最近、会社でGoogle Glassを購入しました。
Google Glassのアプリ開発をしたくてもネット上にはあまり情報が上がっておらず情報収集に苦戦中です。
Google Glassを利用したアプリ開発を行うにあたり、私が身につけた知識を公開していきたいと思います。
まずはデバイスの基本的な情報をまとめます。
Google Glassはこれまでにいくつかのモデルが発売されています。
この記事では、Glass Enterprise Edition 2 （GoogleGlassの後継機 法人向けモデル）について紹介していきます。
グーグルグラスとは、メガネタイプのウェアラブル端末です。
AR機能で視界に様々な情報を表示できるため、スマホのように画面に視線を落とすことなく使用できます。
また、視界と同じ映像が撮影できるカメラも搭載されているので、離れた場所に今見ている光景を共有できるのも大きな特徴です。
(さらに…)こんにちは。
本日はPythonのエラー監視に便利な「Sentry」について紹介します。
SentryとはWebアプリケーションのエラー監視に便利なツールです。
開発中のWebアプリケーションに簡単な設定をするだけで、
ブラウザ上からエラーを確認することが可能になります。
利用手順
①Sentryの公式サイトからアカウント登録
https://sentry.io/welcome/
②ブラウザ上でSentryの設定を以下の通り進める
・ログイン後、「Install Sentry」からプロジェクトのプラットフォームを選択(今回はDjangoを選択)
使用できるプラットフォームは以下の通りで、広範囲をカバーしています。
具体例があるとわかりやすいと思いますので、「健康診断の結果から寿命を重回帰分析にて予測する」という設定で進めていきます。
まず、今回求めたいものは「寿命」となるわけですが、BMI数値のデータのみでは流石に分かりそうにないです。
肝臓の数値や中性脂肪値、コレステロール値なども必要そうです。
さらに言えば現在の年齢や喫煙者かどうかなども寿命に大きく関わりそうです。
このように、たくさんのデータ(入力変数)から、ある特定のものの予測することを「重回帰分析」と言います。
補足ですが、BMI値のみから寿命を予測する場合にはこちらを「単回帰分析」と言います。
今回使うデータは説明用に、年齢、喫煙年数(20本/年)、血圧、BMIとします。
これらのデータは、主に「入力変数」と呼ばれますので覚えておきましょう。
そして予測したい「寿命」を予測値と呼びます。
予測値を求めるには今回の入力変数を全て足せばいいというわけではなく、
色々と学習準備をしないといけません。
社内における技術共有(メモ)に「Knowledge」を使用しています。こちらに溜まった記事をPDFとしたく、試行錯誤した結果を記録します。
まずは(ブラウザで)表示されているものをPDFにしようと思い、Chromeの起動引数で「–print-to-pdf」指定を試してみました。
"C:\Program Files (x86)\Google\Chrome\Application\chrome.exe" --headless --disable-gpu --no-sandbox --print-to-pdf=C:\PathToSave\knowledge.pdf http://kb.sys.local/open.knowledge/view/1
これが成功すれば、記事のIDの数分だけループすれば、PDF化される算段です。
がしかし・・・
とでもチープな感じで微妙です。
・ブラウザで表示したものと異なるレイアウト
・色が無い／シンタックスハイライトが無い
要約力の向上についてどうすれば相手が満足する情報を伝えることができるか「情報収集」のあり方について記載します。
本記事は「９割捨てて10倍伝わる「要約力」 最短・最速のコミュニケーションで成果は最大化する | 山口拓朗 | ビジネス・経済 | Kindleストア | Amazon」という書籍の一部章で解説されている内容となります。
ご興味がある方は是非読んでみてください。
例えば「○○○○会社」の良いところを教えてください。
この問いを要約して回答するためには、まず、良いところを沢山知っている必要があります。
その為の情報取集が必要です。
こんにちは。fukuです。
CentOS8のサポートが2021年末で終了したことで、後継となる無償OSへの切り替えを行っている方も多いのではないでしょうか。
今回は検証環境で使用していた CentOS8 を AlmaLinux8 へ移行してみたので手順や注意点などをご紹介します。
(さらに…)変数とはコンピュータのメモリ上に用意された、データを入れる箱のようなものです。
以下参考プログラムです。
# 変数iに10という数値を代入
i = 10
# 変数sに「こんにちは」という文字列を代入
s = "こんにちは"
# print()という命令で、変数i、変数sの中身を出力
print(i)
print(s)
実行結果
10
こんにちは
変数の値はいつでも変更することができます。
例えば、変数iを利用して計算をした結果を、変数iの値に更新することが可能です。
以下参考プログラムです。
# 変数iに10という数値を代入
i = 10
# 変数iの値を出力
print("変数iの初期値は", i, "です")
# 変数iの値に10を足した値を変数iに代入
i = i + 10
# 変数iの値を出力
print("計算後の変数iの値は", i, "です")
実行結果
変数iの初期値は10です
計算後の変数iの値は20です
ここで余談ですが、計算式がでてきたので、Pythonの計算式で使える記号を紹介します。
(さらに…)
当社では、日々終業後に、当日の業務内容を上司へメールで報告します。
週末には、個人が一週間に取り組んだ改善点もあわせて報告します。
そのため、たくさんの改善点が当社リソースとして蓄積されていますが、
現状、過去の改善点を容易に検索することができるような仕組みはありません。
そこで、過去の改善点の中で「有用な改善点」のみを抽出することを目的として、
ネガポジ判定を使ってみることにしました。
前回のおさらい。
“ヤクルトレディGO！！(*)”の一連の流れを構築するための、環境構築・実装をした。
yolov5に元々ついているデフォルトモデルを使用して、分析してみた。
※ 詳しくは【物体検知】来客を分析し、Teams通知してみた（環境構築/実装編） を
ご覧ください。
今回は、収集したヤクルトさん画像、社員画像を使って、「yakult」モデルを構築してみます。
(*) : ある方から「ヤクルトさんが来た！通知システム」の名前を頂戴しました。
おおまかには、以下の手順で行います。
順を追って説明します。
(さらに…)