換し終わっているので、見直してから順次上げていきます。最後のほうの章でstatsmodelsのlowessが2次元に対応していないっぽいのでrpy2からRカーネルにアクセスするという方法でかろうじてFull Pythonを保って(?)います。 実行環境 Jupyter on Docker 実行時にworkspaceにホスト側のファイルをマウントしています。 データは'data'、Stanのコードは'stan'に置いていますので、試してみる場合は筆者のGithubページからダウンロードしてきて適当に置いてください。 書籍の実行結果とは異なる部分もありますが、RStanとPyStanの実装の違いかと思います。(こちらの手違いでしたら教えてください) FROM ubuntu:16.04

バックグラウンドで位置情報を取得する 標準位置情報サービス準備 Info.plistのRequired device capabilitiesにlocation-servicesとgps追加 Info.plistのInformation Property ListにNSLocationAlwaysUsageDescriptionを追加して、許可を求めるダイアログに表示する文字列を設定 Button * 2（開始・終了用）をストーリーボードに配置し、Outlet・Actionを作成してViewController.swiftに以下のコードを記述 import UIKit import CoreLocation class ViewController: UIViewController, CLLocationManagerDelegate { var myLocationManager: C

起業のためのプログラミングオンライン学習法 オンラインのプログラミング学習サービスを調べる必要があったので、ついでにまとめてみました。 これが正解というものではありませんので、参考程度に。 作りたいものによっては途中のステップまででいいというものもあります。 ステップ1 - 本当に作るべきか検証する MVP（Minimum Viable Product）＝検証に必要な最低限の機能を持った製品という考え方があります。 グロースハックの大前提 「MVP」の種類と実例 5選 あなたのリーンスタートアップがうまくいかない4つの理由と覚えておくべき3つの心得 プログラミングしなくても、自分が作りたいサービスのニーズがあるかは検証できる場合もあります。プログラミングを勉強してサービス開発に取り掛かる前に検証しておくと良いでしょう。 プログラミングしないで仮説検証するためのサービスには以下のものがありま

こちらはTensorFlow Advent Calendar 2016の2日目です。 書いている人は、今年の4月に機械学習のこともよくわからない状態からディープラーニングを中心に勉強し始めて、最近少しは使えるようになってきたかなという感じです。 勢いでアドベントカレンダーにエントリーしたものの、あまり難しいことはマサカリが飛んでくる力が及ばないと思うので、これからディープラーニングやTensorFlow始めようかなという人向けの記事にします。読んでみて、「自分もディープラーニング始めてみようかな」「TensorFlow触ってみようかな」と思ってもらえれば嬉しいです。 想定している読者 プログラミング経験はあるけど、機械学習・ディープラーニングは全くわからないという人に向けて書いています。 使用している言語はPythonですが、リスト内包表記とNumPy以外は他の言語経験があればそれほど問題

ディープニューラルネットワークを用いた画像生成モデル（DCGAN）を調べていたところ、Deconvolutionという単語が出てきたので調べてみました。 Convolutionとは？ Convolutionは日本語だと畳み込みと訳されます。 Deep Convolutional Neural Network = 深層畳み込みニューラルネットワークが画像認識タスクで高い識別率を叩き出して話題になっているやつですね。 詳しいことはこっちの記事へ Azure Machine Learningをわかった気になるために細かいことは気にせずに機械学習のことをまとめてみる - ディープラーニング イメージとしてはこの画像の通りで、元画像のピクセルや特徴マップの値にカーネル（フィルタ）をかけて、そのカーネルが表す特徴っぽさを抽出するような作業です。 画像引用：深層畳み込みニューラルネットワークを用いた画像

Facebookがセグメンテーションフレームワークをオープンソース化したと聞いて、ちょうどセグメンテーションが必要だったので調べてみた。 Segmenting and refining images with SharpMask LuaだったりTorchだったりするのは仕方がないとして、今回は教師なしで候補領域を得たかったのだが、このフレームワークは教師ありのようだったので利用を断念して他のものを探した。 そうすると、OpenCVにそのような機能があったので試してみた。 import cv2 import numpy as np segmentator = cv2.ximgproc.segmentation.createGraphSegmentation(sigma=0.5, k=300, min_size=1000) src = cv2.imread('image.jpg') segme

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ちょうど節目かなってところまで来たので整理がてらアウトプット。 整理（美化？）してあるので、実際にはもっと寄り道してる。 機械学習に興味を持った経緯 一番最初に興味を持ったのはword2vecなので2年くらい前 自然言語処理の最新手法"word2vec"で艦これ加賀さんから乳を引いてみる それから、色々とおもしろそうなニュースを横目に見ながらも自分でやるには難しそうだなと手を出せずにいた。そもそもろくにプログラミングもできなかったし。（プログラミングは本格的に勉強し始めてから1年くらい） その後、プログラミングを勉強し始めてひと段落つい

with slim.arg_scope([slim.ops.conv2d, slim.ops.fc], stddev=0.01, weight_decay=0.0005): net = slim.ops.repeat_op(2, inputs, slim.ops.conv2d, 64, [3, 3], scope='conv1') net = slim.ops.max_pool(net, [2, 2], scope='pool1') net = slim.ops.repeat_op(2, net, slim.ops.conv2d, 128, [3, 3], scope='conv2') net = slim.ops.max_pool(net, [2, 2], scope='pool2') net = slim.ops.repeat_op(3, net, slim.ops.conv2d, 2

顔検出まとめ Pythonでライブラリ（OpenCV・dlib）を使って顔検出を行ったまとめ ちなみに 顔検出（face detection）…画像や映像から顔が写っている部分を推定すること 顔認識（face recognition）…画像や映像に映った顔が誰なのかを推定すること 顔検出に使っているのは、OpenCVがHaar-Like+Adaboost、dlibがHoG+SVMらしい OpenCVとDlibとOpenFaceで顔検出をした知見まとめ 概要は以下を読めば感覚的にはわかると思う 局所特徴量と統計学習手法による物体検出 ディープラーニングを使った最近の手法は以下 Faster R-CNNの紹介 論文紹介: Fast R-CNN&Faster R-CNN OpenCV Python+OpenCVで顔検出 Python+OpenCVで顔検出器の性能比較 Python+OpenCVで

# -*- coding: utf-8 -*- from __future__ import absolute_import from __future__ import division from __future__ import print_function try: # Python 3 from urllib import request except ImportError: # Python 2 import urllib2 as request from bs4 import BeautifulSoup import time, os, codecs, string, json domain = 'http://hoge.com' wait_sec = 3 headers = { 'User-Agent' : 'Mozilla/5.0)' } cwd = os.getcwd

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 逆引きiOS SDK基本機能 前提となる基礎知識は以下のサイトなどを利用してください。 Xcodeの使い方（ドットインストール） Xcode公式ガイド（日本語・英語） Swift公式（英語） iOSアプリ開発公式チュートリアル（英語） iOS テクノロジーの概要 静的UI ラベル・画像・ボタンを縦に並べてみる（UIKit::UIStackView）（2016/03/19追加） スタックビューを入れ子にして複雑なレイアウトを構成する（UIKit::UIStackView）（2016/03/20追加） iOS View Controller

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 機械学習とは wikipediaによると 機械学習（きかいがくしゅう、英: machine learning）とは、人工知能における研究課題の一つで、人間が自然に行っている学習能力と同様の機能をコンピュータで実現しようとする技術・手法のことである。 コンピュータに大量のデータを放り込んで自動的に特徴を発見させ、未知のデータに対してもその特徴から何に該当するかを推測させる手法……だと思う。 大量のデータがなくても学習させる方法も研究されているみたいだけど、タイトルにもある通り細かいことは気にしない。 独断と偏見による他のバズワードとの関係

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ディープラーニングなどの成果を活用したAPI一覧 個人の整理用なので、分類や説明は大雑把です。 画像解析 IBM Watson AlchemyVision 機能・特徴 画像内で見つかった物体・人・文字を返す 試してみる IBM Watson Visual Insights（2016年6月末廃止予定） 機能・特徴 消費者の興味、活動、趣味、ライフイベント、製品に関連した洞察を抽出するためにオンラインの画像、ビデオを分析する 試してみる IBM Watson Visual Recognition 機能・特徴 画像中に映った代表的なものの関連