- 1. さや香の「見せ算」をChatGPTに実装してもらってみた
- 2. 1500m牛丼を大真面目に(簡単に)分析する
- 3. OpenAI(ChatGPT)のAPIを使って英検を意識した英語のリスニング問題を生成する
- 4. Django – ローカル開発環境構からテンプレート表示まで
- 5. Tensorflow(keras)でもtimmみたいに任意ch入力でimagenet pretrainedモデルを使いたい!
- 6. Djangoで読書メモアプリを作る
- 7. Pythonでいずれやりたいこと
- 8. LangChainでGeminiを触ってみる
- 9. (axiosで)叩いて(corsで)弾いてボタンクリック!!
- 10. LINEからのBedrockエージェント呼び出し①
- 11. ワンランク上のデータ可視化をするために達人のプロットを収集してみる
- 12. ChatGPTとPythonで学ぶ ARIMAとSARIMA
- 13. Vite+Flask+pywebviewでデスクトップアプリを作成する
- 14. arXivの論文を爆速で検索し、読む環境をPythonだけで構築する
- 15. さや香の「見せ算」をPythonで実装する
- 16. 全人類が幸せになるPythonプログラム
- 17. Dashの細かい使いどころ
- 18. 【茶番あり】Vonageを使って秘密のアプリを見れないようにしよう
- 19. ABC334 勉強メモ
- 20. Pythonのturtleグラフィックスでペンギンを描いてみよう(自分でコードを書いてみた編)
さや香の「見せ算」をChatGPTに実装してもらってみた
先日のM-1グランプリ決勝でさや香が披露したネタに出てきた「見せ算」をChatGPTに実装してもらいました。
# 見せ算のルール
見せ算のルールは以下ポストを参考にしました。
大学院ルールは割愛。理系としてさや香の「見せ算」、ルールまとめました
やりたい方いたらぜひ使ってください#M1グランプリ #さや香1500m牛丼を大真面目に(簡単に)分析する# 1500m牛丼とは
## 発端
1500m牛丼は2016年9月、YouTuberの東海オンエアによって公開された、[新競技「1500m牛丼」で世界新記録達成!!](https://www.youtube.com/watch?v=ihFCPDg34fo) を発端とする競技である。
東海オンエアメンバーの記録は以下の通りである。なお、てつや氏は牛丼を完食できず、いまだ競技である。
| rank | 名前 | 1500m | 牛丼 | 合計 |
|:-:|:-:|:-:|:-:|:-:|
| 1 | りょう | 5’23 | 6’55 | 12’18 |
| 2 | しばゆー | 6’48 | 11’49 | 18’37 |
| 3 | としみつ | 7’57 | 13’18 | 21’25 |
| – | てつや | 6’16 | — | — |
## 弊部の取り組み
弊部活動では動画が公開された2016年から、年に1回のペースでレクリエーションの一環として実施されている。2019年までは長距離パートの恒例行事となっていたが、2020年から2021年までのコロナによる中断期間をOpenAI(ChatGPT)のAPIを使って英検を意識した英語のリスニング問題を生成する
# はじめに
英語、大事ですよね?
リスニング、大事ですよね?
でも市販の問題集、高くないですか?
リスニングの問題、限られていませんか?
英検を受ける人、過去問形式の問題もっとほしくないですか?作ればいいんです!最新のテクノロジーを使って!
**そう、生成AIです!**
# 前提
以下のものを含む英語のリスニング問題を生成することを目標にします。* 問題の本文(英文、政治・科学・歴史などさまざまなジャンル)
* 本文に関連する問い二つ(英文)
* それぞれの問いに対する四択の選択肢(英文)
* 正解となる選択肢(番号)
* なぜ正解となるのかの解説(日文)
* 本文と問いの英語音声(英語音声)また、上記に加えて本文中の難しい単語に関する詳しい日本語による解説も出力させます。つまり、これ一つだけで英語力向上に必要な教材を出力させることを目指します。
なお、上記の形式は実用英語検定・通称英検の一級・準一級のリスニングPart2形式に則っています。会話形式でなく一人の話者によって発話されるため、生成が容易であり英語力向上にも寄与しやすいと考えるためです。他には、Open
Django – ローカル開発環境構からテンプレート表示まで
# 環境構築
“`bash:terminal
python3 -m venv venvsource venv/bin/activate
python -m pip install –upgrade pip
pip install django
pip freeze > requirements.txt
django-admin startproject core .
python manage.py startapp website
“`
# 設定ファイルの編集
“`python:settings.py
INSTALLED_APPS = [
‘django.contrib.admin’,
‘django.contrib.auth’,
‘django.contrib.contenttypes’,
‘django.contrib.sessions’,
‘django.contrib.messages’,
‘django.contrib.staticfiles’,
‘website’
]TIME_ZONE
Tensorflow(keras)でもtimmみたいに任意ch入力でimagenet pretrainedモデルを使いたい!
# はじめに
みなさんゴリゴリにtensorflow kerasでdeep learningをして過ごされていることかと思います。
tensorflowは本当に最高なライブラリですが、pretrained weightを使った任意ch入力のモデルを作ろうとしたときにpytorchのtimmのようにpretrained weightをそのまま使えなくて悲しい気持ちになりますよね。
そこで、tensorflowでもtorchのtimmみたいに入力chを任意のchに変更できるようにしたい!というのが今回の記事になります。
やってみたという感じなので、間違いなどあればご指摘いただけると幸いです。# みんな大好きtimmのかっこいいch拡張
まずみんな大好きtimmがどのようにしてrgbのweightから任意chのweightへと拡張しているのかを確認してみます。
timmでは、入力chが3よりも大きいとき、chに合わせてpretrainedのconvからrgbのweightをrepeatすることで任意入力に対応しているようです。→[link](https://github.com/hugg
Djangoで読書メモアプリを作る
Djangoで読書メモアプリを作りました。
はやたすさんの記事を参考にしました。https://tech-diary.net/django-todo-tutorial/
この記事では、Pythonのインストール、仮想環境の構築、Djangoのインストール、アプリ作成の流れを書きます。
実行環境:MacBook Air M1, 2020# Pythonのインストール
以下のサイトにアクセスし、Latest Python 3 Release – Python 3.12.1をクリックします。
https://www.python.org/downloads/macos/
![スクリーンショット 2023-12-09 1.58.58.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/3569835/a99c13f0-63a0-26d8-d755-ddbd24cd2ea4.png)開いたページを下にスクロールし、macOS 64-bit universal2 installerをクリックします。
![
Pythonでいずれやりたいこと
やりたいことを思い付きっぱなしで放置してしまいがちなので、メモとして残しておきます。
・コラージュ川柳作り
・筋トレと有酸素運動のスケジュールの最適化
・People in the boxの歌詞分析
・音声機械学習でベースtab譜を生成する
・HUNTER×HUNTER グリードアイランド編の実装
・HUNTER×HUNTER ヒソカ対クロロ戦の実装(?)
・HUNTER×HUNTER 暗黒大陸編でなんか
・サザエさんのじゃんけんのデータセットで遊ぶ
・タイタニック号のデータセットで遊ぶ
LangChainでGeminiを触ってみる
# はじめに
弊社で毎月恒例のハウッカソン(ハッカソン)を行いました。
https://www.haw.co.jp/office/hawckathon/そこで気になっていた、先日Googleから公開されたLLMのAPIを簡単に触ってみました。
# Geminiとは?
2023年12月13日にGoogleが発表した新たなAIモデル。
Gemini(ジェミニ)は、「画像」「文字」「音声」「動画」といった複数の要素を同時に扱える「マルチモーダル」に対応している。以下のモデルがあるようです。
– Gemini Ultra — 非常に複雑なタスクに対応する、高性能かつ最大のモデル
– Gemini Pro — 幅広いタスクに対応する最良のモデル
– Gemini Nano — デバイス上のタスクに最も効率的なモデル今回はProがAPIとして公開されたのでそちらを触って行きます。
ちなみにNanoはPixel 8 Proに入っているらしく、Ultraは来年公開予定だそうです。https://blog.google/technology/ai/google-gemini-ai/
(axiosで)叩いて(corsで)弾いてボタンクリック!!
# はじめに
フロントからaxiosでバックエンドの処理を実行させたかったが、何度クリックしてもcorsエラーでふせがれてしまった# システム構成
Lambda × serverless構成
フロントからaxiosを叩くことでバックエンドのハンドラーが実行される仕組み# 原因と解決
“`
Provisional headers are shown
“`開発者ツールのネットワークタブを確認すると見たことない表示が…
![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/2889192/ae6e6428-2c22-a7aa-81db-dcebc24cb99f.png)
結論として、serverless.ymlに記載しているパス名が間違っており、Request URLが間違っていることが原因でした。
“`yml
get_hoge:
handler: get_hoge.handler.main
layers:
– Ref: PythonRequi
LINEからのBedrockエージェント呼び出し①
Agents for Amazon Bedrockの振る舞いがなんとなく分かってきたのでLINEから呼び出してみます。まずは基本形として(?)LINEから自然言語で乗換検索を行えるようにします。
![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/3573242/fc1aa428-583b-34dc-b0b4-f818e3395724.png)
過去に作ったもの
ワンランク上のデータ可視化をするために達人のプロットを収集してみる
## 概要
データの可視化手法について、`plt.plot(x, y)`や`plt.hist(data)`ぐらいしか武器がないと、伝えられるものも伝えられないので、世の中的にはどんな可視化手法が使われているのか発掘し、それぞれどのように描かれているのか自分なりに考察していくシリーズ。Natureなどの記事から有用そうな論文を集めてきて、どうやったら描けるようになるのか具体的な手順を追っていく。なお、論文の内容にはあまり踏み込まず、図表だけを気にすることとする。図表から伝わるメッセージ性には着目する。ゆくゆくは自分でこういったプロットが描けるようになりたいという視点からなるべく具体的な手法を(推測で)埋めていく。なお、PythonやPowerpointを使用して描けることを目指す。## Natureから拾ってきた図表
「Organ aging signatures in the plasma proteome track health and disease」というタイトル。個々の臓器の加齢が人間の寿命や疾患にどのように影響するのかを調査した論文。具体的には、5,676人の成人を含
ChatGPTとPythonで学ぶ ARIMAとSARIMA
皆さんこんにちは。今日も引き続きChatGPT先生をお招きして、「ChatGPTとPythonで学ぶ ARIMAとSARIMA」というテーマで雑談したいと思います。それではChatGPT先生、よろしくお願いします。
—
### **assistant**:
こんにちは、ChatGPT先生です。今日はARIMAとSARIMAについて学んでいくことになりましたね。まず、これらのモデルが何であるかを理解することから始めましょう。
ARIMA(AutoRegressive Integrated Moving Average)は時系列データを予測するための統計的モデルで、自己回帰(AR)、差分積分(I)、移動平均(MA)の要素を組み合わせたモデルです。
– AR: 自己回帰部分。過去の観測値が現在の観測値に影響を与えるという考え方を表現します。
– I: 差分積分部分。非定常なデータを定常な形にするための部分です。
– MA: 移動平均部分。観測値のラグ(遅延)誤差が現在の観測値に影響を与えるという考え方を表現します。そして、ARIMAモデルに季節性を加えたものがSARIM
Vite+Flask+pywebviewでデスクトップアプリを作成する
# はじめに
こんな人向けの記事だよ
– Pythonでデスクトップアプリを作りたいよ
– numpyとかpandasとかPyhonのライブラリを使いたいからね
– 画面の部分はVueとかReactとかを使って書きたいよ
– 見た目はHTML, CSSでリッチな感じにしたいよね
– 最終的な実行ファイルはPython側にまとめたいよ
– Node.jsとPythonの2つもあるとごちゃごちゃして迷子になっちゃう(´・ω・`)# Pythonでアプリを作成する方法について
pywebviewを選択する理由の説明なので「結論ちょーだい(ΦωΦ)」って人はここはスキップするのだ!!
## Pythonのみでシンプルに作成する
Pythonでアプリを作成する方法は色々あります。シンプルに作れるのは[PySimpleGUI](https://www.pysimplegui.org/en/latest/)や[Streamlit](https://streamlit.io/)、[Flet](https://flet.dev/)などでしょうか。これらのフレームワ
arXivの論文を爆速で検索し、読む環境をPythonだけで構築する
# はじめに
こんにちは!
Iwaken Lab.のいっちー( https://twitter.com/P_ichikura )と申します。「3Dスキャンを用いた文化や歴史の保存」をテーマに3Dスキャン旅をやっています。
とはいえ、一方では筑波大学の大学院生(博士後期課程在籍)をしており、旅先で研究をすることもしばしばです。理系大学院生の皆様はすでにたくさんの論文を読んでいると思いますが、論文を調べることはかなり手間になりますよね。そのうえで概要をいまいち理解していない論文を読むことも精神的にはかなり辛いです。
そこで、自分が研究をするうえで毎月キャッチアップをしている方法の一部をご紹介しようと思います。
# 実装内容について
今回はarXivという「プレプリント」を読むことができるプラットフォームのAPIを活用して、該当する論文の検索および概要を作成する方法を紹介します。**「プリプリント」とは?**
調査対象分野や目的に応じて、適切に学術文献において査読前の段階で、オープンアクセスできるプラットフォームに登録・公開される論文原稿のことを指します。# 開発環境
さや香の「見せ算」をPythonで実装する
# はじめに
昨日M1グランプリ2023がありましたね。個人的にはさや香が好きでしたが、優勝は令和ロマンスでした。
さや香の決勝戦のネタで「見せ算」というものでした。
これは`+-*/`の四則演算に新たな第5の演算を追加したい、というコンセプトのネタです。
今回はこれを可能な限りプログラミングの世界に落とし込み、実装していきたいと思います。# 見せ算の定義
`+-*/`に当たる部分は「見せ」といい、和差積商に当たる部分は「眼(がん)」と呼びます。### 基本ルール
1. A=Bのとき、A見せB=0
2. A
全人類が幸せになるPythonプログラム
全力おてんばおねえさんなので「Qiita、もっと書きたいッ!」となってしまいました。ヤーレンズの「ツッツーウラウラ」も好きすぎました。
ひとまずお気に入りの過去作を投稿してみます。実務で使う機会が存在するのか謎なrandomモジュールの活用方法です。
“`python
import randomomikuji_option = [
“ファビュラス伝説のフルアーマー大吉”,
“毎食後フロス行うと神の国に導かれる”,
“湯船に入るとワンダフル大吉”,
“水周りを掃除すると運気爆上げ”,
“部屋の片づけをすると願望がアホほど叶う”,
“先延ばしをやめると伝説のグランドデラックス大吉”,
“運動するとロイヤルゴージャススーパー大吉”,
“日光を浴びると人生サイコー”
]omikuji = random.choice(omikuji_option)
print(omikuji)
“`このおみくじを毎朝引くと、人生がとても楽しくなります。
「おみくじを引く」というと他力本願で依存的な行為に見えないこともありま
Dashの細かい使いどころ
[Dash](https://dash.plotly.com/)はPythonでデータアプリケーションを作成するためのフレームワークです。フロントエンドに関する知識はほぼ不要で、Pythonのみでアプリケーションを作成することができるので、特にPython以外の言語に馴染の薄いデータサイエンティストが、サクッとプロトタイプを作成するのに重宝します。類似のフレームワークに[streamlit](https://streamlit.io/)がありますが、Dashの方がコード量は多くなるもののカスタマイズ性に優れ、より見栄えの良いアプリケーションを作成することができます。
今回はDashでアプリケーションを作成してみて学んだ細かい使いどころを備忘録としてまとめました。コールバックなどの基本的な使い方は他に優れた記事がたくさんにあるのでそちらをご覧ください。
## レイアウト関連
### マルチページ
https://dash.plotly.com/urlsDashはマルチページに対応しています。作り方はとても簡単で以下の設定を行うだけです。
– appの宣言時に`use_page
【茶番あり】Vonageを使って秘密のアプリを見れないようにしよう
# Vonageとは?
VonageはコミュニケーションAPIを提供している企業で、かなり簡単にSMSや電話での二段階認証や、コミュニケーションシステムの構築ができるサービスを提供しています。
今回、2023年アドベントカレンダーにてこのVonageが目に入ったのでちょっと記事を書いてみようかなと思いました。# メイン茶番(?)
## 登場人物
– 主人公: 悠斗
– ヒロイン: 美咲![スクリーンショット 2023-12-25 210045.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/1107984/3e82cebf-cec0-55a1-00b8-0f39725a02bb.png)
## プロローグ
俺は今日、ずっと好きだったの美咲の家で遊ぶことになった。
幾度となく想像してきたこの瞬間が、ついに目の前に広がろうとしていた。「俺は今日…美咲の家で、告白をする!」
そう決めた俺は、美咲の家に向かった。
## 美咲の家
美咲「あれ、悠斗早かったね!」
悠斗「楽しみでちょっと
ABC334 勉強メモ
先日開催された、AtCoder Beginner Contest 334の勉強メモです。
問題への言及がありますので、今後解く予定の方はご注意ください。
使用言語はPython・提出はPyPy3です。# 公式解説
https://atcoder.jp/contests/abc334/editorial
# A Christmas Present
__解法__
FAはUntitleさんでした。おめでとうございます。
コードゴルフをするなら`print(‘GBlaotv e'[::2])`が便利です。# B Christmas Trees
__解法__
$L \leq A+kM \leq R$を満たすkを数える問題です。
この不等式の読み替えができた時点でほとんど終わりです。1. 与式は$\frac{L-A}{M} \leq k \leq \frac{R-A}{M}$と変形できます。
kは整数範囲なので $\lceil \frac{L-A}{M} \rceil \leq k \leq \lfloor \frac{R-A}{M} \rfloor$になります。
ここで$\l
Pythonのturtleグラフィックスでペンギンを描いてみよう(自分でコードを書いてみた編)
# はじめに
前回の記事で、ペンギンの絵を描く構成要素を考察しました。
今回は、実際の構成要素をコードに落とし込んで、いよいよ絵を描いていきます。:::note info
ちなみに、ChatGPTに聞いてみたパターン(+修正したコード)の記事も書いていますので、ご覧いただけると幸いです!
:::* ChatGPT版 修正前
![penguin.gif](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/974182/71dbbc07-ef8b-e82b-a89e-deb9eca26371.gif)
* ChatGPT版 修正後
![penguin_GPT.gif](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/974182/9e46155d-41a9-4b9a-225b-567faff5c20a.gif)https://qiita.com/awonohata/items/8abcd7732c8572f86f6d
ht