EnsekiTT Blog

EnsekiTTが書くブログです。

GitでちゃんとBranch切って開発する話

git

つまりなにしたの? Gitでブランチ切って開発する時のWorkflowと都度使いそうなコマンドをまとめた。

OpenCV+ArUco+Webカメラでマーカ検出をやった話

つまりなにしたの? OpenCVのOpenCV contribに含まれるArUcoにWebカメラの画像を放り込んで、マーカ検出をして表示する。

AWSのCloud9をChrome+Vimium環境で使う時の話

こんにちは、えんせきです。 Ruby on railsはどこまで機能が整ってるんですかね、機能がいっぱいありすぎて難しいです。 つまりなにしたの? Chrome+Vimiumの環境でCloud9使ってVim開いたらEscapeキーが効かない問題に対処した。

Ubuntu16.04にVirtualBoxとVagrantをaptで入れたら失敗した話(2018/04/08編)

つまりなにしたの? UbuntuにVirtualBoxとVagrantを何も考えずにAptで入れたらVagrantのバージョンが古かった(1.8.1)ので、 最新(2.0.3)のVagrantをダウンロードしてきた。 No usable default provider could be found for your system.

Ruby on Rails 5をドットインストールで勉強した話

つまりなにしたの? Ruby on Railsを久しぶりに使う機会がやってきたので、ドットインストールで復習した。 前回Rubyをやってそのまま続きをやっている。 前回のRubyの感想はこちら ensekitt.hatenablog.com

Rubyをドットインストールで勉強した話

こんにちは、えんせきです。 Pythonしか書けなくなったんじゃないかと心配になったのでRubyを勉強し直すことにしました。 むかしスクレイピングで使ったくらいで今から直接Railsいじると爆死しそうなので段階的に行きます。 あと今後ちょくちょく勉強しただ…

HeadlessChromeを使ってみた話

こんにちは、えんせきです。 新年度が始まってしまいましたね。 偉くなったりすることは特に無いですが、色々新しいプロジェクトが走り出しそうです。 つまりなにしたの? ちょっと所要で使いそうなのでChrome Headlessでスクショを撮る準備をした。 環境構…

RaspberryPiにJuliusいれて話しかける話(自前の辞書編)

つまりなにしたの? RaspberryPiに話しかける時の辞書を自分好みにチューニングする必要があることがわかったので、 自前の辞書を用意して、「おっけーえんせき」に反応してもらう。

RaspberryPiにJuliusいれて話しかける話(Juliusインストール編)

* つまりなにしたの? RaspberryPiにJulius入れてとりあえず既存のディクテーションキットで話しかけられるようにする。 今日はJuliusをインストールして好き勝手な言葉を話しかけて文字列にしてもらう。

RaspberryPiにJuliusいれて話しかける話(準備編)

つまりなにしたの? RaspberryPiにJulius入れてとりあえず既存のディクテーションキットで話しかけられるようにする。 今日は環境の準備編で、ビルドに必要なパッケージとかマイクの優先度とかを整える。

RaspberryPiにHD Pro Webcam C920を繋いでオーディオを取得した話

つまりなにしたの? ロジクールのウェブカメラ(HD Pro Webcam C920)には通話用のマイクがついているので そのマイクのオーディオを取得してPyAudioで処理した。 今日はカメラの話はしない。

RaspberryPiにディスプレイをつけましょうよって話

つまりなにしたの? 5000円(買った時)の5インチのHDMIディスプレイをRaspberryPiにつけた。ただこのディスプレイ傾けると全く見えないので、使い方によっては注意が必要。 iPhoneとかのディスプレイって凄いんだなぁ(こなみ

外れ値はクリップではなく、 まずはリストアップしろって話

つまりなにしたの? まえに、外れ値をクリップする話をしたけど、いきなりクリップする前にリストアップすることにした。 どんな関数? - 入力: Pandas DataFrameのSeries、バイアス(1.5がデフォルト) - 出力: 外れ値判定されたものがTrueのSeries - 処理:…

Pandas.Series.strの文字列処理を全部試した話

つまりなにしたの? Pandas.Series(Pandasの文字列が入った列データ)にはstrという文字列処理を行う関数群がある。 意外と数があってあまり把握できていなかったので、全部実行してみてすぐに思い出せるようにした。

PUBGで耳を有効活用するためにゲーミングヘッドセットを買った話。

つまりなにしたの? PUBGで弱いからこそ、耳を有効活用するべきであるということで、 SteelSeries Arctis5というゲーミングヘッドセットを買った。

Titanicを例にしてKaggle API(1.0.5)を使って見る話

つまりなにしたの? Kaggle APIとか言うのが使えるようになっていたので、つかってみた。 ただ、まだBetaリリースなので今後変わっていくかも。 今回は、kaggle-1.0.5を使います。

pyenv-virtualenvを使って都合のいいように Pythonパッケージ環境を行き来する話

度々、Blogで何か作業する時に使っているpyenv-virtualenv。画処理をするためのパッケージ郡、ディープラーニングをするためのパッケージ郡等色々別々に入れて、行き来すると便利。 というわけで、最近OSをクリーンインストールしてpyenv-virtualenvをインス…

完璧に出来ないくせに完璧主義者で飽きっぽい自分のBlogがいつの間にか30週間を迎えていた話

つまりなにしたの? 半年以上Blogを2日に1回投稿をほそぼそと続けた。 完璧に出来ないくせに完璧主義者で完璧にできないとすぐに飽きてしまう自分が 何でBlogを30週間も続けられたのか覚えておけば別の習慣を始めなきゃいけない時に参考になるかと思って書い…

Python+NumpyでFIML(完全情報最尤推定法)試してたら色々勘違いをしていたっぽい話

つまりなにしたの? 欠損値の補完方法を最近色々試していて、FIML(完全情報最尤推定法)という手法に行き着いた。 FIMLは欠損値を"補完"するわけじゃなくて、欠損値が含んでいても統計量を推定できるってことだったっぽい。

Python+Pandasで平均値・中央値代入と線形回帰で欠損値に対処する話。

つまりなにしたの? 前回に引き続き、欠損値に対処していく。 平均値・中央値代入と線形回帰で欠損値に対する対処をPythonでやってみた。

Python+Pandasでリストワイズ削除とペアワイズ削除で欠損値に対処する話。

つまりなにしたの? リストワイズ削除とペアワイズ削除は最近は手軽ながらも機械学習だとあんまり使わない気がする欠損値に対する対処をPythonでやってみた。

データ分析における欠損値のパターンの話

こんにちは、えんせきです。 こないだ夜遅くにスマホの電池が切れた状態で自転車で走っていたら、品川で迷いました。 五反田方向に行きたかったのに、大崎で完全に間違った方向に向かって青物横丁を通って大井町に行ってしまってました。 つまりなにしたの?…

JupyterLabのBetaが公開されたので tqdmが使えるか試した話

昨年11月に「JupyterLabだとtqdm_notebookはもちろんだが、tqdmも使えず解決できなかった話。」という記事を投稿した。 ただ、この投稿の最後で、BetaではできるようになりそうなPull Requestを発見していたので、この度それが出来ているか試してみる。

DeepLearningの手法の一つ、Yolo v2で物体検出して遊ぶ話(動画編)

つまりなにしたの? 街で撮ってきた動画をYolo v2とTiny Yoloで解析して、速度と精度のトレードオフがどの程度か肌感覚で知ることが出来た。

iMovieで直接読み込める動画をOpenCVで作る話

つまりなにしたの? OpenCVでiMovieから直接読み込める動画を出力するためには、XVIDではなくmp4vを使う。OpenCVで色々作ってみているものの、結果をまとめてYoutubeに上げる時にiMovieを使っている。 エンコーダとかで適当に変換しても良いんだけど、最初か…

DeepLearningの手法の一つ、Yolo v2で物体検出して遊ぶ話(画像編)

つまりなにしたの? Yolo v2を使うために、Darkflowをインストールしたので、早速検出できるものが写った画像を入れて、 検出結果を可視化して保存した。

DeepLearningの手法の一つ、Yolo v2で物体検出して遊ぶ話(CUDA,Darkflowインストール編)

つまりなにしたの? DarkflowでYolo v2を動かしてみたらいい感じにバウンディングボックスを描くことができそうなので今日はまず環境構築の部分を紹介する。

IrisのデータをXGBoostで回帰分析してみる話

つまりなにしたの? 前回XGBoostを使ってクラス分類ができることを確認した。今度は、アヤメのがく弁の長さをそれ以外の要素から予測する回帰問題として扱ってみる。 一応RMSEとして評価して寄与率の可視化も行った。

IrisのデータをXGBoostで解析してみる話(次回)

つまりなにしたの? せっかく導入したXGBoostがちゃんと使えるのか試すために、機械学習のHello Worldとも言えるIrisデータ(アヤメの花弁とかのデータ)を使ってアヤメの種類がどれだけ当てられるのか試してみた。特徴量の寄与度合いや木の可視化もしてみる…

IrisのデータをXGBoostで解析してみる話(初回)

つまりなにしたの? せっかく導入したXGBoostがちゃんと使えるのか試すために、機械学習のHello Worldとも言えるIrisデータ(アヤメの花弁とかのデータ)を使ってアヤメの種類がどれだけ当てられるのか試してみる。

スポンサーリンク