今回はJavascriptで、ブロックチェーンのデータ構造を実装します。ブロックチェーンのデータ構造を実際に作ってみると、その堅牢性が理解できると思います。nonceを求めるマイニング・アルゴリズムも実装します。 なお、P2Pでノード間で同期を取ったり、コンセンサス・アルゴリズムで合意形成を取るところまでは、実装しませんので悪しからず。 ブロックチェーンは「万能薬」でありません。他のプログラムと一緒で、あくまで、アルゴリズムを効率的に実現するデータ構造です。 分散環境下で、セキュアにデータをもつためのデータ構造とも言えます。 つまり、手段です。導入したからといって、問題が自動的に解決したりしません。 それでは早速、作ってみましょう。実際に作業するファイルは2つです。 mkdir project cd project npm init touch blockchan.js touch tes
機械学習・データサイエンスのチートシート集、便利なものがたくさん出回っていますが、ちまちまブラウザからダウンロードしていたりしませんか?そんな貴方にお勧めなのがこちらのレポジトリ。 FavioVazquez/ds-cheatsheets https://github.com/FavioVazquez/ds-cheatsheets はい、クリックあるいはコマンド一つで100を超えるチートシートが一括でダウンロードできちゃいますね。以上、釣りタイトル失礼しました。 と、これだけではなんなので、個人的に有用性が高いと感じたものを、大きなサムネイル付きでまとめてみました。ソースとして、DataCamp及びRStudio公式ページの情報量は圧倒的なので、一読をお勧めします。 科学計算・データ操作・可視化 Python (NumPy/SciPy/Pandas/matplotlib/bokeh) Pyt
どうも。よくブロックチェーン興味あるけどよくわからん、という声を某所から聞くので、僭越ながら自分が勉強するために使っている参考文献を紹介します。 今後自分が新しく読むたびに追加していく予定です。 色々と追加していって、だんだん初心者向けじゃなくなっている気がしますが、各通貨内の小見出しが、上から下に行くに従って内容が難しくなるように並べてあります。 Mastering Bitcoin (書籍) Mastering Bitcoin Mastering Bitcoin(翻訳版) https://bitcoinbook.info/translations-of-mastering-bitcoin 名著中の名著ですね。主にビットコインのブロックチェーンに関する一通りの説明が乗っています。業界では読んでいることが常識と呼ばれるくらいに一般的な書籍となっています。 全部目を通しておいて損はないと思われ
ブロックチェーン学習サイトEnterChain こんにちは。こーど書いて売ってる人です。 みなさん、ブロックチェーンについてどのくらい理解しているでしょうか。 僕は色んな本やニュース記事を読んだりしていたのですが、結局よく分かりませんでした。 ブロックチェーンの分野の学習のハードルはとても高いと思います。 しかし新しい技術の興味は強かったので、自分が早くキャッチアップして人に教えられるようになりたいと考えていました。 ちょうどそのタイミングで、ブロックチェーン学習サイトを作ることを考えていたdigglueの原さんと出会い、オンライン学習サイトを作ることになりました。 今回はそのブロックチェーン教育サービスの紹介です。 EnterChainとは 「EnterChain」はブロックチェーンのオンライン学習サイトです。 難しいブロックチェーンをインタラクティブな学習を通じてスムーズに学べます。
最近、ブロックチェーンエンジニアを目指すためにどのようなスキルセットを身につければ良いかや、初心者向けの技術書執筆の話などを頂くことが増えてきました。 ブロックチェーン業界で働くという事に興味をもつエンジニアの方が増えてきたように感じます。 そこで、初めてブロックチェーンに触れる方の指針になればと思い、本記事を書きました。 猛者の方には物足りない点は多々あると思いますが、あくまで初学者向けというところで勘弁していただければと思います。 前置き 前提として、応用先によって身につける技術は異なる どんな職場(チーム)でも、初めのハードルは「共通言語」 最良なのは公式ドキュメントだが、英語と技術用語のハードルも 共通言語を会得するための本 基本知識は「Mastering Bitcoin」(ビットコインとブロックチェーン)から アプリへの応用知識を得られる「ブロックチェーンアプリケーション開発の教
3ヶ月で出来たもの まずは蠢く内臓の成果物から、これが今回作ったポリープ検出AIです! 上の映像が元の内視鏡の動画で、 下が今回開発した検出AIの動作動画です。 青い枠で「ポリープだよ!」と主張してくれてますね! 3ヶ月の学習の流れ 基礎的な機械学習手法のスクラッチ まずは数学的な理解から始めました。 手法ごとの数式を読んで、それを実装に落としていきます。 - 線形回帰 - 重回帰 - 主成分分析 - Kmeans - 決定木 - SVM 悶え苦しんだのですが、 この時期に数式に対するアレルギーがほぐれていきました! 最初は2乗誤差の微分変形を理解するのに苦労した思い出があります。 このときに一番参考になった書籍は 「やさしく学ぶ 機械学習を理解するための数学のきほん」 です これで機械学習の更新の概念が腹落ちしました。オススメ! kaggleへの挑戦 定番のタイタニックや 良質なコンペの
ブロックチェーンを活用した新たなデジタル社会が既に始まっています。多くの経済活動がデジタル化される中で、ブロックチェーンの技術によってさらにその流れは加速することになります。とりわけ金融の領域においてはその進化が目覚しく、実用化に向けた開発が日々進んでいます。 インターネット誕生によって私たちの社会には「情報」が溢れ、その情報を効率的に扱うための技術が発展してきました。そしてこのブロックチェーンの誕生によって「価値」を扱うことができるようになります。 これは、今までソフトウェアが入り込むことができなかった領域で、さらなるデジタル化が加速することを意味しています。つまりは、エンジニアもビジネスパーソンも全員がこのブロックチェーンについて学ぶ必要があるということです。 これから確実にくる未来に向けた準備を始めましょう。
ブロックチェーンの勉強を始めて、そろそろ1年です。 最初はBitcoinを動かしてみたり、API使って、簡単な送金アプリを作ってみたりしました。 去年の春から夏にかけては業務の関係でFabricを中心にHyperledgerプロジェクトのブロックチェーンを触っていました。 しかし、Fabricだけ分かっててもな〜と思い、9月からEthereumの勉強を始めました。 これが運の尽きでした... 「...Ethereum、めっちゃ楽しいじゃん!!!!」 Ethereumにどっぷりとハマってしまいました。学習しても、しても終わりが見えない感じが楽しいですね(笑) 学習を始めてからもう少しで半年、一通りEthereum周辺の技術を触ったので、備忘の意味を込めて、学習の流れを整理してみました。 なお、今後も新しい技術を触ったら、随時更新していく予定です。 他にも、これやった方がいいよというものがあれ
はじめに Ethereum スマートコントラクト dapp(分散型アプリ) WEBサービス のチュートリアルとして、Truffleが提供している、ETHEREUM PET SHOP。 Ethereum上でスマートコントラクトのdappを作成し、WEBサービスとして提供するまでの一連を体験できます。 実際にやってみましたが中々良かったです。 拙い訳では有りますが、日本語訳(意訳多め、一部追記有り)しましたので、学習の手助けになればと思います。 以下、本文です。 Ethereumペットショップ このチュートリアルでは、ペットの飼い主を決定するためのペットショップのシステム構築を通して、dapp構築の第一歩を経験できます。 このチュートリアルはEthereum、スマートコントラクト、HTML、JavaScriptに関する知識を持っている、dappsの初心者を対象としています。 注意:Ethere
The Qiita Advent Calendar 2018 is supported by the following companies, organizations, and services.
2018年もいよいよ本日が最後となりました。皆さんいかがお過ごしでしょうか。この記事では機械学習/ディープラーニング初心者だった自分が2018年にやったことをまとめていきたいと思います。ポエムじみた記事になってしまいましたが、何らかの参考になれば幸いです。 2018年のBefore-After Before 今年(4月)ぐらいまで機械学習の「き」の字も知らなかった。k-Nearest Neighbor?Support Vector Machine?なにそれ美味しいのってレベル 昔統計をやっていたので、ロジスティクス回帰ぐらいは知っていた。オーバーフィッティングの概念ぐらいは知っていたが、厳密な定義は知らなかった。 Pythonも触ったことなかった After 機械学習とディープラーニングの基礎はだいたいわかった Pythonがだいたい使いこなせるようになった 物によってはディープラーニング
News¶ 2019/12/06: 講義資料Ver 1.1を公開(2019年度版) 2018/12/17: 講義資料Ver 1.0を公開(2018年度版) 本講義資料について¶ 本ページは 日本メディカルAI学会公認資格:メディカルAI専門コースのオンライン講義資料(以下本資料) です. 本講料を読むことで,医療で人工知能技術を使う際に最低限必要な知識や実践方法を学ぶことができます.本資料は全てGoogle Colaboratoryというサービスを用いて執筆されており,各章はJupyter notebook (iPython notebook)の形式(.ipynb)で以下のリポジトリにて配布されています(notebooksディレクトリ以下に全ての.ipynbファイルが入っています): japan-medical-ai/medical-ai-course-materials 想定受講者¶ 受
JDLA Deep Learning 検定とは 概要 ディープラーニングに関する知識を有し、事業活用する人材(ジェネラリスト)と、ディープラーニングを実装する人材(エンジニア)の育成を目指します。各々に必要な知識やスキルセットを定義し、資格試験を行うとともに、協会が認定した事業者がトレーニングを提供します。 各々年二回実施予定。日進月歩する技術であることから、検定・資格実施年毎に実施年号を付与する。 (JDLA 活動概要 http://www.jdla.org/business/certificate/#education) 要するに、ビジネス職向け(G)と、エンジニア向け(E)の検定があり、今回は先行してG検定が実施されました。 ビジネス職向け(G)と書きましたが、後述の通り結構マニアックな設問もあり、実務を積んでいるエンジニアでも受ける価値があると思いました。 なお、JDLA(=一般社
この記事は2年前の以下の記事のアップデートです。 前回はとりあえずデータサイエンティストというかデータ分析職一般としてのスキル要件として、「みどりぼん程度の統計学の知識」「はじパタ程度の機械学習の知識」「RかPythonでコードが組める」「SQLが書ける」という4点を挙げたのでした。 で、2年経ったらいよいよ統計分析メインのデータサイエンティスト(本物:及びその他の統計分析職)vs. 機械学習システム実装メインの機械学習エンジニアというキャリアの分岐が如実になってきた上に、各方面で技術革新・普及が進んで来たので、上記の過去記事のスキル要件のままでは対応できない状況になってきたように見受けられます。 そこで、今回の記事では「データサイエンティスト」*1「機械学習エンジニア」のそれぞれについて、現段階で僕が個人的に考える「最低限のスキル要件」をさっくり書いてみようかと思います。最初にそれらを書
サービス終了のお知らせ NAVERまとめは2020年9月30日をもちましてサービス終了いたしました。 約11年間、NAVERまとめをご利用・ご愛顧いただき誠にありがとうございました。
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