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

記事一覧

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…

タツノリ
1年前

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…

タツノリ
1年前

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…

タツノリ
1年前

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…

タツノリ
2年前
2

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…

タツノリ
2年前
1

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…

タツノリ
2年前
3

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…

タツノリ
2年前
3

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…

タツノリ
2年前
1

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…

タツノリ
2年前
1

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…

タツノリ
2年前
1

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…

タツノリ
2年前
2

【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…

タツノリ
2年前
4

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…

タツノリ
2年前
5

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…

タツノリ
2年前

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、…

タツノリ
2年前
Vueを学ぶ6日目~8日目

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

Vueを学ぶ3日目②~5日目

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

もっとみる
Vueを学ぶ1日目~3日目

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

もっとみる
コンテナで開発環境を作る2

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

もっとみる
コンテナで開発環境を作る

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。

もっとみる
ネガポジ分析アプリを開発する(アプリ編)

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

もっとみる

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

もっとみる

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。
「Choo

もっとみる

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Hero

もっとみる

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)

################

もっとみる

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

もっとみる

【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

もっとみる

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。(

もっとみる

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。

もっとみる

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

もっとみる