Grayrecord Technow Blog

Azure Text AnalyticsをPythonから呼び出す

import configparser from azure.core.credentials import AzureKeyCredential from azure.ai.textanalytics import TextAnalyticsClient import seaborn as sns import pandas as pd sns.set_style('white') config = configparser.ConfigParser() config.read('azure.config') endpoint = config['AZURE']['azure_endpoint'] key = config['AZURE']['azure_ai_key'] client = TextAnalyticsClient(endpoint=endpoint, credential=AzureKeyCredential(key)) documents = [ "iPhoneのマップやばいよ" ] result = client.analyze_sentiment(documents) docs = [doc for doc in result if not doc.is_error] doc = docs[0] confidience_scores = {key:value for key, value in doc.confidence_scores.items()} sentiment = pd.Series(confidience_scores) sentiment positive 0.07 neutral 0.90 negative 0.03 dtype: float64 sentiment.plot.bar() <AxesSubplot:>

DLLAB: 強化学習 Day 2021

Introduction DLLABで強化学習の勉強会が開催されたので受講しました。 Program 開催日: 2021/01/22 時間セッションテーマ登壇者 13:00 - 13:10 オープニング&イントロダクション樋口拓人 (日本マイクロソフト株式会社 Azure AI プロダクトマーケティングマネージャー) 13:10 - 13:40 深層強化学習と実装例牧野浩二(山梨大学工学部付属モノづくり教育実践センター准教授),西崎博光(山梨大学大学院総合研究部准教授) 13:45 - 14:15 深層強化学習を用いた複合機の搬送制御菅井駿(コニカミノルタ株式会社) 14:20 - 14:50 これから強化学習を学びたい人へ吉崎亮介(株式会社キカガク) 14:55 - 15:25 Azure ML 強化学習を用いた最新アルゴリズムの活用手法大串和正、小川雄太郎(株式会社電通国際情報サービス) 15:30 - 17:00 Minecraft による強化学習の実践 - MineRL ステップ・バイ・ステップハンズオン松崎剛(日本マイクロソフト株式会社) 17:00 - 17:10 クロージング樋口拓人 (日本マイクロソフト株式会社 Azure AI プロダクトマーケティングマネージャー) Content セッション数はイントロダクションを除いて、5セッション。特にMinecraftによる強化学習の実践というハンズオンのボリュームが大きい満足感の大きい勉強会になります。強化学習はアカデミックでの経験としては深層強化学習以前の強化学習が中心になります。深層強化学習は体形的に学びたいと思ってきましたがなかなか機会がない状態でした。初学者向けにはキカガクさんの、これから強化学習を学びたい人へのセッションが良いと思います。また、実際の事例としては、複合機の搬送制御の事例はなかなか興味深い内容でした。今回のハンズオンもそうですが、強化学習における実装例としてはゲームを実行したものが多く、逆に実世界でどういった事例があるのかということに関してはなかなか触れられることが難しいので、恐らくは先進的な事例になればなるほどその先進的な部分を明かしたいとは思わないでしょうから。今回の勉強会では強化学習の事例としては、Googleのデータセンターの冷却制御、大林組のビルの制振 (PoC)、Googleの半導体チップの設計などが出てきました。 ...

SphinxでKDPを発行するときの文字化け対策

この記事は、先の記事のつつきとなります。とりあえず、速やかな対策として、Sphinxのオリジナルなepubテンプレートにクイックハックをしてみました。epubテンプレートはbasicテンプレートの派生なので、basicテンプレートからlayout.htmlをコピーして、xlayout.htmlとして、この中で、header生成を書き換え、書き換えたxalyout.htmlを継承するようにしています。この私家版改修型、テーマはgithubに置いておきました。 https://github.com/naoyaikeda/kindle-epub-template になります。

EPUB on Kindle

EPUBを使った場合、KDPで公開するとKindleが文字化けする少なくとも、2020年12月の時点では、HTML5のお作法通りのHTMLはそのままだと、日本語が文字化けします。いくつか確かめたので、ここでは対策を共有します。対策旧式のmetaタグのhttp-equivを使ってエンコードを指定することです。現在、HTML5ではmeta charsetを使ってエンコーディングを指定するべきとなっています。 <head> <meta http-equiv="content-type" content="application/xhtml+xml; charset=UTF8" /> <meta charset="utf-8" /> このように、metaタグのhttp-equiv属性を用いることで、KDPの文字化けが回避できました。

Dotnet Interactive で分析する

本稿は基本的には執筆中のC#とJupyter Notebookによるデータ分析クックブックからの抜粋になります。フルバージョンは技術書典で。 .NET Interactive とは .NET Interactiveはデータサイエンティスト向けにJupyter Notebook上に.NETの所謂REPLを提供してくれる仕組みです。基本的には、以下の構造からなります。 Notebooks: Jupyter, nteract, and Visual Studio Code Code bots Devices like Raspberry Pi Embeddable script engines REPLs 環境の構築本稿ではWindows 10 (201909)上に構築された、WSL上のUbuntu 18.04に環境を構築することを前提としている。環境が異なる場合には、異なる設定がいるかもしれないことをあらかじめ記述しておきます。202010で現在、再検証中です。 Anaconda環境の構築 pyenvをインストールする git clone https://github.com/yyuu/pyenv.git ~/.pyenv echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc echo 'export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc echo 'eval "$(pyenv init -)"' >> ~/.bashrc source ~/.bashrc Anacondaをインストールする pyenv install -l | grep ana pyenv install anaconda3-yyyy.MM pyenv rehash pyenv global anaconda3-yyyy.MM conda update conda conda init bash source ~/.bashrc .NET 5環境の構築 wget -nv https://packages.microsoft.com/config/ubuntu/18.04/packages-microsoft-prod.deb sudo dpkg -i packages-microsoft-prod.deb sudo add-apt-repository universe sudo apt update sudo apt install apt-transport-https -y sudo apt install dotnet-sdk-5.0 -y .NET InteractiveとJupyter Kernelのインストール dotnet tool install -g --add-source "https://pkgs.dev.azure.com/dnceng/public/_packaging/dotnet-tools/nuget/v3/index.json" Microsoft.dotnet-interactive dotnet interactive jupyter install Jupyterでの分析の実施パッケージのロードまず、nugetから必要なパッケージを導入します。 ...