タツノリ

Webプログラムを学びます

タツノリ

Webプログラムを学びます

Vueを学ぶ６日目～８日目

７月１０日～７月１６日週は３日間勉強できました。 ６日目Vueコンポーネントを学ぶ７日目自作Vueコンポーネントラベル＋テキストボックスのVueコンポーネントを自作しました。 ８日目自作Vueコンポーネントにv-modelを実装する わかってしまえば簡単なんですが結構時間がかかりました。 番外編 visibilityとdisplay

タツノリ

    • Vueを学ぶ３日目②～５日目

      ７月３日～７月９日週、３日間勉強できました。 ３日目②Vueインスタンスでリアクティブリアクティブなプロパティにするにはインスタンス生成時に定義する必要があるようです。 ４日目computedとwatchを何となく理解するcomputedもwatchもリアクティブに値を変更する時の作法のようです。computedの方がvmでよくやっていたイメージです。 今後作りながら使い分けられるようになっていきたいと思います。 ５日目Vueの構文を学ぶv-if、v-for、pytho

      タツノリ

      • Vueを学ぶ１日目～３日目

        苦手意識を持っていたフロントエンド。 これからこつこつ学んでいこうと思います。 期間は決めずにまずは始めて見ようと思います。 学ぶのはVue.js。 選んだ理由は以下です。 身に着けると案件につながる 日本語のドキュメントが多いので習得しやすいと思う 既に３日目ですが、日本語のチュートリアルが丁寧なので、私のようにフレームワークほぼ初心者でも今のところはストレスなく進められています。 １日目　Vueのインストールで苦戦 ２日目　日本語チュートリアル発見 あれ、Vu

        タツノリ

        • コンテナで開発環境を作る２

          前回、Windows 10 環境でWSL2を有効化してUbuntuをインストールしました。 しかし、この段階ではWindows上にUbuntu(WSL2)の環境が１つできたにすぎません。 今日はDockerというコンテナソフトをインストールして、WSL2やVisualStudioCodeと連動するように設定することで、Linux環境をスクラップ＆ビルドできるようにします。 DockerのインストールDockerの公式ページのリンクに記載の手順をやっていきます。 まず、Doc

          タツノリ

        Vueを学ぶ６日目～８日目

        タツノリ

          コンテナで開発環境を作る

          私はWindowsPCしか持っていませんが、開発しているときの悩みは 「Windows環境を汚したくない」でした。開発用のツールを入れる、ライブラリを入れる、次の開発ではバージョンアップ/一度アンインストールしてバージョンダウンしたものを入れなおす。。 これではどんどん環境が汚れていき、思わぬところでトラブルの原因になります。 そこで時代の進化とともにこの悩みを解決する開発環境を見つけました。 それはWSL(Windows10上で動かく仮想LinuxOS)とDockerを使い

          タツノリ

          コンテナで開発環境を作る

          タツノリ

          ネガポジ分析アプリを開発する（アプリ編）

          本日はネガポジ分析アプリを開発するのアプリ編について記載します。 これまで環境構築、CI/CDとやってきましたので、そちらもよければご参照ください。 １．アプリの概要自分の気になるキーワードがTwitter上でポジティブな言葉としてTweetされているのか、あるいはネガティブな言葉としてTweetされているのかをAIを使って分析し過去からの推移を表示します。 また、キーワードを含むTweetのうち「いいね」「リツイート」が高いものをPickUpして表示することで、ポジティブ

          タツノリ

          ネガポジ分析アプリを開発する（アプリ編）

          タツノリ

          formタグを使ったHTMLとサーバ側のデータの受け渡しについて

          Webアプリを開発する中では基本中の基本ですが、 HTMLで入力したデータをサーバ側へ渡す方法とサーバ側で受け取る方法を見ていきたいと思います。 知ってしまえばそんなことかということですが、ここではformタグを使う方法とformタグを使った場合のメリット・デメリットを見ていきたいと思います。 1.HTMLからサーバへ入力データを渡す流れを解説HTMLからサーバ側へ入力データを渡す流れはざっくり下記となります。 ①イベントを定義する（②③はイベントをトリガーに始まる処理）

          タツノリ

          formタグを使ったHTMLとサーバ側のデータの受け渡しについて

          タツノリ

          ネガポジ分析アプリを開発する（CI/CD編）

          本日はHeroku上に作ったWebサイトにCI/CDを構築していきます。 Heroku上にWebサイトを作成する手順は別記事に記載しています。 　⇒ネガポジ分析アプリを開発する（クラウド構築編） １．パイプラインを構築するHeroku上に構築したWebサイトの「Deploy」タグを見ると、「Add this app to a pipeline」とありここでパイプラインを作成できます。 「Choose a pipeline」を「Create new pipeline」と選びパ

          タツノリ

          ネガポジ分析アプリを開発する（CI/CD編）

          タツノリ

          ネガポジ分析アプリを開発する（クラウド構築編）

          本日はネガポジ分析アプリを公開するサーバを構築します。 構築といっても、Herokuというクラウドを使うので技術的な要素はほとんどなく、Herokuのアカウント作成等くらいであとはクラウド側が準備してくれると簡単に考えてます。 如何せん私も初めてHerokuを触るので調べながら進めたいと思います。 開発からデプロイまでの構成イメージは下記となります。 １．Herokuのユーザ登録をするHerokuのサイト(https://jp.heroku.com/)を開き、画面右上の新

          タツノリ

          ネガポジ分析アプリを開発する（クラウド構築編）

          タツノリ

          東京都の降水量データを試行錯誤する②（モデル作成編）

          前回の記事では、気象庁のホームぺージから東京都の降水量データをダウンロードし、指標をグラフ化しました。 今回はSARIMAモデルの作成をしていきます。 SARIMAモデルのパラメータの決定GridサーチでどのパラメータのAIC値が一番良いか見ていきます。 実行結果 : (p,d,q)(sp,sd,sq,s) ⇒ (9, 1, 2), (0, 0, 0, 12) ########################################################

          タツノリ

          東京都の降水量データを試行錯誤する②（モデル作成編）

          タツノリ

          東京都の降水量データを試行錯誤する①（データの取得編）

          今回はSARIMAモデルを試してみたく、季節性のありそうな降水量データを気象庁から取得してデータ分析したいと思います。 先にモデルを作成した結論として、1年間の降水量の上がり下がりをそれなりに追従する形でできました。 一方で、一番降水量の多い台風は異常値として扱われてしまったようで、他の月より多い降水量を予測しているが実態とは乖離が大きかったです。 今回はデータの取得部分と指標部分をノートに記載します。 SARIMAモデルのパラメータを作成したりする部分は後日記載します。

          タツノリ

          東京都の降水量データを試行錯誤する①（データの取得編）

          タツノリ

          【備忘用】時系列データの定常化と非定常化用のモデル

          時系列の統計的な性質が時間の推移によって変化しない定常過程を前提として分析が行われる。 ということで非定常過程のデータは定常過程に変換しないと分析できない。 定常化1.バラつきが多い 　対数変換　np.log(df) 　平方根変換 2.トレンドが発生 　階差系列　df.diff() 　n移動平均を引く　df - df.rolling(window=n).mean() 3.四半期毎の周期性の除去 　季節階差 　　import statsmodels.api as sm　

          タツノリ

          【備忘用】時系列データの定常化と非定常化用のモデル

          タツノリ

          文系の文系による文系のための「相関行列」

          機械学習で出てくる「相関行列」を調べましたのでなるべくわかりやすく説明します。 そして、実践として下記の気温とアイスクリームの売上げの相関行列をpythonで求めてみたいと思います。 相関［名］(スル)二つのものが密接にかかわり合っていること。「相関する二国間の経済」 上のアイスクリームの例では表を見ると気温が上がるとアイスクリームの売上げも上がっていますね。 これを「正の相関」といいます。（下グラフ） 反対に負の相関もあり、これは一方が上がるともう一方が下がるものです

          タツノリ

          文系の文系による文系のための「相関行列」

          タツノリ

          自動でチューニングしてみる

          前回の記事では頭がパンクしながらチューニングをしてみました。 今回はなんと自動でチューニングする方法を覚えたので試してみます。 概要チューニングの方法はいくつかありますが、その中の「ランダムサーチ」を使い自動チューニングしてみます。 ランダムサーチではパラメータのとる値の範囲を指定するとその中からランダムで値を選びモデルの評価に使います。 n_iter(初期値:10)で評価の回数を指定可能。 ソースコード１．インポートするモジュール from sklearn.model

          タツノリ

          自動でチューニングしてみる

          タツノリ

          初めて教師あり学習（回帰）を試行錯誤してみる

          scikit-learnを使い機械学習を勉強しています。 今日は機械学習の１つ「教師あり学習（回帰）」のモデルを作成していきます。 モデルの精度を調整するのは初めてなので、試行錯誤しながらやっております。私のような機械学習初心者の方励ましのコメントいただけると幸いです。 経験者の方がもし見てましたらアドバイスいただけるとありがたいです。 概要UCIのデータセットを使います。 回帰用のモデルをいくつか試し、説明変数を変えながら、score()メソッドが高くなるように目指して

          タツノリ

          初めて教師あり学習（回帰）を試行錯誤してみる

          タツノリ