ggsql: A grammar of graphics for SQL
Introducing ggsql, a grammar of graphics for SQL that lets you describe visualizations directly inside SQL queries Read more... Today, we are super excited to announce the alpha-release of ggsql . As the name suggests, ggsql is an implementation of the grammar of graphics based on SQL syntax, bringing rich, structured visualization support to SQL. It is ready for use in Quarto, Jupyter notebooks,
Tips サーãƒãƒ¼ãƒ¬ã‚¹(Lambda)構æˆã§Excelã‚’PDFã«å¤‰æ›ã™ã‚‹ | Murakami Business Consulting, Inc.
Tips サーãƒãƒ¼ãƒ¬ã‚¹(Lambda)構æˆã§Excelã‚’PDFã«å¤‰æ›ã™ã‚‹ Excelをサーãƒãƒ¼ãƒ¬ã‚¹æ§‹æˆã§PDFã«å¤‰æ›ã™ã‚‹Tipsã§ã™ã€‚ ExcelファイルをPDFã«å¤‰æ›ã™ã‚‹æ–¹æ³•ã¨ã—ã¦å¼Šç¤¾ã§ã¯ä»Šã¾ã§ãƒ‡ã‚¹ã‚¯ãƒˆãƒƒãƒ—アプリã§ã‚ã‚Œã°Excelを使用ã—ã¦ã€Webアプリã§ã¯VBExcelã‚„OpenOffice/LibreOfficeを使用ã—ã¦ãã¾ã—ãŸã€‚ デスクトップアプリã§ã¯ãŠå®¢æ§˜ãŒãƒ©ã‚¤ã‚»ãƒ³ã‚¹ã‚’ä¿æŒã—ã¦ã„ã‚‹ã®ã‚’å‰æã§Excelã‚’ActiveX経由ã§è‡ªç”±ã«æ“作ã—ã¦ã„ã¾ã—ãŸãŒã€Webアプリã§ã¯ãƒ©ã‚¤ã‚»ãƒ³ã‚¹ã®é–¢ä¿‚ã§Excelを使ã‚ãšåˆ¥ã®ä»£æ›¿æ‰‹æ®µã‚’使用ã—ã¦ãŠã‚Šã¾ã—ãŸã€‚ VBExcelã§ã‚ã‚Œã°ã‹ãªã‚Šã®å†ç¾æ€§ãŒã‚ã‚Šéžå¸¸ã«æœ‰ç”¨ã§ã™ãŒè²»ç”¨ãŒã‹ã‹ã‚‹ã®ãŒé›£ç‚¹ã§ã™ã€‚ã¾ãŸã€OpenOfficeã‚„LibreOfficeã¯ã‚ªãƒ¼ãƒ—ンソースãªã®ã§è²»ç”¨ã¯ä¿‚らãšæ°—軽ã«ã‚¤ãƒ³ã‚¹ãƒˆãƒ¼ãƒ«ãŒå‡ºæ¥ã¾ã™ãŒã€ç’°å¢ƒã‚’ç¶æŒã™ã‚‹ã®ãŒå¤§å¤‰ã§ã—ãŸã€‚ ãã“ã§Libre
RecBole
A unified, comprehensive and efficient recommendation library General and extensible data structure We design general and extensible data structures to unify the formatting and usage of various recommendation datasets. Comprehensive benchmark models and datasets We implement more than 100 commonly used recommendation algorithms, and provide the formatted copies of 44 recommendation datasets. Exten
Scikit-learnã§ã‚ˆã使ã†å›žå¸°ãƒ¢ãƒ‡ãƒ«ã¾ã¨ã‚
回帰モデルã®è©•ä¾¡ MSE:å¹³å‡äºŒä¹—誤差 from sklearn.metrics import mean_squared_error scores = mean_squared_error(val_y, pred) RMSE import numpy as np from sklearn.metrics import mean_squared_error scores = np.sqrt(mean_squared_error(val_y, pred)) R^2:決定係数 from sklearn.metrics import r2_score scores = r2_score(val_y, pred) å‚考 sklearnã®å›žå¸°ãƒ¢ãƒ‡ãƒ« LinearRegression from sklearn.linear_model import LinearRegression lr = Linea
Deep Learning基礎講座演習コンテンツ 公開ページ
本プãƒã‚°ãƒ©ãƒ ã®æœ€å¤§ã®ç‰¹å¾´ã®ä¸€ã¤ã¯ã€å…¨ã¦ã®ãƒˆãƒ”ックã«ã¤ã„ã¦ã€æ¼”ç¿’ã‚’ä¸å¿ƒã«æ§‹æˆã•ã‚Œã¦ã„る点ã§ã™ã€‚実際ã«æ‰‹ã‚’å‹•ã‹ã—ãªãŒã‚‰ç†è§£ã‚’進ã‚ã‚‹ã“ã¨ã§ã€åŠ¹çŽ‡ã‚ˆãå¦ç¿’ã™ã‚‹ã“ã¨ãŒã§ãã¾ã™ã€‚ 実際ã«ãƒ¢ãƒ‡ãƒ«ã‚’å¦ç¿’ã•ã›ãªãŒã‚‰æŠ€è¡“ã‚’ç¿’å¾—ã™ã‚‹æœ¬æ ¼çš„ãªæ¼”習内容ã¨ãªã£ã¦ã„ã¾ã™ã€‚Deep Learningã¯ã€ãƒ¢ãƒ‡ãƒ«ãŒå®Ÿéš›ã«å¦ç¿’ã™ã‚‹æ§˜åを観測ã—ã€ãƒ‘ラメータを調整ã™ã‚‹ã“ã¨ã§ã‚¢ãƒ—リケーションã«å¿œã˜ãŸãƒ‘フォーマンス最大化を行ã†ã“ã¨ãŒéžå¸¸ã«é‡è¦ãªæŠ€è¡“ã§ã™ãŒã€ã“ã®ä¸€é€£ã®æµã‚Œã‚’å…¨ã¦ã®æ¼”ç¿’ã§çµŒé¨“ã—ãªãŒã‚‰é‡è¦ãªè¦ç´ を身ã«ã¤ã‘ã‚‹ã“ã¨ãŒå¯èƒ½ã§ã™ã€‚
データサイエンスプãƒã‚¸ã‚§ã‚¯ãƒˆã®ãƒ‡ã‚£ãƒ¬ã‚¯ãƒˆãƒªæ§‹æˆã©ã†ã™ã‚‹ã‹å•é¡Œ
ã‚ã‚‹ã„ã¯ã€è«–æ–‡ "Best Practices for Scientific Computing" ãŠã‚ˆã³ "Good Enough Practices in Scientific Computing" ã«ã¤ã„ã¦ã€‚ TL;DR 標題ã®ä»¶ã«ã¤ã„ã¦ã€æœªã ã«ç”ãˆã¯è¦‹ãˆã¦ã„ãªã„ã®ã ã‘ã©ã€è‡ªåˆ†ã®ç¾çŠ¶ã¨ä»–ã®äººã®ä¾‹ã‚’æ–‡å—ã§æ®‹ã—ã¦ãŠã。 ã“ã†ã„ã†è©±ã§ã€Œã‚ーãã®æ‰‹ãŒã‚ã£ãŸã‹ãƒ¼ï¼ã€ã¨çŸ¥ã£ãŸã¨ãã®èˆˆå¥®ã¯ã™ã”ã„ã®ã§ã€ã¿ãªã•ã‚“ã‚‚ã£ã¨ã‚ªãƒ¼ãƒ—ンã«ã„ãã¾ã—ょã†ã€‚ 大切ãªã®ã¯ã€ã‚½ãƒ•ãƒˆã‚¦ã‚§ã‚¢é–‹ç™ºã¨åŒã˜è¦é ˜ã§ãƒ‡ãƒ¼ã‚¿ã‚µã‚¤ã‚¨ãƒ³ã‚¹ã®ãƒ—ãƒã‚¸ã‚§ã‚¯ãƒˆã‚’æ‰ãˆã¦ã€åˆ†æžã¨è¨€ã†åã®â€œé–‹ç™ºâ€ã‚’è¡Œã†ã¤ã‚‚ã‚Šã§ãƒ‡ã‚£ãƒ¬ã‚¯ãƒˆãƒªã‚’掘るã“ã¨ã€‚ å¿…è¦ãªã‚‚ã®ãƒªã‚¹ãƒˆ ナウã„データサイエンス/機械å¦ç¿’プãƒã‚¸ã‚§ã‚¯ãƒˆã®ä¸ã«ã¯ï¼ˆçµŒé¨“上ã€ã±ã£ã¨æ€ã„æµ®ã‹ã¶ã ã‘ã§ã‚‚）次ã®ã‚ˆã†ãªãƒ•ã‚¡ã‚¤ãƒ«ç¾¤ãŒã‚ã£ã¦ã€åƒ•ãŸã¡ã¯ãれらを良ã„æ„Ÿã˜ã«ç®¡ç†ã—ãŸã„。 ソースコード 役割ãŒã„ã‚ã„ã‚ã‚る： å‰å‡¦ç†ï¼ˆã“
ã€ãƒ©ãƒ³ã‚¯è¿½åŠ 】長年ã®ãƒŽã‚¦ãƒã‚¦ã‚’å¦ã³ãŸã„ - PyQãŒã€Œè¨è¨ˆã€ã®ãƒŽã‚¦ãƒã‚¦ã‚’å¦ã¹ã‚‹ã‚³ãƒ³ãƒ†ãƒ³ãƒ„ã‚’è¿½åŠ - Pythonå¦ç¿’ãƒãƒ£ãƒ³ãƒãƒ« by PyQ
ã“ã‚“ã«ã¡ã¯ã€‚PyQ開発ãƒãƒ¼ãƒ ã®æ¸…原 id:hirokiky ã§ã™ã€‚ プãƒã‚°ãƒ©ãƒ を書ãä¸ã§ã“ã‚“ãªæ‚©ã¿ã¯ã‚ã‚Šã¾ã›ã‚“ã‹ï¼Ÿ 「書ã„ã¦ã¿ãŸã‘ã©ã‚レイã«ã¾ã¨ã‚られãªã„ãªã€‚。〠「ã“ã®å‡¦ç†ã¡ã‚‡ã£ã¨ãƒã‚¹ãƒˆãŒæ·±ã™ãŽã‚‹ã‹ãªã€‚。〠「ã“ã®é–¢æ•°ã€å†åˆ©ç”¨æ€§ãŒã‚ã¾ã‚Šã‚ˆããªã„ã‹ã‚‚ãªã€‚。〠ã“ã‚Œã¯ãƒ—ãƒã‚°ãƒ©ãƒŸãƒ³ã‚°ã—ã¦ã„る常ã«ã¤ã„ã¦ãã‚‹æ‚©ã¿ã ã¨æ€ã„ã¾ã™ã€‚ 自分ã®ãƒ—ãƒã‚°ãƒ©ãƒ を見直ã—ãŸã¨ãã‚„ã€ãƒ¬ãƒ“ューをä¾é ¼ã™ã‚‹ãƒ»ã•ã‚Œã‚‹å ´åˆã«ã‚‚常ã«æ‚©ã¾ã—ã„ã“ã¨ã ã¨æ€ã„ã¾ã™ã€‚ ã¨ãã«ä»•äº‹ã§è¤‡æ•°äººã¨å”力ã—ã¦ãƒ—ãƒã‚°ãƒ©ãƒŸãƒ³ã‚°ã™ã‚‹å ´åˆã‚„ã€ä¸é•·æœŸçš„ã«ãƒ—ãƒã‚°ãƒ©ãƒ を改良ã—ã¦ã„ãå ´åˆã«å¿…è¦ãªã‚¹ã‚ルã§ã™ã€‚ ãれ㌠「è¨è¨ˆã€ ã§ã™ã€‚ ã§ã™ãŒè¨è¨ˆã®ãƒŽã‚¦ãƒã‚¦ã‚„勘所をå¦ã¶ã«ã¯ã€ãã‚Œãªã‚Šãªæ™‚間や経験ãŒå¿…è¦ã ã¨æ€ã„ã¾ã™ã€‚ 人ã«æ•™ãˆã‚‹ã®ã‚‚難ã—ã„点ã ã¨æ€ã„ã¾ã™ã€‚ ãれをå¦ã¹ã‚‹å¦ç¿’ã‚³ãƒ³ãƒ†ãƒ³ãƒ„ã‚’è¿½åŠ ã—ã¾ã—ãŸã€‚ 以下ã®ãƒªãƒ³ã‚¯ã‹ã‚‰å¦ç¿’ã„ãŸã ã‘ã¾ã™ã€‚ pyq.jp PyQã§å¦ã¹ã‚‹ã€Œè¨è¨ˆã€ã¨ã¯
DNC (Differentiable Neural Computers) ã®æ¦‚è¦ + Chainer ã«ã‚ˆã‚‹å®Ÿè£… - Qiita
ã“ã‚“ã«ã¡ã¯ï¼Ž@yos1up ã¨ç”³ã—ã¾ã™ï¼Žå¥½ããªé£Ÿã¹ç‰©ã¯ï¼Œç·‘色ã®ã‚ノコã§ã™ï¼Ž 2016/10/12ã« DeepMind ㌠Nature ã«æŠ•ç¨¿ã—ãŸè«–文，Hybrid computing using a neural network with dynamic external memory ã«ã¦æ案ã•ã‚Œã¦ã„るニューラルãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ãƒ¢ãƒ‡ãƒ« DNC (Differentiable Neural Computers) を，大急ãŽã§ Chainer ã§å®Ÿè£…ã—ã¦ã¿ã¾ã—ãŸï¼Ž DNC ã«ã¤ã„㦠DNC ã¯ï¼Œå…ˆè¿°ã®è«–æ–‡ã§æ案ã•ã‚ŒãŸæ–°ã—ã„ニューラルãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã§ï¼Œãã®æƒ…å ±å‡¦ç†èƒ½åŠ›ã®é«˜ã•ãŒæœŸå¾…ã•ã‚Œã¦ã„ã¾ã™ï¼Žè«–æ–‡ä¸ã§ã¯ï¼Œã‚°ãƒ©ãƒ•ä¸Šã®æœ€çŸçµŒè·¯ã‚¿ã‚¹ã‚¯ã‚„ã¡ã‚‡ã£ã¨ã—ãŸãƒ‘ズルã®ã‚¿ã‚¹ã‚¯ãªã©ï¼Œå¾“æ¥ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã§ã¯å¦ç¿’ä¸å¯èƒ½ã¨æ€ã‚ã‚Œã¦ã„ãŸã‚¿ã‚¹ã‚¯ãŒ DNC ã§å¦ç¿’ã§ãã¦ãŠã‚Šï¼Œãã®æƒ…å ±å‡¦ç†èƒ½åŠ›ã®é«˜ã•ãŒã†ã‹ãŒã„知れã¾ã™ï¼Ž DN
ç”»åƒå‡¦ç†ã‚’ã‚„ã‚‹ãªã‚‰çŸ¥ã‚‰ãªã„ã¨æï¼OpenCVãŒã‚ã‹ã‚‹è³‡æ–™ã¾ã¨ã‚
OpenCV（オープンシーヴィ）ã¯å¤šæ©Ÿèƒ½ãªã‚³ãƒ³ãƒ”ュータビジョンライブラリã§ã€å‹•ç”»ã‚„ç”»åƒã®å‡¦ç†ã«å¹…広ã利用ã§ãã‚‹ã•ã¾ã–ã¾ãªæ©Ÿèƒ½ãŒå®Ÿè£…ã•ã‚Œã¦ã„ã¾ã™ã€‚ 動画・画åƒå‡¦ç†ã‚’用ã„ãŸã‚¢ãƒ—リやサービスを開発ã™ã‚‹ãŸã‚ã«ã€OpenCVã‚’å¦ã³ãŸã„ã¨æ€ã£ã¦ã„ã‚‹æ–¹ã¯å°‘ãªããªã„ã®ã§ã¯ãªã„ã§ã—ょã†ã‹ã€‚ ãã“ã§ä»Šå›žã¯ã€OpenCVãŒå¦ã¹ã‚‹è³‡æ–™ï¼ˆè¨˜äº‹ãƒ»ã‚µã‚¤ãƒˆãƒ»ã‚¹ãƒ©ã‚¤ãƒ‰ï¼‰ã‚’10個ã”紹介ã—ã¾ã™ã€‚ OpenCVを基礎ã‹ã‚‰è§£èª¬ã—ã¦ã„る資料をä¸å¿ƒã«ç´¹ä»‹ã—ã¦ã„ã¾ã™ã®ã§ã€OpenCVã®å¦ç¿’ã«ãœã²ã”活用ãã ã•ã„。
Theano 㧠Deep Learning <3> : 畳ã¿è¾¼ã¿ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ - StatsFragments
Python Theano を使ã£ã¦ Deep Learning ã®ç†è«–ã¨ã‚¢ãƒ«ã‚´ãƒªã‚ºãƒ ã‚’å¦ã¶ä¼šã€ç¬¬ä¸‰å›žã€‚今回ã§æ•™å¸«ã‚ã‚Šå¦ç¿’ã®éƒ¨åˆ†ã¯ã²ã¨æ®µè½ã€‚ 目次 DeepLearning 0.1 ã«ã¤ã„ã¦ã€å¯¾å¿œã™ã‚‹è¨˜äº‹ã®ãƒªãƒ³ã‚¯ã‚’記載。 第一回 MNIST データをãƒã‚¸ã‚¹ãƒ†ã‚£ãƒƒã‚¯å›žå¸°ã§åˆ¤åˆ¥ã™ã‚‹ 英 第二回 多層パーセプトãƒãƒ³ 英 第三回 畳ã¿è¾¼ã¿ãƒ‹ãƒ¥ãƒ¼ãƒ©ãƒ«ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ (今回) 英 第四回 Denoising オートエンコーダ 英 第五回 多層 Denoising オートエンコーダ 英 第å…回ã®æº–å‚™1 networkx ã§ãƒžãƒ«ã‚³ãƒ•ç¢ºçŽ‡å ´ / 確率ä¼æ¬æ³•ã‚’実装ã™ã‚‹ - 第å…回ã®æº–å‚™2 ホップフィールドãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ - 第å…回 制約付ãボルツマンマシン 英 Deep Belief Networks 英 Hybrid Monte-Carlo Sampling 英 Recurrent Neural Network
Christoph Gohlke
 Christoph Gohlke cgohlke@cgohlke.com • Irvine, California Windows Binaries These repositories provide rare, preview, or alternative binaries of open-source Python packages for the Windows operating system: Wheels for Python for Windows on ARM64 Wheels for Python on Windows, linked to oneAPI MKL: numpy, scipy, numexpr, etc. Geospatial library wheels for Python on Windows: GDAL, rasterio, Fiona, e
ディープラーニングフレームワーク ã¨Chainerã®å®Ÿè£…
PPL2016@岡山 ディープラーニングã®ç ”究開発時ã«ã¯ã€è¨ˆç®—を支æ´ã™ã‚‹ãŸã‚ã®ãƒ•ãƒ¬ãƒ¼ãƒ ワークãŒç”¨ã„られる。Chainerã¯Python上ã§å‹•ãディープラーニングフレームワークã®ä¸€ã¤ã§ã‚る。他ã®å¤šãã®ãƒ•ãƒ¬ãƒ¼ãƒ ワークã¨ç•°ãªã‚Šã€é †ä¼æ’処ç†ã‚’è¡Œã£ãŸæ™‚ã®å®Ÿè¡Œå±¥æ´æƒ…å ±ã‚’ã‚‚ã¨ã«é€†ä¼æ’ã®ã‚°ãƒ©ãƒ•ã‚’å‹•çš„ã«æ§‹ç¯‰ã™ã‚‹define-by-runã¨ã„ã†æ–¹å¼ã‚’採用ã—ã¦ã„る。ã“ã®æ–¹å¼ã«ã‚ˆã‚Šã€åˆ†å²ã‚„å†å¸°ã‚’å«ã‚€ã‚ˆã†ãªè¤‡é›‘ãªæ§‹é€ ã®ãƒãƒƒãƒˆãƒ¯ãƒ¼ã‚¯ã‚‚ç›´æ„Ÿçš„ã«æ§‹ç¯‰ã§ãã€åŠ ãˆã¦ãƒ‡ãƒãƒƒã‚°ãŒå®¹æ˜“ã§ã‚る。ã¾ãŸã€CuPyã¨å‘¼ã°ã‚Œã‚‹NumPyサブセットã®CUDAã«ã‚ˆã‚‹è¡Œåˆ—演算ライブラリを作æˆã—ã€ãƒãƒƒã‚¯ã‚¨ãƒ³ãƒ‰ã¨ã—ã¦åˆ©ç”¨ã—ã¦ã„る。本講演ã§ã¯ã€ãƒ‡ã‚£ãƒ¼ãƒ—ラーニングフレームワークã®åŸºç¤Žã¨å®Ÿè£…ã€ãã—ã¦èª²é¡Œã«ã¤ã„ã¦Chainerを通ã—ã¦èª¬æ˜Žã™ã‚‹ã€‚
1
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
GitHub - dataspren-analytics/datastudio: A local Python/SQL notebook in the browser for exploring, transforming and visualizing data using WebAssembly.
{{#tags}}- {{label}}
{{/tags}}