22新卒技術研修で実施したFlutter研修の講義資料です。 動画も後日公開予定です。 ハンズオン用リポジトリ https://github.com/mixigroup/2022BeginnerTrainingFlutter

作ったもの タイトルはSimple Newsです。 サイトURLは、 こちらです。 ソースコードは こちらです。 Google News を参考にしました。 どんな機能があるの？ NewsAPIからニュースサイトの記事のデータを取得し、タイトルと画像を表示 NewsAPIは、世界中のニュースサイトから検索をかけて、情報を取得できるAPI ( Application Programming Interface ) OpenWeatherMapから取得した、現在の天気情報と5日間の天気予報を表示 OpenWeatherMapは、現在の気象やある期間の気候の予測データを取得できるAPI ページ遷移が高速 記事をクリックすると、記事が掲載されているサイトへ飛びます。 こんな感じでとてもシンプルで高速に動くニュースサイトです。 こんな人に読んでほしい Next.jsを使ってみたい初心者 外部APIを

------------------------------------------------------ 2024 年 1 月更新 本書がきっかけで「なんとか Docker を使えるようになりたい」というプログラマの方向けの入門書を秀和システム様から出版させていただけることになりました 開発系エンジニアのためのDocker絵とき入門 https://www.amazon.co.jp/dp/4798071501 紙書籍と電子書籍、どちらもございます この書籍と執筆経験は、みなさまからの驚くほどの高評価があればこそ得られた機会でした いつも本当にありがとうございます 書籍化に際しまして、この場で次のとおり説明させていただきます 1️⃣ 本書 ( Zenn ) は有料化しません 2️⃣ 本書 ( Zenn ) は今後更新しません 3️⃣ 本書 ( Zenn ) と出版される絵とき入門の違い

こんばんは、エンジニアの眠れない夜です。 ここではGoogleCloudPlatformのCloudStorageにPythonからファイルをアップロード・ダウンローする方法をご紹介します。 分かってしまえばなんて事のない事なのですが、なかなかファイルのアップロードとダウンロードができなくて何時間も費やしてしまいました。 このブログを読んでくださる方は5分もあればCloudStorage（クラウドストレージ）にファイルの保存、取得ができるようになります。 CloudStorage（クラウドストレージ）の概要 クラウドストレージにアクセスするにはサービス アカウントというクラウドストレージにアクセスするためのアカウントとバケット（ストレージ）を作成します。 作成したアカウントの認証キーを使って認証を行います。 あとはストレージにPythonプログラムからアクセス実行するだけ。 という3ステッ

今回はJulia(ver1.1.0)を導入し、Jupyter Notebookで使用する方法を記載致します。 必要なもの Python3 (Anaconda3) Jupyter Notebook Julia 1.1.0 Anaconda, Jupyter Notebookについては過去の記事で記載していますので、今回は省略します。 Juliaのダウンロードとインストール Juliaの公式サイトより、Juliaをダウンロードします。 ダウンロードしたファイルを実行するとxx% Extractingというウィンドウが開きますので少し待ちます。 少し待つと、The Julia Language Setupといったウィンドウが開きますので、インストール先のフォルダを指定してInstallをクリックします。 インストールが終わると、ダウンロード先フォルダを確認　と　デスクトップショートカットとスター

最近流行りつつある科学計算処理向けの高水準言語「Julia」の基本操作をまとめていきます。 1.準備編 2.確率分布・仮説検定と可視化編 3.データフレーム操作編 chapter.5 データフレーム操作 DataFrames.jl を使ったデータフレーム操作についてまとめます 公式：https://juliadata.github.io/DataFrames.jl/stable/man/getting_started/ 1.パッケージ install julia> data = [ 1 0.179324 "A"; 2 0.818923 "B"; 3 0.979487 "C"; 4 0.882494 "A"; 5 0.00530208 "B"]; julia> DataFrame(data) 5×3 DataFrame │ Row │ x1 │ x2 │ x3 │ │ │ Any │ Any

プログラムを作ってみたは良いけれど、想定していたよりもパフォーマンスが出ないという事態はよくある。 そんなときはパフォーマンス・チューニングをするわけだけど、それにはまず測定が必要になる。 具体的に何を測定するかというと、プログラムの中のどこがボトルネックになっているかという点だ。 この測定の作業は一般にプロファイリングと呼ばれる。 プロファイリングにはふたつの種類がある。 ひとつ目は今回紹介する profile/cProfile モジュールが採用している決定論的プロファイリング。 そして、もうひとつが統計的プロファイリングだ。 決定論的プロファイリングでは、プログラムが実行されていく過程を逐一記録していく。 そのため、時間のかかっている処理を正確に把握することができる。 ただし、測定自体がプログラムに与える影響 (プローブ・エフェクト) も大きくなる。 それに対し統計的プロファイリングで

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

こんにちは！小田島です。ウェブ業界に来る前は手品業界で働いていました。最近は外出自粛で手品をやる機会がないので家でひたすら練習しています。 前回の記事「いまさら聞けないNode.js」は、「わかりやすい」「いい記事」「背景の説明が丁寧」といった好意的な反応が多くて安心しました。 「Denoについては後日記事を書きます」と前回宣言したので、今回はDenoについての入門記事を書きます。よろしくおねがいします！ 対象者 今回は、こんな人が対象です。 Denoって何？ Node.jsとどう違うの？ 全然触ったことないけど何か簡単で応用が効くものを作ってみたい 前回と違い、ハンズオンも含まれています。ぜひ読みながら実際に動かしてみてください。 Denoとは？ 前回同様に超ざっくりと説明すると、JavaScriptとTypeScriptの動作環境です。作者はNode.jsと同じライアン・ダールです。D

(Image by Pixabay) この記事は以下のオススメ書籍リスト記事のアップデートです。 毎回の断り書きで恐縮ですが、この記事では「データサイエンティストや機械学習エンジニアなどデータ分析の実務の専門家として」*1機械学習や統計分析を手掛けていきたいという、主に初級ないし中級ぐらいのスキルレベルの人たちにお薦めしたい書籍を、初級向け5冊・中級向け8冊及び細かいテーマ別に11冊、それぞれ挙げていきます。スタンスとしては相変わらず「当座の最終到達点を『中級』に置いた時に最初に読んで内容をマスターしておくべき書籍」を初級に置いているので、世の中のこの手のお薦め書籍リストに比べると若干ハードな内容のものが初級向けに多いかもしれません。 後はちょっと気が早いかもしれませんが、機械学習パートに関しては「AutoML時代にあっても実務の専門家であれば知っておくべき知識」を収めた書籍を選んでおきま

この資料について サークルのWebアプリケーション製作講座用に書いている資料です。 対象読者は何らかのプログラミング言語を少し触ったことはあるけど、Pythonははじめてという方を対象にしています(ちなみにサークルでは最初にC言語をします) Githubのほうで公開していましたが，Qiitaに移してみることにしました． その後、Zennに移しました

You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert

はじめに 前回のネットワーク指標編に引き続き、共立出版のRで学ぶデータサイエンスシリーズのネットワーク分析を読み進めていきます。 今回は検定や指数ランダムモデルについてです。 個人的にはなかな面白かったトピックでした。 igraphとggraph、tidygraphパッケージを使える所は使ってきます。 また、こちらで掲載しているコードの詳細はgithubにあげています。 ※ネットワークをグラフと言ったり、ネットワークといったりしていてわかりにくいかもしれません。 ネットワークの統計的仮説検定 ネットワークでも仮説検定が行えます。 t検定等の統計的仮説検定では、分布を仮定しますが、ネットワークの密度等は次数等の条件により変化してしまうため、指標の分布は正確に得られないです。 そこで、帰無仮説に基づいてモンテカルロシミュレーションによりネットワークデータを発生させ統計量の分布を求める方法が用い

2018年にかけて実施されていた、東京大学松尾研究室が監修するエンジニア向け無償教育プログラム「DL4US」の、演習パートのコンテンツが無償公開された。 関連記事：松尾研監修のディープラーニング無償オンラインプログラム「DL4US」が募集を開始 「DL4US」とは？Deep Learningエンジニア育成講座「DL4US」の演習コンテンツを無償公開しました。実装に重きを置いてエンジニア向けに松尾研で作成したもので、画像認識や翻訳モデルから始まり、生成モデルや強化学習まで扱う実践的な内容になっています。ご興味ある方はぜひ。https://t.co/jLWlrk9UdK — 松尾 豊 (@ymatsuo) 2019年5月15日 DL4USは高度なディープラーニング技術者を育成することを目的とした、アプリケーション指向の無償オンライン教育プログラムだ。 東京大学ディープラーニング基礎講座、応用講

この記事はSLP KBIT AdventCalendar2018 25日目の記事です。 今回が初投稿です、がっきーです。 今回はサークル活動の一環でWebアプリケーションを作成した奮闘記および備忘録をお送りします。 Webアプリケーションを作るのは今回が初めてだったので、シンプルな課題管理アプリ作成に取り組みました。 やっていき 環境 Ubuntu 16.04 LTS PostgreSQL 9.5.14 使用言語 Python3 JavaScript HTML RDBMSにPostgreSQL、バックエンドの実装にFlaskをそれぞれ用いました。 またテンプレートエンジンにJinja2、RDBMSへの接続にpsycopg2というモジュールを用いました。 要件定義 ユーザ登録制にする。 課題の追加、編集、削除ができる。 課題のステータスに応じた一覧を表示できる。 といったことを最低限の目標に