syrup92gのブックマーク (180)

  • matplotlib入門 - りんごがでている

    matplotlibはPythonでグラフを描画するときなどに使われる標準的なライブラリです。 画像ファイルを作るばかりでなく、簡単なアニメーションやインタラクティブなグラフを作ることも可能です。 実際の例はmatplotlibサイトのギャラリーで見ることができます。 matplotlib/gallery matplotlibは家のサイトやどこかのブログにあるチュートリアルや例を描画してみるぶんには簡単なのですが、 実際に自分でプロットするとなると基礎的な概念を理解していないと使いにくいライブラリでもあります。 また、基礎的な概念を理解していないとドキュメントを参照する際にもどこを見て、どう実用すればいいのかわかりません。 そこで、この記事ではそのあたりのmatplotlibの基礎を解説していきます。 なお、Python自体の知識はある程度仮定していますが、matplotlib自体の実装

    matplotlib入門 - りんごがでている
    syrup92g
    syrup92g 2015/01/30
  • Using the Accept Header to version your API | labs @ Qandidate.com

    I investigated different ways to version a REST API. Most of the sources I found, pretty much all said the same thing. To version any resource on the internet, you should not change the URL. The web isn't versioned, and changing the URL would tell a client there is more than 1 resource. But actually there aren't multiple resources, it's just a different representation of the same resource. Of cour

    syrup92g
    syrup92g 2015/01/29
  • SIMロック解除前に検討したい「シェアするSIM」という選択肢 | ライフハッカー・ジャパン

    2015年5月のSIMロック解除義務化に向けて各社SIMカード百花繚乱の今、ちょっとユニークな使い方ができそうなプランがあるのが「DMM mobile」です。 3枚のSIMカードでデータ通信を"シェア"する── そんな新しいプランの活用方法を考えてみました。 謎のプラン「シェアコース」って何? DMM mobileは、契約したSIMカードを、SIMフリーのスマホやタブレットに挿入すればデータ通信や通話ができるサービス。最近よく耳にする「格安スマホ」を実現できます。もちろん電話番号はそのままに、乗り換えできるMNPにも対応。 プランは大きく分けて2タイプあり、データ通信のみの「データSIMプラン」は660円~、音声通話もできる「通話SIMプラン」は1460円~となっています。 ひと月の高速通信容量は1GB・3GB・5GB・7GB・8GB・10GBと6種類あり、そのうち8GBと10GBのみ最大

    SIMロック解除前に検討したい「シェアするSIM」という選択肢 | ライフハッカー・ジャパン
    syrup92g
    syrup92g 2015/01/29
  • 数式記号の読み方・表し方 LATEX を用いた数式記号のテキスト化.pdf

    syrup92g
    syrup92g 2015/01/29
  • Numpyによる乱数生成まとめ - Qiita

    Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

    Numpyによる乱数生成まとめ - Qiita
    syrup92g
    syrup92g 2015/01/29
  • Jupyter Notebook Viewer

    syrup92g
    syrup92g 2015/01/28
  • IPython Notebook の使いどころ - Qiita

    昨日は IPython について触れましたが、この IPython には Web ベースの IPython Notebook という機能があります。 これも IPython の目玉機能のひとつなのですが、ちょうどタイムリーなことにグノシーの中の人が記事を公開してるのでこちらを一読すると良いかと思います。詳細な解説はリンク先を読めばだいたい良い感じなので機能の説明としては書くことがありませんね。 IPython Notebook の特徴 ただ筆者は普段使う環境としてはやはりターミナルから IPython を起動する方法を利用しています。いくつか理由はありますが主に以下の通りです。 IPython Notebook はたまに動作が不安定なことがある C-r によるコード履歴のインクリメンタルサーチなどいくつかターミナルの強力な機能を使えない キーボードだけで完全に制御できるターミナルの快適さ

    IPython Notebook の使いどころ - Qiita
    syrup92g
    syrup92g 2015/01/28
  • IPython Notebookをアドホック分析環境として使う

    こんにちは、Gunosyのエンジニアの粟飯原です。Gunosyでは、主に広告配信サーバー全般の開発運用インフラを行いつつ、データ集計や分析等を行なっています。 Gunosyのエンジニアブログはこちら http://gunosy.github.io/2014/07/08/iptyhonnotebook.html 今回は、自分が開発業務や分析業務で日常的に利用しているIPython Notebookを便利に使う方法を紹介させて頂きます。 基的に、pipでライブラリがインストールできる環境とnumpy、scipyの環境が揃っていることが前提で進めます。windows環境であれば、ライブラリのインストールは以下のURLのパッケージ群を利用すると快適です。とはいえこのページで紹介しているライブラリはwindowsでは動かないものもあります。 http://www.lfd.uci.edu/~gohl

    syrup92g
    syrup92g 2015/01/28
  • 高校数学の基本問題

    「あなたがまだやっていない問題」は、背景色・文字色の変化なし 「あなたが弱い問題」は、この色 「あなたが半分ぐらいできる問題」は、この色 「あなたがよくできる問題」は、この色

    syrup92g
    syrup92g 2015/01/25
  • 深層学習入門

    最新版のスライドは http://www.akihironitta.com/slides/ で公開しています。 The latest version of this slides is available at http://www.akihironitta.com/slides/.

    深層学習入門
    syrup92g
    syrup92g 2015/01/25
  • PythonによるDeep Learningの実装(Logistic Regression 編) - Yusuke Sugomori's Blog

    前回の制約付きボルツマンマシン(Restricted Boltzmann Machine, RBM)編に引き続き、今回はロジスティック回帰(Logistic Regression)のコードを紹介します。 Deep Learningにおいて、ロジスティック回帰は最後の出力層で用います。途中の層でRBMにより特徴抽出を行い、最後にロジスティック回帰によりラベルを出力して学習を行います。 ソースは以下。 重み行列のWとバイアス項のbは、確率的勾配降下法(Stochastic Gradient Descent, SGD)により更新します。その際、L2正則化を導入することで、高周波のノイズを取り除き、過学習を防ぐことができます。また、多クラス分類に用いるため、sigmoid関数ではなく、softmax関数を使っています。 コードを実行すると、交差エントロピー誤差関数が返す値が減少していくのが分かるか

    PythonによるDeep Learningの実装(Logistic Regression 編) - Yusuke Sugomori's Blog
    syrup92g
    syrup92g 2015/01/25
  • PythonによるDeep Learningの実装(Restricted Boltzmann Machine 編) - Yusuke Sugomori's Blog

    機械学習の分野で最近話題になってきている Deep Learning。 Deep Learningでは、何層ものニューラルネットワークを用いて訓練・予測を行いますが、各層でそれぞれ学習を行い、段階的に特徴を抽出していくのがこれまでの機械学習手法と異なる点です。 最近の動向については、 Learning Deep Architectures for AI (Bengio 2009) で詳しくまとめられています。 今回は、Deep Learningにおける各層の学習で用いられている Restricted Boltzmann Machine (RBM, 制約付きボルツマンマシン)のコードを紹介します。 ソースは以下。 Referencesにも書いてあるように、RBMを含むDeep LearningのコードはDeepLearningTutorialsにあるのですが、theanoという特殊なpyth

    PythonによるDeep Learningの実装(Restricted Boltzmann Machine 編) - Yusuke Sugomori's Blog
    syrup92g
    syrup92g 2015/01/25
  • オンラインで無料で読める統計書22冊|Colorless Green Ideas

    はじめに 今回は、ウェブを通じて無料で読むことができる統計に関する書籍を紹介したい。英語で書かれたが多いが、日語で書かれたも若干ある。 入門書 まず、統計の初学者のために書かれた入門書を紹介したいと思う。 福井正康 (2002). 『基礎からの統計学』基礎から扱っている統計の入門書である。統計を扱う際に必要となる場合の数、確率などについて詳しく説明している。理解を助けるための演習問題とその解答がついている。統計処理用のソフトとしてはExcelを使っている。同じサイトに社会科学系の学生向けの数学の教科書もある。 小波秀雄 (2013). 『統計学入門』基礎から扱っている統計の入門書。内容としては、記述統計、確率、確率分布、簡単な推定・検定、相関と線形回帰などがある。確率や確率分布などの理論的な話が占める分量が多いので、分量のわりには、具体的な統計手法はあんまり載っていない。もちろん理論

    オンラインで無料で読める統計書22冊|Colorless Green Ideas
    syrup92g
    syrup92g 2015/01/12
  • http://bm.hus.osaka-u.ac.jp/~torii/logistic-a/ppframe.htm

    syrup92g
    syrup92g 2015/01/12
  • Contents — DeepLearning 0.1 documentation

    © Copyright 2008--2010, LISA lab. Last updated on Jun 15, 2018. Created using Sphinx 1.5.

    syrup92g
    syrup92g 2015/01/12
  • 私の備忘録

    私の備忘録 何かと情報過多の時代、情報の取捨選択が難しいですね。屋さんにいっても、新刊 のあまりの多さに、閉口。探すのも大変だし、とても付き合いきれません。そこで、便利なの が図書館。新刊も確実に入ってくるし、しかも、丁寧に分類されていて、目的のがすぐ見 つかります。しかも、ないはリクエストすれば、公費で購入してもらえるので、ありがたい です。図書館は、まさしく我が家の大切な書庫。このコーナーは、そんな気分で作ってみま した。 何でもないことだけど、あれば便利というものを整理していきたいと思います。お手持ちの もので公開してもいいよ、というものがあれば、どしどし投稿してください。お待ちしています。 □数学・・・代数学分野(式と計算に関する話題です) □数学・・・幾何学分野(図形に関する話題です) □数学・・・解析学分野(計量に関する話題です) □数学・・・統計学分野(情報の整理に関

    syrup92g
    syrup92g 2015/01/11
  • 機械学習や統計に関する情報収集 - Qiita

    日は少し趣向を変えて、機械学習や統計に関する情報収集源についてまとめてみたいと思います。 機械学習 機械学習界隈の情報収集方法 http://d.hatena.ne.jp/kisa12012/20131215/1387082769 いきなりですが上記の記事に機械学習に関する有力な情報源がまとまっています。まずはここを参考にするのが良いかと思います。ただ情報が多すぎですので、筆者は Wikicfp と arXiv.org あたりの論文、それにはてなブックマークをチェックしています。 また論文については機械学習の論文を探すにも良い情報がまとまっています。こちらも参考になります。 機械学習は日進月歩の世界ですので、最新の査読済み論文を追って概略だけでも理解する能力を身に付けると良いかと思います。 書籍としては次の 2 冊が聖書とも言える必読書で、気で機械学習をやりたければ必ず参考になるかと思

    機械学習や統計に関する情報収集 - Qiita
    syrup92g
    syrup92g 2015/01/11
  • 機械学習界隈の情報収集方法 - kisa12012の日記

    こんにちは.Machine Learning Advent Calendar (MLAC) 2013の14日目を担当します,[twitter:@kisa12012]です.普段は博士学生として,各地を放浪しながら機械学習の研究をしてます.今回の記事はボストンで執筆しています.現地時間(EST)での締切は守ったのでセーフ…ですよね? 日は機械学習技術的な内容の話ではなく,筆者が実践している機械学習関連の情報収集方法について纏めます*1.大きく分けて,学会情報の管理・論文情報の収集・その他の三種について述べたいと思います.今回のトピックの多くは他の分野にも通用する話になっているかと思います.他の分野の方がどのように情報収集されているのかも気になるところです. 学会情報の管理 まずは学会情報の管理についてです.機械学習に関連するカンファレンスは(特に近年乱立気味で)非常に沢山あります.全てをチ

    機械学習界隈の情報収集方法 - kisa12012の日記
    syrup92g
    syrup92g 2015/01/11
  • 誰でも良い文章が書ける!Webライティング11のルール(スライド) | ベイジの社長ブログ

    Web制作者を悩ませる問題に、「Webを熟知したコピーライターがいない問題」があります。特にメディア型のWebサイトの場合、文章の質がコンテンツパワー、ひいてはWebサイトの集客力・訴求力そのものになってきます。しかし現状、プロジェクトメンバーにコピーライターが参加しないのは当たり前になっています。 また、もしコピーライターをプロジェクトに参加させたいと思っても、Web特有のユーザ行動や設計思想、SEOなどに精通し、Webに相応しい文章を作ってくれるコピーライターは、この市場にごくわずかしか存在しないのではないでしょうか。 このWebのコピー問題は、考える以上に深刻です。なぜなら、文章の良し悪しで、コンバージョン率もユーザの満足度もブランドイメージも、簡単に変わってしまうためです。そして、その問題に対する私たちの結論は「全員でコピーをチェックして校正しよう」ということです。 私自身は今まで

    誰でも良い文章が書ける!Webライティング11のルール(スライド) | ベイジの社長ブログ
    syrup92g
    syrup92g 2015/01/11
  • 機械学習/機械学習の論文を探す - とうごろうぃき

    機械学習についての論文は次のところで見つけることができます. このリストに加えるべきところをご存知でしたら,ご指摘いただければ幸いです. ディジタル・ライブラリー † ACM Digital Library ICML, KDD, GECCOなどの国際会議プロシーディングス,JMLR誌,CACM誌など. IEEE Xplore ICDMなどIEEE関連の国際会議プロシーディングス. SpringerLink Machine Learning誌,Data Mining and Knowledge Discovery誌,ECML, PRICAI, DSなどの国際会議プロシーディングス. SienceDirect Artificial Intelligence誌など. 情報処理学会電子図書館 情報処理学会誌,情報処理学会論文誌,知識と複雑系研究会(SIG-ICS),情報学基礎研究会(SIG-FI)

    syrup92g
    syrup92g 2015/01/11