Python + Matplotlibによる可視化を徹底解説した書籍がコードとともに全文無料公開されている Scientific Visualization: Python + Matplotlib… https://t.co/nUDWknajJh

ChatGPTとは？ OpenAIが開発するGPT-3という言語モデルをベースとした(執筆当時)チャットアプリです。 こちらの質問に対して、AIが色々な質問に答えてくれて、一般的な内容だけではなく、コードレビューやバグなども発見してくれるめっちゃ凄いやつです。 細かい内容は以下の記事がとても参考となります。 筆者の関連記事 VSCodeと連携して、ブラウザを開かなくてもChatGPTを使用できるようにする 通常はブラウザを開いて使用するのですが、コーディング中にサクッとレビューしてもらったり、バグを見つけてもらえるような拡張機能があったので、そちらの設定方法について記述してみます。 今回インストールする拡張機能 使用までの手順 環境 PC: MacBook Pro (Apple M2) OS: macOS Ventura 13.1 VSCode: v1.74.3 OpenAIの価格について

口上 『ゼロから作る Deep Learning ～ Python で学ぶディープラーニングの理論と実装』という本を買って深層学習の勉強をマターリしているのですが、 「そういえば情報検索や自然言語処理の実験でもよくやる交差検証 Cross Validation って意外に気にしてる人いないかも？」 と思ったので、自分でまとめることにしました。 もちろん、今までにも優秀な人達が記事を書いてくださっていますし（しかもググるとイパーイ出てくる）「もう知っているよ！」「やってるし！」っていう方は全く読む必要がないので、華麗にスルーして 1 回でも多く自分の学習のための Epoch を回した方がいいと思うのですが、もしお時間があって「よし粗探しでもしてやるか！」と思った奇特な方がいらっしゃったならばお読みいただいて、妙なところがあれば是非ご指摘・ご指導ください。 m(__)m 誰のための記事か？ 「

※こちらの記事がはてブの総合人気エントリ、noteの「先週もっとも多くよまれた記事」「先週もっともスキされた記事」に入りました！ こんにちは。 苦しんでプログラミングを学んだ柴犬こと、くるしばです。 元々コンサルタントの仕事をしていましたが、独学でプログラミングを学習し、Webサービスを作って起業しました。 その後個人で開発したサービスを売却したり、また別のIT系の会社を創業したりしています。 今年の8月から下記のTwitterにてプログラミング学習に関して発信し始め、ありがたいことに6000人以上の方々にフォローして頂きました。 プログラミング初心者に絶対覚えてほしい、ググる時の効率が10倍上がるコツ pic.twitter.com/hK1ZhNavwh — 苦しんでプログラミングを学んだ柴犬（くるしば） (@shiba_program) September 13, 2022

この記事はFIXER Advent Calendar 2021 21日目 の記事です。 皆さんこんにちは！FIXERの小倉です。 突然ですが、「gitmoji」って知っていますか？ gitmojiとはgit commitするときにコミットメッセージの先頭に絵文字を簡単に付けれるようになるツールのことです。 公式サイトはこちらからどうぞ（gitmoji | An emoji guide for your commit messages） これを導入することにより、そのcommitがどのような変更をしたのかということをアイコンを見るだけで把握できるようになります。 一文字のスペースで表せるので場所を取らないのも良いですね ただ、gitmojiを導入しようとしたときにこう思ったことはありませんか？ 「...え？こんなにたくさんあるの？これ全部覚えるのは大変でめんどくさくない？」 そうなんです。現

新人: 「本日データサイエンス部に配属になりました森本です！」 先輩: 「お、君が新人の森本さんか。僕が上司の馬庄だ。よろしく！」 新人: 「よろしくお願いします！」 先輩: 「さっそくだけど、練習として簡単なアプリを作ってみようか」 先輩: 「森本くんは Python なら書けるかな？」 新人: 「はい！大学の研究で Python 書いてました！PyTorch でモデル作成もできます！」 先輩: 「ほう、流石だね」 新人: 😊 先輩: 「じゃ、君には今から 3 時間で機械学習 Web アプリを作ってもらうよ」 先輩: 「題材はそうだなぁ、写真に写ってる顔を絵文字で隠すアプリにしよう」 先輩: 「あ、デプロイは不要。ローカルで動けばいいからね。顔認識と画像処理でいけるよね？」 新人: 😐 新人: (えぇぇぇぇぇぇぇ。3 時間？厳しすぎる...) 新人: (まずモデルどうしよう。てかもら

Jupyter Notebook ショートカット Jupyter Notebookで h で出てくるショートカット一覧をWindows,Mac共に全て日本語に訳しました。 探しましたが、日本語でWindowsとMacが全部載っている一覧表がなかったので、もしかしたら需要あるかも？ 覚えておいた方が良いコマンドだけ太字にしました。 Windows コマンドモード ショートカットキー 説明

動機 外資系のAmazonが展開している電子書籍Kindleでは比較的洋書の取り扱いが多いです。 Kindle Unlimitedに登録されている書籍も多く、Springerなんかも含まれているので活用しない手はありません。 そこでkindle-translatorをつくりました。 https://github.com/1plus1is3/kindle-translator これで一冊50万字あるKindleの洋書を1分で日本語PDFに変換できます。 キーボードの矢印キーでページ送りができるならKindleに限らずあらゆる電子書籍リーダおよびPDFビューワで使え、DeepLが対応している言語であれば英語以外の言語でも翻訳できます(仏→日とか)。 未経験からPythonエンジニアになって3ヶ月(うち1ヶ月は研修)が経ち、色々作れるようになった時点でつくったツールなので、改良すべき点もまだまだ

アカウントが作成できたらログインします。 そして、Anaconda Promptなどからpipでopenaiというライブラリをインストールします。 pip install openai Google Colaboratoryでも大丈夫です。 Google Colaboratoryであれば !pip install openai ですね。 そして、以下のモジュールをインポートします。 import os import openai API keyを設定します。 API keyはログインしたあと右上の"Personal"から"View API keys"をクリックすることで確認することができます。 そのAPIを以下のようにopenai.api_keyに設定します。 API_KEY = "受け取ったAPI key" openai.api_key = API_KEY これで前準備ができました。 文

こんにちは。 Apple Watchを購入して1年半経ちました。購入してモチベーションが上がり、運動もかなり継続的に行うことができたこともあって、この溜まってきたヘルスケアデータ使えないかなと思ったので、今回試してみました。 あ、ちなみにApple Watchは運動を習慣的にしていく仕組みが標準的に備わっているので、本当にめちゃくちゃおすすめです！個人的にはCellularモデルじゃなくても全然困らずに使えています。 ヘルスケアデータを出力する まずは溜まったヘルスケアデータを出力しましょう。 iPhoneのヘルスケアアプリを開いて、右上のアイコンを押しましよう。 そうしたら、下の方にある「すべてのヘルスケアデータを書き出す」を押します。 出力が終わるまで少し時間がかかるので、気長に待ちましょう。 出力が終わると共有メニューが開くので、好きな方法でデータを転送しましょう。筆者はAirDro

本題のチートシートはこちら PNG SVG https://d.kuku.lu/6b5cc7b0a9 から DL できます 作った理由 git って他人に概念を説明するのって難しいし、自身も何度も反復させないと定着しなかったなあという感覚を持っていたので作ってみました 所感 こちらの Git チートシートですが、この中に盛り込めなかった内容で 第2段 を作成しようか考え中です 皆さまのオススメの便利コマンドとか、この内容は必須だろ！的なものがあればをご教示いただければ幸いです もし誤りがあれば、作者の心が折れない程度にご指摘いただければ幸いです あとがき ここまで反響を頂けるとは思っておらず、嬉しい限りです・・・本当にありがとうございます・・・！！ また、図は全て自作です。図における言語は英語、説明は日本語、と言う形に統一しました。（吹き出し部分だけ日本語になっていたのでこちらは修正しまし

前書き データ視覚化ライブラリのseabornにはsetメソッドというものがあり、それを使うと簡単にプロットのデザインが変更できます。今回はsetのなかのstyleとpalettの使い方をまとめました。 styleはチャートの背景のグリッドの有無や色、palettはチャート自体の色合いを調整します。 seaborn.setのより詳細な情報はこちら(seaborn公式サイト) 視覚化をするデータの作成 import pandas as pd import numpy as np df = pd.DataFrame({'a': np.random.randn(100), 'b': np.random.randn(100), 'c': np.random.randn(100), 'target':np.random.randint(2, size=100)})

アクセスしましたら「download」をクリックします。 続いて、Windowsであれば「FLAC for Windows」をクリックします。 するとダウンロードファイルの一覧が表示されます。 その中で一番新しいものを選びます。今回はflac-1.2.3-win.zipを選びました。 ファイルをダウンロードして解凍します。 フォルダの中身を確認します。 win64フォルダーを開きます。すると「flac.exe」が入っていますのでこれをコピーします。 ここからが特殊ですので、しっかり操作してください。 コピーしたflac.exeを「C:\Windows\System32」内にペーストします。 そして、ファイル名を「flac.exe」→「flac」に変更します。拡張子を削除してください。 これは、ソースコードによると、 exe拡張子のないflacを検索しているからです。それが失敗した場合は、モ

import matplotlib.pyplot as plt n_row, n_col = 2, 2 fig, ax = plt.subplots(n_row, n_col, figsize=(8, 6)) # 描画領域が1列 or １行のときaxはベクトルですが、それ以外は行列になるので # 各要素へのアクセス方法に注意 for i in range(n_row): for j in range(n_col): ax[i, j].plot([1, 2, 3, 4, 5]) ax[i, j].set_title(f"ax[{i}, {j}]") fig.suptitle("Main title") fig.tight_layout() plt.savefig("multi_plots.png") import matplotlib.pyplot as plt fig, ax = plt.