ブラウザでVS codeが使えるクラウド IDEの大本命「Coder」 - Qiita
TL;DR ブラウザ上でほぼVS codeが使えるクラウドIDEサービス「Coder」 他のVS codeライクのクラウドIDEと異なるのは「拡張機能がそのまま使える」。大半の拡張機能を利用可能 現在はアルファ版 ChromebookやiPadでの利用も想定している Dockerコンテナにプロジェクトを作成するので自由度が高い 無料プランでも十分に使える。他のクラウドIDEと比べて月額費用が安い Fast Time機能を使うと時間制で96CPUコア、メモリ16GBが利用可能(課金で殴る開発駆動) コラボ機能で1つのプロジェクトで複数ユーザでペアプログラミングができる(未確認) きっかけ 2019年2月28日の夜、「あれ、VS codeライクなクラウドIDEってなんて名前だっけ？」という疑問から 「Cloud IDE vs code」 でググったところ以下の検索結果が表示。 ここで目的である
あなたの文章に合った「いらすとや」画像をレコメンド♪（アルゴリズム解説編） - Qiita
はじめに 本記事はあなたの文章に合った「いらすとや」画像をレコメンド♪シリーズの第2回、アルゴリズム解説編です。 文章を与えると、それに近い意味を持った「いらすとや」画像を探してレコメンドしてくれるアプリのアルゴリズムについて解説します。 機能概要は第1回、あなたの文章に合った「いらすとや」画像をレコメンド♪（機能概要編）をご参照ください。 アルゴリズムの概要 本アプリの基本的なアイディアは次のとおりです。 与えられた文や画像の説明文を、それぞれ文の分散表現（つまりはベクトル）に変換する。 与えられた文と画像の説明文の意味の近さを、それぞれの文の分散表現を使って計算する（意味の近さ = 2つのベクトルのなす角の小ささ = コサイン類似度の大きさとする）。 コサイン類似度が大きい説明文を持つ画像トップN個を選ぶことで、与えられた文と意味が近い画像を発見できる。 模式図にすると、次のようになり
Service Workerの基本とそれを使ってできること - Qiita
Service Workerとは ブラウザが Web ページとは別にバックグラウンドで実行するスクリプト オフラインのアプリを実現・サポートするために作られたものです ちなみに、ブラウザの対応状況はこんな感じ http://caniuse.com/#search=service%20workers 特徴 DOM にアクセスできない DOM を操作したい場合は、Service Worker がコントロールしているページ(js)と postMessage でメッセージのやり取りをして行う リクエストをプロキシすることが可能 Service Worker はブラウザが必要に応じて起動・終了するので、変数の値を保持しておけない Cache、IndexedDB 等で値を保存して、必要になった時に取り出すようにする Promise を多用する https か localhost 上でしか動作しない ラ
画像処理100本ノックを「Google Colaboratory」で楽々学習 - Qiita
画像処理100本ノックとは 以下のような素晴らしい記事を発見しました。 https://qiita.com/yoyoyo_/items/2ef53f47f87dcf5d1e14 （リンク切れ） 画像処理を、OpenCV等の高度なライブラリを使わず行うことで、画像処理の理解を深める、非常に有用な練習問題集です。自分も画像処理の基礎を学びなおしたかったので、自己学習のため活用させていただくことにしました。 ただ、初学者にとってハードルになりそうなのが、環境構築のところです。GitHubのREADMEに丁寧に描かれているのですが、初学者にとっては難易度高く、時間もかかります。また、自宅以外の環境でちょっと学習したいときなどにも不便です。 そんな手間を解消するために、Googleが提供している環境構築不要・無料でPythonの開発が可能なWebサービス「Google Colaboratory」を使
StyleGAN「写真が証拠になる時代は終わった。」 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ・各convolution層後にstyleの調整を行う ・細部の特徴（髪質やそばかす）はノイズによって生成される ・潜在変数$z$を中間潜在変数$w$にマッピングする ・これまでのGANのようにGeneratorの入力層に潜在変数$z$を入れることはしない Style-based generator A：$w$をstyle($y_s,y_b$)に変えるためのアフィン変換 $y_s,y_b$はチャンネルごとに値をもつ B：ノイズは1チャンネル画像から成る convの出力に足し合わせる前に、ノイズをチャンネルごとにスケーリングすることを意味
オレ プログラム ウゴカス オマエ ゲンシジン ナル - Qiita
import requests import json import sys BASE_URL = "https://api.ce-cotoha.com/api/dev/" CLIENT_ID = "オマエ アイディ イレル" CLIENT_SECRET = "オマエ シークレット イレル" def auth(client_id, client_secret): token_url = "https://api.ce-cotoha.com/v1/oauth/accesstokens" headers = { "Content-Type": "application/json", "charset": "UTF-8" } data = { "grantType": "client_credentials", "clientId": client_id, "clientSecret": cli
📃 Webページをそのままの状態でローカルに保存するツールを作った話 - Qiita
はじめまして。yamaimo (@yarnaimodev) です。Qiita 初投稿...というかネット上にちゃんとした記事を上げるの自体初めてな気がします。 1998 年生まれで、プログラミングとか Web デザインは独学で 3 年ぐらいやってます。TypeScript / Firebase / Node.js / React あたりが特に好きです。 この前 coliss で紹介された Can't Unsee を試してみたら 1 回目が 7,630 点、2 回目が 7,930 点でした。1 小規模ですが Mastodon インスタンスを管理してます。あと Helix キーボード をこの前組み立てた2んですがキー配列を変えたのがなかなか覚えられなくて死んでます。 開発環境は基本的に WSL + Hyper + fish shell と VSCode です。 今回 Puppeteer を使っ
データ分析で頻出のPandas基本操作 - 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 機械学習や深層学習が人気の昨今ですが、それらのモデルの精度に最もクリティカルに影響するのはインプットするデータの質です。データの質は、データを適切に把握し、不要なデータを取り除いたり、必要なデータを精査する前処理を行うことで高めることができます。 本頁では、データ処理の基本ツールとしてPandasの使い方を紹介します。Pandasには便利な機能がたくさんありますが、特に分析業務で頻出のPandas関数・メソッドを重点的に取り上げました。 Pandasに便利なメソッドがたくさんあることは知っている、でもワイが知りたいのは分析に最
Google ColabのTPUで対GPUの最速に挑戦する
前回の記事が思わぬ反響で驚愕していますが、今回はColabのTPUを限界まで試してみたいと思います。特殊な条件にするとColabのTPUは、GPU比で20倍以上速くなることがわかりました。しかも無料です。それを見ていきましょう。 TPUがGPUと比べて速くなる条件とは 前回の結果からTPUがGPUと比べて速くなる条件は2つあることがわかりました。 多層パーセプトロン（MLP）よりも畳み込みニューラルネットワーク（CNN）であること バッチサイズを大きくできること 1点目ですが、CNNだから速いのではなく、CNNがパラメーター数の割に計算量が多い、つまり訓練時間のうち計算量が支配的になるからと捉えることもできます。なぜなら、CNNは1つの畳み込みフィルターでパラメーターを使いまわしするのですから。 またGPUで行ったフレームワーク別の調査をTPUに適用したところ、TPUではモデル（ResNe
好きな言葉で呼びかけられるGoogle HomeをDIYする - Qiita
Sansan Advent Calendar 2017の8日目の記事となります。 最近半額なことで話題のGoogle Homeを自作します。 再入荷の知らせを見てよっぽど買おうかと思いましたが、中身はほぼほぼGoogle Assistant SDKなのでエンジニアらしくDIYすることにします。 今回やりたいこと 普通にラズパイでGoogle Assistant SDKでGoogle Homeっぽいものをつくるものよいですがせっかくなので、ウェイクワード(Google Assistantが声認識をスタートするキーとなる言葉)を好きなものに変更できるような仕組みを、Snowboyを使って一手間入れてみます。 仕組み Snowboyで事前に設定したウェイクワードを待ち受け ウェイクワードを認識したらGoogle Assistant SDKを呼び出して声認識を開始し、都度フィードバック 1に戻る
Google Colaboratoryで初めての機械学習 - Qiita
はじめに ディープラーニングというワードは聞いたことがあるけどどこから手を出したら良いかわからないという人向け。 PythonとかCNNとかKerasとかさわったことない初心者が画像分類やるぞという記事です。 SIGNATE Data Science Competitionに参加して初めてディープラーニングを触ってみたところとっつきやすかったので知見を残したいというのが本記事投稿のきっかけです。 Google Colaboratoryとは Google Colaboratory(以下、Colab)は、クラウドで実行されるJupyterノートブック環境である。 機械学習などの基本的な環境構築は設定済みで、Tesla系のK80 GPUを無料で最大12時間まで使えるという神環境。 機械学習初心者からそれなりの規模までの学習の実行を行うのに適している。 今回やること Colabを初めて使うときの設
途中分岐するニューラルネットワークの書き方と精度 - Qiita
この記事は畳み込みニューラルネットの規模と正答率の実験の続きのようなもの。 また、自身のブログ、Data Science Struggleを翻訳したものになる。 概略 ニューラルネットワークはその設計において、広い自由度を持つ。多くのレイヤーを持たせることやネットワークの途中からデータを入力として受け付けることなど、設計者次第で短くも長くもシンプルにも複雑にもなる。 tensorflowなどのフレームワークを使用すれば下記の図のようなシンプルなニューラルネットワークは比較的簡単に作成することができる。 今回は、上記の図のようなニューラルネットワークではなく、下記の図のような、途中で枝分かれをしたニューラルネットワークを作成していく。 この記事の基本的な目的は以下の二点の確認になる。 枝分かれをしたニューラルネットワークをどのように書くか 精度の面でどのような特徴が見られるか Tensorf
ディープラーニングで音声分類 - Qiita
ディープラーニングで音声分類 勉強がてらディープラーニングで環境音・自然音の分類をやってみました。 データセットはESC-50を使用します。 コード全文。 やったこと 環境音・自然音をConvolutional neural networkで分類します。 対象は動物の鳴き声や雨の音、人間の咳、時計のアラーム、エンジン音のような声（言葉）のない音です。 これらの音を使って、以下の手順で分類器をつくりました。 音声データの前処理 2. データの入手 3. Augmentation 4. メルスペクトログラム 5. データの用意 CNNで分類 CNNの定義 最適化関数にAmsgradを採用 学習データにmixupを採用 音声データの前処理 ESC-50は環境音を50クラス、2,000ファイル集めたデータセットです。 クラスには以下があります。 50クラスで各クラスのデータが40ファイルずつ用意さ
株取引AI “AI Deep Kabu” を作り10ヶ月公開運用した知見：インフラ構成・料金、収益化難度、除外すべき銘柄 - Qiita
TL; DR 実物はこちら https://ai-deep-kabu.com/ https://blog.ai-deep-kabu.com/ https://twitter.com/ai_deep_kabu ※この記事では人工知能のアルゴリズムについては言及しません（商売道具になるかもしれないので🤫） ※この記事では以下の内容を扱います 作成したWebサービスのインフラ構成 現在のシミュレーション損益値等 Webサービスを保守運用して気付いたこと 作成したWebサービスでは下記のことを行いました その日に買うべき・手仕舞い（売る）するべき株式を自作アルゴリズムに推薦させた その推薦結果をtwitterとブログで毎日無料配信した 仮にその情報に沿って売買した場合、最高で 2,290,530円 （約230万円）の確定した利益がでていた（含み益ではない） #今回のプロジェクトから得られた教訓、
カプセルネットワークはニューラルネットワークを超えるか。 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 先日、こんな記事が上がっていました。 グーグルの天才AI研究者、ニューラルネットワークを超える「カプセルネットワーク」を発表 中々刺激的なタイトルですね。 ニューラルネットワークといえば、近年の機械学習分野を支える最も大きな技術の一つであると言えます。そんなニューラルネットワークを超えたカプセルネットワークとは一体何なのでしょうか。また、本当にニューラルネットワークを超えたのでしょうか。 本記事では、カプセルネットワークの仕組みを理解することで、従来のニューラルネットワークとの違いを比較していきます。 CNN カプセルネットワークに触れ
追伸。そろそろおまえもstationでslackやWebアプリを一括管理をするように。 母より - Qiita
みなさん、slackを開きすぎてブラウザのタブが煩雑になったりしていませんか？ gmailやtwitter,GoogleDrive,githubのタブを開いたり閉じたりめんどくさくないですか？ stationを使うと、Webアプリを一括管理できて、ブラウザで見るより効率化できます。 自分はプログラム歴13年、フリーランス歴4年の@望月と申します。 stationをもう6ヶ月以上使っていて、とても良いアプリだと感じたので紹介しようと思いました。 stationを使う事でブラウザでWebアプリ開きすぎ問題を解決しました。 今回はstationの概要と登録したアプリ、使用感を紹介します。 stationは誰でも簡単に使えるので、アプリを一括管理して効率化しましょう！ stationってなに？ https://getstation.com/ stationはモダンな人の為のスマートワークステーショ
GoogleがPerfumeのライブに技術提供した「Reframe Visualization」をKeras/Scikit-learnで再現する - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Perfumeが紅白歌合戦でディープラーニングについて言及して話題になりましたが、それに関連する技術がGoogleのブログで公開されていたので再現してみました1。本来はColud Vision APIを使ったとのことですが、精度や速度を犠牲にすれば、普通のPCかつ1人でも実装できてしまいます。その方法を書いていきます。 訂正：Googleが使ったではなく、正しくはライゾマティクスに使っていただいただとのことです。失礼いたしました2。タイトルも訂正いたしました。 元ネタ こちらのブログに詳しく書かれています。 Perfume とライゾマテ
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
オレオレ流Python可視化 チートシート ※随時更新※ - Qiita
Google Colabでまた日本語表示が豆腐不可避な方に - Qiita
Python 割と使うライブラリ集 - Qiita
