Python3入門のためのPDFテキストを配布しています． 本書はフリーソフトウェアの書籍です．出典明記していただければ自由に使っていただいて結構です．（印刷，再配布も可） ●書籍情報 「Python3入門 － KivyによるGUIアプリケーション開発，サウンド入出力，ウェブスクレイピング」, 中村勝則, IDEJ出版, 2024年, ISBN978-4-9910291-3-4 C3004 「Python3入門」 （ミラーサイト１）（ミラーサイト２） 公開しているテキストに関する質問やメッセージお待ちしています． 「Python3 ライブラリブック」 （ミラーサイト１）（ミラーサイト２） 【Python3入門の目次】 1 はじめに — 1 1.1 Pythonでできること — 1 1.2 本書の内容 — 1 1.3 本書の読み方 — 1 1.4 処理系の導入（インストール）と起動の方法 —
Python has become a standard for interactive scientific research. NumPy arrays can represent multi-dimensional data and support common operations. Parallel processing can speed up tasks using multiprocessing or multithreading. Executors allow running functions concurrently by mapping tasks to threads or processes.Read less
Click to expand! Gaussian mixture model EM training Hidden Markov model Viterbi decoding Likelihood computation MLE parameter estimation via Baum-Welch/forward-backward algorithm Latent Dirichlet allocation (topic model) Standard model with MLE parameter estimation via variational EM Smoothed model with MAP parameter estimation via MCMC Neural networks Layers / Layer-wise ops Add Flatten Multiply
Introducing xlwings Lite Run Python code directly in Excel without a local Python installation! xlwings (Open Source) This it the core Python package. It requires a local installation of both Excel and Python and works on Windows and macOS. Write Python scripts to automate Excel Write macros in Python and run them at the click of a button Write user-defined functions (UDFs) in Python (Windows-only
概要 急にリコメンドに興味を持ちまして、ニュースの類似記事検索アルゴリズムを試してみました。 アルゴリズムは、自然言語分野ではよく使われているTF-IDFとCosine類似度を用いました。 TF-IDFとは 文章をベクトル化するアルゴリズムの一つです。 TF : Term Frequency。単語の出現頻度。 IDF : Inverse Document Frequency。直訳すると「逆文書頻度」。 珍しい文字が入ると値が大きくなる為、単語の「希少性」を表しているとも言えます。 各文章の単語を抜き出し、全ての単語に対してTF(その文章が保持する単語数)とIDF(希少性)を掛け合わせたベクトルを作成します。このベクトルを用いることで、文章を用いた情報検索やクラスタリングが可能になります。 詳しくはこちらの記事などが分かりやすいです。 Cosine類似度とは 2つのベクトルがどれくらい同じ向
Plan for dropping Python 2.7 support The Python core team plans to stop supporting Python 2 in 2020. The NumPy project has supported both Python 2 and Python 3 in parallel since 2010, and has found that supporting Python 2 is an increasing burden on our limited resources; thus, we plan to eventually drop Python 2 support as well. Now that we're entering the final years of community-supported Pytho
[python] ## 二次元配列 (行列) >>> a = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]) >>> a array([[ 1, 2, 3], [ 4, 5, 6], [ 7, 8, 9], [10, 11, 12]]) >>> a.flags C_CONTIGUOUS : True ## データがメモリ上に連続しているか(C配列型) F_CONTIGUOUS : False ## 同上(Fortran配列型) OWNDATA : True ## 自分のデータかどうか、ビュー(後述)の場合はFalse WRITEABLE : True ## データ変更可能か ALIGNED : True ## データ型がアラインされているか UPDATEIFCOPY : False ## Trueには変更できないので特に気にしなくて良い >>>
Numba is a Python compiler from Anaconda that can compile Python code for execution on CUDA-capable GPUs or multicore CPUs, providing a way to achieve high-performance computing while maintaining Python's flexibility.By using Numba's Just-in-Time (JIT) compilation and function decorators like @vectorize, developers can easily accelerate their Python code on GPUs without needing to rewrite it in an
NumPy/SciPy-compatible Array Library for GPU-accelerated Computing with Python High performance with GPU CuPy is an open-source array library for GPU-accelerated computing with Python. CuPy utilizes CUDA Toolkit libraries including cuBLAS, cuRAND, cuSOLVER, cuSPARSE, cuFFT, cuDNN and NCCL to make full use of the GPU architecture. The figure shows CuPy speedup over NumPy. Most operations perform we
はじめての現代制御理論 改訂第2版 (KS理工学専門書) 目次 目次 はじめに LQRの概要 PythonによるLQRの制御シミュレーション Githubリポジトリ LQRのパラメータのチューニング方法 チューニング方法１ チューニング方法２ チューニング方法3 参考資料 MyEnigma Supporters はじめに 最近、ロボットの制御や経路生成の勉強をしているのですが、 しばしば出てくる技術として、 線形二次レギュレータ(Linear-Quadratic Regulator:LQR)があります。 今回はこのLQRの概要とLQRによる 簡単なPython制御シミュレーションコードを紹介したいと思います。 LQRの概要 LQRは最適制御と呼ばれれる制御手法の一つです。 Linear–quadratic regulator - Wikipedia 下記のような線形システムに対して、 下記
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
