COPERU Projectは1月18日から、コーディングを初めてする人やコーディングで楽しみたい人（中学生・高校生・大学生・社会人・保護者など）向けに、無料のオンライン講座「『はじめてのプラグラミング』大学生が優しく寄り添う無料オンライン農園」を開講する。期間は3月中旬までで、いつからでも始められる。 本講座では「Python 3」などを用いたコーディングを体験できる。講師はコーディングの経験があるだけではなく、情報と教育の両方に興味のあるプログラミング学習塾の講師や、情報と教育の両方を学び進めている大学生。 主催は明星大学、明星大学情報学部、早稲田大学学力向上研究所、帝京平成大学 情報教育研究会、日野市（産業振興課・子育て課）、日野市教育委員会など。 【「大学生が優しく寄り添う無料オンライン農園」概要】 ・内容：「Python 3」などを用いた初心者向けのコーディング体験 ・対象：コー

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。

【短期集中連載】〈第2回〉プログラミングの難しい知識は不要！ Excel×Pythonで最低限押さえたい３つのルール 何百回と繰り返されるコピペ、複雑なフォーマットへの手入力、時間のかかるウェブからの情報収集……単純な事務作業の手間をなんと10分の１以下に圧縮する時短化ツール、Python。 『めんどうな作業が秒速で終わる！ Excel×Python自動化の超基本』（宝島社）の著者である伊沢剛さんにExcel×Pythonのすごさを解説していただく連載の第２回は、PythonでExcel業務を自動化するために知るべき、たった3つのルールを紹介します！ プログラミングにありがちな難しい専門知識や仕組みの理解は、一切不要。Excel×Pythonに必要な最低限の基礎知識を紹介しましょう！ 第1回はこちら 「順次」「選択」「反復」の3つのルール Excel業務をPythonで自動化するということ

アマゾンウェブサービスジャパンは、日本語自然言語処理で定番の形態素解析器である「MeCab」を、ラッパーライブラリである「fugashi」経由でPythonにて使用する際の語彙データ「UniDic」が、「Open Dataset」に追加されたことを、10月9日に発表した。 「MeCab」は、オープンソースの形態素解析器で、日本語の形態素解析において幅広く用いられており、言語、辞書、コーパスに依存しない汎用的な設計を基本とし、高速に動作する。 「fugashi」は、「MeCab」をPythonから使用する際のラッパーライブラリで、unidic-pyとの連携によって「UniDic」を簡単に読み込んで使用できる。 「UniDic」は、国立国語研究所によって構築された、日本語テキストを単語に分割し、形態論情報を付与するための電子化辞書。 データはAmazon S3上でホストされているので、AWSで

非同期プログラミング 非同期プログラミングについて、聞いたことのある人は多いと思います。例えば、フロントエンドで使われているJavaScriptはシングルスレッド言語で、メインスレッドをブロッキングさせないため、様々な関数は非同期処理になるよう実装されています。Node.jsもその性質を受け継ぎ、I/Oバウンドタスクに長けています。しかし、Pythonになると、並列・並行処理に対応しているため、ほとんどの人は自身のプロジェクトで非同期プログラミングを利用した経験がないでしょう。もちろん、Tornado、TwistedやGeventなどの非同期フレームワークが有名で使ったことのある人は少なくないですが、変わったエラーにぶつかった時はなかなか解決できないでしょう。 近年のPyConの傾向から見れば分かりますが、非同期プログラミングは間違いなくPythonエコシステムの次のトレンドになります。ま

この度、「社会人のためのデータサイエンス演習」の開講に先立ち、入門編となる『社会人のためのデータサイエンス入門』を特別開講しております。 データ分析の基本的な知識を学ぶことができる内容となっており、『社会人のためのデータサイエンス演習』と併せて学習していただくことで、より理解が深まるかと思います。この機会に、ぜひご受講ください。 ※「《特別開講》社会人のためのデータサイエンス入門」は、修了証の発行はございません。 ＞＞入門編はこちらから＜＜ 講座内容 総務省統計局が提供する講座、ビジネスの現場で求められているデータサイエンスをわかりやすく解説します。 今、ビジネスの現場では、統計的な思考力によって様々な課題を解決していく能力、すなわち“データサイエンス”力の高い人材が求められている。本コースでは“データサイエンス”力の向上を目指し、事例なども踏まえ、ビジネスの現場で使われる実践的なデータ分

コンピュータサイエンスで有名なアルゴリズムのPython実装を大量に公開しているリポジトリ https://t.co/379T4izBle 教養レベルのデータ構造やアルゴリズムから機械学習やブロックチェーン,Web関連などの応用ま… https://t.co/vSmYZW5SHw

SREのたっち(@TatchNicolas)です。 今年のPyCon JPはオンライン開催でした。JX通信社はSilverスポンサーとして協賛したほか、イベントをより盛り上げるために、参加者の反応をリアルタイムに配信に反映するシステムを開発・提供しました。 jxpress.net アプリケーションはPythonで作られており、基盤としてGKEを採用しました。データ分析基盤や昨年の開発合宿等で社内向けのプロジェクトにKubernetesの採用した事例は過去にもあったのですが、今回はじめて社外向けのシステムに採用したので、その裏側について書いてみたいと思います。 できたもの 構成図 構成としては比較的シンプルだと思います。 基本的な処理はGKE上で行い、データの永続化はFirestoreを使っています。一部、ブラウザで動く運営向けフィード画面上の操作(いいね・リツイート)について、Fireba

AWSによるクラウド入門 少し前に話題になっていた東京大学の講義資料をやってみたので、内容、感想などメモ。 講義で使用するソースコードはすべて Python で書かれていますが、自分が実際に使うとしたら TypeScript で書くだろうなと思ったので TypeScript で写経しました。 が、CDK のコードはすべて TypeScript で書けましたが、Lambda 関数や動作確認用のスクリプトなどを全て置き換えるところまでは至らず、Python のままです。 写経したリポジトリは https://github.com/zaki-yama-labs/intro-aws に。 学べること 本講義資料には全部で5つのハンズオンがあります。 各ハンズオンで利用する AWS のサービスについては以下の通り。 全般 AWS CDK: Cloud Development Kit CloudFor

人工知能や機械学習を実際に試してみようと思うとPythonやRといったプログラミング言語の習得が必要になりますよね。 そこで、KerasやTensorFlowといったディープラーニングのフレームワークでも使用されているPythonがあります。Pythonは、ソースコードを逐次実行するプログラミング言語で、読みやすく、簡潔なコードを書きやすい特長があり、比較的容易に習得できます。 そんなPythonのデータ構造には、リスト（list）、タプル（tuple）、辞書（dictionary）、集合（set）の4種類があります。データ構造とはデータを格納するための形式で、プログラムのアルゴリズムを実現するために重要な役割を果たすのだとか。そこで今回は、Pythonのデータ構造の中で最も基本的なリストについて解説します。 Pythonのリストとは Pythonのリストは一般的には配列とも呼ばれるデータ

近年注目されているIT業界のキーワードとして「機械学習」というものがあります。なんだか難しそうな言葉ですよね。よくわからないと感じる人が大半でしょう。ですが機械学習は、意外と身近な物に使われています。 例えば多くの方が利用しているAmazonや楽天などのECサイト、そのホームページを開くと今までの購入履歴に関係するオススメが表示されますが、この機能は機械学習を利用しています。他にも身近な例はたくさんあります。 また、機械学習を学ぼうと思い書籍やインターネットで調べると、必ず「Python」という言葉が出てきます。もし機械学習をやってみたいと考えている場合はまずPython学ぶことをオススメします。Pythonは機械学習を学ぶ上で最適なプログラミング言語で、習得することができれば機械学習をさらに深く理解できるでしょう。 そこでこの記事では、機械学習とPythonについて勉強方法を含めてお伝え

icrawlerとは icrawlerとはウェブクローラのミニフレームワークです。 It supports media data like images and videos very well, and can also be applied to texts and other type of files. と公式に記載があるように、画像や動画などのメディアデータをサポートしており、 テキストやその他の種類のファイルにも適用可能です。 公式マニュアル インストール Macならターミナル、Windowsならコマンドプロンプトを開き、次のコマンドを実行してください。 pip install icrawler Jpyter Notebookのセルや、Colabのセルの中では次のように実行します。 !pip install icrawler 犬と猫の画像をダウンロードする 今回はGoogle検

Information 2024/1/8： pandas , Polars など18を超えるライブラリを統一記法で扱える統合データ処理ライブラリ Ibis の100 本ノックを作成しました。長期目線でとてもメリットのあるライブラリです。こちらも興味があればご覧下さい。 Ibis 100 本ノック https://qiita.com/kunishou/items/e0244aa2194af8a1fee9 2023/2/12： 大規模データを高速に処理可能なデータ処理ライブラリ Polars の 100 本ノックを作成しました。こちらも興味があればご覧下さい。 Polars 100 本ノック https://qiita.com/kunishou/items/1386d14a136f585e504e はじめに この度、PythonライブラリであるPandasを効率的に学ぶためのコンテンツとして

それぞれの概要を順に説明します。わかりづらいところがあっても、まずは一通り目を通してください。後でPythonで実装していくので、そのときに実際の方法がわかります。 （1）データ読み込み 機械学習用のデータをPythonで扱えるよう読み込む処理が最初に必要です。具体的なやり方としては大きく次の3通りがあります。 ①CSVファイル読み込みによる方法 一番標準的な方法です。CSVファイルは通常、Jupyter Notebookが動いている環境から読み込みますが、学習用データがインターネット上に公開されている場合もあります。 今回の特集でこの後何度も出てくるread_csv関数は、ローカルファイルの読み込みと、URL 指定によるファイルの読み込みをサポートしています。URLを指定するケースでは、read_csv関数呼び出し1行でインターネット上のCSVファイルを直接読み込めます。 ②関数呼び出し

2024春アニメ(3/20現在) Qiitaでは直接`usemap`属性が使えないのでCodePen経由ですが、クリックで公式サイトを開けます。↓ See the Pen yLOQNKZ by Cartelet Cydius (@cartelet-cydius) on CodePen. 9/25追記 うずらインフォさん本人Twitterにてうずらインフォさんスタイルのフォーマットでのアニメリストの公開を控えてほしい旨のツイートがありましたので、本記事掲載当初よりのサンプルの一枚を除いて、以後公開するアニメリストはオリジナル？のデザインのものとしたいと思います（寄せてはいますが）。 うずらインフォさんスタイル風の画像が欲しい場合は掲載のプログラムを実行してください。 9/27追記 こちらからColab上で生成できます。 例のアニメリスト自動生成スクリプト #はじめに 皆さんはうずらインフォさ