Webサービス・プロダクトのプランニングからUIUXデザイン、開発、テスト、運用、グロースまでトータルでサポートする「SucSak」。共創でビジネス成功を実現します。Web開発周りでお困りでしたらまずはお気軽にご相談ください。
α世代にとっては、もはやリアルな自分は自分ではなく、SNSの中の自分が自分であるという認識になっている。そのため、写真加工をしてくれるpoサークルが人気となっている。しかし、少なくないお金が必要になるため、犯罪を誘発するのでないかと社会問題化しつつあると人人都是産品経理が報じた。 リアルな自分よりも大切なSNSの中の自分 SNSなどに使う自分の顔のアイコンは、もはや第2の顔になっている。それどころか、Z世代の下のα世代にとっては、リアルな自分の顔よりも重要な顔になっている。そのため、少しでもきれいに撮りたいというのは誰もが考えるが、それだけでなくレタッチアプリを駆使して、美肌加工などをするだけでなく、目を大きくしたりというデジタル整形までやってしまう。 ▲典型的なpoサークル写真。原型を留めないほど加工されているが、これが彼女たちにとっての「リアル」になっている。 お金を払って自分の写真を
群像劇が好き。 面白い群像劇って、本当に数え切れないほどある。最近観た映画を思い出しても、『街の上で』、『ナイブズ・アウト』、『騙し絵の牙』...。自分がオールタイムベスト級に好きな作品だけを振り返っても、『桐島、部活やめるってよ』、『ラブ・アゲイン』、『七人の侍』...。 友達と最近、短編映画の企画をしているときにも自然と、「群像劇にしてみよっか？」なんて話になったけど、その後に冷静になってみて「そもそも群像劇ってなんなんだ...？」と思ってしまった。 なんとなく「複数の人々の出来事が同時に進行していて、それらが最後に交錯し合って、全員でクライマックスを迎える」みたいなイメージはあるけれど、その本質や、そうでないものとの境界がどこにあるのかわかっていない。 メインキャラクターがたくさんいる作品が「群像劇」？。でも昨今の映画って、ほぼ確実に「サブプロット」と呼ばれるメインストーリーと同時に
Pythonベースでインタラクティブなダッシュボードを作成するためのフレームワークの1つにStreamlitがあります。現在最も人気があるフレームワークはDashのようですが、下のグラフのようにGithub上では2020年以降Streamlitの人気が急激に伸びていることが分かります。 StreamlitはDashのように見た目の細かいカスタマイズができないという欠点がありますが、ある程度デフォルトの設定を受け入れることができれば非常に簡単にダッシュボードを作成することができます。今回はStreamlitと可視化ライブラリのAltairを使ってvega_datasetsのcarsデータセットを可視化するダッシュボードを作る過程を解説します。 本記事で紹介しているコードはこちらのGitHub Repositoryに公開しています。 ダッシュボードの完成イメージ 今回使用するcarsデータセッ
※この投稿は米国時間 2023 年 8 月 24 日に、Google Cloud blog に投稿されたものの抄訳です。 編集者注: この投稿は、Built with BigQuery を活用したパートナー様をご紹介するシリーズの一部です。 これまで数十年にわたり、企業は地理情報システム（GIS）を使って分析情報を地理空間データと融合し、データドリブンな戦略に活用してきました。たとえば、通信業界ではインフラストラクチャのデプロイに最適な地域を GIS で判断し、環境計画業界では、どこに植林すれば最大の効果が得られるかを GIS で特定しています。広告業界でも、キャンペーンの際に効果的なビルボードの配置を GIS で決定しています。 このように GIS が高度化し、企業が位置情報やユーザー属性情報をより細かく活用できるようになった一方で、複雑さも増しています。現在、GIS を最大限に活用でき
Pythonベースでインタラクティブなダッシュボードを作成するためのフレームワークの1つにStreamlitがあります。現在最も人気があるフレームワークはDashのようですが、下のグラフのようにGithub上では2020年以降Streamlitの人気が急激に伸びていることが分かります。 StreamlitはDashのように見た目の細かいカスタマイズができないという欠点がありますが、ある程度デフォルトの設定を受け入れることができれば非常に簡単にダッシュボードを作成することができます。今回はStreamlitとPlotlyでKaggleデータの特徴量とラベルを可視化するダッシュボードを作ります。 データとダッシュボード 今回はkaggleのtabular playground series Mar 2021のデータを使います。このデータは下表の通りサンプルidと19個のカテゴリカル変数(cat
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 今回は、Streamlitを使って、Vertex AIを利用したチャットアプリを作成する方法を紹介します。このアプリでは、自然言語での質問に対してGeminiがSQLクエリを生成し、BigQueryに対してデータベース操作を行ってくれます。また、取得した結果に対してGeminiがデータの傾向などの考察も行ってくれるため、ユーザーはSQLクエリを記述しなくても、自然言語でチャット画面からデータ分析をインタラクティブに進めることができるようになります。 本記事では、今回使用するStreamlitやVertex AIなどの技術に触れ
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
