| 関連するかも情報 | 
            
              
              
              エイプリルフール記念動画らしい( ´∀`)♪
  「18世紀のオランダ風の邸宅、999人の仲間とのシェアハウス」「駅から「徒歩5分」の好立地」「ミュージックルームやライブラリーまで完備」
  【公式】ホーンテッドマンション 内覧会開催のお知らせ|東京ディズニーランド https://www.youtube.com/watch?v=CjlAa6Ycjxk 
              
              
              
              
              [t] 2020-06-07 21:58:14
              
             | 
            
              
              
              RT @JCC_NEWS: JCCテレビすべて ・原油減産 7月末まで継続合意 ・「夜の街」定期検査など議論 ・米国5月雇用統計 失業率13.3% ・抗議 世界に広がる 大阪でも大規模 ・東京で4割が関連 「夜の街」感染防 ・米国抗議デモ 警察の 過剰 対応に https://jcc.jp/ 15 
              
              
              
              
              [t] 2020-06-07 21:59:26
              
             | 
            
              
              
              パチンコ店みたいな扱いになってきているような。。。
  「新たな感染源として懸念されるホストクラブなどの「夜の街」対策」「店の従業員が定期的にPCR検査を受けられる態勢づくりや相談窓口の設置など」
  「夜の街」従業員に定期検査 小池氏と西村氏、方針確認 | 共同通信 https://this.kiji.is/642254990893794401 
              
              
              
              
              [t] 2020-06-07 22:01:48
              
             | 
            
              
              
              RT @yamatokotobacat: とくに何もしてないけど、 https://twitter.com/yamatokotobacat/status/1269607539441795075/photo/1 
              
              
              
              
              [t] 2020-06-07 22:02:16
              
             | 
            
              
              
              RT @UbuntuJapan: LenovoがこれまでのUbuntuプリインストールモデルに加え、すべてのThinkStationとThinkPad PシリーズをUbuntu LTS動作認定モデルとすることを発表しました。Lenovoのアナウンスメントをご覧ください(英語)。 https://lnv.gy/2yUxb3s 
              
              
              
              
              [t] 2020-06-07 22:02:26
              
             | 
            
              
              
              「ベクトル・行列・テンソルなどは、プログラミング上は多次元配列により表現でき、NumPy では ndarray というクラスで多次元配列を表現」 「「1 行 2 列目」を指定するのに、インデックスは [0, 1] 」
  8. NumPy 入門 — ディープラーニング入門:Chainer チュートリアル https://tutorials.chainer.org/ja/08_Introduction_to_NumPy.html 
              
              
              
              
              [t] 2020-06-07 22:13:45
              
             | 
            
              
              
              Numpy で行列の四則演算。
  import numpy as np
  a = np.array([     [0, 1, 2],     [3, 4, 5],     [6, 7, 8] ])
  b = np.array([     [1, 2, 3],     [4, 5, 6],     [7, 8, 9] ])
  print(a) print(b) print(a + b) print(a - b) print(a * b) print(a / b) 
              
              
              
              
              [t] 2020-06-07 22:14:23
              
             | 
            
              
              
              [[0 1 2]  [3 4 5]  [6 7 8]] [[1 2 3]  [4 5 6]  [7 8 9]] [[ 1  3  5]  [ 7  9 11]  [13 15 17]] [[-1 -1 -1]  [-1 -1 -1]  [-1 -1 -1]] [[ 0  2  6]  [12 20 30]  [42 56 72]] [[0.         0.5        0.66666667]  [0.75       0.8        0.83333333]  [0.85714286 0.875      0.88888889]] 
              
              
              
              
              [t] 2020-06-07 22:14:53
              
             | 
            
              
              
              あ、まちがえた。。。 
              
              
              
              
              [t] 2020-06-07 22:19:24
              
             | 
            
              
              
              Numpy で行列の積はアスタリスクではなく dot メソッドで求める。アスタリスクは要素ごとを掛けてるだけだった。
  [[0 1 2]  [3 4 5]  [6 7 8]] [[1 2 3]  [4 5 6]  [7 8 9]] [[ 18  21  24]  [ 54  66  78]  [ 90 111 132]] https://twitter.com/nilab/status/1269621425167405058/photo/1 
              
              
                ![Numpy で行列の積はアスタリスクではなく dot メソッドで求める。アスタリスクは要素ごとを掛けてるだけだった。  [[0 1 2]  [3 4 5]  [6 7 8]] [[1 2 3]  [4 5 6]  [7 8 9]] [[ 18  21  24]  [ 54  66  78]  [ 90 111 132]]  Numpy で行列の積はアスタリスクではなく dot メソッドで求める。アスタリスクは要素ごとを掛けてるだけだった。  [[0 1 2]  [3 4 5]  [6 7 8]] [[1 2 3]  [4 5 6]  [7 8 9]] [[ 18  21  24]  [ 54  66  78]  [ 90 111 132]]](http://www.nilab.info/lab/twitterpic/1269621425167405058_1.jpg)  元の画像を見る 
              
              
              [t] 2020-06-07 22:25:10
              
             | 
            
              
              
              【話題のキーワード】 1. 帰蝶 2. 毛利新介 3. 信長 4. 元康 5. 乱取り 6. 行列のできる法律相談所 7. すとぷり 8. 警察24時 9. 三河武士 10. メッシャーズ https://search.yahoo.co.jp/realtime #buzzbot 
              
              
              
              
              [t] 2020-06-07 22:30:53
              
             | 
            
              
              
              多次元配列の平均値,分散,標準偏差,最大値,最小値
  import numpy as np x = np.random.randint(0, 10, (8, 10)) print(x) print("平均値: " + str(x.mean())) print("分散: " + str(x.var())) print("標準偏差: " + str(x.std())) print("最大値: " + str(x.max())) print("最小値: " + str(x.min())) 
              
              
              
              
              [t] 2020-06-07 22:37:44
              
             | 
            
              
              
              [[7 7 0 2 0 4 8 4 6 0]  [0 6 1 1 5 8 4 0 5 7]  [5 4 0 1 3 7 3 9 8 2]  [3 0 1 7 6 8 4 8 3 3]  [3 9 1 1 9 7 6 1 2 5]  [4 0 6 5 9 1 9 3 0 5]  [4 3 1 3 1 4 3 4 0 5]  [3 3 1 7 1 6 6 1 8 0]] 平均値: 3.875 分散: 7.934375 標準偏差: 2.8168022649806286 最大値: 9 最小値: 0 
              
              
              
              
              [t] 2020-06-07 22:37:54
              
             | 
            
              
              
              「結論から言うと、行列にはいわゆる「割り算」は存在しません。しかしながら、その代わりに「逆行列」と呼ばれるものが存在します」
  逆行列の求め方2種類とその意味〜行列の割り算を考える〜 https://linky-juku.com/inverse-matrix/ 
              
              
              
              
              [t] 2020-06-07 22:40:13
              
             | 
            
              
              
              RT @KoalaEnglish180: 「問題」を表す英単語の関係性 https://twitter.com/KoalaEnglish180/status/1269578745339187200/photo/1 
              
              
              
              
              [t] 2020-06-07 23:00:12
              
             | 
            
              
              
              RT @yoshihama_t: アスペルガー人に友達が少ない理由の一つとして
  ・用件がなければこちらから連絡することは、まずない
  という独特の関わり方をするため、卒業、引っ越し、就職、転職といった大きな変化のたびに人間関係が自動的にリセットされる、ということがあげられるんだよね。 
              
              
              
              
              [t] 2020-06-07 23:00:34
              
             |