Flask と JSON スキーマで DynamoDB 風の API を実装してみる - Qiita
概要 まずは先に二つの記事をどうぞ DynamoDB HTTP API が独特な仕様なので紹介 Python の JSON Schema ライブラリを使ってみる さて、 最近は JSON を受け取って JSON を返す、この仕組みを実装する事が多いのですが、HTTP ベースとなると色々辛くなってきます。URL の設計、メソッドの選択などなど。もう面倒くさいから URL や メソッドは統一してしまいます。 機能判定は HTTP の独自定義したヘッダーを使う X-Amz-Target: DynamoDB_20120810.PutItem X-<会社名？>-Target: サービス名_日付.機能名 URL は / のみ メソッドは POST のみ 全てのやりとりは JSON で バリデーションは Req/Res 両方を JSON スキーマを使う とにかく頑張らない仕組みを作ります。 ライブラリの
ベイジアンネットワーク - Wikipedia
ベイジアンネットワーク（英: Bayesian network）は、因果関係を確率により記述するグラフィカルモデルの1つで、複雑な因果関係の推論を有向非巡回グラフ構造により表すとともに、個々の変数の関係を条件つき確率で表す確率推論のモデルである。ネットワークとは重み付けグラフのこと。 定義[編集] 確率分布は確率変数をノード、変数間関係をリンクとするグラフ/ネットワークで表現できる[1][2]（確率的グラフィカルモデル[3]）。このうちリンクが向きを持ち依存関係が巡回しないもの（有向非巡回グラフ）は次の名称で呼ばれる[4]。 ベイジアンネットワーク（英: Bayesian networks）[5] 有向グラフィカルモデル（英: directed graphical models）[5] 有向確率モデル（英: directed probabilistic models）[6] 有向確率的グラ
隠れマルコフモデル - Wikipedia
隠れマルコフモデル（かくれマルコフモデル、英: hidden Markov model; HMM）は、確率モデルのひとつであり、観測されない（隠れた）状態をもつマルコフ過程である。 概要[編集] 同じマルコフ過程でも、隠れマルコフモデルより単純なマルコフ連鎖では、状態は直接観測可能であり、そのため、状態の遷移確率のみがパラメータである。一方、隠れマルコフモデルにおいては、状態は直接観測されず、出力（事象）のみが観測される。ただしこの出力は、モデルの状態による確率分布である。従って、ある隠れマルコフモデルによって生成された出力の系列は、内部の状態の系列に関する何らかの情報を与えるものとなる。「隠れ」という語はモデルが遷移した状態系列が外部から直接観測されないことを指しており、モデルのパラメータについてのものではない。たとえパラメータが既知であっても隠れマルコフモデルと呼ばれる。隠れマルコフモ
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
処理を実行中です
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
