はじめまして！ ロゴスウェア株式会社でエンジニア兼マネジャー（コーチ）をしております伊藤（秀）です。 2006年に入社したので気づけばもう十数年になりますが、長くいるわりに飽きずに楽しくやっております。 入社してしばらくはFlashエンジニアとして頑張っておりましたが、スマホの普及とともにFlashが絶滅に向かい、HTML5+Javascriptに乗り換えフロントエンドエンジニアとして生きながらえつつ、いつしかマネジャーの役割もいただき、メンバーたちと楽しく自社製品開発の日々を送っております。 マネジャー廃止か？？そんな１年ほど前のある日、マネジャーミーティングで社長から発表がありました。 社長：「マネジャーはこれからコーチになります！」マネジャー陣の心の声：「・・・ は？なんで！？」最初は何の事だか分からずうろたえましたが、私の認識としては以下のような感じでした。 ロゴスウェアのマネジャ
こんにちは、エンジニアの堀内です。 ロゴスウェアではEラーニング向けのプロダクトを自社開発しており、これまでに2000社を超える企業や学校の教育担当者様にご利用頂いています。 2014年12月、当時無職だった私は契約社員として入社しました。現在はライブ製品開発チームのマネージャーをしています。入社からちょうど5年が経ったので、直近入社したエンジニア向けも兼ねて、ロゴスウェアでのエンジニアとしての経験を振り返ってみようと思います。 〜 ロゴスウェア入社前 〜前職ではFORTRAN 77を使ってプラント向けのシステム開発をしていました。猛烈な残業が続き、酷いときは9時 ~ 3時まで近くのホテルに寝泊まりしながらの状況だったため、新しい技術を習得する時間を作るのにも一苦労な状況でした。 そんななか、前職の仕事の合間に1年半くらいかけて個人で Python + PySide + Numpy + M
People Tribe / Backend Squad の @izumin5210 です。Advent Calendar の担当日に追われる12月、みなさまいかがお過ごしでしょうか。 この記事は Ruby on Rails Advent Calendar 2019 12日目の記事です。穴が空いたので埋めさせていただきました🙏 人の穴埋めてる場合じゃないという話はある。 TL;DR`rails runner` は一部のエラーを rescue するので、エラーが起きてもエラー収集ツールをすり抜けるかも複数回実行しうるスクリプトであれば、なるべく rake タスクを定義しそれを使うほうが良さそうrake は eager load されないので、そこだけ注意！定期実行タスクWantedly では Rails アプリケーションで定期実行したい処理がある場合、Kubernetes の CronJo
本記事は、当社オウンドメディア「Doors」に移転しました。 約5秒後に自動的にリダイレクトします。 皆さん、こんにちは。研究開発室の佐藤 貴海です。 Platium Data Blogへは初投稿ですが、実は、前回エントリーの「ツール・ド・東北」には選手として登場しています。 応援する気持ちと、応援される感動がたくさん詰まった「ツール・ド・東北 2014」参加レポート - Platinum Data Blog by BrainPad 今回は、以前より気になっていた「ホフステッド指数」について、趣味と実益を兼ねて分析と考察をします。 1. ホフステッド指数とは？ 気になったきっかけは、以下の日経BizGateの記事。 様々な国の文化（国民性）を定量的に測定し、指数化しようとしたのがヘールト・ホフステッドである。 ホフステッドは米IBMの世界40カ国11万人の従業員に行動様式と価値観に関するア
目次 目次 記事の概要 先行研究 データセットの概要 特徴量 持ち時間の使い方を見る特徴量 最初の手を見る特徴量 結果 階層型クラスタリングの結果 ユーザーの同定も試してみる ソースコード まとめ 参考文献 記事の概要 これまで収集してきた将棋ウォーズの棋譜データから適当に特徴量を作って，階層型クラスタリングを適用する．ついでに棋譜からプレーヤーを推定する問題も考えてみる． 将棋ウォーズデータについては以下の記事などを参照してほしい． 将棋ウォーズのデータを解析する - 盗んだ統計で走り出す 将棋ウォーズで削除されたアカウントの棋譜を検討してみる - 盗んだ統計で走り出す 先行研究 将棋やチェスの棋譜から特徴量を生成して棋譜を分類したりプレーヤーを推定する，といったテーマの論文・ブログ記事などを日本語・英語で探してみたが，見つからなかった．似たような話を強いて挙げるとすれば，以下の2つ
複数のテキストについて分析を行う際には、テキストの特徴について分析が必要である場合がある。 テキストの特徴の分析例として、インターネットから次の2種類の論文の概要をダウンロードして用いることにする。 (1) 日本造船学会論文集 第193号の13編の論文の概要(http://nippon.zaidan. info/seikabutsu/2003/00320/mokuji.htm (2) 情報処理学会平成19年度論文賞の9編の論文の概要(http://www.ipsj.or.jp/ 01kyotsu/award/ronbun_sho/h19_detail.html) 各論文の概要を、それぞれ1つのテキストとした形態素解析済みのテキストファイルから、形式名詞を除いた出現頻度が高い上位50個の名詞を集計、処理したグラフを図1に示す。 図1の中のラベルzousenは造船学会の論文概要、jyouhou
Rではheatmap(x)と打つだけで、x, y各軸に対してクラスタリングされたデンドログラム付きヒートマップが描画でき、遺伝子の発現量が・・・など日々呟いているbioinformaticiansにはお馴染みの機能なのですが、Python+matplotlib環境で同じことをやろうとした際、あまり情報が無かったので、試行錯誤してみました。 備忘録ついでに公開しときます。 データの準備 まずは、適当なデータとして、細胞組織ごとの遺伝子発現量の増減を表したようなデータを作ります。 ここでの組織のチョイスも、遺伝子のチョイスも、全て適当です。 後でクラスタリングしたときにそれっぽく見えるように、乱数で生成したデータを若干小細工してpandas.DataFrameオブジェクトにします。 # !/usr/bin/env python3 genes = [ 'HIST1H4H', 'SPRN', 'D
In the code above, the FormRequest that is being used to authenticate has the after_login function set as its callback. This means that the after_login function will be called and passed the page that the login attempt got as a response. It is then checking that you are successfully logged in by searching the page for a specific string, in this case "authentication failed". If it finds it, the spi
文章を分類するメモ pythonのgensimというライブラリを使う LDAをつかいます． LDAの解説はberobero先生のここが超詳しいので割愛 Wikiデータを学習させて任意の文章を分類する． この記事を拝見して分類も出来ると便利だ！と思ったので！ 分類教師データのクレンジングと複合語による分かち書き 結局公開するんかーいってことで，下記のスクリプトでクレンジングと分かち書きを一気に行います. # -*- coding: utf-8 -*- import MeCab import re import unicodedata class Cleanser(): def __init__(self): self.patUrl = re.compile("https?://[\w/:%#\$&\?\(\)~\.=\+\-]+") self.patXml = re.compile("<(\
今回は自然言語処理の話です．それも若干不自然な言語のマンションポエムが対象になります．マンションポエムというのは，工場萌え*1の著者大山さんが提唱している，マンション広告に入っている詩的なコピーのことです*2．具体的にはこんな感じのやつです*3． PLATINUM SHIP ここは、東京の暮らしの新しき起点。 そこは、時空をかける東京。 TOKYO NON DISTANCE データ さて，そんなマンションポエムですが，実はデータが公開されておりまして，先述の大山さんがGoogle Mapにまとめていらっしゃいます*4．このデータ，KMLという三次元地理情報を扱うためのXMLベースのマークアップ言語で，Pythonで適当にパースしてあげれば扱いやすいデータに落とし込むことができます． ということで早速加工してみたんですが，結構データの抜けや欠けがあって，実は割りと地道に手を動かさないといけな
WindowsでMeCab Pythonを使う（2010/11/21）のつづきです。形態素解析を使ってると単語が変なところで切れていたり、未知語が多かったりと不満点が出てきます。また、応用によっては、形態素ではなく、複合語単位で抽出したいということもしばしばあります。たとえば、 人工知能は、コンピュータに人間と同様の知能を実現させようという試み、あるいはそのための一連の基礎技術をさす。 人工知能という名前は1956年にダートマス会議でジョン・マッカーシーにより命名された。 現在では、機械学習、自然言語処理、パターン認識などの研究分野がある。（Wikipedia『人工知能』を改変）という文章をMeCabで形態素解析して名詞のみ取り出すと、 人工 知能 コンピュータ 人間 同様 知能 実現 試み ため 一連 基礎 技術 人工 知能 名前 1956 年 ダート マス 会議 ジョン マッカーシー
MeCab 辞書には、以前の記事でご紹介した「ユーザ辞書」と「システム辞書」の２種類があります。ユーザ辞書への単語の追加は、手軽な反面、解析速度が落ちるといったデメリットもあります。そこで今回は、MeCab の「システム辞書」に単語を追加する方法をご紹介します。また、最近話題の新語辞書 mecab-ipadic-neologd もシステム辞書に追加してみました。 作業の流れ MeCab のシステム辞書は１つのみ、というルールがあるため、IPA辞書のソースディレクトリに、追加したい単語のCSVファイルを配置して、システム辞書を作成します。また、追加する単語のコストは、mecab-ipadicのモデルファイル使った自動推定機能を使います。 下準備 MeCab と IPA辞書をインストールしておきます。 nkf コマンドのインストール IPA辞書の文字コードを、UTF-8 に変換するため、nkf
Toybox - 作成物など M-Server - 自作アップローダ ZoomToDo - ToDo管理サイト IS Report System - 研究報告レポートCMS Flash Flush Entry - 公開用記事 Link - 自分関連のサイトたち Ruhenheim - 研究メモ用Blog About.me Twitter IS Report - 公開研究レポート集 [Python][Skype]Skypeのムードメッセージを現在地に書き換える for mac [2011/08/29] [Facebook][API]コメント欄を設置したった（Facebookコメントプラグインの使い方） [2011/08/03] TwitterやFacebookのSocial buttonを設置してみた [2011/06/26] [GAE]abでmemcache使った場合のベンチマーク測ってみ
日本語形態素解析エンジンMeCabで標準的に使われているIPA辞書に新語を追加したmecab-ipadic-neologdが公開されました： [O] MeCab 用の新語辞書 mecab-ipadic-neologd を公開しました これまでもWikipediaやはてなキーワードからとりだした単語をMeCabの辞書に登録する取り組みはいろいろとありました： livedoor Techブログ : wikipediaのデータや顔文字辞書からmecabのユーザ辞書を作成するフレームワーク MeCabの辞書にはてなキーワードを追加しよう - 不可視点 最近のJUMANの辞書にもWikipediaやWebからとられた単語が登録されています： JUMAN - KUROHASHI-KAWAHARA LAB mecab-ipadic-neologdは新語データを定期的に更新して改善を続ける予定ということで
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
