rimi

𓈒𑁍‬ 美大卒リサーチャー 𓈒𑁍‬ 生成AI・データ分析などの勉強記録用

rimi

𓈒𑁍‬ 美大卒リサーチャー 𓈒𑁍‬ 生成AI・データ分析などの勉強記録用

マガジン

  • データ分析が自由自在に【SQL入門】

    SQL初学者がSQLを学ぶための、基礎的な説明をまとめました。

最近の記事

Difyでエンジニアとの協業が体感1/10の簡単さになった話

はじめに:「Dify(ディファイ)」すごい ノーコードでAIツールが作れるサービスなんですが、これがもう、想像の10倍すごかったんです。 エンジニアと連携しながらAIをプロダクトに組み込むのが、めちゃくちゃスムーズになって、開発スピードが爆上がりしたので、その感動を書こうと思います。 DifyならノーコードでAIツールが作れるって本当?"Difyは、誰でも簡単にAIアプリケーションを作成できる、直感的で強力なノーコードプラットフォームです。開発経験? 必要ありません!"

    • 2時間で絵が上達したのはAIのおかげ。その方法と描いた絵の紹介

      こんにちは、rimiです。AIが数学の家庭教師になるというデモを見て、「イラストの先生にもなってもらえるのでは?」と思い、やってみました。 結果は記事サムネの画像で、自分としては素敵に描けたと思っています!!!(AI絵ではなく、私が自分の手で描いたものです) この記事では、具体的にどうAIを使ったのかご紹介します。 イラストの描き方をAIに教わった流れ準備: 自分の力だけで描いてみる 自分では「なんかいまいちだなぁ…」と思いながらも、なぜいまいちなのかがわかりません。こ

      • 無料の画像生成AIサービス4つ、同じプロンプトで画像比較検証してみた!

        こんにちは、Midjourneyユーザーのrimiです。 画像生成AIサービスが日に日に増えていますね。無料で使えるサービスがたくさんあるので、同じプロンプトで生成した画像を比較してみました。想像以上にサービスごとにテイストが違います。今回は、会員登録すればすぐにブラウザで使えるサービスだけをピックアップしています。(2024年5月24日現在) 1. OpenArtStable Diffusionから派生したカスタムモデルなどが使えるサービスで、ブラウザで操作できます。ユー

        • 10秒で完成!自分好みのスマホ用壁紙を作る #AIとやってみた

          画像生成AIで簡単に画像が作れるのはいいけど、何かに使いたいな…と思い、自分のスマホ用の壁紙を作ってみることにしました。 初級編 - 画像サイズ指定のみ1番簡単な壁紙の作り方は、生成する画像サイズを「1:2」に指定することです。生成ボタンを押したら即、壁紙完成! スマホの画面サイズにもよるかもしれませんが、最近のiPhoneなら1:2、それほど縦長くない端末なら9:16くらいが良さそうです。 中級編 - 並べて継ぎ目のない画像を作るMidjourneyの機能ですが、プロ

        Difyでエンジニアとの協業が体感1/10の簡単さになった話

        • 2時間で絵が上達したのはAIのおかげ。その方法と描いた絵の紹介

        • 無料の画像生成AIサービス4つ、同じプロンプトで画像比較検証してみた!

        • 10秒で完成!自分好みのスマホ用壁紙を作る #AIとやってみた

        マガジン

        • データ分析が自由自在に【SQL入門】
          25本

        記事

          【Midjourney】初心者が中級者になるための便利小ワザ6選

          Midjourneyが楽しすぎて、一番安いプランを使い切り、上位プランを購入しました。いろいろなプロンプトを試すのが楽しいし、「良い!」と思える画像が出ると嬉しくなりますね。射倖心。気づけば1000枚生成していたので、よく使う小技を自分の知識の整理のためにまとめます。 「一部分」だけ変えたい初歩的な技ですが、顔だけちょっと変えたい!とか、ここだけ違うんだよなーという場合は、「Vary Region」で範囲を指定します。指定した範囲だけ変えられるので、微調整にぴったりです。

          【Midjourney】初心者が中級者になるための便利小ワザ6選

          Midjourneyで私がよく使うパラメータ8選+作例まとめ

          はじめにパラメータとは Midjourneyのパラメータとは、絵を生成する時の「設定」のようなものです。例えば、画像の縦横比、テイスト、生成の速度など、様々な指定ができます。 パラメータを変えることで、同じプロンプトでも生成される画像が大きく変わります。また、上手に設定すると、自分のイメージに近い絵にしやすくなります。 参考:Midjourney公式のパラメータリスト パラメータの使い方  プロンプトと合わせて使い、「--{パラメータ名} {パラメータの値}」の形で書

          Midjourneyで私がよく使うパラメータ8選+作例まとめ

          一元配置分散分析の公式と手順まとめ

          一元配置分散分析(ANOVA)は、3つ以上の群の平均の間に統計学的に有意な差が存在するかどうかを判断するための統計手法です。この手法においては、分散のことを平均平方と呼びます。 以下の分散分析表を作成する手順をまとめます。 1. 全平方和ST(合計)の計算全体のデータとグループ全体の平均の差の平方の合計を求めます。 $${ST = \sum_{j=1}^{a}\sum_{i=1}^{n_j}(y_{ji} - \bar{y}..)^2}$$ データ集合の全値と全体平均

          一元配置分散分析の公式と手順まとめ

          Pythonでデータ分析③: Pandasの「サマリー」と「マップ」

          1. データのサマリー(Summary)Pandasでは、データフレームやシリーズから統計的なサマリー(要約)を取得するための多くの関数を提供しています。以下に一例を挙げます。 describe()関数: 数値型の列について、カウント、平均、標準偏差、最小値、最大値、四分位数などの統計量を返します。 df.describe() value_counts()関数: ユニークな要素の数をカウントします(シリーズオブジェクトのみ)。 df['column'].value_c

          Pythonでデータ分析③: Pandasの「サマリー」と「マップ」

          Pythonでデータ分析②: Pandasのインデクシング・選択・割り当て

          1. インデクシング (Indexing)Indexingとは、特定のデータを素早く参照や操作するための手法を指します。Pandasでは、3つの主要なメソッドで、行と列の両方に対してインデクシングを使用できます。 ① []:列名または列名のリストを使用して列にアクセス df['column_name'] # 単一列の選択df[['col_name1', 'col_name2']] # 複数列の選択 ② .loc[]: ラベルまたはラベルのリストに基づいてデータを

          Pythonでデータ分析②: Pandasのインデクシング・選択・割り当て

          Pythonでデータ分析①: Pandasの基本的な使い方とデータ操作

          pandasとは、python用データ分析ライブラリです。"Panel Data"(パネルデータ)から由来していて、特に数値表や時間系列データの操作に向いています。以下のコードでPandasをインポートすることができます。 import pandas as pd データの作成pandasにはDataFrameとSeriesという2つのコアオブジェクトがあります。 ① DataFrame(データフレーム) データフレームは、二次元のラベル付きデータ構造(テーブル)です。

          Pythonでデータ分析①: Pandasの基本的な使い方とデータ操作

          回帰分析とは(使用例・公式・注意点)

          お互いに影響を与え合う値の関係性を調べる相関分析とは異なり、回帰分析では「影響を与える値」と「影響を与えられる値」の一方向の関係性を調べます。 説明変数が目的変数を説明する要因である xが1乗の直線の場合、線形回帰分析 非線形の場合は、対数(log)をとると直線になることがある 使用例: 追加の広告費用が売上にどれぐらいの影響を及ぼすか? 体重と身長の間には関連性があるか? 気温の変化によってどれくらいアイスの売上が変わるか? 他にも、顧客の購買行動の予測、病

          回帰分析とは(使用例・公式・注意点)

          確率分布8種まとめ

          確率関数の期待値と分散の公式はこちら。 離散型ベルヌーイ分布 結果が2つだけの分布。Be(p) $${f(x)=p^k(1-p)^{1-k}}$$ 期待値:p 分散:p(1-p) 二項分布 ベルヌーイの試行をn回続けた結果の分布 B(n,p) $${f(x)=_nC_k*p^k(1-p)^{n-k}}$$ 期待値:np 分散:np(1-p) ポアソン分布 np=λとして、一定期間での成功回数Xの分布 Po(λ) $${P(X=x)= \frac{e^{-λ

          確率分布8種まとめ

          適合度の検定と独立性の検定

          適合度の検定と独立性の検定は、共にカイ二乗検定の一種です。 適合度の検定(1変数)特定の理論的分布への「当てはまりの良さ」を判断するために、観測頻度と期待頻度の一致度を調べる。 ばらつき(分散)を調べることでもあるので、カイ二乗分布を使用する。 例:毎日同じ個数の卵を産むと想定されるうずらが、曜日によって産卵数に違いはあるか 例:1日の死亡者数がポアソン分布にそっているか(パラメータλを推定した場合、自由度はn-2) $${\chi^2 = \sum \frac{(O_i

          適合度の検定と独立性の検定

          統計用語いろいろメモ

          確率独立:Aの確率がBの確率に影響を与えない。AとBが同時に起こる確率は、AとBの積。  P(A ∩ B) = P(A) * P(B)  P(A ∪ B) = P(A) + P(B) - P(A ∩ B) 排反:AとBは同時に起こらない。独立かつ排反の事象はない。  P(A ∪ B) = P(A) + P(B)  P(A ∩ B) = 0 一致推定量と不偏推定量統計学における推定量の性質を表す概念。一致性があれば不偏性があるとは限らない。 一致推定量(Consistent

          統計用語いろいろメモ

          仮説検定に関する7つの用語+1

          帰無仮説 (Null Hypothesis, H0): 一般的には、特定の効果や差が存在「しない」という状態を指します。棄却されなかった場合でも、帰無仮説が正しいとは言えません(帰無仮説を棄却する証拠が足りなかっただけと解釈)。棄却された場合、対立仮説がより有力であると解釈します。 対立仮説 (Alternative Hypothesis, H1): 実験者が証明しようとする主張または理論を表す仮説です。帰無仮説が棄却された場合でも、対立仮説が間違いなく真実であるとは言えま

          仮説検定に関する7つの用語+1

          標本誤差と非標本誤差

          1. 標本誤差:母集団の一部しか抽出しないことで生じる誤差。一部のデータ(標本)を選び、全体(母集団)を推定する際、生じる誤差を標本誤差と呼ぶ。 例えば、製品の認知度の調査で、標本と母集団で一致しない場合。 2. 非標本誤差:標本抽出の過程「以外」から生じる誤差すべて。データの測定ミス、調査設計の不適切さ、回答者の誤解、未回答、データ入力の間違いなど。 インターネット調査によってインターネットを使っていない人を排除してしまうことによる偏りや、調査に協力してくれやすい人を

          標本誤差と非標本誤差