Python計算機科学新教本
探索、制約充足、グラフといった、コンピュータサイエンスにおける定番問題だけでなく、機械学習や深層学習で使われるk平均クラスタリング、ニューラルネットワークに関する問題を通して、アルゴリズムの知識を深め、解決方法を学び、本物の問題解決能力とプログラミングスキルを身につけます。ハノイの塔、8クイーン問題、経路探索といったおなじみの例題だけでなく、線形探索や二分探索といった定番の探索アルゴリズムを使ってDNAを探し出したり、遺伝的アルゴリズムを使って覆面算を解く、敵対探索を使って三目並べを解くなど、ユニークな例題を通じて、コンピュータサイエンスの知識を広げます。Python 3.7対応。 日本語版へのまえがき 謝 辞 はじめに 1章 簡単な問題 1.1 フィボナッチ数列 ［問題1 フィボナッチ数列］ 1.1.1 最初の再帰解 1.1.2 基底部を用意する 1.1.3 メモ化で救う 1.1.4 自
もうPythonの細かい書き方で議論しない。blackで自動フォーマットしよう - Make組ブログ
「ここで改行するほうがキレイで良いと思います」 『いや、私はこちらのほうがキレイ良いと思います』 コードレビューでこういう議論をしたことはありませんか？ 大切なことだとは思いますが、生産性にはあまり直結しません。議論を避けるために書き方を決めるほうが良いでしょう （個々の問題について逐次議論するのがエネルギーを無駄にしてしまいます。一度決めて、再利用するようにしたいものです）。 今日はそのために使える black というツールを紹介します （「私はflake8を使ってるから結構です」と思われるかもしれませんが、少し違う話なので読んでみてください）。 blackを使おう Pythonのコードを自動でフォーマットしてくれる black を紹介します。 github.com blackはPythonのコードフォーマッターで、自動的にPythonプログラムの書き方を修正してくれます。 PEP8 と
ホーム - CloneTracker
当社はCookieを使用して、お客様が当社のWebサイトでより良い体験を得られるようにしています。引き続き閲覧する場合は、プライバシーポリシーに同意したことになります。
python入門 · GIS実習オープン教材
GIS初中級者のためのPython入門 本教材は、GIS初中級者向けにQGISにおけるPythonの役割や用語、操作方法などをまとめたものです。GISに関する基本的な知識は、地理情報科学教育用スライド（GIScスライド）が参考になります。本教材を使用する際は、利用規約をご確認いただき、これらの条件に同意された場合にのみご利用ください。 製作協力 本教材は、MIERUNE.incと共同で整備したものです。 実習環境 本教材では以下の環境で動作検証を行なっています。 Windows10 QGIS3.4 本教材で利用するデータと出典 本教材で使用するデータセットは以下の通りです。学習を始める前に以下より、入手してください。 ベクターデータ ベクターデータについてはパブリックドメインでデータを提供しているNatural Earthのものを使用しています。 1:50m Cultural Vector
Pyodide: Bringing the scientific Python stack to the browser – Mozilla Hacks - the Web developer blog
Pyodide is an experimental project from Mozilla to create a full Python data science stack that runs entirely in the browser. The impetus for Pyodide came from working on another Mozilla project, Iodide, which we presented in an earlier post. Iodide is a tool for data science experimentation and communication based on state-of-the-art web technologies. Notably, it’s designed to perform data scie
Pandasで行うデータ処理を100倍高速にするOut-of-CoreフレームワークVaex - フリーランチ食べたい
TL;DR アウトオブコア、かつマルチコアでデータ処理を行えるVaexの紹介です。 string関係のメソッドで平均して100倍以上の高速化が確認できました。(作者のベンチマークだと最大1000倍) 文字列処理以外でも数倍~数十倍の高速化が行えそうです。 この記事では性能の比較のみ行い、解説記事は別で書こうと思います。 pandasより1000倍早いフレームワーク？ 今週、興味深い記事を読みました。重要な部分だけ抜き出すと次のような内容です。 Vaexの最近のアップデートでの文字列処理が超早くなった 32コアだとpandasと比べて1000倍早い towardsdatascience.com 1000倍って本当なの？って感じですよね。そもそも自分はVaex自体を知らなかったので調べてみました。 ちなみに調べていて気づいたのですが、この記事の著者はVaexの作者なんですよね。 疑っているわけ
ディープラーニング入門：Chainer チュートリアル
Chainer チュートリアル 数学の基礎、プログラミング言語 Python の基礎から、機械学習・ディープラーニングの理論の基礎とコーディングまでを幅広く解説 ※Chainerの開発はメンテナンスモードに入りました。詳しくはこちらをご覧ください。 何から学ぶべきか迷わない ディープラーニングを学ぶには、大学で学ぶレベルの数学や Python によるプログラミングの知識に加えて、 Chainer のようなディープラーニングフレームワークの使い方まで、幅広い知識が必要となります。 本チュートリアルは、初学者によくある「まず何を学べば良いか」が分からない、 という問題を解決するために設計されました。 初学者は「まず何を」そして「次に何を」と迷うことなく、必要な知識を順番に学習できます。 前提知識から解説 このチュートリアルは、Chainer などのディープラーニングフレームワークを使ったプログ
グラフ作成のためのチートシートとPythonによる各種グラフの実装 - Qiita
本記事ではデータの性質毎にグラフおよびそれが伝える内容を整理し，Pythonによるそれらの実装を示す． ここでは From Data to Viz に従って整理する． ただし，一部のグラフ2とMapsとNetworkは扱わない． また，各グラフが得意とする表現は5 Quick and Easy Data Visualizations in Python with Codeで用いられている以下の図に従い，比較，分布，構成，関係，の4種類で分類する． 他の分類基準に興味がある方は他に記事があるのでそちらを参照されたい3． 本章の残りの部分ではグラフ作成時の注意点や実装方針を述べ，実行環境を明記する． 第2章ではデータの性質・目的毎にグラフを整理し，第3章でそれらの実装を示す． 最後に，第4章で参考資料を記す． 方針 グラフ作成時の注意点 ある変数についてプロットする際，凡例が複数になる場合は各
pip install して import するだけで matplotlib を日本語表示対応させる - Qiita
pip install japanize-matplotlib conda conda install -c uehara1414 japanize-matplotlib 2. グラフを表示する前に本モジュールをインポートする import matplotlib.pyplot as plt import japanize_matplotlib # <- これ plt.plot([1, 2, 3, 4]) plt.xlabel('簡単なグラフ') plt.show()
The Visual Python Debugger for Jupyter Notebooks You’ve Always Wanted
I’ve been using Jupyter Notebooks with great delight for many years now, mostly with Python, and it’s validating to see that their popularity keeps growing, both in academia and the industry. I do have a pet peeve though, which is the lack of a first-class visual debugger similar to these available in other IDEs like Eclipse, IntelliJ, or Visual Studio Code. Some would rightfully point out that Ju
日本語評価極性辞書を利用したPython用Sentiment Analysisライブラリ oseti を公開しました - Qiita
はじめに 東北大学の乾・鈴木研究室のページで公開されている日本語評価極性辞書を使ったSentiment Analysis (いわゆるネガポジ判定) ライブラリ oseti を公開しました。これは日本語評価極性辞書を用いて文の評価極性 (ポジティブ/ネガティブ) のスコアを計算するものです。 何番煎じかって感じはありますけど、自分のPCの中にだけずっとあるのはもったいないので公開しました。 ※バージョンv0.2 (2019/10/7公開) からの変更点を追加しました。 インストール このライブラリはMeCabを利用しているためMeCabのインストールも必要です。MeCab本体は以下のURLからダウンロードできます。 http://taku910.github.io/mecab/ あとは依存モジュールとしてneologdnとmecab-python-windowsあるいはmecab-pytho
GitHub - python-eel/Eel: A little Python library for making simple Electron-like HTML/JS GUI apps
Eel is a little Python library for making simple Electron-like offline HTML/JS GUI apps, with full access to Python capabilities and libraries. Eel hosts a local webserver, then lets you annotate functions in Python so that they can be called from Javascript, and vice versa. Eel is designed to take the hassle out of writing short and simple GUI applications. If you are familiar with Python and web
Pythonコードと図で分かる平均値と標準偏差の違い――「統計」とはデータから価値ある情報を抜き出すこと
Pythonコードと図で分かる平均値と標準偏差の違い――「統計」とはデータから価値ある情報を抜き出すこと：「AI」エンジニアになるための「基礎数学」再入門（3）（1/2 ページ） AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す連載。今回から具体的に数学を学びます。統計とは、統計量とは何かを数学記号や数式、Pythonコード、図を交えて解説します。 AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す本連載『「AI」エンジニアになるための「基礎数学」再入門』。 初回は、「AIエンジニア」になるために数学を学び直す意義や心構え、連載で学ぶ範囲についてお話ししました。また前回は、「世の中にはどのようなデータがあるのか？」という部分を主に取り上げました。今回は、「それらデータをどう活用していくのか？」「活用するために
Python Development in Visual Studio Code – Real Python
Watch Now This tutorial has a related video course created by the Real Python team. Watch it together with the written tutorial to deepen your understanding: Python Development in Visual Studio Code (Setup Guide) One of the coolest code editors available to programmers, Visual Studio Code, is an open-source, extensible, light-weight editor available on all platforms. It’s these qualities that make
Python3.8の新機能(2) - 代入式の導入 - Qiita
はじめに 2019年10月にリリースを予定しているPython3.8で新たに加わる変更をPython3.8の新機能 (まとめ)という記事でまとめ始めました。その中で比較的分量のある項目を別記事に切り出すことにしましたが、その第二弾として代入式(Assignment Expressions)の導入を取り上げてみたいと思います。 なお、この変更は現時点でまだWhat’s New In Python 3.8には載っていないのですが、PEP-572で提案されている内容が既に開発版で実装されており、このコメントからも3.8a1に入ってきそうなので書いちゃいます。 式と文 「『代入式の導入』って、そもそもpython には普通に代入文があるじゃん」って思われた方もいるかも知れません。式と文で何が違うのか。ググれば丁寧に解説しているサイトがすぐに見つかると思うので、ここではその違いをごく簡単に書いてみた
画像処理、文字認識、テキスト分析と、Pythonでの機械学習のプログラミングが学べる。『すぐに使える! 業務で実践できる! Pythonによる AI・機械学習・深層学習アプリのつくり方』 - 密林の図書室
著：クジラ飛行机、杉山 陽一、遠藤 俊輔 同じ著者の「実践力を身につける Pythonの教科書」が良かったのでこちらも買って学習してみた。 Python言語でscikit-learnとTensorflow及びKerasを活用し、データ予測、写真と動画の認識、文字認識、テキスト分析といった機械学習の処理を実際にどのように行えばいいか、サンプルプログラム中心に解説した本である。 画像処理用にOpenCV、日本語テキストの処理のためにMecabも利用する。Anacondaのインスト、Google Colaboratoryの使い方についても簡単に載っている。 機械学習の理論的な説明を重視した本ではなく、あくまでもプログラミングのための教則本に特化した内容である。なので、機械学習の理論自体は他の本で勉強する必要がある。サンプルプログラムは全て、専用のWebサイトからダウンロードでき、実行できる。 プ
StanfordNLPによる英語Universal Dependencies解析 | yasuokaの日記 | スラド
先月末にリリースされたStanfordNLP 0.1.0が話題になってるみたいなので、まずは英語Universal Dependenciesを試してみた。python 3.6.8かpython 3.7.2があれば % pip3 install stanfordnlp % python3 >>> import stanfordnlp >>> stanfordnlp.download('en') でインストールできるというスグレモノだが、ダウンロードがとにかく遅い。複数の場所にen_ewt_models.zipを置いてくれればなあ、と思いつつも、まあ、しばらく待つことになる。で、とりあえず「Those who labour with their minds rule others」という短文を試してみるべく <Token index=1;words=[<Word index=1;text=Th
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
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
「Python」がない……とおさらば！ 「Windows 10 May 2019 Update」のちょっとした新機能／“コマンドとして認識されていません”エラーでイライラしていたユーザーに朗報【やじうまの杜】
Pythonのコードをきれいに書くコツ - Qiita
GitHub - sckott/habanero: client for Crossref search API