はじめに なんか面白そうなAPIとか探していたら、NHK番組表APIなるものを発見しました。 NHKっていったら、紅白、高校野球、朝ドラ、大河、天才テレビくんとか忍たま乱太郎とか、昔からそんなイメージ。 最近だと、キングダムとか進撃の巨人なんかも放送してたり、昔のイメージを覆しはじめてますねー。 ちなみに最近見つけた僕のイチオシは「香川照之の昆虫すごいぜ！」です。 ちなみに、NHKって不定期放送多くないですかね？ LIFE!とか、見逃しちゃうんですよね〜。 ウッチャンのコント番組見ると、笑う犬思い出しちゃいますよね〜。ミル姉さんとか。 ということで、今回はLambda使ってサーバーレスな感じで、見たい番組・好きなタレントが出ている番組をSlackに通知する、お手軽アプリケーション作ろうかと思います。 言語はGo(勉強中)です。 環境など AWS Lambda Amazon CloudWat

お久しぶりです！ アルゴリズムと整数好きのけんちょんです！ 今回は俗に「数学ゲー」と呼ばれるタイプの問題のうち、整数について語ります。 【他シリーズ】 AtCoder 版！マスター・オブ・整数 (最大公約数編) エラトステネスの篩の活用法を総特集！ 〜 高速素因数分解・メビウスの反転公式 〜 フェルマーの小定理の証明と使い方 拡張ユークリッドの互除法 〜 一次不定方程式 ax + by = c の解き方 〜 (書籍画像は amazon ページ より) 追記：整数問題を練習できるオンライン教材 本記事に準拠した、整数アルゴリズムを学べるオンライン教材を作ってみました。素数判定から始めて、段階的に学べる教材としました。 整数問題などのオンライン練習問題集 1 問 1 問は下図のような構成になっています。各問題に対して、ユーザが実装したプログラムを提出すると、その場でサーバー上で実行し、正しく挙

今回は最大公約数について特集します！ 最大公約数は、初等整数論の醍醐味をたっぷりと味わえる題材です。競プロをやっている方だけでなく、大学受験を志す方にも有益なものが満載です。 (なお、最近の Qiita スマホ表示の不具合により、スマホでは数式がうまく表示されない可能性があります) 0. はじめに 今回は AtCoder の整数問題の中でも特に多い最大公約数に関する知見をまとめます。今回も前回と同様、登場するアルゴリズム自体はたった 1 個です。 Euclid の互除法 Euclid の互除法とは、二つの整数 $a, b$ の最大公約数を求めるアルゴリズムです。たったそれだけなのですが、最大公約数については考えることがものすごく沢山あります。前回の素因数分解と同様、最大公約数も 単にアルゴリズムを覚えるだけでなく、最大公約数という概念について深く理解すること がとても重要だと思います。最大

はじめに --- DP は役に立つ はじめまして。NTTデータ数理システムでアルゴリズムを探求している大槻 (通称、けんちょん) です。 好きなアルゴリズムは最小カットやマッチングですが、会社ではなぜか「DP が好きな人」と呼ばれています。 巷ではよく「DP なんて実務では使わない」といった言説が定期的に流れますが、そんなことはないです。僕自身この 2 年間で DP が使える実務案件に 3 件くらい関わりました！ それはともかくとして、DP を学び立ての方がよく抱く悩みとして「バリエーションが多すぎて混乱するし、統一的なフレームワークがほしい」というのがあります。確かに DP のバリエーションは非常に多岐にわたるのですが、そのほとんどが以下の 3 つのフレームワークで説明できると思います: ナップサック DP 区間 DP bit DP 今回はこのうちのナップサック DP について、とにかく

Excelで誰でも簡単言語処理 (感情推定, 固有表現抽出, キーワード抽出, 文類似度推定 etc...)ExcelAPIVBA自然言語処理COTOHA 3行まとめ Excel関数一発で高度な言語処理を使えるようにしました 感情推定、固有表現抽出など日本語を分析・整理するのにいろいろ使えます Windows + Officeユーザならマクロファイルで誰でも簡単に使えます ※Macだと多分動かないと思います。VBAのHTTPリクエストを有効にできないため。。。 9/1追記: コメント頂きましたが、64bit版OfficeだとjsonParseが動かないようなのでアップデートしてみました。動作確認できていないので自己責任でお願いします https://github.com/korinzuz2/excelcotoha/blob/master/COTOHA公開用64bitExcel対応版.xls

はじめに もともとふつうのベンチャーでしたが、2014年に量子コンピュータにピボットしてからはすくすく会社が育ち、向いてることをするのは大事だなと感じてます。 Qiitaはポエムを書かないといけないらしい（多分）ので。おそらく日本初の量子コンピュータベンチャーとしてまず五年目までに気づいたことを書いてみます。 もともとはデザイン会社 もともとうちの会社はデザイン会社でした。出身が建築事務所だったので、そのまま2009年に独立してデザインをしてました。建築時代はphotoshop+autocadを使っていました。イラレはいまだに苦手です。 前の建築事務所は隈研吾建築事務所というところで、青山の美術館の設計や中国のアリババの社屋のコンペなどを主にしていました。 建築は当時CGパースも仕事がたくさんありましたので、CGのモデリングやレンダリングをやりながら当初は生計を立てていました。ただ、リーマ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

TL;DR プログラムのネーミングで迷ったら GitHub でキーワードを検索して、ヒットした件数が参考になるのでは？ 複数キーワードを検索して結果の一覧を表示する CLI 作りました https://github.com/kyoshidajp/ghkw ネーミング迷いますよね？ みなさん、コードを書いていて変数やメソッド名のネーミングって迷いますね。 こんな時に自分たちはチームを横断して「こういう名前考えたんだけど、これってどうかな？」という確認を Slack 上で行っています。先日、この Slack チャンネルを見ていて考えました。 「**GitHub で検索すれば世の中のコードでどのぐらい使われているかざっくり分かるので参考になるのでは？**説」 GitHub で検索できるという条件付きではありますが、コードの規模からするとある程度期待できそうです。 GitHub で検索 例えば「除

はじめに PythonのAnaconda環境を構築していく際に、各ツールの導入記事は色々見つかったのですが、Homebrewのインストールから通しで解説している記事がなかったため、自分の備忘録も含めてまとめました。 Pythonの仮想環境管理ツールはPyenv以外にもいろいろありますが、今回は情報の多さと使い勝手のシンプルさの面でPyenvを採用しています。 用語のまとめ Homebrew:「Mac OS Xオペレーティングシステム上でソフトウェアの導入を単純化するパッケージ管理システムのひとつである」 by wikipedia 追記：HomebrewはmacOSに加えてLinuxとWindows (WSL)環境での実行を公式にサポートしました。 pyenv:様々なバージョンのPythonを管理するツール。導入することで，Python v2系とv3系など，複数のバージョンの切り替えが容易に

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ▲訂正とお詫び▲ テキスト本体（第3.2版以前のもの）の中のオブジェクト指向プログラミングの解説部分で，デストラクタ（ファイナライザ）に関する記述に誤りがありましたので修正しました．どうか最新版に差し替えてください． ●テキスト本体（PDF形式474ページ:3.84MB）　2024/10/11更新 （→ミラーサイトからDL）（→GitHubからDL） 言及している主なライブラリ： Kivy, argparse, socket, threading, multiprocessing, concurrent, requests, Beaut

先人のvimmer様が作ったチートシートはUS配列の図か、 日本語化されたものでもコマンドの羅列のみの物が多かったので、 JIS配列＋日本語表記のvimチートシート作りました。 まずはテンプレート作成 世界一有名であろうこの図を元に作成する。 幸いなことにこの図をJIS配列化しているVimmerの方が居たので、 JIS配列化されているものを使用する。 そして英語説明部分を切り取ったものがこちら。 日本語化 まっさらな状態のJIS配列表にキー説明を書き込んでいく。 最後に自分用のメモ書きを書き込んで完成! キーマッピングを独自に変えててこのままじゃ使えないよ!という先輩Vimmer様はまっさらな状態の物から自分専用チートシートを作ってください! (間違っている箇所があればご指摘ください!)

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

ここに実力の分からない、Aさん、Bさん、Cさんがいるとしましょう。 Aさん、Bさん、Cさんが、ある勝負で試合をしていきます。3人全員で試合をすることもあれば、2人で試合をする時もあれば、AさんとBさんがタッグを組んで、Cさんと試合をすることもあるとします。ようは何でもありです。 我々が知ることができるのは、ただ各試合の勝敗（3人の場合は順位）だけです。 その数多の歴戦の結果から、Aさん、Bさん、Cさんの実力を数値化したい時、どのように数値化するのが適切でしょうか。 その問いに答えてくれる、一つの強力な手法が、そう、 TrueSkill です。 さて、Machine Learning Advent Calendar 2016の１日目です。 折角の初日なので、機械学習入門についてでも書こうかと迷いましたが、どこまで書くべきか難しい上に、体系的に述べられるほど専門家では決してなく、世には分量こそ

はじめに 検索しても見つからなかったので、実際に色々検証した結果をまとめていきます。 今後も何か見つかれば、追加していきます。 何か間違いや記載されていないコマンドなどありましたら、ご教授いただければ幸いです。 カーソル移動 入力 効果

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?