マクドナルドで一日分の栄養を取れる組み合わせを計算したら衝撃の結果が！
マックで一日分の栄養を取りたい！ マクドナルド。関東ではマック、関西ではマクドと呼ばれている、おなじみのファーストチェーン店です。全国津々浦々にありますので、よく食べる方もいらっしゃるでしょう。私も大好きで、よく食べています。 ところで、マクドナルドって栄養的にどうなんでしょう？ファーストフードばかり食べていると体に悪いという話をよく聞きますが、そんなに偏っているのでしょうか？メニューの組み合わせさえ気を付ければ大丈夫なのでしょうか。 そこで、マクドナルドで一日に必要な栄養素を取るための商品の組み合わせを調べてみました。 計算は簡単 式を立てる 組み合わせを見つけるのはそれほど難しくありません。線形計画法という手法を用いれば簡単に解くことができます。特に最低限必要な栄養素を求める問題はダイエット問題という名前で知られています。 マクドナルドの商品の栄養素は公開されているデータを使用します。
手軽に負荷テストができるツール「Taurus」がスゴい
modules: jmeter: version: 5.4.1 # ここに書いてあるバージョンを勝手にダウンロードしてくれる properties: log_level.JMeter: WARN log_level.JMeter.threads: WARN system-properties: org.apache.commons.logging.simplelog.log.org.apache.http: WARN 既存ツールのラッパーとして動作 デフォルトでは内部的にJmeterが実行されますが、以下のようなツールで作成されたスクリプトを流用することが可能です。 JMeter Gatling Locust Selenium Vegeta つまり、さきほどはYAMLでシナリオが記述可能とは言いましたが、もちろん既存のスクリプトを流用できるってことです。 いままで作り上げてきたスクリプトや
Automation Anywhere - アンケート調査をもとにAI(機械学習)にて販売推進リソースの最適化を考えてみた。｜技術ブログ｜C&S ENGINEER VOICE
アンケート調査をもとにAI(機械学習)にて推進リソースの最適化を考えてみた。 こんにちは、さすらいのデータサイエンティストの吉岡です。 Imagine Tokyo2019にて、展示ブースにたって接客をした際 私が回答する内容のことなのか、より高度なエンジニアスキルを持った方が説明したほうが 案件受注につながる可能性が高いのではないかと疑問に感じ アンケート調査をもとにRPA+AI(機械学習)を使って販売推進リソースの最適化ができないか、考えてみました。 目次 概要 環境 前提条件 教師あり学習と機械学習の手法について 決定木モデルについて アンケート内容 回答通知メール受信をトリガーにRPA実行 受注案件確率から高、中、低ごとに自動的にアサインのメールが届く 今後の課題 動画 概要 セミナーなどのアンケートデータから案件受注をAIにてスコアリングして案件受注確率から人材をアサインできれば、
今更聞けない!？ Adversarial Examples - Qiita
となります。 $x$ が入力画像ベクトル、$\epsilon$ は適当に小さい値、$y$ が正解ラベルです。また、 $J$ は損失関数で $\theta$ は分類器モデルのパラメーターです。分類器を学習させるのが目的ではないため、$\theta$ は固定します。一方で、分類器を騙すように入力画像を変形させたいので、損失関数 $J$ を入力画像 $x$ で微分し損失が大きくなる方向に $\epsilon$ を加算します。$\text{sing}( )$ は値の符号を取り出す関数です。 (1.1) の場合は、正解ラベルとの損失を大きくするという発想ですが、あらかじめ指定した不正解ラベルに向けて画像を変形させるという方法もあります。このときは、ターゲットとなるラベルとの損失を小さくしていくことになるので とかけます。 $t$ がターゲットとなる不正解ラベルです。 以上が基本ですが、Adversa
Python: Selenium + Headless Chrome で Web ページ全体のスクリーンショットを撮る - CUBE SUGAR CONTAINER
スクレイピングした Web サイトからページ全体のスクリーンショットを撮影したい機会があった。 そこで Selenium の Python バインディングと Headless Chrome を使ったところ実現できたのでメモしておく。 ちなみに、ページ全体でなければ Headless Chrome 単体でも撮れる。 その方法についても末尾に補足として記載しておいた。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.13.5 BuildVersion: 17F77 $ python -V Python 3.6.5 $ pip list --format=columns | grep -i selenium selenium 3.13.0 $ chromedriver --version ChromeDriver 2.
Seleniumクイックリファレンス
Selenium API(逆引き) 利用目的からSelenium APIを探せます Selenium Java(ABC順) ABC順にJavaのSelenium APIを探せます Selenium Python(ABC順) ABC順にPythonのSelenium APIを探せます Selenium Ruby(ABC順) ABC順にRubyのSelenium APIを探せます Appium API(逆引き) 利用目的からAppium APIを探せます Fatal error: Uncaught Google_Service_Exception: Error calling GET https://www.googleapis.com/analytics/v3/data/ga?ids=ga%3A138132118&start-date=7daysAgo&end-date=yesterday&
10分で理解する Selenium - Qiita
Seleniumとは Selenium は Web ブラウザの操作を自動化するためのフレームワークです。 2004 年に ThoughtWorks 社によって Web アプリケーションの UI テストを自動化する目的で開発されました。 https://selenium.dev/history/ 元々は Web アプリケーションの UI テストや JavaScript のテストの目的で開発されましたが、テスト以外にもタスクの自動化や Web サイトのクローリングなど様々な用途で利用されています。 この記事では Python で Selenium を介して Chrome を操作するための環境構築と基本的な使い方について説明します。 TL;DR 公式の Docker イメージ (https://github.com/SeleniumHQ/docker-selenium) を使うと環境構築が超簡単
東大が無料公開している超良質なPython/Data Science/Cloud教材まとめ (*随時更新) - Digital, digital and digital
東京大学がちょっとびっくりするくらいの超良質な教材を無料公開していたので、まとめました Python入門講座 東大のPython入門が無料公開されています。scikit-learnといった機械学習関連についても説明されています。ホントいいです Pythonプログラミング入門 東京大学 数理・情報教育研究センター: utokyo-ipp.github.io 東大のPython本も非常にオススメです Pythonによるプログラミング入門 東京大学教養学部テキスト: アルゴリズムと情報科学の基礎を学ぶ https://amzn.to/2oSw4ws Pythonプログラミング入門 - 東京大学 数理・情報教育研究センター Google Colabで学習出来るようになっています。練習問題も豊富です https://colab.research.google.com/github/utokyo-ip
2020 年の Python パッケージ管理ベストプラクティス - Qiita
この記事は Python Advent Calendar 2019 の 19 日目の記事です。 🐍 あらすじ Python のパッケージ管理。特にここ数年で新しいツールが多く出たこともあり、一体何を使うべきなのか、少し調べただけでは分からないと思います。本記事では、新しめの管理ツールを独断と偏見で比較します。著者は Poetry 信者なのでバイアスが掛かっているので悪しからず。 本記事で書いていること Pipenv、Poetry、Pyflow の違いと使い方 本記事で書いていないこと Pyenv、Venv、Virtualenv などの既存ツールの説明 著者の環境は以下の通り。 Ubuntu 18.04 Python 3.8.0 Pipenv 2018.11.26 Poetry 1.0.0 Pyflow 0.2.1 特に Poetry と Pyflow は開発途中なので、本記事の内容と違う
anacondaとpycharmによるpython3開発環境セットアップ - Qiita
概要 ローカルにPython3開発環境を用意する場合 端末買い替え、端末支給などで端末が変わった場合、速攻環境設定できる用のメモ ライブラリとか揃えるの面倒なのでanacondaを利用 IDEはPycharmを利用。VSCodeよりよさそう。 導入 anaconda 2G以上領域を必要とするので注意 結構時間かかる Pycharm 初期設定 インタプリタの場所が設定されていないのでanacondaの場所を探してセット 条件によってはデフォルトはUsersの下だったりする。私の場合はoptにあった。 anaconda3のインタプリタ設定が登録されているはず 使いたいフレームワークを左から選択 素のPythonの場合はPurePythonを選択 [create]を押してプロジェクトを作成 動作設定 ファイル名とファイルの種類を選択 ファイルが作成される 動作テスト用コードを作成 動作設定を[R
「募ってはいるが、募集はしていない」 人たちへ - Qiita
# /_/_/_/_/_/_/_/_/_/_/_/_/COTOHA_/_/_/_/_/_/_/_/_/_/_/_/_/_/_/ # ここの部分のコードはこちらから取ってきています。 # https://qiita.com/gossy5454/items/83072418fb0c5f3e269f class CotohaApi: # 初期化 def __init__(self, client_id, client_secret, developer_api_base_url, access_token_publish_url): self.client_id = client_id self.client_secret = client_secret self.developer_api_base_url = developer_api_base_url self.access_token_
AWS SDK で SQS を Python で操作する - Qiita
# -*- coding: utf-8 -*- import configparser import boto3 import json # configファイルの読み込み ini = configparser.SafeConfigParser() ini.read("./config.ini") sqs = boto3.client('sqs') url = ini.get("sqs", "url") # 送信するJSON body = {"type": "Right", "Action": "On"} # SQSへJSONの送信 response = sqs.send_message( QueueUrl=url, DelaySeconds=0, MessageBody=( json.dumps(body) ) ) # SQSからJSONを受信 response = sqs.receiv
Serverless Framework コマンド チートシート - Qiita
以下はAWSの場合に基づく。 基本的には 2019年4月現在、AWSが一番多機能。他環境(Azure等)では当該CLIコマンドがない場合がある。 用語とか。 Service: 複数のLambda関数とAPI GatewayとかをまとめたServerless Framework 上の概念。Serverless Service。 Function: Lambda関数のこと。 Serverless registry: プラグインとテンプレートの登録サービス。以下単にレジストリと言う。 CLIコマンド一覧 初回作成系 sls create Servelessサービスを新規作成。 -t(レジストリ登録template名), -p(独自templateのディレクトリパス), -u(同左URL), のいずれかを指定するとそれのコピーを新規作成。 sls install GitHubから npm inst
【Python】exit・return プログラム終了・処理終了
プログラム終了 exit Pythonでプログラムを終了するには「exit」を使います。「exit」はsysモジュールを最初にインポートする必要があります。 例. exitの使用例 import sys def cnt(iNum): if iNum > 10: sys.exit() else: return iNum + 1 cnt(1) #[結果] 2 cnt(11) #[結果] この例では、関数「cnt」を作成しました。パラメータ「iNum」に10より大きい値が渡されると、プログラムを終了します。 10以下はプラス1を返しました。11を渡すと結果は返ってきませんでした。「sys.exit()」によりプログラムが終了したからですね。 処理終了 return Pythonのプログラム内で処理を終了するには「return」を使います。returnは関数を終了させたり、戻り値を返したりします。
Python3 自作モジュールのインポートにハマる - かもメモ
Python3 (3.6.5)でオレオレモジュールを作成してインポートしようとした際に結構ハマったのでメモ importの基本 import <module>キーワードでモジュールをインポートする import math print( math.pi ) # => 3.141592653589793 モジュールのメソッドはmodule.methodで実行する from <module> import <method> でインポートするとモジュール名を都度記述しなくてもメソッドの呼び出しができる from math import pi, sqrt print( sqrt(9) ) # => 3.0 from ... import ...でインポートする際にメソッド名が被ると、後からインポートしたものが有効になる from math import pi from my_modules impo
Pythonで環境変数を取得・追加・上書き・削除（os.environ） | note.nkmk.me
Pythonのプログラムの中で環境変数を取得して確認したり、設定（追加・上書き）、削除したりするにはos.environを使う。環境変数の設定や削除による変更はそのPythonプログラムの中でのみ有効。システムの環境変数が書き換わるわけではない。 os.environ --- 雑多なオペレーティングシステムインターフェース — Python 3.11.4 ドキュメント osモジュールをインポートして使う。標準ライブラリなので追加のインストールは不要。ここでは環境変数による処理結果の違いを示す例のためにsubprocessモジュールもインポートしている。subprocessモジュールも標準ライブラリに含まれている。
【Python】日付 datetimeの足し算・引き算
日付・時間を引く（減算） import datetime # 現在時刻 dt1 = datetime.datetime.now() print(dt1) #[結果] 2023-08-23 07:12:20.806648 # 1日前 dt2 = dt1 + datetime.timedelta(days=-1) print(dt2) #[結果] 2023-08-22 07:12:20.806648 # 1時間前 dt2 = dt1 + datetime.timedelta(hours=-1) print(dt2) #[結果] 2023-08-23 06:12:20.806648 # 10分前 dt2 = dt1 + datetime.timedelta(minutes=-10) print(dt2) #[結果] 2023-08-23 07:02:20.806648 # 30秒前 dt2 =
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
Pythonでデバッグしたい - Qiita
pythonは、簡単にステップ実行デバッグが可能 - Qiita
python - 日付だけ - AttributeError: 'module'オブジェクトには属性 'utcnow'がありません