料理のリバースエンジニアリングをするアプリ（※GPT4-Vision APIとStreamlitで料理の写真からレシピを生成する） - Qiita
import base64 import json import requests import time import streamlit as st PROMPT_TEMPLATE = """画像の料理のレシピを考えてください。 自分を信じて限界を超えてください。 # 制約条件 ・料理の画像が入力された場合は、以下の形式でレシピを出力してください。 # 出力形式 【画像の料理の名称】 【材料】 ・豚肉の薄切り：100g ・玉ねぎ：1/2個 ・生姜：一片 【調理工程】 ・豚肉は一口大に切り、塩コショウをふる。 ・玉ねぎは薄切りにする。 """ def get_gpt_openai_apikey(): with open("secret.json") as f: secret = json.load(f) return secret["OPENAI_API_KEY"] def encode
歯磨きとエンジニア ~実態と命名の乖離~ - Qiita
磨くのではない 自分は近年、虫歯にならなくなった。 それは歯磨きの仕方を変えた。 正確には歯磨きをやめて、 歯払い（はばらい） をするようになった。 歯払いなんて言葉は作った言葉ではある。 歯磨きという言葉から歯を磨く、ゴシゴシしないといけないっていう気がするが、 歯医者さんに聞くと、歯の間に挟まったゴミを掻き出すことが重要らしい。 では、ほうきの掃除のように、ゴミを払い出すことが重要ってことがわかった時に、 歯の掃除のやり方が変わった。 磨くのではなく、歯の中に挟まったゴミがない状態にする。 力をいれず、隅の掃除をちゃんとする。 歯の奥歯、右側、左側まで2回に分けて、水を含み、クチュクチュと洗い流す。 名前とは 歯磨きという名前にするから、磨くことが重要だと勘違いしてしまうのである。 名前の付け方はとても大事。 つまりは、変数名、関数名、ファイル名はちゃんと意味のある名前をつけようってこ
「プログラマー35歳定年説」が残る中国で開発者が生き残る道
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 中国ではITエンジニアの退職年齢があまりに早い。俗に言う「プログラマー35歳定年説」があるようで、さまざまな体験談を見るに「その歳でまだ（プログラマーを）やっているのか」という社内チーム内の空気と日本と比べて解雇が容易な環境、若いスタッフに置き換えることで人件費を抑えたい経営の意向により、いや応なく退職に追いやられるケースがよくある。 また、ゼロコロナ政策によって中国各地で人やモノが動かなくなった結果、経済活動が停滞し、IT企業も影響を受けている。最近はコスト削減や事業撤退というニュースをよく目にするようになった。 こうした業界の雰囲気や先行きに対する不透明感のため、中年開発者への逆風がますます強まっている。35歳以上のITエンジニアが
[Python]健診データを次元削減してみた：PCAとUMAPによる次元削減｜あおじる
はじめにこんにちは、機械学習勉強中のあおじるです。 これまで、全国健康保険協会（協会けんぽ）の医療費データを使っていくつか記事を書きました。 今回は、別のデータとして健診のデータを使ってみました。 データの取得全国健康保険協会（協会けんぽ）のホームページから健診データを取得します。 場所は、「統計情報」の「医療費分析」というページの中に年度ごとのデータがあります（年度によって資料の様式が違っていて探しにくいですが。）。 令和元年度～平成29年度（2019～2017年度） 「1．都道府県医療費の状況」という資料のバックデータのエクセルファイルの中に年度ごとの集計があります。https://www.kyoukaikenpo.or.jp/g7/cat740/sb7210/sbb7211/bunseki1/ 平成28年度～平成23年度（2016～2011年度） 「3．都道府県医療費等の基礎データ」
![[Python]健診データを次元削減してみた：PCAとUMAPによる次元削減｜あおじる](https://cdn-ak-scissors.b.st-hatena.com/image/square/bf7ad816c4591db72b1168ec26ad53076e721a07/height=288;version=1;width=512/https%3A%2F%2Fassets.st-note.com%2Fproduction%2Fuploads%2Fimages%2F77721910%2Frectangle_large_type_2_21419d79e0527cc50ae16189fec74232.png%3Ffit%3Dbounds%26quality%3D85%26width%3D1280)
Optunaでおいしいコーヒーの淹れ方を探索する - Qiita
はじめに 年末年始の休みに入ってすでに4日目。休みでやろうと思ったことが一通り終わってしまいました。今日からいつも行っているカフェが休みだし、暇すぎ・・・ということで、勢いに任せてOptunaでコーヒーの淹れ方の最適化始めました。 はじめようと思い立ったのが今日なので、全然データがないですが、Google Colabで作ったサンプルコードもあげておきます。 https://github.com/shu65/coffee-tuning/blob/main/coffee_tuning_blog%E7%94%A8.ipynb Optunaとは？ Optunaは機械学習などで必要になるハイパーパラメータの最適化を自動で行ってくれるオープンソースのフレームワークです。個人的に気に入っている特徴としては、従来からハイパーパラメータ最適化を自動でやってくれるものはいくつかありますが、OptunaはDef
一般口座で投資信託を定期買付してはいけない - Qiita
保有している一般口座から譲渡所得を発生させてしまいました。 確定申告があまりに辛かったので記事にしました。 一般口座の譲渡所得は原則として確定申告しなくてはいけません。 一方で、一般口座（および特定口座）の配当所得は確定申告する必要はありませんが、配当所得の総合課税制度または申請分離課税制度により税金の還付がある場合があります。 社会人 1 年目、私はとても愚かでした。 社会勉強だと考え、毎月約 10 万円（約 1,000 円ずつ約 100 銘柄）の投資信託を定期買付しました。当時、税金のことを含め、何も良く分かっていませんでした。 1 年後、社会人として少し賢くなり、手数料の安いネット系証券口座で特定口座を開設し、NISA 口座も開設しました。 買付する投資信託の本数は数本に抑え、買付手数料ゼロで信託報酬が安いインデックス型投資信託を長期定期買付するようになりました。 社会人 1 年目の
Rのspdepのパッケージを使って、コンビニのドミナント出店戦略を定量化する - Analyze IT.
こんにちは、集計野郎マクガイバーです。 コンビニの出店戦略ではセブンイレブンのドミナント戦略が有名で公式ホームページにも記載してあるくらいです。 しかし、その実態に関してはどの程度そうであるのかといったような厳密な検証情報はなく、特定都市における出店数を比較したようなものや、単に四国にセブンイレブンが出店していないという情報を根拠にしたものが多数見られます。 関西ではローソンがドミナントしているのはいうまでもないし、特定の地域を抜き出して一般的な結論を持ち出すのは問題に思われます。 幸いなことに去年集めたものですが、データが手元にあるので、今日はこのドミナント出店戦略を数値化、可視化してみます。 （以後、ですます調ではなくなります。） ロウデータで見る各コンビニの出店戦略 ここでは、ロウデータを地図上にプロットして各コンビニチェーンの出店戦略がどのようになっているかを見てみる。 赤：セブン
TDDで変わった人生 - やっとむでぽん
プログラミングは大学生の頃からしていました。さらに辿れば小学生からBASICでゲームを書いたりしていたので、期間だけで言えば30年近くプログラミングをしてきたことになります。大学のときにはアルバイトでプログラマをやっていて、小さいながら1システムの詳細設計以降くらいを任されたりもしていたので、まあ一応はプロのプログラマだったと言えるかもしれません。SIerに就職してからも、プロジェクトをとりまとめたりもしながらバリバリとコードを書く仕事をして、アプリケーションアーキテクトの真似事をやることもありました。まあ、ありがちなキャリアなんじゃないかなと思います。 当然はじめのうちはTDDなんていう発想はなく、テストの自動化に近いことはやっていたものの、作業自体は「前もってそっくり設計する」スタイルでした。せっかちな性格が災いして設計が詰まりきってないのに実装を始めて、案の定ハマってやりなおし、とい
1
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
