データをサクッと取ってきて機械学習とか自然言語処理に使えるパッケージが欲しかったので作ってみました。

毎回手作業で作るのめんどいから、とりあえずスクリプトでサクッと取ってこれる状態にしたい。そこでpip installしたらデータをロードする関数をimport出来るようなパッケージを作りたい。

前回、KerasでMNISTの手書き数字をCNNで分類する問題をやってみたので、今度は自然言語処理らへんをKerasで動かしてみたいと思った。

何もかもRubyで書きたいあなたへ。RubyをJSにコンパイルしてくれるOpal入門します。

Kerasはあくまでも機械学習フレームワークのインタフェースを簡便なものにするラッパーなので、バックエンドが必要。基本的にはtensor flowを推奨してる模様。

RailsでGraphQLに触れてみますその２。前回より新しいバージョンのGemを使いつつ、Apolloを導入してみます。

RailsでGraphQLに触れてみます。適当に作ったみんな大好きTODOアプリベースで触ってくので超絶わかりやすいと思います。

Joy-Conのセンサーを使って何かやってみます。

Nintendo SwitchのJoy-Conの入力をUnityで受け付けてみる編です。

前回WebGLにSwitch PlatformしてしまったのでPC, Mac & Linux Standaloneに戻してから始めます。

今日は増殖するゾンビを実装します。前回、地形の生成と追いかけてくるゾンビを実装したので続きから行きますね。

最近めっきりUnityにハマっています。今日はゾンビに追いかけられる恐怖体験を実装してみたいと思います。

Unityはすごいなあ。地形を生成するのもこんなに簡単！やってみましょう。

先日ゾンビ部屋を作ったので、タイトル画面をつけてUnityで画面遷移してみたいと思います。

やはり3Dと言えばゾンビ。ゾンビと言えば3D。せっかくだしオシャレなインテリアとして部屋にゾンビさんを置いてみます。

VRで部屋の中を自由に動き回りたかったので、まずはUnity単独で部屋の中を動き回れるアプリを作る。

前回Oculus Goの開発環境を構築しました。続いてチュートリアルをやっていこうと思います。

ついに ねんがんの Oculus Go をてにいれたぞ！購入後しばらくは既存のコンテンツで一通り遊んでましたが割と早く飽きました。

WEBアプリだけど、UXをネイティブアプリに近づけることが出来るPWAを試してみる。

前回、Vue.js + Firestoreを使用してラーメン一覧を表示するところまで作った。今度はこれをFirebaseでホスティングしてみる。

前回はvue-cli3で環境変数をどう扱うか試したので、続きをやります。

まずはVue.jsのお作法が全く分からないので、GitHubでVue.jsのプロジェクトを探してみる。

FirebaseのCloudFunctionは自前でサーバサイドを持たなくてもちょっとした処理ならhttps経由で実行したり出来るので便利

とりあえず手っ取り早くラーメン画像を識別出来そうか試してみたかった。

新規事業で使いたい技術の調査で、GoogleのCloud AutoML VisionかIBMのVisual Recognitionか、どちらを使うべきか検討中なので、まずは料金の試算をしてみる。

前回IBM Visual RecognitionとCloud AutoML Visionどっちにしようか検討していたのですが、Cloud AutoML Visionの方を使うことに決定したので、実際に試してみますです。

GoogleにはCloud Vision APIっていう画像分類APIがある。基本的な画像分類はそれで十分なんだけど、実際に画像分類をソリューションとして利用したいシーンって、一般的なものの分類だけでは実現できなかったりする。

Vue.js + Firebaseでアプリケーションを作ってみようと思ったのですが、どうにも環境変数周りでハマってしまったので、今回は環境変数の扱いのみやります。

最近ちょっと界隈でざわついているSketch2Code。これは手書きのワイヤーフレームをアップロードすると人工知能がHTMLソースコードに変換して出力してくれるというツールです。

コードネームで遊んでいたある瞬間にあることに気付いてしまった。word2vecを使えば、人間よりも賢く正解を選べるのではないかということに。

前回、Login with Amazonを使って、Alexa側でメールアドレスを取得するところまでやりました。続いて、そのメールアドレスにメールを送信する実装をしてみます。

久しぶりにAlexaちゃん入門をアップします。今回はAlexaちゃんとAmazonアカウントをリンクするところを実装してみました。

先日、エンジニアや企画チームなど非デザイナー向けにデザイン社内勉強会が開催されたのですが、非常に良かった。講師は弊社デザイナー兼エンジニアの山形氏です。デザインもエンジニアリングも両方出来るとか尊い。

ついに ねんがんの アマゾンエコーをてにいれたぞ！というわけで、このAmazon Echo Alexa入門シリーズで実際に開発した、カイジのざわざわを演出するスキルをついに実機で動かしてみようと思います。

Alexaと既存のWEBサービスのユーザーアカウントを連携させるにはoauthのプロバイダを実装しないといけないっぽくて、Railsでやってみようと思った。

吹き出しのようなチャットUIを実装し、コンポーネント化してみます。

外部アプリケーションと連携してアカウント認証の仕組みが必要になるので、そのあたりを調べてみたい。今回は一旦はAlexaちゃんとTwitterアカウントを紐付けるところまでやってみます。

公開してみるとは言ったもののどこに公開されるんだろうか。日本語のスキルストアみたいのは見たことない。Amazon.comのスキルストアはあるみたいだけど。

今回はベタ打ちだったゴミ出しの曜日を環境変数化してみます。簡単だったので一瞬で終わった。

Alexaちゃんに「Alexa, カイジやって」とか「Alexa, ざわざわして」とかお願いすると、こんな感じにざわざわしてくれます。

前回、Amazon Echo Alexaのカスタムスキルを作る入門をやってみました。今回は少しコードやインテントをいじってカスタマイズしてみます。

ただ発売を待っているだけもアレなので、先にスキル作ってみます。Alexaちゃんに今はいているパンツの色を聞いたら、何色か答えてくれるスキルを作る。

前回はRails + Vue.jsで動的に画面の値を取得するサンプルを組んだような覚えがあるので、

今回はRails作ったサーバサイドにAjaxでリクエストして、取得した値をViewに反映する、というような実践に寄せたサンプルをやってみる。

Reactのコードをたまにレビューすることがあるのですが、いつも記述量多いなーと感じていました。そんなとき、

前回、Vue.js単独でのチュートリアルを試したので、今度はRails上で動かしてみようと思います。

【入門】Draperを使ってみる

前回4x4のオセロで最強のAIを作ろうとしたらランダムさんごときにボッコボコされたところからの続きです。

というわけで、前回強化学習(Q-Learning)で四目並べを学習させてみたというのをやってうまくいかなかったので、別のゲームで

ちょっとだけ余暇を確保出来たのでずっと前からやりたかった強化学習をやります。強化学習を使って最強のスマブラ64AIを作って、

12th RailsConf in Phoenix に合わせてリリースされたRails5.1.0を試してみました

ゼロから作るDeep Learningを読み終わったので、復習しつつ表題をやってみた。

最近Rebuild.fmで聞いた情報で、RubyからPythonを呼べるライブラリの開発が進んでいるらしいという話を聞いた。

前回でTensorFlowのseq2seqのチュートリアルの英語フランス語翻訳を実装してみたのですが、

前々回あたりで、tensorflowのseq2seqで対話システムをつくる記事を書いたのだけれど、

TensorFlowでseq2seqを試してみたりしているのですが、やはりローカルPCのCPUでディープラーニングはつらすぎる

世の中ディープラーニングということで、対話システムに応用できる？とseq2seqをTensorFlowで実装してみます。

強化学習に入門したいのですが、入門にちょうどいい難易度の本とか記事とか見当たらなかったんで、

最近テキストを解析してごにょごにょする仕事をよくしているのですが、精度は高くないけど、

今mofmof inc.で[チャットbotサービスのMy-ope](http://www.my-ope.net/)というものを開発をしていまして

最近機械学習にハマっているのですが、新しいアルゴリズムだったり、機械学習ライブラリのドキュメントを見たりするとき、

今週末にチャットbotハッカソンに参加することになったので、IBM Bluemix Watson君の対話APIを試してみます。

ベイジアンネットワークというのは複数の要因によって捉えられる事象を確率的にモデル化する手法の一つです。

やりたいことは「今度のご飯だけど7/10の20:15はどう？」というテキストから`2016/7/10 20:15:00`という日付型の

弊社の新規事業でとある自動生成機能を実装したいのですが、どういうアルゴリズムにすべきか検討中で

ぼくはRubyエンジニアなのでWEBを書くときはRailsをよく使ってます。最近はPythonで機械学習

scikit-learnでサクッとロジスティック回帰の実装をやってみようと思ったのですが、

最近もっぱらscikit-learnをいじっているのですが、クロスバリデーションってどうやるんだろう

機械学習をやっていると、実際に何か使えるものをサクっと作りたくなってくるんですが、膨大なデータが必要だったり

LINE botをアプリケーションのUIに出来ないかなーと思ってまして、技術検証のためどんな感じか試してみました。

前回に続けて文章を機械学習のインプットにしたいので、文章解析処理を学習するため「言語処理100本ノック」をやります。

機械学習に絶賛ハマり中の原田です。機械学習でこんなあんなことやことできないかなーって色々考えるのですが、

機械学習を学習していると、データを集めるのがめんどくさいのでそれっぽいのをつくってみる

デブサミ2016でDataRobotのセッションをみて感激したのですが、そのときにTensorFlowのデモもちょっとだけやっていて、試したくなりました。

個人の趣味で作っている、夫婦のための自動ごはん予定お知らせサービス「GoHaaan」のSSL証明書がいつの間に期限切れになっていて使えなくなってた。。。

前回のエントリで線形回帰で実際に予測することまで出来たので、今回はロジスティック回帰で予測してみます。

前回、「最急降下法を実装して線形回帰のθの値を探索してみたけどうまくいかなかった」という記事を書きましたが、どうやらfeature scaling(feature normalization)を

前回の「Octaveで散布図をプロットしてみる」に続いて、今後はOctaveで最急降下法を実装して、θの値を探索してみます。

前回に引き続き機械学習のインプット中ですが、機械学習で数式ばっかりコネコネやっていると

Octaveは数値解析を目的にしたプログラミング言語で、機械学習のコードを実装するときの試作としてよく使われる

おとといあたりに【機械学習入門】線形回帰と仮説関数というエントリを書きましたが、関連して目的関数(cost function)というものがあります。

前回エントリで「教師あり学習」には「回帰問題」と「分類問題」という種類がある

2015-2016年の年末年始を利用してはやりの機械学習で遊んでみようと思った。

今「増補改訂版Java言語で学ぶデザインパターン入門」というGoFのデザインパターンについて説明している入門書を読んでいます。

普段通りxcodeでプロジェクトを新規作成しておきます。まずはMEMEのSDKをダウンロード。

普段通りxcodeでプロジェクトを新規作成しておきます。まずはMEMEのSDKをダウンロード。

アプリの内部を理解しようとする時ってどうやってますか？

やはり自分の手でインストールからやってみるのが一番だよね、とういことで、こちらの記事に従ってDeviseをインストールしてみました。

scaffoldで生成されるものをちょっとカスタマイズしたいなーってときあるじゃないですか。

メソッド名の命名って悩みますよね。え？悩んだことないって？そんなあなたは3流プログラマか、でなければネイティブアメリカンである疑いがあります。

ご存知の通り、LチカとはLEDチカチカの略ですが、Amazonで売ってる「Arduinoをはじめようキット」でそこまで簡単にできるのでやってみました。

既にRailsプロジェクトがあって、rspecが実行出来る状態を前提とします。簡単にカバレッジの計測が出来るSimpleCovというgemを使います。

前にもQiitaで趣味開発チームの開発フローを公開したことはあるのですが、今度は弊社(mofmof inc.)の開発フローを公開してみます。結構丁寧に書いたのでもし使えそうだったらそのまま使っていただいて大丈夫ですよ。

【入門】テキストをアスキーアートに変換するAtomのplugin(package)を作ってみる