はてなブックマーク

カルマンフィルタの基礎 作者:足立修一,丸田一郎東京電機大学出版局Amazon 目次 目次 目的 理論 問題設定 条件 Pythonプログラム パラメータの定義 クラスとコンストラクタの実装 状態方程式の定義 疑似観測値と観測方程式の定義 カルマンフィルタの処理の定義 プログラムの実行結果 GitHub 目的 自分でも何故か分かりませんが、毎年一回は必ず カルマンフィルタの理論を勉強し直したくなる事が あります。 その度に書籍を読み返したり、サンプルプログラムを 実装したりして、「いろいろ忘れてるな」「実は理解 してなかったな」と感じるのがお決まりです。 なので、きっとこれからも定期的に学び直したくなる ときが来ると思ったので、ブログにまとめておくことに しました。 今回は最も基本的な問題である、線形カルマンフィルタで 1次元の自己位置推定を行うPythonプログラムを作ったので 紹介しま

独習C++ 新版 作者:高橋 航平翔泳社Amazon 目的 自分のように自律移動システムを開発するエンジニアの採用プロセスでは、 C++の知識がどれだけあるかを問われる技術面接が必ずあると思います。 今まで何度か実際に面接を受けたことがありますが、いざ聞かれて答えようと すると(しかも英語で)、自分がC++の事を全然理解出来ていないということを 思い知らされました。 今後また同じ質問をされたときはちゃんと答えられるように、これまでに 問われた質問の内容と、その模範解答をまとめておこうと思います。 目次 目的 目次 質問集 C++とPythonの違い クラス/構造体/共用体の違い ポインタ渡しと参照渡しの違い 値渡し (Pass by Value) ポインタ渡し (Pass by Pointer) 参照渡し (Pass by Reference) constの使い方 メモリの扱い方 real

機械学習のための「前処理」入門 作者:足立悠リックテレコムAmazon 目的 これまでにデータ解析の仕事で扱ってきたのは主に 時系列データや画像データなど、数値で表現される データでした。 しかしながら、最近では自然言語データのように 数値データではないものも解析できることが重量と なってきました。 今回、上記の書籍で自然言語データに対する前処理の 手法について勉強したのでこの記事でまとめておこうと 思います。 目次 目的 目次 自然言語処理の考え方 形態素解析(Morphological Analysis) 活用例 Janomeによる形態素解析 正規表現による不要な文字列の除去 品詞として単語を抽出 単語の出現回数を数える 分割した単語をデータフレームにまとめる 分割した単語の文書行列を作成する 出現回数が多い順に単語を列挙する 出現する文書の比率で次元を削減する TF-IDF値を算出す

オブジェクト指向でなぜつくるのか 第2版 作者:平澤 章発売日: 2014/03/05メディア: Kindle版 目次 目次 背景・目的 参考文献 オブジェクト指向のイメージ 大変な作業を無くせる バグをなるべく混入させないための基礎 クラス中のメソッド数を少なくする メソッド中のステップ数を少なくする クラス中の行数を小さくする ネストを小さくする 変数をむやみやたらに作らない ライブラリ、コンポーネントを使う メモリ使用量とループ回数を考える IOアクセスは最小限にとどめる 同じことを書かない なるべくテスト可能なコードを書く 送り出すデータは厳密に、受け取るデータは寛容に シンプルなインターフェース 複雑な内部状態を定義しない コメントをなるべく書かない コメントアウトしない 良い名前を付ける 背景・目的 良いプログラムを作るには「オブジェクト指向設計をする」とよく言われていますが、

Python実践データ分析100本ノック 作者:下山 輝昌,松田 雄馬,三木 孝行出版社/メーカー: 秀和システム発売日: 2019/09/27メディア: 単行本 目次 目次 背景・目的 ソースコード 使い方 インストールと起動 CSVファイルの読み込み 各データの最大値、最小値、平均値、標準偏差の計算 グラフの作り方と種類 2次元の線グラフ 3次元の線グラフ 2次元の散布図 3次元の散布図 1次元のヒストグラム 今後 背景・目的 何かしらのデータを取得し解析する時は、まずCSVファイルに保存して、 それをPythonなりMATLABなりで読み込んでグラフ化する、というやり方を よくやります。 ただし、解析するたびにそのためのコードを書くのも面倒くさいので、 どんな内容のCSVファイルでも同じ処理でグラフ化出来る方法がないかと 調べていたところ、こちらのような可視化ツールを作っている人達が

目次 目次 背景・目的 全体の感想 メモ 超えなければいけないハードルと壁 リアルタイムOSの基礎 タスクスタック領域の見積り タスクの状態遷移 同期・通信 ベクターテーブル スループット要求 オブジェクト指向設計 機能的分割と時間的分割のすり合わせ 体系的な再利用 ドメイン分析 品質向上の考え方 完全なプログラムとは 関数の完成度を高める手順 組み込みソフトエンジニアを極めるために 背景・目的 自分の仕事は主に、自律移動システムのための組み込みソフトウェア 開発ですが、近頃は計算処理能力が決して高くないコントローラと、 逆にそれなりに処理能力が高いコントローラの両方を扱うように なっています。 それらのソフト設計・開発をする際に難しいのは、可読性や整備性だけ でなく、出来るだけ処理を軽くし速く回せるような設計を考える事ですが、 自分は今までそういったノウハウをちゃんと学んだ事がなかったの

実践UML―パターンによる統一プロセスガイド 作者:クレーグ ラーマンピアソンエデュケーションAmazon 目次 目次 はじめに クラス図とは クラス図を作るまでの流れ クラス図を構成する要素 クラス(Class) クラス間の関係と線種 関連(Association) 汎化(Generalization)と特化(Specialization) 実現(Realization) 集約(Aggregation)と合成(Composition) 依存(Dependency) ロール名(Role name) 多重度(Multiplicity) ステレオタイプ(Stereotype) 制約(Constraint) 特殊クラス ロリポップ パッケージ パッケージの定義 パッケージスタイル ネームスペース ノート クラスに対するノート 関係を使ったノート リンクへのノート オブジェクト図 パッケージ図 G

UML2.0クイックリファレンス 作者:Dan Pilone,Neil PitmanオライリージャパンAmazon 目次 目次 はじめに シーケンス図とは 設計プロセスにおけるシーケンス図の立ち位置 シーケンス図の描き方についてのヒント ヒント1 ヒント2 シーケンス図を構成する要素 メッセージ 自己メッセージ 外部とのメッセージのやり取り ライフライン 実行仕様(イベント)の表現 シーケンス図の例: ログイン 複合フラグメント alt 分岐処理の表現例 ref 相互作用使用 別参照 opt 条件による実行の表現 delay 非同期の遅延処理 par 並列処理 loop 繰り返し処理 break 中断処理 critical 排他制御処理 グループ化 作成と消滅 上下でメッセージ間でスペースを空ける 分離線 ボックス ノート メッセージのノート GitHub 参考資料 はじめに ソフトウェア

ダイアグラム別UML徹底活用 第2版 作者:井上樹翔泳社Amazon 目次 目次 はじめに プロジェクトの開始時にやるべきこと ドメインモデル図とは ドメインモデル図を描く手順 1. 「名詞」の抽出 2. モデル同士の関係を線と矢印で表す 3. 中心となるモデルに色を付ける ドメインモデル図を用いる際の注意点 ドメインモデル図の活用方法 ドメインモデル図の作成例 例1. 認証システムの場合 例2. 課金システムの場合 例3. 本屋の場合 例4. 投稿システムの場合 GitHub 参考資料 はじめに ソフトウェアの仕様書、設計書の作成や管理を効率化するために、Markdown + PlantUMLによる作成方法を日々模索しています。 しかしながら、そもそもUML図の正式な書き方というものをちゃんと分かっていないというのが正直なところなので、PlantUMLを通じてUMLの各種図の書き方を勉強

実践UML 第3版 オブジェクト指向分析設計と反復型開発入門 作者:クレーグ・ラーマンピアソンエデュケーションAmazon 目次 目次 はじめ Markdownで書くメリット Markdown記法一覧 環境構築手順 1. Visual Studio Codeをインストールする 2. PlantUMLをインストールする 3. Javaをインストールする 4. Graphvizをインストールする 5. Markdown Preview Enhancedをインストールする 環境構築後の動作確認 Markdownでドキュメントを書く際に便利な拡張機能 1. Paste Image 2. markdown-index 作成したドキュメントをHTMLやPDFに変換する 今回参考にさせていただいた記事 はじめ 自分はこれまでソフトウェア開発において仕様書や設計書を作成する際、Enterprise Arc

Cython ―Cとの融合によるPythonの高速化 作者:Kurt W. SmithオライリージャパンAmazon 目次 目次 はじめに Cythonとは PythonとC言語を組み合わせるメリット 参考記事 ステップ1: C言語のコードを書く ステップ2: C言語のコードをラッピングするCythonコードを書く ステップ3: Cythonコードをビルドするsetup.pyを書く ステップ4: コンパイル・ビルドする ビルドする際のハマりポイント ステップ5: ユニットテストのPythonコードを書く 今後の課題 はじめに 自分は普段の仕事でC言語のプログラムを実装するのがメインです。しかしながら、今の職場にて自分が実装したC言語のソフトをデバッグするためには、実際のコントローラに書き込んでからベンチシミュレータで動かす、くらいしか方法がありません。 いちいちコントローラに書き込んだりす

目次 目次 はじめに 特徴量(Feature Value) 学習(Learning) 教師あり / なし学習(Supervised / Unsupervised Learning) 最適化問題(Optimization Problem) 座標降下法(Coordinate Descent) 最急降下法(Gradient Descent) 確率勾配法(Stochastic Gradient Descent) 汎化性能(Generalization Ability) 新しい特徴量を作る(Creating New Feature Value) 多層ニューラルネットワーク(Maltilayer Neural Network) ランプ関数(Ramp Function) 鞍点(Saddle Point) ヘヴィサイド関数(Heaviside Function) 分離超平面(Separating Hype

背景・目的 参考記事 Kaggleとは？ 扱われたお題 プロセス①: データの中身を確認する プロセス②: データの相関を調べる プロセス③: 欠損したデータを補完する プロセス④: モデリング前の事前処理 プロセス⑤: 解析とモデリング 最終的な結果 背景・目的 世の中の凄腕データサイエンティスト達はどのようにしてデータ分析をしているのか調べていたところ、Kaggleのコンペに参戦して上位に食い込んでいる人の技術記事を見つけました。最終的にモデルを作って予測をするところまでの過程が分かりやすくまとまっているので、とても参考になりました。 今回の記事は、上記の記事を読んで学んだデータ分析のプロセスについてのメモです。 参考記事 www.mirandora.com www.mirandora.com www.mirandora.com Kaggleとは？ 世界中で30万人以上のデータサイエン