機械学習を仕事に使うには？ 03_Pythonのコーディング手順 - Qiita
株式会社デジサク がお送りするプログラミング記事、 今回はAI（機械学習）の具体的なコーディング手順を扱います。 ※ 無料セミナーも開催中なので、ぜひご覧になってみて下さい。 はじめに これまで「機械学習を仕事に使うには？」というテーマで記事をお届けしてきましたが、 第３回の今回は「Pythonのコーディング手順」をテーマに、具体的なプログラミングを紹介します。 バックナンバーも読んで頂くと機械学習の基礎からPythonのコーディングまで全体を理解できますので、ぜひご活用ください。 第１回：機械学習の目的を理解する 第２回：AI開発のプロジェクト全体像 SNS でも色々な情報を発信しているので、記事を読んで良いなと感じて頂けたら Twitterアカウント「Saku731」 もフォロー頂けると嬉しいです。 機械学習に必要なプログラミングスキル まず、機械学習を習得するために必要なスキルは下記
Pythonのフレームワークを理解するために必要な知識メモ - Qiita
Pythonの本を読んで学んだことをメモしてきます Pythonの勉強中です。読んだ本に関しては、以下ブログ記事参照下さい。 内容的には、この記事では、特にPythonで書かれたフレームワーク（具体的にはTensorFlow、PyTorch等のディープラーニングのフレームワーク）を理解するのに必要だった知識を中心にメモしています。 以下は前提です。 当方、永遠の初心者です。優しくして下さい Pythonの基礎中の基礎は理解している読者を想定しています printの次行の#行は、出力結果を意味します コメント、編集リクエスト歓迎です しばらくは、随時追加、修正していく予定です。 全体的な話 Pythonは全てがオブジェクト Pythonは全てがオブジェクトらしいです。雰囲気でオブジェクト指向をやっているので、あんまり意味がわかってないです。 クラスすらオブジェクトらしいですが、それがどういう
PyTorchでBERTなど各種DLモデルを作りながら学ぶ書籍を執筆しました - Qiita
PyTorchでBERTをはじめとした、各種ディープラーニングモデルを、実際に実装しながら学ぶ書籍を執筆しました。 つくりながら学ぶ! PyTorchによる発展ディープラーニング（小川雄太郎、マイナビ出版） https://www.amazon.co.jp/dp/4839970254/ Amazonでは7月29日が発売予定となっています。 ディープラーニングの基礎的な内容（畳み込みニューラルネットワークを用いた画像分類など）を実装してみて、さらに発展的な内容を学びたい方や、PyTorchを使いたい方に向けて執筆いたしました。 本書がお役に立てそうであれば、ご活用いただければ幸いです。 本記事では、 ・書籍の概要 ・各章の詳細 を紹介いたします。 本書の概要 本書はディープラーニングの応用手法を、実装しながら学習していただく書籍です。 ディープラーニングの基礎的な内容（畳み込みニューラルネッ
Pythonプログラムをしっかりと書く虎の巻 - Qiita
Pythonを今まで適当に書いてきましたが、プログラムをしっかりと作りたいと考え、いろいろ勉強・調査しました。そこで学んだことをこの記事に書きます。 参考情報 Google Python Style Guide: 全部読み切れていませんが、いいこと書いてあります。 エキスパートPythonプログラミング改訂2版: 初中級というより中級者向け。読み飛ばしている部分も多いですが、懐に置いておいて必要時に読みたい本。一皮むけたい人にはとてもおすすめ。 コーディング規約 PythonにはPEP8というコーディング規約があります。せっかくあるので従うべきでしょう。PyCharmのようなIDEを使うと警告を出してくれるので効率よくPEP8に準拠したプログラムを書くことが出来ます。 私感で重要と考えるものだけ簡潔に抜粋しておきます。 コードのレイアウト 1レベルインデントするごとに、スペースを4つ使う
async/await 入門（JavaScript） - Qiita
はじめに 今更ですが、JavaScriptのasync/awaitに関する備忘録になります。 「今まで$.Deferred()やPromiseなどで非同期処理は書いたことがあるが、async/awaitはわからない」 「$.Deferred()やPromiseなどの非同期処理の書き方より、もっと簡潔に書ける書き方があれば知りたい」 「今までの非同期処理の書き方と比べて何が良いのかわからない」 といった人達向けの記事です。 $.Deferred()やPromiseなどで非同期処理を書いたことがある前提のため、非同期処理自体に関する説明は記載しておりません。 記載している利用例のコードはChrome（最新）のコンソール上で動きますので、コンソール上で実行して動作を確認してみると理解が深まりやすいと思います。 本記事で用いている用語 Promiseを返す Promiseオブジェクトを返すこと。
無料のGoogle Colabで美少女イラストのKeras+GANs線画着彩 - Qiita
はじめに 定番のGANs（pix2pix）線画着彩を、無料のGoogle Colabでやってみました。 教師データが大きく、また学習時間も長いので、Colabでやるには多少工夫が必要です。 https://colab.research.google.com/ pix2pixの説明は、他の方の分かりやすい記事を見て頂くとよいかと思います。 先にU-Netを理解してからだと、pix2pixの理解が早いと思います。 https://qiita.com/koshian2/items/603106c228ac6b7d8356 https://qiita.com/mine820/items/36ffc3c0aea0b98027fd 事前準備 美少女イラストを収集・厳選・加工し、線画と着彩のデータセットを用意します（以下参考）。 https://www.mathgram.xyz/entry/scrapi
GLSLで物理ベースシェーディング - Qiita
GLSLで物理ベースシェーディングを試すために、いろいろなBRDFを実装してみました。 サンプルを以下においておきました。マクロで使用するBRDFを変更することができます。 http://glslsandbox.com/e#54592.0 マウス位置のx方向でroughnessパラメータを、y方向でmetallicパラメータを変更することができます。 下準備 BRDFを定義する際に使用する変数です。 \begin{eqnarray} \rho_{d}&:& 拡散リフレクタンス\\ \rho_{s}&:& 鏡面リフレクタンス\\ \vec{n}&:& 法線(normal)ベクトル\\ \vec{v}&:& 視線(view)ベクトル\\ \vec{l}&:& 光源(light)ベクトル\\ \vec{r}&:& 反射(reflect)ベクトル\\ \vec{h}&:& ハーフ(half)ベクト
ドラクエ4風のAIバトルを深層学習で作ってみた - Qiita
はじめに みなさんはRPG、そしてAIバトルと聞いて、何を想像しますか？ 著者にとって真っ先に思い出されるのは、それは、1990(平成2年)に当時のエニックス社から発売されたドラゴンクエストIV（以下ドラクエ4）に他なりません。バトル上での経験がその後のプレイヤーの行動パターンに影響を与えるという、その斬新なシステムに衝撃を受けた記憶が今でも鮮明に残っています。 さて、ドラクエ4はバトル上の経験を学習して、次の行動に影響を与えるという点で、ある意味で現代の機械学習に通ずるものがあります。もちろん1983年（昭和58年）発売のファミリーコンピュータ（1.79MHzの8bit機）では、スペック上の理由により高度な推論は到底望めません。ですが令和の今なら深層学習（ディープラーニング）を使って、もっと思い切ったことが出来るよね、というモチベーションで本記事を書いてみました。 なお、私自身はRPGお
自作JSの読み込みはbodyの最後に書いたほうがいいのに、なんで外部ライブラリはheadにあるんでしょうか？ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 調べるキッカケ 最近フロントエンドを触り出して、JQueryの勉強（初歩中の初歩）をしていたのですが、 「JSの読み込みはbodyの最後に」という決め事があるようで、ちょっと気持ち悪いので調べていました。 すこしググると見解として、 HTML中にJavaScriptファイルを読み込む記述があると、そのJavaScriptを読み終わるまで、ウェブページのレンダリング(描画)が止まってしまうからです。 https://allabout.co.jp/gm/gc/380498/2/ などと記載されていて、なるほどと思ったのですが、 Qiitaの
【2019年】データ分析・可視化に本気でおすすめのツール30選（ノーコード型ツール含め） - Qiita
1.一般的なチャート （1）RAWGraphs RAWGraphs はクラウド型、オープンソースのデータ視覚化ツールであり、 Excelのデータを処理するためによく使われます。RAWGraphsにデータをアップロードし、ほしいグラフを設計して、 SVGかPNGの画像に出力すれば済みます。RAWGraphsにアップロードされたデータは Web側でのみ処理されるので、 データの安全を保証できます。 （2）ChartBlocks ChartBlocks はグラフ作成のオンラインツールであり、スマートデータインポートガイドに従えば、データのインポートとグラフの設計を簡単に完了します。グラフを SVG、PNG、JPEGの画像や PDFへの出力が可能です。また、 Facebook やTwitter などのSNSで作ったグラフを共有するだけではなく、生成したグラフのソースコードを Webサイトに埋め込む
【Python】🍜可愛い店員さんがいるラーメン店を食べログ口コミから自然言語処理で抽出してみた。🍜 - Qiita
１.簡単な概要 この記事では都内ラーメン屋の食べログ口コミを自然言語処理して、「可愛い店員さんがいるラーメン店」を探す方法について解説していきます。 先日、食べログの口コミを読んでいる中で、「美人すぎるラーメン店主」という世の男性なら思わず「なぬ！」と立ち止まってしまうワードを見つけたので、ガチで調べてみたら面白そうだなと思いやってみました。 まずは、口コミデータの取得から。 ２.口コミデータの取得 詳しくはこちら↓↓で説明しています。 第１弾：【Python】ラーメンガチ勢によるガチ勢のための食べログスクレイピング 口コミを１件ずつ取得した後に、データフレームにまとめました。 ※食べログ規約にもとづき口コミに関する箇所にはモザイクをいれております。ご了承ください。 ３.可愛い店員さんがいるお店の定義 可愛い店員さんをどのようにして探すかが一番のポイントですが、 まずは、文章の中で「可愛い
ブロックチェーンを作ることで学ぶ 〜ブロックチェーンがどのように動いているのか学ぶ最速の方法は作ってみることだ〜 - Qiita
この記事について この記事はDaniel van FlymenさんのLearn Blockchains by Building One - The fastest way to learn how Blockchains work is to build oneを本人の許可を得て翻訳したものです。 このブロックチェーンのリポジトリではPython以外での言語の実装者の募集も行われているので、興味がある方は是非どうぞ！ また、この翻訳で出てくる日本語版のリポジトリはこちらにあるので是非参考にしてみてください。 はじめに あなたがここにいるのは、私と同じように、暗号通貨の盛り上がりに対して心構えが出来ているからだ。そしてあなたはブロックチェーンがどのように動いているのか -その裏にある基本的なテクノロジー- を理解したいと思っている。 しかしブロックチェーンを理解するのは簡単ではない、少なくと
Kaggleに登録したら次にやること ～ これだけやれば十分闘える！Titanicの先へ行く入門 10 Kernel ～ - Qiita
Kaggleに登録したら次にやること ～ これだけやれば十分闘える！Titanicの先へ行く入門 10 Kernel ～PythonKaggle 事業会社でデータサイエンティストをしているu++です。普段ははてなブログ1で、Kaggleや自然言語処理などデータ分析に関する記事を定期的に書いています。 Kaggleでは2019年に「PetFinder.my Adoption Prediction」2というコンペで優勝（チーム）し、「Santander Value Prediction Challenge」3というコンペで銀メダルを獲得（個人）しました。「Kaggle Master」と呼ばれる称号4を得ており、Kaggle内ランクは、約16万人中最高229位です5。 本記事では「Kaggleに登録したら次にやること」と題して、Kaggleに入門したい方に向けて次のようなコンテンツを掲載します。
TensorFlow・KerasのTutorials・Examplesソースコード集 - Qiita
ネット上で無料で手に入る、TensorFlowとKerasのソースコード集を集めました。 眺めたり実際に動かしたりして理解を深めたい人向け。 他にも良いサイトがありましたらお知らせください。 (★の数は、個人的なおすすめの度合いを表しております。レビュー文も含め、個人の主観が多分に含まれていますのでご注意ください。) Hvass-Labs/TensorFlow-Tutorials: TensorFlow Tutorials with YouTube Videos (★★★) URL : https://github.com/Hvass-Labs/TensorFlow-Tutorials 一通りの内容が揃っている上、jupyter notebookだけでなくなんとGoogle Colabでもソースが公開されているため、リンクに飛べばその場ですぐにコードを実行することができる。 しかもyout
Dialogflowで音声ファイル読み出し メモ - Qiita
はじめに 最近、中国語の勉強をはじめまして、それの役に立つアプリをGoogle Home用に作りたいなー、ということで試してみました。 こちらが何か言ったら、それに対してmp3などの音声ファイルで返してくれるだけのものを作ります。 つかいかた SSML (Speech Synthesis Markup Language）を使います。公式の説明はこちらです。SSMLにaudioタグが用意されているので、それを使ってintentのresponseを以下のように返すだけです。 公式の説明にある通り、mp3, oggファイルが使えます（モノラル推奨）が、ソースのURLはhttpsの必要があるので注意してください。自分はGoogleのCloud Storageを使ってます。 困っているところ。 SSML内で言語を変更したいのですが、今のところ上手くいきません。
【翻訳】データアナリストからデータサイエンティストへの道~AIに仕事を奪われる事を心配しないで - Qiita
仕事の関係で取引先のIT部門と付き合うことが多いので、今の仕事がいつかAIに奪われるか心配しているという話はよくデータアナリストから聞きました。確かに、分析業務がツールやAIによって自動化されているトレンドで、企業の課題に対するデータの解析を主な仕事内容とするデータアナリストはだんだん無くなる恐れがあります。したがって、たくさんのデータアナリストはデータサイエンティストに進めると考えているのです。 2013年の日経新聞の記事ですが、米調査会社ガートナーによると、日本でも将来的には25万人ものデータサイエンティストが不足する見通しです。 ネットで調べると、データサイエンスとデータアナリストの違いに関する内容は多いですが、どうやってデータアナリストからデータサイエンティストになれるかについての日本語の内容はほとんどないようです。 今回はイギリスのデータサイエンティストであるBen Stanbu
最新最強の物体検出技術M2Detを動かしてみた - Qiita
はじめに 先日以下の記事を書きました。 最新最強の物体検出技術M2Det で、著者らによる実装がGitHubで公開されたので動かしてみると共にSSDとざっくり比較しました。結論を言ってしまうと、今回試した範囲ではM2DetはSSDよりも遅かったですが、特に小さな物体に対する検出精度がかなり高いです。 実験環境 今回はASUSのゲーム向けラップトップROG ZEPHYRUSGX 501GIを使いました。GTX 1080を積んでるにも関わらずまぁ持ち歩けなくはないというレベルのサイズを実現している優秀なマシンです。スペックはざっとこんな感じです。 CPU: Intel Core i7-8750H @ 2.2GHz MEM: 24GB GPU: NVIDIA GeForce GTX 1080 Max-Q OS: Ubuntu 16.04 LTS 実装 冒頭にも書いたように著者らの実装をそのまま使
ゼロからディープラーニングをはじめて10ヶ月で医学学会に論文を出すまで - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに 2018年4月から2019年2月までの10ヶ月の活動記録をまとめてみました。 基礎編はプログラミング初学者の私がPythonとKerasを勉強した過程、 実践編は医療機関で医用画像認識のお仕事をいただいたときに読んだ主要な論文です。 番外編にやってよかった勉強会について書いてみました。 ここで取り組んだいくつかの論文（共著）が医学学会でアクセプトされたのはとてもありがたいことでした。 まずはじめに、2018年4月の私と、2019年2月の私の比較です。 2018年4月 あーPythonね。ヘビ飼ってんの？ パソコン詳しいひとがい
Pythonの可視化ライブラリDashを使う 1 - Qiita
口上 データを扱う際に大事なのはそのデータをよく見ることです。 データを見て、そのデータをどう扱うか考える。そのデータを深く理解すれば、これまで以上にデータが活かせます。 可視化のライブラリはたくさんあり、どれを使ってよいかが難しいですが、私の最近のおすすめはDashです。 このライブラリは、Flask、React、Plotlyが組み合わされて作られており、ウェブアプリケーションに簡単にできます。また、下のように動きのあるグラフが簡単に作れるところも良いところです。 また、タブでページを分けられるので、プレゼンテーションのような利用の仕方も出来ます。これまで、データを扱うプレゼンテーションって退屈なことが多かったと思います（私だけかもｗ）。その理由は、多くのデータを扱っている割に、発表時はそこから切り抜かれたものしか扱えないという制約が大きかったと思います。 しかしこのライブラリを使えば、
開発が捗るかもしれない(面白い)ダミー画像,テキストまとめ - Qiita
開発でいちいちダミーの画像とかテキストを作るのがめんどくさかったりしますよね。 VSCodeとかだとHTML入力時にloremと打つと自動でスニペットがlorem ipsumを挿入してくれたりします。 Lorem ipsum - Wikipedia だけどloremだけじゃつまらない! そんなあなたの為にダミー画像、テキストをまとめました。 他にもあったらぜひ教えてください！(随時追加します, 編集リクエストだと嬉しい) 代替のネタ元は→APIs you didn't know you needed ダミー画像関係 Placeholder.com 好きなサイズのダミー画像をかえしてくれる。(これは有名かも?) ちなみにテキストも入れられるらしい。便利！ 以下サンプル https://via.placeholder.com/200x100 https://via.placeholder.co
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
