Pythonの軽量WebサーバBottleの使い方 - MyEnigma
Pythonエンジニア養成読本［いまどきの開発ノウハウ満載！］ (Software Design plus)posted with カエレバ鈴木 たかのり,清原 弘貴,嶋田 健志,池内 孝啓,関根 裕紀,若山 史郎 技術評論社 2015-04-17 Amazonで最安値を探す楽天市場で最安値を探すYahooショッピングで最安値を探す 目次 目次 はじめに ルーティング HTTP用ツール GETメソッド POSTメソッド PUTメソッド DELETEメソッド Request Response テンプレートエンジン ファイルの送受信 ファイルの受信 ファイルの送信 Cookieの設定 Cookieの設定 Cookieの取得 Cookieの削除 HTTPステータスコードのハンドリング HerokuでBottleを使う時にIPアドレスとポートを設定する webサーバを起動した時に、自動でwebブラ
High performance python computing for data science
cvpaper.challenge の Meta Study Group 発表スライド cvpaper.challenge はコンピュータビジョン分野の今を映し、トレンドを創り出す挑戦です。論文サマリ・アイディア考案・議論・実装・論文投稿に取り組み、凡ゆる知識を共有します。2019の目標「トップ会議30+本投稿」「2回以上のトップ会議網羅的サーベイ」 http://xpaperchallenge.org/cv/
PyCharm を使って仮想環境に Pyramid プロジェクトを作成する...？ - Qiita
これまでのあらすじ 諸事情により最近 Android Studio を使っているので、ついでに Python の開発環境も PyCharm にしてみようと思った。普段は packer で作った VirtualBox の仮想環境に入って Vim 使ってる。 ホスト: Mac OS X 10.9.2 ゲスト: Ubuntu 14.04 LTS PyCharm: 3.4 ゲストは shiguredo/packer-templates で作ったあと vagrant ユーザーじゃなくて新たにユーザー (drillbits) を作って vagrant ssh じゃなくて普通に ssh ログインできるようにしてある。 あと apt で入る Python3.4 には ensurepip ないので普通にビルドしてある。 PyCharm のインストール はい http://www.jetbrains.com/
データサイエンティストを目指す人のpython環境構築 2016 - Qiita
pythonの環境構築について "python 環境構築"でググると20万件くらいヒットしますが、割と内容が古いです。 タイトルにはデータサイエンティストと書いてありますが、データサイエンティスト以外にもanacondaはおすすめです。 2.x or 3.x? 3.xは動かないライブラリが多いので2.x推奨 > 3.xで動かないライブラリがある、くらいまで来ました。 easy_installでpipを入れて、setuptoolsも入れて、でもwheelというのもあって... > 古いです。 virtualenv 必須 > そんなこともないです。 winでは64bitは不具合が多いので32bit推奨 > 古いです。 winでは非公式バイナリからダウンロードしてインストール > お世話になりましたが、最近は使っていません。 2016版 OS毎python環境構築法決定版 Windows: an
Linux Python アプリを構成する - Azure App Service
この記事では、Azure App Service で Python アプリが実行される方法、既存のアプリを Azure に移行する方法、および必要に応じて App Service の動作をカスタマイズする方法について説明します。 Python アプリは、必要なすべての pip モジュールと共にデプロイする必要があります。 App Service の展開エンジンでは、Git リポジトリやビルド オートメーションが有効なZIP パッケージをデプロイする際に、自動的に仮想環境をアクティブにし、pip install -r requirements.txt を実行します。 このガイドでは、App Service の組み込み Linux コンテナーを使用する Python 開発者のために、主要な概念と手順を示します。 Azure App Service を使用したことがない場合は、まず Python
機械学習初心者が、素早く学べるコンテンツとライブラリ19選（Python編） - paiza times
Photo by Horia Pernea こんにちは。谷口です。 最近「機械学習に興味がある」「いつかやろうと思ってるんだよね……」と言うエンジニアの方をよく目にします。また、その倍ぐらい「機械学習難しすぎて挫折した」という方も見ます。 弊社のITエンジニアにも機械学習を勉強中という人がいますが、特に最初は難しすぎて何から手を付けたらいいのかよく分からず、とても悩んだと言っていました。そこで同じような悩みを抱えている方の参考になればと思い、初心者の頃に参考になった機械学習入門者の方に役立ちそうな記事やスライドを聞いてきました。 また、Pythonには機械学習のためにデータを処理するライブラリ（数値演算をするためのライブラリや図を作成するためのライブラリなど……）がそろっていて、呼び出したり組み合わせて処理したり……といったことがしやすいため、多くの人が機械学習で使っています。コードも短く
Python3の「NLTK」で自然言語処理プログラミングを学べるYoutubeチュートリアル動画 - モバイル通信とIT技術をコツコツ勉強するブログ
Pythonを使ったプログラミングで， 自然言語処理・テキストマイニングを勉強できるYoutube動画。 使っているライブラリはNLTK（Natural Language ToolKit）。 動画の情報 sentdexさんによる顔出しコーディング動画の 「NLTK with Python 3 for Natural Language Processing」シリーズ。 動画リスト（前半） 1. Natural Language Processing With Python and NLTK p.1 Tokenizing words and Sentences 2. Stop Words - Natural Language Processing With Python and NLTK p.2 3. Stemming - Natural Language Processing With Py
Pythonの「文字列に○○が含まれているか」の判定について気になったこと - らこらこブログ
Pythonである文字列にある文字列が含まれているかどうかを調べる際に気になったことをメモ とりあえず3つ方法があったのでまとめます。 まず一つ目、find関数を使う場合 if 'hogehoge'.find('fuga') > -1: find関数は文字列の先頭から指定文字列を探し、見つかったらその文字列の最初のインデックス、見つからなければ-1を返す関数。 後ろから探したい場合はrfind関数を使うといい 次にindex関数 try: index = 'hogehoge'.index('fuga') expect: index = -1 index関数は文字列の先頭から指定文字列を探し、見つかったらその文字列の最初のインデックスを返し、見つからなければ例外を吐く関数。 後ろから探したい場合はこちらもrindexを使えば良い そして最後がcount関数 if 'hogehoge'.cou
Graham Neubig's Teaching
Classes Spring 2024: Advanced NLP (CS11-711 @ CMU) Fall 2022: Advanced NLP (CS11-711 @ CMU) Spring 2022: Multilingual NLP (CS11-737 @ CMU) Fall 2021: Advanced NLP (CS11-711 @ CMU) Spring 2021: Neural Networks for NLP (CS11-747 @ CMU) Fall 2020: Multilingual NLP (CS11-737 @ CMU) Spring 2020: Neural Networks for NLP (CS11-747 @ CMU) Fall 2019: Machine Translation and Sequence-to-sequence Models (CS1
Python基礎講座(はじめに) - Qiita
この記事を書いた動機 僕の住む静岡県では、2010年から「静岡Developers勉強会」という ITエンジニアを対象とした勉強会が開催されています。 2010年：「Programming in Haskell」 2011年：「JavaScript: The Good Parts」 2012年：「HTML5＆CSS3実践入門」 2013年：「入門 機械学習」 2014年：「実践 コンピュータビジョン」 昨年の「実践 コンピュータビジョン」ではPythonを使用したため、 多くの人に勉強会に参加してもらうために、Pythonの基本を学べる スライドを作成しました。 その後、勉強会に参加したメンバーから、「自分もそのスライドの発表を聞きたい」と 要望があり、せっかく初心者用の資料を作成したのならば、Webで公開したほうが 多くの人が見ることが出来て良いのではないかと考え、今回Qiitaを利用し
TensorFlow 畳み込みニューラルネットワークで手書き認識率99.2%の分類器を構築 - Qiita
TensorFlowとは2015/11/9にオープンソース化されたGoogleの機械学習ライブラリです。この記事ではディープラーニングと言われる多層構造のニューラルネットワークをTensorFlowを利用して構築しています。 TensorFlowはPythonから操作できますがバックエンドではC++で高速に計算しています。macのPython2.7系環境でTensorFlowの上級者用チュートリアルを行い、手書き認識率99.2%の多層構造の畳み込みニューラルネットワークモデルの分類器を構築したときの作業メモです。特別な設定なしにCPU使用率270%メモリ600MByteとちゃんと並列計算してくれました。MNISTランキングを見ると認識率99.2%は上位のモデルとなるようです。 TensorFlowチュートリアル TensorFlowの初心者用と上級者用チュートリアル2つに取り組んでみました
機械学習によるデータ分析 実践編
This document provides an overview of effective numerical computation in NumPy and SciPy. It discusses how Python can be used for numerical computation tasks like differential equations, simulations, and machine learning. While Python is initially slower than languages like C, libraries like NumPy and SciPy allow Python code to achieve sufficient speed through techniques like broadcasting, indexin
Python 機械学習プログラミング データ分析ライブラリー解説編
「ITエンジニアのための機械学習理論入門」で提供しているサンプルコードに含まれるデータ分析ライブラリ（NumPy/pandasなど）を解説した資料です。 下記の書籍のサンプルコードが理解できるようになることが目標です。 - ITエンジニアのための機械学習理論入門(技術評論社) - http://www.amazon.co.jp/dp/4774176982/ 2015/10/25 ver1.0 公開 2015/10/26 ver1.1 微修正 2016/05/25 ver1.4 subplotの順番を修正 2016/11/15 ver2.0 改訂版公開 2016/11/16 ver2.1 改行幅修正 2017/01/10 ver2.2 微修正 2017/01/12 ver2.3 微修正Read less
言語処理100本ノック with Python（第1章） - Qiita
はじめに 自然言語処理と Python のトレーニングのため，東北大学の乾・岡崎研究室 Web ページにて公開されている言語処理100本ノックに挑戦していきます．その中で実装したコードや，抑えておくべきテクニック等々をメモしていく予定です．コードについてはGitHubでも公開しています． 教科書は『Python入門 2&3対応（細田謙二ら著，秀和システム）』を使用しています． スタートアップに際して参考にさせていただいた記事をご紹介いたします．参考にしすぎてる感も否めないので，不快に感じられたらご連絡ください． http://qiita.com/tanaka0325/items/08831b96b684d7ecb2f7 ズブの素人なので記法が統一されてなかったり，Python 2/3 関係が混在していたりと大変お見苦しいのですが，ご指摘いただければ幸いです．実行環境自体は Python 2
「魔法少女まどか☆マギカ」の台詞をNLTK(Natural Language Toolkit)で解析する - Y's note
目次 魔法少女まどか☆マギカ NLTK NLTKコーパス まど☆マギ台詞単語解析 まど☆マギ台詞形態素解析 魔法少女まどか☆マギカ NLTK練習の題材として2011年の大ヒットアニメ？「魔法少女まどか☆マギカ」の台詞を用いる。通称まど☆マギで知られる本作品であるが、第15回文化庁メディア芸術祭アニメーション部門大賞、既に映画かも決まっておりテレビシリーズの総集編前後編と完全新作の全3作品の製作が予定されている。いわゆるダークファンタジーの世界観で台詞の中にも絶望を彷彿させるマイナス思考な台詞が多いように思う。事前の予想では「いやだ」とか「助けて」などの台詞が頻繁に使われていると考えたが、それらをNLTKを用いて検証してみる。この記事の前半はNLTKの設定、後半がまど☆マギの台詞を単語/形態素の両面で解析している。尚使用するサンプルコードは全てgithubに挙げているので、そちらを参照して欲
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
Python 機械学習プログラミング データ分析演習編
PythonでCSVファイルを扱う - code snippets
Home — TensorFlow
データ構造の授業をCからPythonにしたら単位取得率が15%から90%になった話 #PyConJP_1 #pyconjp
強くなるためのプログラミング -プログラミングに関する様々なコンテストとそのはじめ方-#pyconjp
