Online ISSN : 1883-7417 Print ISSN : 0915-4027 ISSN-L : 0915-4027
Online ISSN : 1883-7417 Print ISSN : 0915-4027 ISSN-L : 0915-4027
「仮交際に入ったけど、具体的にどうしたらいいの?」「デートは重ねているけど、結婚を意識できるほど相手のことが分からない」と、お悩みではありませんか? 交際がスタートして「デートを重ねてくださいね」とアドバイスされても、具体的にどんなデートをして何について話せば結婚へ近づけるのか分からないという方もいるでしょう。 そこで今回は、仮交際中にすべきこと・話べきことについて詳しくご紹介します。 真剣交際にステップアップするために方法も解説するので、この記事を読めば真剣交際に至るまでの細かいポイントが分かるでしょう。 仮交際中にすべき5つのこと 仮交際に入ったらするべきことについてまとめました。 以下の5つを実践してみてくださいね。 交際期限について確認 連絡頻度について相談 お食事デート 半日~1日のお出かけデート 手を繋ぐ それぞれ詳しく解説します。 1. 交際期限について確認する IBJの結婚
※本記事で言及しているReflexのdiscord内に日本語チャンネルをつくってもらいました。もし、興味をもった人がいたら参加してみてください。 1.PythonだけでWebアプリをつくるライブラリが増えている 最近(2024.05)、Python界隈ではPythonだけでWebアプリが作れるライブラリが増えています。詳しくは他の記事を参照してもらえればと思います。 以下の記事がとても参考になりました。ありがとうございます。 2.ライブラリの分類 こうしたライブラリも大きくわけて2つの種類があるように思います。 ①データ解析の結果を表示するダッシュボードライブラリ ②汎用的なWebアプリをつくるローコードライブラリ ①ダッシュボード系ライブラリ たとえば、上記の記事にも出てきますし、ネットでもかなり情報の多い、StreamlitやDashは項番1のダッシュボードライブラリに該当すると思いま
遠赤外線デスクヒーターを置いてみて、その暖かさには満足したものの、上に乗せた毛布がいちいちずり落ちるのは面倒だなと思ったのが昨日までの話。
Image generated by OpenAI's DALL·E-3. はじめに こんにちは! 突然ですが、Kaggleのハードルって高くないですか?特に初見だと、複雑なルールや大量のデータなどに圧倒されてしまう人も多いかもしれませんね。また、全て英語なので非英語話者にとってはそこもハードルを上げる原因になっていると考えられます。実際は慣れれば簡単なことも多いのですが、Kaggle慣れするまでにやや時間がかかるのも事実です。そこで、少しでもKaggleのハードルを下げたいと考えて本記事を執筆しました。 対象読者様 この記事は、以下のような方をメインに想定して執筆しました。 AI・データ分析・機械学習に興味があって、Kaggleに参加しようと思ったけどハードルが高くて躊躇している方 Kaggleに参加したはいいものの、ドロップアウトしてしまった方 Kaggleのハードルを乗り越えたい方
SPDMとはここ数年でSPDMというキーワードが国内で徐々に浸透しつつあり、盛り上がりをみせているように感じています。SPDMとはSimulation Process and Data Managementの略称であり、SimulationをCAEと捉えると「CAE業務のプロセスとデータを管理する」という概念になるのですが、Wikipediaで調べてもSPDMはまだ検索にヒットしないのが現状で、実際にどんなことをするのか・どんなうれしさがあるのかに関しては、まだ少しぼんやりとしています。 図1:SPDMの定義例 なぜいまSPDMなのかしかしながら、最近はお客様のほうから"SPDM"という直接的なキーワードで情報提供や提案を求められる機会が増えたと実感しています。 なぜSPDMを求める声が高まり、市場が盛り上がっているのかを考えてみると、「DX(Digital transformation)
日本の製造現場では、 「開発部門の設計に従って製造しても期待した性能を発揮しない。」 「試作品を作って十分な試験を行ったのに、リリース後に不具合が生じる。」 「寿命試験の想定より、はるかに短い期間で不具合が生じる。」など、開発期間の長期化、品質トラブルといった問題がしばしば発生します。これらは、その製品を成り立たせている機能の安定性(ロバスト性)のなさが原因です。 このような問題を事前の評価で防止する手法が品質工学(タグチメソッド)です。 このページでは、品質工学に関連する手法などについて解説します。
RustとPythonの違い─プロジェクトでどちらを利用すべきか RustとPythonは、最近よく比較される人気のプログラミング言語。どちらも汎用的に使用できますが、特定のシナリオやニッチな分野によっては、それぞれ得意不得意があります。 プロジェクトにどちらの言語が適しているかを判断するには、両者の特徴とアーキテクチャをよく理解する必要があります。このRustとPythonの比較記事が判断の参考になるはずです。 では、早速始めましょう。 Rustの概要 Rustプログラミング言語のロゴ(出典:Rust公式サイト) Rustは比較的新しいプログラミング言語ですが、パフォーマンスとメモリ効率に優れ、信頼性の高いアプリケーションを作成できることから急速に普及しました。Rustは静的型付け言語で、構文はC++に似ています。 ガベージコレクションやランタイムはありません。C++で見られるさまざまな
ハイパーパラメータの自動最適化フレームワークである Optuna は目的関数を書くと自動で最適なハイパーパラメータを探索してくれます. 基本的にはアルゴリズムに任せるのが良いですが,ユーザー側でパラメータをいじるなど変なことをしようとすると少々面倒なのでまとめておきます. 使用環境は Python 3.9.16 Optuna 3.1.0 例:LightGBM モデルのハイパーパラメータ調整(探索のターゲットや数値は適当です) import optuna import lightgbm as lgb from sklearn.model_selection import train_test_split # データ読み込み train_X = pd.read_pickle("../data/train_X.pkl").values train_y = pd.read_pickle("../d
NumPy互換数値演算ライブラリNLCPyの新機能SCAインターフェースno.019ステンシル計算処理をベクトルエンジンで実施し高速化 サンプルコード「ライフシミュレーション」2022.6.20 1. NLCPy SCAインターフェース 引き続きNLCPy新機能の紹介です。2021年のバージョン2.0.0リリースに伴い、SCA (Stencil Code Accelerator)をPythonから使用するためのインターフェースが追加されました。NEC Numeric Library Collection で提供しているSCAの関数群をPythonスクリプトから容易に利用できるようにするためのものです。今回はステンシル計算サンプルプログラムによるSCAインターフェースの使用方法を紹介します。なおSCA は、画像処理や科学技術計算、ディープラーニングなどで頻出する処理パターンであるステンシル計
以前,Backtesting.pyを使って2本のSMAのゴールデンクロス,デッドクロスによる売買をバックテストしてみました. 今回は,MACDによる売買をバックテストしてみます. 分からないところがあれば,以前の記事もしくは,もう少しだけ詳しく書いたこちらの記事を見てください. また,まとめコード(実行すれば動くはずのコード)は本記事の一番下にあります. 株価データの取得 今回は,2018/1/1~現在までのAAPL(Apple)の株価で行いたいと思います. import pandas_datareader.data as web import datetime start = datetime.date(2018,1,1) end = datetime.date.today() data = web.DataReader('AAPL', 'yahoo', start, end)
相場は相変わらずの下落基調です。 日経平均をはじめ、プライム、スタンダード、グロースといった株価指数が軒並み弱い、いわゆる「地合いが悪い」という奴ですね。こういう状態では、個別株も弱い動きのものが多数です。 何故なら、個別銘柄の株価は基本的に地合いに連動して動くからです。 図1:地合いと株価の基本的な関係 しかし、自分の保有株が、次の図2のような状況に陥っている人も多いのではないでしょうか? 図2:悪い株の例 株価指数の下げにはやたらと連動するくせに、株価指数の上げには無反応。否、上がるどころかむしろ逆に下げて行く。思わず、「このク○株がぁ!」と怒鳴りたくなるような状況。 こういうのは、底なしに下げて行くことが多いので、自分が想定した支持線を割ったところで、さっさと損切りしないと、損失が膨らみ続けて切るに切れなくなる事があります。 私は、こういうものを悪い株と呼んでます。 では、良い株とは
1.As-Is/To-Be分析とは ビジネスの場において、「As-Is」や「To-Be」という言葉を耳にされたことがある方は多いのではないでしょうか。あるべき姿(To-Be)と現状の姿(As-Is)を比較しギャップを洗い出すことで、どのようなアクションをすればあるべき姿になれるのかが見える化できます。今回は、この「As-Is/ToBe分析」の活用方法と具体的な事例をご紹介いたします。 もちろん解説で使っているスライドはダウンロード可能ですので、ぜひ活用してください。 2.As-Is/To-Be分析の使い方As-Is/To-Be分析は、いろいろなやり方があるのですが、今回は“実践的”かつ”効率的”な分析の流れををご紹介いたします。 Step1:テーマを決めるまずは分析したいテーマを決めましょう。テーマを決めずに何となく分析を始めてしまうと、何と何を比較しているのかがブレてしまい、最終的によく
Microsoft Officeのライセンス購入で失敗しない方法 Microsoft Officeには、永続版やプリインストール、サブスクリプションと複数の購入方法がある。それぞれに複数のパッケージやプランなどがあるため、かなり複雑だ。ライセンス条件なども異なるため、あまり考えずに購入すると思わぬ出費となる可能性がある。 新たにPCを購入した際、同時にMicrosoft Officeの購入を検討する人も多いのではないだろうか。オンラインサービス(Webサービス)の利用が増えてきて、いろいろな作業がWebブラウザだけで済むようになってきたとはいえ、「Microsoft Excel(エクセル)」や「Microsoft Word(ワード)」のファイルを編集しなければならない場面も多い。Microsoft Office互換アプリケーションも、安価で(場合によっては無料で)提供されているが、やはり互
Windows8以降、高速起動を実現するためにデフォルトではシャットダウンはハイブリッドシャットダウンとなっています。ハイブリッドシャットダウンは従来のシャットダウンと休止状態を合わせたものです。この場合、ソフトウェアWoLもハードウェアWoLも機能しなくなるため、Wake On LANを利用する際には無効にしなければいけません。 目次へ戻る Windows10でWake On LANを使う方法 Windows10でWake On LAN(ハードウェアWoL)を利用する際の具体的な設定方法を解説します。 Wake On LANを利用する際には、VPNルーターなどの設定も必要となりますが、VPNルーターの設定方法はお使いの機器によって異なるため、ここでは割愛します。 ネットワークデバイスが対応しているか調べる はじめにネットワークデバイスがWoLに対応しているかどうかを調べましょう。そもそも
日経平均は4月に入るなり大幅安、配当落ちでは説明がつかない売りが重なり大陰線となった その後も下落が続くが、個人的に見ていたのは3月の安値38700円を割り込むかどうかということだったが別に割ることはなかった RSI(相対性指数)を見ると3月安値より4月5日のほうが低い、安値にあると表記しているが株価を見ると4月5日のほうが高い これは株価は上がっているのにRSIが下がるダイバージェンス(逆行現象)、5日の時点でRSIのダイバージェンスは起きていた 騰落レシオも見てみる 騰落レシオ(6営業日平均)の4月1日からの下落が凄い、25日平均は3月末の加熱が含まれている割に低い、過熱感はない というか6日平均を見ると過熱感どころか冷え切っている 日経VI(恐怖指数)も見てみる、これは数百円で買える株価の保険のようなもの、仮に買い建てしていて急落が想定される場合、「この価格で売れる権利(コール)」が
初めに このシリーズでは、機械学習や数理最適化などの数理モデルのざっくりとした理論と実装コードを紹介します. 今回紹介するのは,TabPFNというテーブルデータのためのTransformerモデルです.論文では「小さな表形式データに対して1秒以内に教師あり分類タスクを実行でき,ハイパーパラメータのチューニングがいらない高精度のモデル」と紹介されています.精度としてはOpenML-CC18というデータセットの中の30個のデータセットでGBDTの性能を上回ったほか,AutoMLに対して同等の精度を70倍の速度で達成したそうです. 論文:TabPFN: A Transformer That Solves Small Tabular Classification Problems in a Second 目次 1. 概要 2. ざっくり理論 3. 実装 4. おわりに 5. 参考文献 1. 概要
はじめに 二値分類の評価指標について 「AUCとGini係数ってどんな関係だっけ?」 と毎回忘れては調べているので、いい加減覚える意味で体系的にまとめてみる。 この記事では AUCとは何か? Gini係数とは何か 両者はどんな関係があるか? を理解することを目的とする。 最初に結論 AUCとGini係数の間には の関係がある。 AUCは0.5から1の範囲を取るため、Gini係数は0から1までの範囲を取る。 どちらも値が大きいほど分類性能が良いことを表す。 最終的にこの式を理解することを目的としよう。 AUCを理解しよう AUC (Area Under the Curve)は二値分類における有名な評価指標の一つであり、文字通り、「ROC曲線下の面積」を表す。 ROC曲線とは? ROC (Receiver Operating Charastaristic Curve)は受信者操作特性と呼ばれる
推計された延滞率に対する順序性尺度によってモデルの精度を評価する。 はじめに Credit scoreでは、延滞する・しないを完全に分類するよりも、どのくらいの確率で延滞するかが重要です。そして、その確率に分類された結果が正しいか正しくないかという事も重要となります。その為の代表的な指標が、完璧なモデルと予測力がないモデルと予測したモデルを順序性尺度を使って評価されたものです。 説明可能性についてのまとめはこちら。 理解されるPOC作成のために、機械学習したモデルをどう評価し説明するかのまとめ。 指標にはGini indexまたはGini coefficient(ジニ係数)、AR(Accuracy ratio) (AR値)、AUC(Area under an ROC curve)を使用します。ここで指すジニ係数=AR値で、海外ではジニ係数を日本ではAR値を使用する事が多いようです。以降はジ
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
処理を実行中です
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