- 1. 【競プロ】広義単調増加数列と狭義単調増加数列の最大数【O(N log N)】
- 2. 【コーチェラ2024】YOASOBI、初音ミク…日本の音楽が世界に響く!ライブ動画をPythonで徹底分析
- 3. Knowledge Base for Amazon Bedrock の Chat with your document を API から利用する
- 4. 【Python】Claude3のAPIを叩いてみよう~
- 5. picoCTF 2019 writetup caesar
- 6. ChatGPT のようなヌルヌルした増分テキスト表示をやってみたい
- 7. GPyのガウス過程回帰について
- 8. 学習日記#5: KaggleのNotebook
- 9. 個人開発記録 2024/04/23
- 10. kaggleのHousePrice(住宅価格)に挑戦してみた。
- 11. バニーガーデンのレビューをレビュー分析 AI “ReviewAI” でまとめてみた!
- 12. Fletを使った簡易計測のひな型
- 13. Pythonの環境構築ツールRyeの紹介
- 14. VSCodeでRuff/Mypyを導入しGitHub Actionsでも実行する
- 15. 金子勇さんのED法のシンプルな解説を試みた
- 16. コンストレインを楽にしたい奴
- 17. ~機械学習エンジニア(長期インターン)内定への道~
- 18. Pythonで数理計画問題を解く
- 19. テラデータ・ウィジェット
- 20. Streamlitでサイドバーに表示されるメニューを日本語化
【競プロ】広義単調増加数列と狭義単調増加数列の最大数【O(N log N)】
# 狭義単調増加数列の最大数
“`python:
from bisect import bisect_leftN = 5
INF = 10**20A = [2, 1, 4, 5, 5]
B = [INF]*(N+1)for a in A:
B[bisect_left(B, a)] = a
ans = bisect_left(B, INF)
“`
アルゴリズムの詳細https://qiita.com/python_walker/items/d1e2be789f6e7a0851e5
# 広義単調増加数列の最大数
等しいことを認めるので `bisect_right` を使う
“`python:
from bisect import bisect_left, bisect_rightN = 5
INF = 10**20A = [2, 1, 4, 5, 5]
B = [INF]*(N+1)for a in A:
B[bisect_right(B, a)] = a
ans = bisect_left(B, INF)
“`# 単調減少数列の場
【コーチェラ2024】YOASOBI、初音ミク…日本の音楽が世界に響く!ライブ動画をPythonで徹底分析
# はじめに
世界最大級の音楽祭「コーチェラ・フェスティバル」が今年も開催されました。2024年は4月12日〜14日、19日〜21日の2週間にわたって開催され、YOASOBI、初音ミク、新しい学校のリーダーズ、Awich、Number_iなど日本のアーティスト5組が出演し、日本の音楽を世界に発信しました。その模様はYouTubeでストリーミング配信され、また再生リストでピックアップされたライブ動画が公開されています。
日本のアーティストのライブがどのくらい評価されているのか気になりますし、また視聴回数やlike数から見る海外の人気アーティストも気になります。
そこで、YouTubeのチャンネル”Coachella”の再生リスト”Live at Coachella 2024″で公開されているライブ動画の情報をYouTube APIで収集するためのPythonのコードを作成しました。
このコードを使って、日本人アーティストの評価や人
Knowledge Base for Amazon Bedrock の Chat with your document を API から利用する
## はじめに
2024/4/24 のアップデートで ベクターストアなしで、単一ドキュメントに対する質問が可能になる機能が追加されました。https://aws.amazon.com/jp/about-aws/whats-new/2024/04/knowledge-bases-amazon-bedrock-asking-questions-single-document/
コンソール上では Chat with your document として用意されている機能で、10 MB までの単一のドキュメント (PDF, MD, TXT, DOCX, HTML, CSV, XLS, and XLSX) をアプロードするか、S3 上のパスを指定するだけで、対象ドキュメントの内容に関して質問が可能です。追加費用無しで利用できるのも嬉しいポイント。
## コンソール上での使用
使い方は簡単でナレッジベースに追加された Chatwith your document タブを選択し、モデルと対象データを選択して質問を入力するだけです。4/24 時点で モデルは Claude 3 Sonnet
【Python】Claude3のAPIを叩いてみよう~
# はじめに
最近話題のClaude3。
なかなか日本語がお得意なようで、ChatGPTから乗り換える人もちらほらいますね。
というわけでさらっとAPIを使ってみます。## 前提
– Pythonがローカルで実行できる
今回はPythonを使っていくので実行環境を用意しておいてください。ローカルでなくとも問題ないです。
## 手順
### 1. APIキーを発行する
まずは[コンソール](https://console.anthropic.com)にアクセスします。
https://console.anthropic.com
ちなみに普段チャットで使うClaude3のページとは異なるので注意してください。
記事を作成している現在(2024/04/23)ですが、クレジットがいくらかもらえますので、無料で試すことができますよ~。
はい、では**API Keys**からキーを発行してコピペしておいてください。
### 2. 叩いてみる
ではでは…作業用のディレクトリに移動します。
まずは、ライブラリを持ってきます。
“`bash
$ pip ins
picoCTF 2019 writetup caesar
## caesar (Cryptography)
Decrypt this message.
添付ファイル
・ciphertextciphertextをテキストエディタで開くと
“`
picoCTF{ynkooejcpdanqxeykjrbdofgkq}
“`
括弧内の文字列がシーザー暗号でエンコードされているので、cyberchefで文字をずらしていくと、4文字目でうまくいった。`picoCTF{crossingtherubiconvfhsjkou}`
ChatGPT のようなヌルヌルした増分テキスト表示をやってみたい
タイトルの通りです。Python の FastAPI で簡単なサンプルアプリを作成しました。
# 実行例
![streaming.gif](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/2629684/ae8e8181-03fe-d91f-d6ca-f3921bdf717f.gif)# FastAPI のコード
HTTP は昔からストリームなので HTTP レスポンスのボディを逐次、送受信することは以前から可能でした。でも HTTPヘッダの `Content-Length` がネックでした。HTTPヘッダは最初に返さないといけないのでその時点でコンテンツサイズが未定の場合は `Content-Length` を設定できないからです。HTTP1.1 が全盛の頃はコンテンツを細切れ(チャンク)にして送信していましたが今は、楽に実装できるようになりました。FastAPI は、`StreamingResponse` を使います。ブラウザ側は、HTTPレスポンスの `ReadableStream` を `get
GPyのガウス過程回帰について
## 経緯
– Pythonのガウス過程フレームワーク[GPy](https://gpy.readthedocs.io/en/deploy/)を用いたガウス過程回帰の計算過程を追った
– 題材にしたのは下記のコード([参考](https://gpss.cc/gpss13/assets/lab1.pdf))
“`python
import GPy
import numpy as npX = np.linspace(0.05,0.95,10)[:,None]
Y = -np.cos(np.pi*X) +np.sin(4*np.pi*X) + np.random.randn(10,1)*0.05k = GPy.kern.rbf(input_dim=1, variance=1., lengthscale=1.)
m = GPy.models.GPRegression(X,Y,k)
“`
## やりたいこと
入力$\boldsymbol{x}$に対する出力$\boldsymbol{y}$が得られているとき
学習日記#5: KaggleのNotebook
## Goal
KaggleのNotebookでできることを知る## 教材
PythonではじめるKaggleスタートブック## やったこと
– Notebook新規作成
– コード実行
– ipynbファイルのインポート
– バージョン保存
– 保存するたびにコードがすべて実行される
– Competition(Titanic)にNotebookから直接Submit## 気になったこと
– notebook自体はGoogleドライブやGithubと連携したりできるらしい
– Google Colabより重い?
個人開発記録 2024/04/23
# 目的
* とにかくやりきることが一番の目的
* 毎日発信することで、発信する習慣作り
* 個人開発をやりきることで、実績作り# 開発するもの
X(旧Twitter)のパクリ
# 構成
python
django REST framework
postgreSQL# 本編
## ローカルのpostgresqlのDBを作成
postgresqlを以下手順に従ってインストール
https://qiita.com/tom-sato/items/037b8f8cb4b326710f71
もろもろインストールが終わった後、pgAdminで`likeX`というDBを作成
## djangoからローカルのpostgresqlのDBに接続
psycopg2-binaryをインストール
“`bash
pip install psycopg2-binary
“`DBの設定を変更
“`python:likex/settings.py
DATABASES = {
‘default’: {
‘ENGINE’: ‘django.db.backe
kaggleのHousePrice(住宅価格)に挑戦してみた。
# はじめに
初めてkaggleに挑戦してみたので、その内容を記載していきたいと思います。
今回は、タイトルに記載したとおりHouse Prices – Advanced Regression Techniques
取り組みました。
初めての挑戦なので、一から自分で前処理をしてモデル構築するのは難しかったので、
kaggleのcodeを見たり、参考になる資料を真似てみたり、試行錯誤を繰り返しながら
モデルを構築して、提出してみました。
**参考にさせていただいた記事**
【Kaggle】「House Prices」をパクりながらやってみた。結果はスコアが0.13947で順位は4205人中1616位でした。
参考記事ではモデルとしてLasso回帰
バニーガーデンのレビューをレビュー分析 AI “ReviewAI” でまとめてみた!
# はじめに
バニーガーデン、Steam で売り上げランキング 1位になりましたね!
おめでとうございます!!
大盛り上がりなので、気になってレビューを見たりしている紳士の方々も多いのではないでしょうか?
そこで本記事では、弊社 RetegyLink 開発の ReviewAI (レビューアイ) でバニーガーデンの steam でのレビューを分析した結果をご報告させていただきます。同じ内容を [note](https://note.com/retegylink/n/n5c000e33704c) でも公開しています。
# バニーガーデン
Pythonの環境構築ツールRyeの紹介
## はじめに
– 私が Python を始めるにあたってぶち当たった最初の壁が環境構築でした
– 本やブログのチュートリアルの通りにうまくいけば良いのですが、エラーに遭遇して頭をかかえることが多々ありました
– 思い返すといろんな方法でインストールしたもの同士が喧嘩して、Python の環境が管理しきれなくなってる状態でした。(Anaconda と pip が喧嘩したり、現在の Python の PATH がどこを指しているか分からない状態だったり…)
– ま いいか!と適当な管理で Python を使っていたのですが、いざチームでの運用や複数のプロジェクトを管理するにあたって、真面目に環境構築を考える必要がでてきました
– こんな私でもいざ使ってみるとこりゃ便利だなあと手のひらを返したわけでして、本記事で環境構築の目的やそのためのツールである Rye を紹介したいと思います## 参考
– [python パッケージ管理ツール rye を使う](https://nsakki55.hatenablog.com/entry/2023/05/29/013658)
– [【Pytho
VSCodeでRuff/Mypyを導入しGitHub Actionsでも実行する
## はじめに
– 以前にPythonのリンターとフォーマッターは何が良いかな、と思って調べたとき、下記の構成がオススメされていてこちらを採用して運用してきました
– [静的解析&自動整形 flake8+black+isort+mypy](https://zenn.dev/zenizeni/books/a64578f98450c2/viewer/ac820f)“`
flake8
isort
black
mypy
“`– そんな中`Ruff`というツールが現在流行っていると目にしました
– [新しい静的コード解析ツール「Ruff」をご紹介](https://gihyo.jp/article/2023/03/monthly-python-2303)
– これは簡単にいうと他のツールの比較して10~100倍高速で、リンターとフォーマッターが統合されたツールです>https://docs.astral.sh/ruff/
>![](https://i.imgur.com/ZXh0Ao9.jpeg)
> (翻訳&一部抜粋)
> ⚡️ 既存のリンター (Flake8
金子勇さんのED法のシンプルな解説を試みた
# はじめに
**[@pocokhc(ちぃがぅ)](https://qiita.com/pocokhc)さんが、金子勇さんのED法を実装してMNISTの学習に成功しました。**
https://qiita.com/pocokhc/items/f7ab56051bb936740b8f
金子勇さんの失われたED法
https://web.archive.org/web/19991124023203/http://village.infoweb.ne.jp:80/~fwhz9346/ed.htm
金子勇さんの失われたED法発掘の経緯
https://qiita.com/kanekanekaneko/items/901ee2837401750dfdad
ここではちぃがぅさんのコードを元に、ED法をシンプルに解説していきたいと思います。
![ED_simple.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/22311/458464ac-3a2e-12ee-26b3-490308ce3efd
コンストレインを楽にしたい奴
bothconst.py
両手で一つの物を持たせるツール参考にしたキータの記事、出版物等、色々ありますが、お世話になったサイト、ブログのURLをたくさん添付させて頂きます。
末尾に“`
from maya import OpenMayaUI
from PySide2 import QtWidgets, QtCore
import shiboken2 as shiboken
import maya.cmds as cmdsptr = OpenMayaUI.MQtUtil.mainWindow()
parent = shiboken.wrapInstance(int(ptr), QtWidgets.QMainWindow)class LocatorGUI(QtWidgets.QMainWindow):
def __init__(self, parent=None):
super(LocatorGUI, self).__init__(parent)self.setWindowTitle(“Locator Tool”)
~機械学習エンジニア(長期インターン)内定への道~
## 始めに
前回初めての記事を投稿してから、約2カ月が経ちました。今回は進捗があったため、その内容について記事にさせていただきました。
タイトルにもありますが、機械学習エンジニア(長期インターン)としての内定をいただきました。大学1年の頃からエンジニアとして働いてみたく、累計20社近く落ちての内定でした。
この記事では独断と偏見で、機械学習エンジニア内定に必要なスキルについて説明していこうと思います。## 自己紹介
– 学歴フィルターにギリかからない関西の大学の3年生
– プログラミング歴2年半
– Atcoder茶色
– Kaggler(メダルなし)## [ポートフォリオ](https://github.com/morikazu1119?tab=repositories)
ポートフォリオには、kaggleのコンペティションでのプログラムやkaggle datasetから拾ってきたデータから作成したモデルのプログラムなどがあります。## 時系列
– 2021年11月 プログラミングの勉強始める
– 2022年4月 入学(約5社全落ち)
– 2022年8月 夏休み(約10社
Pythonで数理計画問題を解く
# はじめに
### 本記事の内容
Pythonで数理計画問題(最適化問題)を解く方法については、既に様々な記事が出ています。ただその多くは数個の変数と数個の制約式からなるシンプルな例題を対象としており、変数や制約式が添え字で展開されるような”実用的”な規模の問題に適用するには、そのままではわかりにくいことがあります。本記事では、こういった”実用的”な変数・制約式から成る数理計画問題を対象として、Pythonで記述を行う方法を示します。このとき、複数のモデル記述言語(モデラー)を比較することで、それぞれの特徴を示します。
#### 本記事に含まれないこと
「Pythonで数理計画問題を解く」といっても、例えば最急降下法や遺伝アルゴリズム等の解法実装の実装方法を示しているわけではありません。「モデラー」を用いて数理計画問題の目的関数と制約式を記述し、その解を求めるのは汎用の「ソルバー」に任せるという方法をとっています。
また、数理計画問題についての解説は特に行っていません。数理計画問題を、通常の数学記法で行えていることは前提とします。#### 環境
以下は、Google Col
テラデータ・ウィジェット
[Teradataml Widgets – テラデータ・ウィジェット](https://docs.teradata.com/r/Teradataml-Widgets/March-2024/Teradataml-Widgets) [2024/04/23時点]の翻訳です。
:::note information
各機能の詳細な説明に関しては
Streamlitでサイドバーに表示されるメニューを日本語化
# Streamlitでサイドバーに表示されるメニューを日本語化
#### 前提
python 3.11.4
Streamlit 1.25.0### どうしよう?
PythonのフレームワークStreamlit。BtoCの華やかなWebページを~:sun_with_face:とは無縁な、どちらかというと大学や研究機関でのデータ解析や企業のデータ分析部門で使われるウェブアプリを作るのに、HTMLとCSSを書く必要が無いというフレームワーク。ロジックやplotだけコーディングして、注目して欲しい分析結果等々を見せればいいだけだからUIはシンプル。カスタマイズも基本しない(少しできるけど。またカッコ良いUIライブラリも色々あるけど導入するとドツボにハマるのが豊潤にある)。
例えば複数ページを作成するときは、pagesフォルダ配下に[ファイル名.py]を作成すればそのファイル名がそのままサイドバーにメニューとして表示される。それでいてレシポンシブル対応。
もー簡単!
![image.png](https://qiita-image-store.s3.ap