個人的なPython逆引きリファレンス

独学プログラマー Python言語の基本から仕事のやり方まで

目次

はじめに

Pythonでプログラミングをするようになって暫く経ちますが、
未だに基本的な文法やTipsについて同じことを何度も調べては
忘れ、調べては忘れを繰り返しています。
今回の記事では、そうやって今まで調べてきたことを一通り逆引き
リファレンスとして残して、もっと素早く調べ直せるようにします。

ソフトウェア開発におけるレビューについての勉強メモ

ソフトウェア・レビュー技術―基礎から実践までのノウハウ

目次

はじめに

ソフトウェア開発においてバグを発見するために、そのソフトウェアのコードレビューやベンチテストは必要不可欠な作業です。僕の普段の開発業務でも、仕様や設計、コードレビューを行うステップがあるのですが、どうも最近、見つけられたはずのしょーもないバグが「今更？」って感じのタイミングで見つかることがあるなぁ、感じています。
バグを見つけられなかったことはしょうがいないのですが、今後また同じようなことで悩まないためにも、自分達のレビューのどこに問題があったのかを考えなければなりません。
今回の記事では、正しいソフトウェアレビューについて学び、それを参考に自分の開発業務におけるレビュー改善について考えてみようと思います。

海外留学に挑戦し夢破れて学んだこと

宇宙を目指して海を渡る　ＭＩＴで得た学び、ＮＡＳＡ転職を決めた理由

目次

はじめに

このブログを始めて約2ヶ月、またTwitterでいろんな人達と繋がりを持つようになって1ヶ月が経ちました。その間にブログを見に来てくれる人も、Twitterでフォローしてくれる人も増えて非常にありがたいのですが、僕はこれまでブログにもTwitterにも一切の興味がありませんでした。そんな僕がこれら２つを始めることになったきっかけは、自分が勤めている会社が持つ海外留学制度への挑戦でした。今回は、僕が留学に挑戦してから、ブログとTwitterを始めるまでの経緯と、それを通して僕が学んだことについて書き、それを今後も忘れないためにも記事として残しておこうと思います。

概要

今回の記事は以下のような内容になっています。

• 留学に挑戦しようとしたきっかけ

• 留学候補者選抜会への参戦

• 留学テーマのプレゼン

• 選抜からの落選

• 落選したことで学んだこと

• その後の取り組み

• まとめ

機械学習の基本用語集

目次

はじめに

機械学習を学ぶにあたり、そもそも「機械学習？何それ？美味しいの？」みたいなレベルからのスタートだったので、まずは機械学習についてざっくり基礎的な事が学べる本を読んでみようと思い、下記の書籍を読んでみました。

機械学習入門 ボルツマン機械学習から深層学習まで

これを読んだことで、まずは機械学習に関連する用語にいろいろ触れる事ができたので、今回はそれらを用語集として残しておこうと思います。また、各用語についての関連記事のリンクも付けてみました。

数式のプログラム実装をシンプルにするための事前手計算のススメ

カルマンフィルタの基礎

目次

はじめに

あるロジックをプログラムに実装するとして、自分の場合だったらまずはMATLABやPythonでプロトタイプを作って有効性をシミュレーションします。そして最終的にはC言語に移植をする訳ですが、ここで悩ましいのがMATLABやPythonで書いたコードと同じような書き方をC言語では出来ない事です。そして、その違いを特に感じるのが行列演算になります。３次元だろうが４次元だろうが、MATLABやPythonでは簡単に実装できてしまうのに対して、C言語で実装しようとするのはかなり面倒だし、デバッグも大変です。正直言ってプロトタイピングした甲斐がありません。そこで、面倒な行列演算を何とかシンプルに実装できないかを考える事にしました。

手計算

コードをシンプルにしたかったり、プログラムの計算負荷を軽くしたい時に良く取られる手段の一つとして、事前に計算出来る部分は予めやっておくというのがあります。少々面倒ではありますが、上記で書いたような行列演算も２次元、３次元くらいなら手計算出来ますし、その結果得られた形というのはかなりシンプルになり、それくらいであればC言語で書くのもあまり苦ではならなくなります。また、事前に計算してみる事によって理論の理解がより深まるし、リファレンスとしていた理論式なんかに万が一誤植があったとしても気付く事ができるので、まずは頑張って手計算してみるという事には多くのメリットがあります。そこで今回の記事では、自動運転技術としては一般的なカルマンフィルタの理論を例として、事前に手計算する事の大切さを紹介してみようと思います。

matplotlibを使ったPython製のデータ再生GUIツールを作った

Pythonによるあたらしいデータ分析の教科書

目次

はじめに

実験で取った時系列データを見返したり、プロトタイピングしたロジックをシミュレーションでデバッグしたい時は、それをアニメーション表示させるということをよくやります。しかしながら、普通にアニメーション表示させるだけだとただデータの頭からお尻までを再生するだけで終わってしまうので、一時停止や巻き戻し、時には早送りなどしながらじっくりデータを見たい時は少々不便です。
そこで今回は、Pythonの描画ライブラリmatplotlibのGUI作成機能を利用して、アニメーション再生や一時停止、巻き戻しなどができるGUIツールのサンプルを作成したので紹介したいと思います。

サンプルコード

今回作成したツールは以下のようになりました。
ソースコードやGIFアニメーション、お試し用のサンプルデータはGitHubで公開しています。
github.com

Pythonパッケージのpyprojを使ったGPSのNMEAデータ分析

目次

はじめに

障害物検知用センサの計測精度を評価したりする場合、その基準とする位置座標を得るためにGPS測量を行うことがあります。RTK-GPSであれば数センチ程度の精度でその位置座標が取得できるので、ミリ波レーダやスキャンレーザの計測テストを行う際は、まず先に基準とするポイントを決めて、その位置座標をGPSで測るという作業を全ポイントでやっておきます。(これが中々大変な作業。。)
この時に問題になるのが、取得された緯度、経度情報をX-Yの平面直交座標に座標変換する処理です。通常なら、その座標変換を行うための原点やスケールなどのパラメータを自分で設定しなければならないのですが、Pythonで使えるパッケージの一つであるpyprojを使えば、この座標変換処理を数行のコードを書くだけで簡単に実行してくれて非常に便利です。
今回の記事では、pyprojの使い方と、それによるGPSのNMEAフォーマットの一つである$GPGGAデータの解析を行ってみた際の結果を紹介します。

参考資料

pyprojの使い方については以下の記事を参考にしました。

pyproj [いかたこのたこつぼ]

また、解析対象であるGPSのNMEAデータのフォーマットについては以下の記事に細かくまとめられていました。

GPSのNMEAフォーマット

こんな書籍もあるようで、面白そうですね。

Raspberry Pi Gps Using Python 2.7 or 3.4: For Raspbian Jessie Linux Using Gpsd Gps3