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。
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。 ...
Introduction DLLABでIgnite 2020を受けての最新アップデートとして勉強会が開催されたので受講しました。 Program 時間 セッションテーマ 登壇者 14:00 - 14:15 イントロダクション/ Azure AI の全体像 樋口 拓人 Azure AI Product Marketing Manager 14:15 - 14:45 Azure Machine Learning 実験サービスとセキュリティ 女部田 啓太 AI プラットフォームには簡単にモデル開発ができるユーザビリティが求められます。一方で、学習データやモデルはセンシティブな情報を含むためセキュリティも考慮する必要があります。本セッションでは、Azure Machine Learning から遂に一般提供開始 GA になった「自動機械学習 AutoML」 とドラッグ&ドロップでパイプラインを構築する「デザイナー Designer」 を基礎からご説明いたします。また、大幅に進化したセキュリティ機能についてもご説明いたします。 Cloud Solution Architect 14:45 - 15:15 Azure Databricks アップデート 松崎 剛 現在、広く利用されている Azure Databricks における最近と今後のアップデートのうち、大きなアップデートである Runtime 7.x、Photon (コードネーム)、Redash、Workspace 2.0 (ニックネーム) を中心に、それらの機能や技術背景などを解説します。 Partner Cloud Solution Architect 15:15 - 15:30 休憩 15:30 - 16:00 Azure Cognitive Services/ Cognitive Search アップデート 石塚 航希 Azure Cognitive ServicesはAPI形式で利用可能な学習済みのAIパーツです。本セッションでは、Ignite2020で新たに発表された、物理空間を認識し様々なシナリオで応用可能なSpatial Analysisと、異常検知と要因分析を自動化するMetrics Advisorを中心にCognitive ServicesとCognitive Searchにおけるアップデート内容をご紹介します。 Solution Specialist 16:00 - 16:30 Azure Synapse Analytics アップデート 中里 浩之 Azure でデータ分析を行う際のハブになるサービスの一つが Azure Synapse Analytics です。昨年の Ignite 2019 での初披露から 1 年、着実にパワーアップを重ねており、データ分析はもちろんのこと、機械学習ワークロードでも活用頂けるようになってきています。 Cloud Solution Architect 本セッションでは Synapse Analytics の概要や最新動向について Ignite 2020 アップデート情報を交えてご紹介いたします。 16:30 - 16:40 クロージング と 今後の展開のご紹介 樋口 拓人 Content セッションとしては、ほぼ5セッションという大ボリュームになります。基本的な話題としては、 ...
Prophetを使用したサンプルとして、厚生労働省のオープンデータを使用して、入院治療等を要する人数を予測してみました。 %matplotlib inline import urllib import numpy as np import pandas as pd import matplotlib.pyplot as plt from fbprophet import Prophet cases_total_req = urllib.request.urlopen('https://www.mhlw.go.jp/content/cases_total.csv') cases_total_df = pd.read_csv(cases_total_req) cases_total_df['ds'] = pd.to_datetime(cases_total_df['日付']).dt.date cases_total_df['y'] = cases_total_df['入院治療を要する者'] cases_total_df['y'].plot() <matplotlib.axes._subplots.AxesSubplot at 0x1648a3d9c88> model = Prophet() model.fit(cases_total_df) INFO:fbprophet:Disabling yearly seasonality. Run prophet with yearly_seasonality=True to override this. INFO:fbprophet:Disabling daily seasonality. Run prophet with daily_seasonality=True to override this. <fbprophet.forecaster.Prophet at 0x1648a8297c8> future = model.make_future_dataframe(periods=365) forecast = model.predict(future) model.plot(forecast)
※ この記事は古くなっています。 HugoによるBLOGサイトの作成を参照してください。 はじめに 当Blogの作成に関する話を纏めます。 本Blogは基本的な作りだけをいえば、以下のような作りです。 項目 内容 コンテンツ管理 GitHub コンテンツ配信 netlify 静的ファイル生成 Hugo テーマ hugo-bootstrap-premium 基本的な段取りはHUGOでブログ作成 → GitHub Pagesで公開する手順を参照しています。 とはいえ、変えているところもあります。テーマとして利用しているのは、Hugo Bootstrap Premiumですが、実際にはこれをフォークしたものを使用しています。理由はGoogle AdSenseなどを組み込むため、テーマを修正する必要があったためです。 また、参考にしたアーティクルはbashベースのdeploy scriptを使っていますが、こちらで使っているのは、ベースを当ブログでデプロイに利用しているスクリプトで公開しているバッチファイルです。 更に言うと、告知のためにRSS → IFTTT → Twitterというルートも用意しています。 使用したツール 名称 Visual Studio Code cmd scoop 必要なツールの取得 scoopのインストール スタートからPowerShellを起動する PowerShellの設定変更 Set-ExecutionPolicy RemoteSigned -scope CurrentUser PowerShellからのScoopのインストール iex (new-object net.webclient).downloadstring('https://get.scoop.sh') gitのインストール scoop install git hugoのインストール scoop install hugo-extended 環境の構築 本稿では出来た成果物はNetlifyで公開することを前提にしています、参考にしている記事ではgithub pagesを使っていますが、私はコンテンツ配信の柔軟性の確保を目的にNetlifyを使っています。 基本的には、最初にレポジトリを2つ用意します。 1: 全体管理用レポジトリ 2: コンテンツ配信用レポジトリ コンテンツ配信用レポジトリは最終的に、全体管理用レポジトリにsubmoduleとして組み込みます。 あと、先も述べたようにHugo Bootstrap Premiumはフォークして使います。Google Adsenseを組み込むのには、テンプレートを編集せざるを得ないので、そのまま、submoduleで組み込むと更新をアップストリームに出さざるを得なくなり詰むので。 フォルダ構成としては archetypes/ content/post/ data layouts/ public static themes/hugo-bootstrap-premium ...