Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
概要 現在の日付を$T$とすると、$T+1$から$T+30$までにおける日次価格の単純移動平均をDeepLearningを使って予測し、 ロングポジションを持った（もしくはショート）時の価格より、予測した移動平均を上(下)回れば利益確定するようなシミュレーション売買を行いました。また、３０日保持したら強制的に手仕舞いするようにします。 エントリーは日時毎に残高があれば全力で行うようにします。 ※オレンジのラインが30日後の30日単純移動平均になります。緑がx軸の日付時点における為替価格です。 使用したDLフレームワーク chainer ver1.3~1.5 ちょうどver1.5で互換性が大幅に変更になって、対応するのが大変でした。 2017/8現在はver2.0.2になっているみたいですね。 使用データ みずほヒストリカルデータ https://www.mizuhobank.co.jp/r
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 損害保険ジャパン日本興亜（損保ジャパン日本興亜）は8月14日、NTTコミュニケーションズが構築する音声認識技術を活用した「AI音声認識システム」を2018年2月1日から導入すると発表した。 同システムは、事故受付から保険金の支払いまでを対応する全国のサービス拠点約300カ所（約1万席）で活用される。これは国内最大規模になるという。 音声マイニングシステムとして「ForeSight Voice Mining」を採用し、顧客との通話内容をリアルタイムかつ高精度で音声データ化し、さらに音声データをテキストデータ化する。データ化した音声をもとに、キーワードによる音声抽出や再生、NGワードの登録によるアラート、リアルタイムモニタリング、感情分析機
マイクロソフト「Windows MR（MRヘッドセット）」徹底解説 マイクロソフトはMR(Mixed Reality)ヘッドセットを続々と公開・発表しています。 2017年8月現在、マイクロソフト社は複数のメーカーと提携し、Windows MR対応のPC向けのMRヘッドセット（没入型MRヘッドセット）を2017年10月17日から発売します。これらのMRヘッドセットは299ドルから（日本での価格は4万円から）と、手頃な価格帯で登場することが見込まれており、期待が集まっています。 今回は、そもそもの「MRヘッドセットとは何か」という説明から、その特徴、そして現在発表されているMRヘッドセットを一挙紹介します。 1.MRとは？ 2.MRヘッドセットの特徴 2-1.HoloLensと異なる「没入型」デバイスでVR体験 2-2.センサー不要で動ける 2-3.ハンドコントローラーも発売 2-4.MRヘ
Python3で、urllibとBeautifulSoupを使ってWebページを読み込む方法についてまとめます。 urllibを使ったページの取得 まず、Python3の標準ライブラリであるurllibを使ってページを取得します。Python2から書き方が変わっているので注意が必要です。 import urllib.request url = 'http://www.rekibun.or.jp/grutto/museum2015.html' response = urllib.request.urlopen(url) data = response.read() ここで、response.read()はbytesオブジェクトを返します。以下はその抜粋です。日本語がバイト列として表現されてしまっています。 b'<!DOCTYPE html> (中略) <title>\x8c\xf6\x89v
こんなサイトのテーブルをpandasのデータフレームに取り込みたくて、BeautifulSoupのタグからリストに変換して・・・と色々やっていたそこのあなた！ なんと、read_html(flavor='bs4')だけで簡単に持ってくることができますよ。 (え？知ってた？・・・自分は知らなくてずっと損してましたorz) import pandas as pd tables = pd.read_html('http://stocks.finance.yahoo.co.jp/stocks/history/?code=998407.O', flavor='bs4') print(tables[1]) """ 0 1 2 3 4 0 日付 始値 高値 安値 終値 1 2015年11月19日 19851.24 19959.06 19761.56 19859.81 2 2015年11月18日 1977
Inc.：長年にわたり、Googleは数え切れないほどの研究に取り組み、膨大なデータを集め、何百万ドルもをつぎ込んで自社の従業員をより良く理解しようと努めてきました。Googleの最も興味深い取り組みの1つであるプロジェクト・アリストテレス（Project Aristotle）は、社内で最高の業績をあげているチームに焦点を当て、チームの生産性を高める秘訣を探ろうというものでした。 なかでも、生産性の高いチームと低いチームの違いは何なのか？ を解明することに主眼が置かれました。 この調査をはじめる前、Googleの経営陣は、ほかの多くの組織と同じように、最高のチームをつくるということは、最高の人材を集めることであると信じていました。それは理にかなった考えです。最高のエンジニアに、MBA、博士を集めれば、最高のチームのでき上がり。そうですよね？ しかし、Googleの人事分析マネージャ、Jul
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
