新しいプログラミング言語やライブラリ、フレームワークを学ぶには、実際にそれらを試して挙動などを見てみることが大事ですが、実行環境を用意するのは手間がかかります。 そこで役立つのが、いわゆる「プレイグラウンド」と呼ばれる、Webブラウザでプログラミング言語やライブラリ、フレームワークをすぐに試すことができるサービスです。 主要なプログラミング言語の公式サイトには、実際にその言語をすぐに試せるプレイグラウンドが用意されていることも多く、また公式サイト以外にもネット上にはさまざまなプレイグラウンドがあります。 プレイグラウンドを使えば、気軽にいろんなプログラミング言語やライブラリ、フレームワークを試せます。 この記事ではそうしたプレイグラウンドをまとめてみました。ここで紹介したプレイグラウンドの他にも、あなたのお気に入りのプレイグラウンドがあればX/Twitterやブックマークのコメント、メール
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 先日以下ツイートをしたら思いの外良い反応もらえたので、より詳細な紹介記事を書いてみました。 これは必見だわ!! TypeScriptの型についての問題集 想定に従って独自のユーティリティ型を作っていく感じの問題がレベル別に提供されてる Playgroundのリンクから手を動かしながらチャレンジできるので凄くやりやすい （自分はeasyの問題でも分からんのあった。頑張ろ😅）https://t.co/tkEFe7VrBQ — Kawamata Ryo (@KawamataRyo) September 3, 2020 type-challe
コンテナ系 Docker Playground Docker Swarm-modeのクラスタを構築できる． http://play-with-docker.com ソース: https://github.com/franela/play-with-docker Docker birthday #4! Docker 4周年記念イベントで使われた教材． (日本でも2017/3/16に開催．) http://birthday.play-with-docker.com/ 移転: http://training.play-with-docker.com/ ソース: https://github.com/play-with-docker/play-with-docker.github.io いちいちコマンドを打たなくても，コマンドをクリックしていくだけで進む． Katacoda Docker Swar
ニューラルネットワークを理解するためのツールA Neural Network PlaygroundがGoogleのTensorFlowのチームから出されました。 これを分かってる社員に解説してもらいながら触ってみて若干理解してきたのでその経過を報告したいと思います。 素人がいじるべきパラメータまずはじめにA Neural Network Playgroundにアクセスしてもらうと上のようなページになるかと思いますがいじるべきパラメータをお教えしたいと思います。 ①まずは4つから図形を選びます。始めは左上の画像にしましょう。 ②層の深さを決めましょう。1か2くらいで良いと思います。 ③ユニットの数を決めましょう。2か3くらいで良いと思います。 ④再生ボタンを押して右下の画像の変遷を楽しみましょう。 見るべき結果どうでしょうか？機械がだんだんと図を理解してる様子が右下の図⑤の変遷で見て取れるで
ネットワークの重みや各ニューロンがどういう入力の時に発火するのかが、学習していく過程で各時刻可視化されてとても良い教材です。 http://playground.tensorflow.org/ うずまきのデータセットに関して「中間層が1層しかないとうずまき（線形非分離な問題）は解けない」という誤解があるようなので、まずは1層でできるという絵を紹介。なお僕のタイムライン上では id:a2c が僕より先に気付いていたことを名誉のために言及しておきます。 で、じゃあよく言われる「線形非分離な問題が解けない」ってのはどういうことか。それはこんな問題設定。入力に適当な係数を掛けて足し合わせただけでは適切な境界を作ることができません。 こういうケースでは中間層を追加すると、中間層が入力の非線形な組み合わせを担当してくれるおかげで解けなかった問題が解けるようになります。 1つ目のデータセットでは特徴量の
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
処理を実行中です
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
