Photo by BTC Keychain 秋山です。 先日、ブロックチェーンとPoWについて、Pythonコードを交えつつ解説する記事を書きました。 paiza.hatenablog.com 前回は、あくまで一つのプログラム上でブロックチェーンを作って、その中でPoWを行う…という話でした。今回は、複数人が取引を行う際に自分の取引が改ざんされてしまわないよう、自分の取引に署名をするときに扱われている楕円曲線暗号の話をメインに書いてみたいと思います。 ■秘密鍵と公開鍵とアドレスについて 皆さんは、Bitcoinのアドレスの形式がどんなものか知っていますか？ Bitcoinのアドレスは、Base58でエンコードされた、最初が1もしくは3で始まる文字列となります。アドレスの生成手順に関しては、以前こちらの記事で書いたので、興味のある方はごらんください。 paiza.hatenablog.com

Photo by thekirbster こんにちは。谷口です。 最近は機械学習が流行っていることもあって、Numpyなどの数値計算系のPythonライブラリなどが人気ですよね。 NumPyは機械学習、データマイニング、ディープラーニングなどでも非常によく利用されているPythonの数値計算ライブラリです。 Pythonは、数値計算を素直に書くと処理が遅めな言語ではありますが、NumPyを使えばC言語のネイティブコード上で計算してくれて、処理がとても早くなります。 今回は、初心者の方でもNumpyの使い方を学べるコンテンツを6件ご紹介していきます。 ■初心者でもNumpyの使い方を学べるコンテンツ ◆Numpyの公式ドキュメントとチュートリアル 「配列の基本の使い方」といった、Numpyの基礎的な部分は公式ドキュメントとチュートリアルで学べます。 ◆SciPy Cookbook Numpy

秋山です。 機械学習やディープラーニングが流行っていますが、基本的には何をするにも大量のデータを取り扱いますよね。 データの集計・分析は、機械学習をするのに大前提として必要な作業です。 そんなときに便利なライブラリがPandasです。Pandasは、Pythonを使ったデータ解析に便利な機能を提供しているライブラリです。数値や時系列のデータの操作や、データ構造をいじったりすることができます。 というわけで、今回はそんなPandasを使えるようになりたい初心者の人に向けて、ちょっとしたチュートリアルを書いてみます。 ■Pandasって何ぞ Pandasとは超ざっくり簡単に言うと、Pythonを使って、ExcelやSQL、R言語みたいな感じでデータを取り扱えるようにしてくれる便利なライブラリです。 例えば、データの整列、グループ化、データ同士の結合、スライス、欠損データがあった場合の除外、時系

Photo by Strelka Institute for Media, Architecture and Design 秋山です。 最近、機械学習の勉強をしている人や、機械学習に関連した研究開発の求人を探す人がすごく増えてきましたね。弊社のエンジニアにも機械学習を勉強中の人達が何人かいます。 ただ、「機械学習を勉強したいけど、難しすぎて何から手を付けたらいいのかよくわからない」という人も多いです。それなりに開発経験のあるエンジニアでもそうなので、経験の浅い人だと、なおさらかと思います。 機械学習と一言で言っても、実践するのに必要な知識の分野は多岐に渡ります。 そこで今回は、未経験者が機械学習エンジニアとして転職するにはどういった知識や勉強が必要なのかを書いていきます。 ■最低限必要な知識 ◆プログラミングスキルとライブラリを使える知識 Pythonには、Tensorflowやsciki

Photo by BTC Keychain 秋山です。 最近ビットコインなどの仮想通貨が話題になってますね。エンジニアであれば、ブロックチェーンなどの使われている技術に興味がある…という人も多いのではないでしょうか。 というわけで今回は、ビットコインとそのアドレス生成について書いてみたいと思います。仮想通貨の原型となっているビットコインのブロックチェーンやProof of workに少し触れつつ、実際にPythonでコードを書いてビットコインのアドレスをジェネレートしてみます。 ちなみに…Pythonでアドレスをジェネレートするコードには、下記のようなものがあります。ビットコインのアスキーアートになってておもしろいですね。（※こちらの記事から引用させていただいております） _ =r"""A(W/2,*M(3*G *G*V(2*J%P),G,J,G)+((M((J-T )*V((G-S)%P

(English article is here) こんにちは、吉岡([twitter:@yoshiokatsuneo])です。 Pythonは、CSVなどのデータ処理、Webサービスの開発、スクレイピング、ボット作成など幅広い目的で使われているプログラミング言語です。特に最近は、機械学習・AIのなどの開発に適したライブラリが充実していることもあって注目が高まっていますよね。 ただ、Pythonを単体でインストールしても、表やグラフを作ったり、データなどを整理したりする機能はありません。 そこで、Jupyter Notebookというツールがあります。 Jupyter Notebookを使うと、ブラウザ上で簡単にプログラムを実行できるうえ、表やグラフなども表示できます。 また、Markdownなどで文章も書けるため、プログラムと文章をわかりやすくまとめることができます。このまとめたノートは

Photo by Kenny Louie こんにちは。谷口です。 プログラミング初心者の中には、最初の言語としてPythonを学習している人も多いのではないでしょうか。 特に最初の言語の習得で難しいのが「まず何から始めたらいいか」かと思います。 独学でどう勉強したらいいのか分からない 経験者向けの解説を読んでも難しい といった悩みを持つ人も多いと思います。 そんな人におすすめなのが、プログラミング学習ゲームなど、遊び感覚でやる勉強です。楽しみながらできるだけでなく、反復練習で確実に基礎文法を身につけることができます。 そこで今回は「初心者だけどPythonについて楽しく勉強したい！」という方のために、ゲーム感覚で楽しくPythonを学べるサイトを紹介していきます。 最近は、こういった遊び感覚でプログラミングについて学べるサイトやサービスがかなり増えてきましたので、以前より学習のハードルはか

Photo by Qfamily こんにちは。谷口です。 Python初心者の皆さんは、普段どうやって勉強をしていますか？ Web上で学習サービスを探す 教えてくれる人を探して聞く スクールに通う 書籍や学習サイトに書いてある情報を読む などの方法があるかと思いますが、「YouTubeなどの動画」でも、Pythonについて学ぶことができます。 動画を使えば、無料、もしくは安価で楽しく・効率よくPythonプログラミングを勉強できます。 今回は、そんなPythonについて学べる動画チャンネルを7つご紹介します。 ■Pythonについて学習できる動画チャンネル ◆thenewboston：Python 3.4 Programming Tutorials 言語：英語 www.youtube.com さまざまな言語のチュートリアル動画が公開されているチャンネルで、もちろんPythonのチュートリア

Photo by andy.brandon50 秋山です。 少し前にオライリーから「退屈なことはPythonにやらせよう――ノンプログラマーにもできる自動化処理プログラミング」という書籍が出て、話題になりましたね。 退屈なことはPythonにやらせよう ―ノンプログラマーにもできる自動化処理プログラミング 作者: Al Sweigart,相川愛三出版社/メーカー: オライリージャパン発売日: 2017/06/03メディア: 単行本（ソフトカバー）この商品を含むブログ (5件) を見る 私も読みましたが、サブタイトルの通りノンプログラマーも対象とされている書籍のため、半分くらいはPython自体についての解説になっています。第二部からは、本題というべき自動化に関する話になっているので、結構興味深く読みました。 というわけで、「退屈なことはPythonにやらせよう」に感化された…わけでもないで

秋山です。 先日、Google Open Sourceで「Facets」という機械学習向けデータセットの可視化ツールが公開されました。 サイトはこちら opensource.googleblog.com (※Chromeであれば、ブラウザ上でどういったことができるかのデモを触れます。Safariだとうまく動かない？ようなのでご注意ください） GitHubはこちら github.com デモのようにブラウザ上でデータを可視化したり、Pythonライブラリのjupyter内で使ったりすることができます（ブラウザで表示させるかjupyter内で表示させるかだけの違いですが…） 例えば巨大なデータを扱っていて、うまく分離できていないデータ群はどの辺りになるのか…といったことを可視化して眺めたいときなどによさそうなので、実際にちょっと使ってみたいと思います。 ■Facets使ってみた Facetsに

Photo by Rene Barrios 秋山です。 機械学習と一言で言っても、そのアルゴリズムにはたくさんの種類があり、「どれがどんな場合に適しているのか」というのは、なかなかわかりづらいと思います。 そこで今回は、初心者向けに「K-means」（k平均法）という手法について説明します。 K-meansがどんなデータに適しているか、どうやってデータが分離されるのか…といったことは、文章だけ読んでも分かりづらいと思いますので、実際にPythonでコードを書いて実行したり、図を出したりして、過程を見ながら説明していきます。 既に機械学習の経験がある人にとっては今さらなことばかりかと思いますが、「機械学習の勉強を始めたい」という人の参考になればと思います。 ■K-meansとは 簡単に説明しますと、 まず、各点に対してランダムにどのクラスタに属するかを決定します。 次に、各クラスタの中心点V

Photo by thekirbster こんにちは。谷口です。 先日paizaが行ったアンケートで、「好きなプログラミング言語」の1位（※社会人2位・学生1位）にPythonがランクインしました。 paiza.hatenablog.com Pythonは1990年代前半からオランダ人のグイド・ヴァンロッサムによって開発されたオブジェクト指向スクリプト言語で、文法が必要最小限に抑えられており、ITエンジニアの学習の負担が軽減された開発言語と言われています。 海外では、近年Pythonによる開発が急速に増加しており、InstagramやDropboxなどの開発にも使われています。また、機械学習に適したライブラリが多く、最近は日本でも積極的に取り入れる企業が増加してきており、これからの一層の普及が期待される人気言語となっています。 Pythonはバージョン2系と3系があり、3系には後方互換性が

Photo by Bryan Kemp 秋山です。 最近話題の「Mastodon」（ マストドン ）ですが、皆さん使っていますか？ 私は、個人的にtootとtweetを同時にしたいと思うことが多いです。せっかくなので、それを叶えるツールを（ざっくりですが）Pythonで作ってみました。 便利なライブラリや認証機構を使ってサクッと作るレシピという感じで、基本的にはAPIを叩くだけなので技術的に難しいことはありません。とにかく素早くBotみたいなものを作りたい！という人の参考になればと思います。 （※ただしあまりインスタンスへ負荷がかからないようにしましょう、Botを作るのであれば自分でインスタンスを立てるのが望ましいかと思います） ■Mastodonの設定 まずは Mastodon.py と twython を pip でインストールします。 pip install Mastodon.py

Photo by pycon jp 秋山です。 Python3を使って開発中＆勉強中の皆さん、組み込み関数はどれくらい覚えていますか？よく使うrange, input, min, max, dict……などしか覚えていないという人も多いかもしれません。 公式ドキュメントを見ると、実に68個もの組み込み関数がありました。（※ちなみに2系→3系で、あまり使われていないものはimportが必要になったり、上位機能のあるものが下位機能と統合されたり、命名変更されたりしています。例えばxrange,rangeは統合、reduceはfunctoolsへ移動…などなど。） もちろん、あまり使う機会のなさそうな特殊な関数まで覚えておく必要はありません。が、実は案外知られていないけど、使うと結構便利なものもあるのです。 というわけで今回は、意外と知られていないけど、知っていると便利ではかどると思うPytho

秋山です。 機械学習が人気ですが、「Word2Vec」「Doc2Vec」という、文章などを分析するニューラルネットワークモデルを知っていますか？ すごーく簡単に言うと、「Word2Vec」は単語の類似度のベクトル、「Doc2Vec」は文章の類似度のベクトルを表現します。 結構前に話題になったので既に知っている人も多いかもしれませんが、今回はpaizaのスキルチェック問題に提出された一部のコードを対象に、「Word2Vec」と「Doc2Vec」でどんなことができるかやってみたいと思います。（※スキルチェック問題や回答の内容は判別できないように処理しています） ■Word2Vecについて ざっくり言うと、ある単語の周辺に別の単語が出現する確率……みたいなものを見てくれます。ニューラルネットワークを使って、類似度を求めています。Word2Vecは隠れ層1、出力層1の、2層のニューラルネットワーク

Photo by Jayphen 秋山です。 先日「Python Fire」という、Pythonのコマンドラインツールを自動生成できるライブラリが発表されました。 どのへんが便利なのか、実際に使ってみながら解説をしていきますので、気になってた人の参考になればと思います。 Googleのリポジトリに出ているのでGoogleの公式プロダクト？と思いきや、最後に「This is not an official Google product.」の表記があるのでGoogle公式ではないようですね。Googleの中の人が作った非公式ライブラリということでしょうかね。 github.com ■Python Fire使ってみた そもそもPythonには、コマンドラインからコマンドを受け付ける組み込みのライブラリがあります。他にもbakerとか、clickとか、既にコマンドラインツールを作る用の補助ライブラ

秋山です。 サービスを運営していると、いろいろなデータから必要な情報だけを取得して分析するような機会もたくさんあるかと思います。 分析に使えるツールは世の中にたくさんあるので、どれが使いやすいかは人それぞれですが、今回は「分析を始めたばかりで何をどうすればいいのかわからない…！」という方のために、Pythonを使って初心者向けのデータ分析のやり方を紹介します。 ■使用する環境 paizaでは、Pythonを使ってスキルチェック問題の回答データや、ユーザーの情報等の分析をしています。（R言語を使っていたときもありましたが、私がPythonのライブラリにある便利機能を使いたかったのと、R言語があまり得意ではなかったので移行しました） 今回は、Python3がインストール済みの環境を想定しています。これから出てくるコードもPython3を推奨しています。 下記のライブラリを使用します。 Jupy

秋山です。 今日はPythonの初歩的な環境構築について、公式サイトに従ったインストール手段の補足やAtomでの使い方とかを書いてみます。 バージョン管理、パッケージ管理などの話はひとまず置いておき、手元でPythonが実行できるまでを解説します。 環境構築というと難しいイメージのある方も多いかもしれませんが、Python初心者＆プログラミングの環境構築初心者の方の参考になればと思います。 ■MacOSの場合 MacOSには、デフォルトでPython2.7系がインストールされています。 ちょっとしたコードの実行や学習目的など、「それで充分」という人は、Terminalを起動して、下記のPythonコマンドを打てばそのまま使えちゃいます。 $ python --version python 2.7.10 $ which python /usr/bin/python ◆最新版を入れたい場合 ※

秋山です。 私は主にPythonを使って開発をしているので、以前Pythonの便利なライブラリやフレームワークを紹介する記事を書いたのですが（後でリンク貼りますね）、今回はその記事でも紹介したNumPy（なむぱいと読みます）という数値計算用ライブラリの使い方チュートリアルを書きたいと思います。 NumPyは機械学習やディープラーニングなどを学ぶ上でも前提知識とされることが多いため、これからその辺の分野の勉強をしてみたい人の参考になればと思います。 チュートリアルの実行環境は、ブラウザだけでPythonもNumPyも使えるオンラインのプログラミング実行環境「paiza.IO (パイザ・アイオー)」を使っていきます。 ■NumPyにおける配列 NumPyにおける配列は"ndarray"という形式になっていて、このndarrayはいろいろな機能を持っています。 まず、普通のリストをndarray

Photo by Alex Graves 秋山です。 paizaでは主にプログラミングスキルチェック問題の作成を担当しているので、アルゴリズムについて調べることもよくあります。 というわけで今回はみんな大好き？な、数学的なアルゴリズムについて書いてみたいと思います。 プログラミングの勉強を始めたばかりの人から「アルゴリズムってどうやって考える＆勉強するといいんですか？」と聞かれることもあるので、参考になればと思います。 ■数列のアルゴリズム(フィボナッチ数、黄金比) 数字が 1,2,3,4,5,6....100 というように、最初の1から順に1ずつ増えていくというのも、ある意味アルゴリズムにのっとった数列であると言えます。 もう少し複雑な数列になると、paizaラーニングのアルゴリズム入門編でも出てくる「フィボナッチ数列」という数列があります。数学が苦手な人でも聞いたことある言葉ではないで