いまどきのWebアプリにおいては、ファイルのダウンロード機能が必要な場面が多々あります。例えば、バックエンドが生成したCSVデータをファイルとしてダウンロードさせる「CSVダウンロード」機能などです。 今回はAPI[1]から得られたデータをファイルとしてダウンロードさせたい場合のフロントエンドの実装方法について考察します。 要件 今回考える要件は、前述のとおり、APIから得られたデータをファイルとしてダウンロードさせることです。具体的には、以下のような要件を考えます。 APIをGETリクエストで呼び出し、そのレスポンスをそのままファイルとしてダウンロードする フロントエンドでの何らかのアクション（ボタンクリックなど）によってダウンロードがトリガーされる 追加の要件次第でやり方は変わりますが、とりあえず以上の前提で考えます。 ベストな方法 とりあえず、筆者が考える一番ベストな方法を紹介します

「アセトアミノフェン / ほらお薬だよ / ああキミったら」 ―― The White Stripes 大きな吉報がやってきた．何十年も手が付けられないほど上昇を続けた末に，ついにアメリカの肥満率が下がりだしてる．国民健康栄養調査（医師の診察にもとづくすごく信頼できるデータソース）から得られたデータをジョン・バーン=マードックが分析したところ，2020年以降に肥満率が下がってきているのがわかった： Source: John Burn-Murdoch このグラフにはひとつ問題点があるのには留意したい（折れ線の末尾に矢印を描くと誤解を招くのにいまだにジョンが矢印をつけてるのとは別の問題点だ）．実際の国民健康栄養調査データは2年の時間をかけて収集されている．だから，バーン=マードックが「2023年」とラベルを貼ってるデータは，実のところ2021年8月から2023年8月までのデータだ．このちょっと

8つのデータ系ツール「BigQuery」「Databricks」「dbt」「Fivetran」「Lightdash」「Looker」「Snowflake」「TROCCOⓇ」に39社からご寄稿頂いたレビューから、各社のデータアーキテクチャをまとめた記事です。各社の技術選定の背景や工夫などの知見を得ていただく場となれば幸いです。 ※ツール名・ご寄稿企業名共にアルファベット順で掲載しております BigQueryBigQuery は、Google Cloud の費用対効果に優れたフルマネージド型の分析データ ウェアハウスです。ペタバイト規模に対応しており、膨大な量のデータに対してほぼリアルタイムで分析を行うことができます。 ▼BigQueryとは？機能や特徴・製品の概要まとめページはこちら https://findy-tools.io/products/bigquery/49 ▼Findy Too

はじめに データ分析基盤の資料を力尽きるまで追記していきます。 構成図にあるアイコンや記事の内容から技術要素を調べて記載していますが、不明分は未記載にしています。修正のコメント頂ければ助かります。この記事追加してっていう要望も歓迎いたします。 テンプレート 2025年 2024/09/12 : 株式会社朝日新聞社 データソース : Google Analytics、Adobe Analytics、Amazon S3、Amazon RDS データ処理 : TROCCO、BigQuery アウトプット :Tableau、Looker Studio 2024/09/12 : 株式会社CARTA MARKETING FIRM データソース : Amazon EC2、Amazon S3 データ処理 : Fivetran、Snowflake、dbt、AWS Step Functions、Element

株式会社ブレインパッドの2023年新卒研修資料です。基礎統計学について扱っています。

サインインした状態で「いいね」を押すと、マイページの 「いいね履歴」に一覧として保存されていくので、 再度読みたくなった時や、あとでじっくり読みたいときに便利です。

â–º 2025 ( 3 ) â–º 01/05 - 01/12 ( 3 ) â–º 2024 ( 393 ) â–º 12/29 - 01/05 ( 9 ) â–º 12/22 - 12/29 ( 8 ) â–º 12/15 - 12/22 ( 8 ) â–º 12/08 - 12/15 ( 7 ) â–º 12/01 - 12/08 ( 8 ) â–º 11/24 - 12/01 ( 7 ) â–º 11/17 - 11/24 ( 7 ) â–º 11/10 - 11/17 ( 8 ) â–º 11/03 - 11/10 ( 7 ) â–º 10/27 - 11/03 ( 8 ) â–º 10/20 - 10/27 ( 7 ) â–º 10/13 - 10/20 ( 9 ) â–º 10/06 - 10/13 ( 8 ) â–º 09/29 - 10/06 ( 8 ) â–º 09/22 - 09/29 ( 7 ) â–º 09/15 - 09/22 ( 8

「データサイエンスを勉強したいけど、何から手をつけて良いか分からない」という方、東京大学「数理・データサイエンス教育プログラム」のWebページが参考になるかもしれません！学習のロードマップや、各授業のシラバスが載っているので、何を… https://t.co/TFnT3XNl8E

こんにちは、id:shallow1729です。最近はインフラ寄りなお仕事をよくやっていますがこれまでにいくつかデータ移行やデータ基盤構築などのバッチ処理のお仕事をしてきました。以前にも一度そういった経験を元に記事を書いたのですが、MySQLやシステムに関する知識が以前よりも増えた今もう一度書き直したいなと思いました。 なので今回はバッチ処理を書く時のテクニック2022版という感じです。今の仕事の関係でMySQLやrailsを前提にしている話が多いですが、おそらく他のデータベースを使っている人にも役に立つ話が多いのではないかと思います。ただ、今回の記事は経験に基づくものが多く、あまりよくないアイデアもあるかもしれません。改善点や間違いなどあればご指摘ください。 冪等性を持つように 冪等性とは端的に言えばある操作を複数回実行しても一回しか実行しなかった時と同じ結果になる性質の事です。長時間かか

アプリケーションのテストなどで利用できる、リアルな架空の個人情報データ（疑似データ）を生成するツールです。

(Image by Pixabay) 「データサイエンティスト」の第一次ブーム勃興から6年余り、人工知能ブームに便乗した第二次ブームで人口に膾炙してから3年余り、気が付いたら何やかんや言われながらもデータサイエンティスト及びその類似職が、じわじわと日本国内の産業各分野・企業各社に広まりつつあるように僕の目には映ります。 そういう背景がある中で、ここ1年ぐらいの間にそこかしこで目立つようになってきたのが「ゼロからデータサイエンティストを育てたいのだがどうしたら良いか」という相談や議論。割とあるあるなのが「取引先がデータサイエンティストを採用して商談の席に同席させるようになって、彼らがデータサイエンスの知識を駆使してビシバシ突っ込んでくるのだが、こちらにデータサイエンティストがいないので対応できない」みたいなお話。これは実はUSでも同様だと聞くので*1、案外洋の東西を問わない課題なのかもしれま

高校生の修学旅行の時は正殿が工事中でしっかり見れなくて、でも今年の夏は完成した首里城を家族全員で見ることができたことがすごく嬉しかったです。（19歳女性） 首里城の中を見学したかったのですが、門限で入れませんでした。残念でしたがなかなか観ないところからみれました。 ライトアップも観れました。（62歳男性） 沖縄旅行が好きでここ数年毎年のように行っていましたが、子供が小さかったことから首里城には足を運べていませんでした。 今年は3年生になって長男が首里城に興味を持ったこともあり家族で訪れて、初めてじっくりと見学して、皆んな細かな装飾に驚き、その美しさを楽しみました。（38歳男性） 2019年10月31日、火災により首里城が焼失しました。世界中の人々がみな心を痛めており、私たちもとても悲しく思っています。私たちは、コンピュータ・ビジョン、ヒューマン・コンピュータ・インタラクション、バーチャル・

dカード GOLDのポイント還元率を最大化する7つのコツ|ケータイ料金や特典をフル活用!改悪点とポイントつかない落とし穴も解説

タイトルの通り、「CNN（畳み込みニューラルネットワーク）って何よ」とざっくりと質問された時に、自分だったらざっくりとこう説明してあげる、というのをまとめます。 この記事で説明している内容は、以下を元にしているので、よろしければ是非。 Pythonと実データで遊んで学ぶ データ分析講座 作者:梅津 雄一,中野 貴広発売日: 2019/08/10メディア: 単行本（ソフトカバー） なお、スマホのAMPだと、数式がうまく表示されない可能性がありますので、こちらのリンクかPCから読んでいただけると。 まずニューラルネットって？畳み込みニューラルネットワークについて説明する前に、ニューラルネットワークも軽くおさらいしてあげましょう。 脳は入力を受け取ると、以下画像のように各神経細胞が反応しながら処理が次々と行われます。 ニューラルネットワークは、このような脳の神経伝達の働きを数理モデルとして落とし

ファッション通販サイト｢ZOZOTOWN（ゾゾタウン）｣を展開するZOZO社長の前澤友作氏は、10月31日、東京都内で会見し、世界中への配布に着手していた、体型データを計測するZOZOSUITを、将来的になくしていくことを明らかにした。 これまでに入手したデータの機械学習により、ZOZOSUITなしでも｢最適サイズ｣を計測できるとの理由をあげた。社を上げて力を入れるプライベートブランド(PB)購入の前提としてきたZOZOSUITは、発表以来、話題をかっさらってきた。大きな方針転換を印象づけた。 ｢今後は、ZOZOSUITなしでPBを購入できるようになります｣ 2018年4〜9月期決算会見に登場した前澤氏が、PBの説明の流れでそう明かすと、投資家やメディアが集合した会場は静かにざわめいた。 ZOZOSUITなしにした今後は、 身長・体重・年代・性別 を、PB購入の際に記入することになる。この

19日の米国株式市場は総崩れとなった。ダウ工業株30種平均は前週末比335ドル安に沈んだ。フェイスブックを巡る個人情報の不正利用問題を巡る懸念を起点に「ビッグデータ」ビジネス全体へ波紋が広がった。IT（情報技術）企業の成長に依存してきた米株市場にとって問題は根深い。発端はイギリスに本社を置く政策コンサルティング会社、ケンブリッジ・アナリティカ。同社がフェイスブック上の個人情報を自らの政策アドバ

地球温暖化による気温の上昇のペースが加速化しており、気候変動や海水面上昇、食糧不足、熱波などさまざまな要因によって人類に深刻な被害が出るという指摘があります。大きな被害が出るとされる境界線の気温カ氏95度(セ氏35度)以上の日が1年にどれくらいの頻度であるのを図示することで、全世界レベルで危険な状況にあることがよくわかります。 95-Degree Days: How Extreme Heat Could Spread Across the World - The New York Times https://www.nytimes.com/interactive/2017/06/22/climate/95-degree-day-maps.html 気温がカ氏95度(セ氏35度)以上に上昇すると、農作物の大きさが小さくなり収穫量が減り、エアコン使用が増加することで電力需要が発電量に追いつく可

日本アイ・ビー・エム（以下、日本IBM）の「IBM dashDB Local」は、プライベートクラウド/ハイブリッドクラウドに最適な構成を持つデータウェアハウス（DWH）向けの製品である。Dockerコンテナとしてデプロイ、スケールアウト（規模拡大）でき、データ量や処理負荷の急増に柔軟に対応できる。インメモリの列指向データベースと並列処理により検索処理を高速に実行する。システムの成長に柔軟に対応できるライセンス体系を備えている。 構成はITジャーナリストの星 暁雄です。記事の最後にはプレゼントのお知らせもあります。 （※この記事は、日本アイ・ビー・エム株式会社提供によるPR記事です） ▽ IBM dashDB Local - ハイブリッド・データウェアハウスを実現する Software-Defined DWH - Japan プライベートクラウド上でソフトウェアで定義されたスケーラブルなデ

概要 インデックスに対してMongoDBはB Treeを採用し、MySQLのInnoDBはB+ Treeを採用しています。 どうして採用しているアルゴリズムが違うのだろう？と思って調べてみました。 主な違い B+ TreeはほとんどB Treeと同じですが、以下の点が異なります。 リーフノードとリーフノードを結ぶポインタがある データはリーフノードのみに保持する 具体例 言葉だけだと分かりにくいので、Visualizeするツールを使って具体例を表示します。 [1, 2, 3, 4, 5, 6, 8, 10, 15, 18]という数列に対し、Order: 3で作ってみます。 Orderは１ノードから出る枝の数のことです。 B Tree B-Tree Visualization B+ Tree B+ Tree Visualization 先程のB Treeと違って、データはリーフノードに持つの

sonots先生の話を聞きに行ってきたので、そのメモを残しておきます。 瀬尾 直利 氏 DeNA Co., Ltd. AIシステム部 リードエンジニア DeNAの機械学習基盤 ディープラーニングの基盤 => GPU基盤 という認識 GPUすごくて、CPU使って30日のところ、GPUを使うと4日くらいのオーダー GPUの特徴 並列処理が得意 CPUだと24coreとかのオーダー GPUでは3000〜4000core 分岐処理は苦手 行列演算に向いている GPU製品 NVIDIA Tesla HPC向けにGPUシリーズ NVIDIA GeForce GRID クラウドゲーミング向け AMD FirePro NVIDIA Tesla API CUDA OpenCL DirectCompute CUDAのアーキテクチャ CPU(ホスト)からGPU(デバイス)にデータを転送 GPUで処理 GPUから