昨日今日とSQLを両PCでインストールしてみた。
flaskをインストールしていたPCにはmssqlをインストールしていたが失敗。
これにLAMP（Linux,apache,MySQL,PHP）のインストールを試みたが失敗。
mssqlをremoveしたがこれも失敗、このPCでのインストールを断念した。
家内のPCを借りてMySQLをインストールしたがこれもまたpasswordを入力するところで失敗。これもまた断念することになった。
まる2日間費やしたが私にはSQLは不要の様だ。
そこでdemo29.pyに追加してdemo30.pyを構成してみたのがアイキャッチ画像のものだ。
←人気ブログランキングに参加しています。よろしければ１票を！
login,logout,user処理プログラムの関連
demo29.pyでログイン・ログアウト処理をする。
chech29.htmlでform（入力フォーム）処理をする。
index29.htmlでloginの結果を表示する。
login成功で5000/で('/')を挿入するとdemo06.htmlが呼び出される。
←人気ブログランキングに参加しています。よろしければ１票を！
2019/01/03
① FlaskをWSLにインストールする
② ディレクトリはflask(/)、templates、static、css、images、jsからなる。
③ Python Programの中で「app.route(‘/’)改行def index()」でデコレータ。
④ render_templateをimportすることでrender_template(‘demoxx.html’, name = ‘吉田’)をコーディングすることでnameパラメータによりhtmlファイルにデータを渡せる。
⑤ Python Programの先頭付近でapp = Flask(__name__)、最後にif __name__ == “__main__”改行、app.run(debug=True)を指定する。
⑥ demoxx.htmlの最後でjsを呼び出せる。
⑦ js内のalertでdialogMSGを表示させられる。
⑧ requestのimportでwho = request.args.get(“who”)をコーディングすることによりADR領域に/?who=xxxxxx
←人気ブログランキングに参加しています。よろしければ１票を！
Microsoft wordの翻訳システムを使いました。ご了承ください。
5-Year Plan revise up (ver3.0)
Since Qiita's article was on the CEO Tani, he was able to revitalize the five-year plan to become an AI engineer.Thank you for the article.
layout: "post"Title:
"Five-year plan ver3.0"date:
"2018-12-31 16:28"
Minimum knowledge required for AI engineers First,I saw the minimum knowledge required by AI engineers in six parts. Here, the future When doing business as an AI engineer, be sure to understand the overall picture of the basic knowledge of the six content.
(1) Programming skills- Python- numpy、pandas、matplotlib, Scikit. Translation-Learn TensorFlow and keras
Especially in this It is good to be proficient in pandas.This is a convenient library for data preprocessing, although data preprocessing is essential for machine learning.
(2) Mathematics- Differential、Linear algebra, vectors, matrices, probabilities, etc.
(3) Knowledge of statistics- Stdev, Variance, probability distribution, estimation, test, etc.
(4) Basic knowledge of machine learning
Supervised learning and unsupervised learningpretreatment, feature design, learning and evaluationSingle regression, multiple regression analysis, least squares method, Perceptron, logistic regressionDecision tree, random forest, support vector machine, K-meansImplementation skills and knowledge of deep learningscikit-learnKnowledge of frameworks such as TensorFlow and Keras.The flow to make a model that has been studied in Scikit-learn.
1. Data collection and preprocessing of data completion of missing values and removal of outliers.
2. Feature design (selection of feature quantity)
3. Model development (model selection and learning)
4. Model evaluation... cross test, evaluation by mixing matrix, etc.
(5) Knowledge of working with databases using SQL。-Select, insert, UPDATE, Delete, where, like, limit, SUM, AVG, Max, GROUP by, having, order by, table join, view, subquery, case, and so on.
(6) Cloud Knowledge-Knowledge of cloud infrastructure such as AWS and GCP and Azure.
Large Although it may seem that there are many other than six, it is recommended to squeeze it into two (1) and (4) first of all at once.The reason is that the program is actually written and visible, making it easier to learn.Because it is self-taught and it is frustrated when entering from the theory first.
The recommended way to study artificial intelligence by yourselfI introduced the necessary knowledge in the previous section, but how do I learn them?In order to learn from (1) to (6), we recommend that you acquire knowledge in the following sequence.
Phase1 python Learn about machine learning programming and artificial intelligence.Phase2 machine learning programming.Phase3 Challenge to Kaggle.Phase4 SQL, scraping and cloud technologies.Phase5 Use machine learning skills to produce products.Phase6 Teach (maybe I don't think this).
I believe that learning from each phase is the most rewarding and enjoyable way to learn.
Phase In 1, we refer to the programming beginners.If you are new to programming, come to the phase Please read through the first.
Phase2, based on what we actually learned in Phase 1, we will explain how to study machine learning programming.Already If you are doing machine learning programming using Scikit-learn, you may skip it.
Phase3 describes how to learn practical programming through competitions like Kaggle. (I don't think so either)
Phase4 In doing machine learning, retrieving data from the database is often done. SQL Knowledge is mandatory. In addition to SQL, this section introduces techniques such as scraping (data collection) and cloud technology. (First from Access)
Phase5 Use machine learning skills to get your product production. Those who reach this level often learn through the product.
Phase6 Teaching six people may clarify what you didn't know. So it is also a good idea to teach your friends about machine learning and deepen your understanding.
Since then, I will explain how to tackle these in each of the six phases, while introducing the recommended books.
# Development Environment Construction
・Ipython, Python, atom settings on your PC
・Atom debugging with Python alone
・Copy and paste the Web practice problem in WSL and Emacs
・Design and develop a Web top page
・Under the top page (index.html) developed demo.py demo.html Demo.css demo.js
・each demoxx.py design, demoxx.html design, Representative .css designStandardized module namesCreate a module list
2. Git, GitHub configuration
-selection of collaborators
・Learning GitHub (Binder stuff)
3. Document Planning
・Create a module list
・Python Program Journal Organization
・HTML Journal Organization
・JS Program and Journal Organization
4. Development plan
1. Python acquisition plan
2. Actual Practice
3. Python Programming (Command prompt and on WSL)
4. Debugging
5. Model Building
6. Ipyton Debug (Jupyternotebook on WSL) developed it under Atom Environment (NumPy, pandas Acquisition)
Ipython, Pyton, atom settings on PC
- Toshiba Dynabook Satellite B554/K use
-Documentation
-Test in development environment
- Blog up
# Git, GitHub configuration
-selection of collaborators
-GitHub Learning
-Request for collaborators
# Document Plan formulation
- Five-year Plan
-One year schedule
-Three-year schedule
-Final Plan
# reading Plan
-Qiita document conning (in progress)
-Why make object-oriented (purchased)
-New Linux textbooks (purchased-read after referring to the actual machine)
-Everyone's python (purchased-in-progress, early)
-Nikkei Linux (purchase)
-Making from scratch deep Learning
-theory and implementation of learning in Python (pre-purchased)
-Access Learning (create Address Book and learn about MySQL query)
-Copy and paste in Qiita document study (in progress)
-(Programming (Python), Statistical machine learning, deep learning (deep Learning), Mathematics for machine learning, probability and statistics)
-Easy to learn mathematics for understanding machine learning
-Ipython Interactive Computing and Visualization Cookbook (purchased-last)
-Other
←人気ブログランキングに参加しています。よろしければ１票を！
WSLへmssqlをインストールしてみた。 mssqlのwebsiteではWSLはサポートしていないと書いてあったが、無理して私のPC環境にインストールしてみたが、見事にけられた。 余計な時間を使ってしまった。見かけ上はインストールは成功に見えたのだが。 ****************************
****************************
Ubuntu 18.04 にツールをインストールします。 SQL Server をインストールします。 Ubuntu で SQL Server を構成するには、ターミナルで次のコマンドを実行し、mssql-server パッケージをインストールします。 wget -qO- https://packages.microsoft.com/keys/microsoft.asc | sudo apt-key add -
Microsoft SQL Server の Ubuntu リポジトリを登録します。
sudo add-apt-repository "$(wget -qO-https://packages.microsoft.com/config/ubuntu/16.04/mssql-server-2017.list)"
上ではなしにプレビューを試したいときに。
sudo add-apt-repository "$(wget -qO- https://packages.microsoft.com/config/ubuntu/16.04/mssql-server-preview.list)"
SQL Server をインストールするには、次のコマンドを実行します。
sudo apt-get update sudo apt-get install -y mssql-server
パッケージのインストールが完了したら、mssql-conf setup の実行後に、SA パスワードの設定とエディションを選択する指示に従います。
sudo /opt/mssql/bin/mssql-conf setup
SA アカウントは強力なパスワードを指定していることを確認してください。(最小長さが 8 文字で、大文字と小文字のアルファベット、10 進数の数字や英数字以外の記号を含む)。 構成が完了したら、サービスが実行されていることを確認します。
systemctl status mssql-server
**********************************************************
1.パブリック リポジトリの GPG キーをインポートします。
curl https://packages.microsoft.com/keys/microsoft.asc | sudo apt-key add -
2.Ubuntu の Microsoft リポジトリを登録します。
curl https://packages.microsoft.com/config/ubuntu/16.04/prod.list | sudo tee /etc/apt/sources.list.d/msprod.list
3.ソースの一覧を更新して、unixODBC 開発者のパッケージをインストール コマンドを実行します。
sudo apt-get update
sudo apt-get install mssql-tools unixodbc-dev
注意：最新バージョンに更新するmssql ツール次のコマンドを実行します。
sudo apt-get update
sudo apt-get install mssql-tools
4.省略可能な: 追加/opt/mssql-tools/bin/をパスbash シェル内の環境変数。させる
sqlcmd と bcpログイン セッションでは、bash シェルからアクセス可能な変更、パスで、 ~/.bash_profile次のコマンドでファイル。
echo 'export PATH="$PATH:/opt/mssql-tools/bin"' >> ~/.bash_profile
させるsqlcmd と bcp対話型/非ログイン セッションでは、bash シェルからアクセス可能な変更、パスで、 ~/.bashrc次のコマンドでファイル。
echo 'export PATH="$PATH:/opt/mssql-tools/bin"' >> ~/.bashrc source ~/.bashrc **************************************************
CREATE DATABASE TestDB
SELECT Name from sys.Databases GO USE TestDB
CREATE TABLE Inventory (id INT, name NVARCHAR(50), quantity INT) INSERT INTO Inventory VALUES (1, 'banana', 150);
INSERT INTO Inventory VALUES (2, 'orange', 154);
GO
SELECT * FROM Inventory WHERE quantity > 152;
GO
sqlcmd コマンド プロンプトの終了
QUIT
****************************************************
エラーメッセージは
****************************************************
Sqlcmd: Error: Microsoft ODBC Driver 17 for SQL Server : TCP Provider: Error code 0x2749. Sqlcmd: Error: Microsoft ODBC Driver 17 for SQL Server : A network-related or instance-specific error has occurred while establishing a connection to SQL Server. Server is not found or not accessible. Check if instance name is correct and if SQL Server is configured to allow remote connections. For more information see SQL Server Books Online..
←人気ブログランキングに参加しています。よろしければ１票を！
セッションの管理
SQLが手に入らないのでセッションの管理コードだけでも埋め込もうと、丸2日間かかって仕上げた。
一番苦労したのは「Method Not Allowed」になってしまうことだった。
トラッパーやトレーサじみたコードを入れてアイソレートしていった。
テストした項目は
①rogin成功失敗
②logout
③ルートへのジャンプ
④login後の他HTMLへのジャンプ。
⑤demo28.pyからのパラメータの引継ぎ
⑥login中の各振る舞い
⑦logout中のふるまい
など多岐にわたってテストした。
*************************************************
demo28.py関連プログラム
#!/usr/bin/python3
# -*- coding: utf-8 -*-
#demo28.py sessin managed
from flask import Flask, redirect, request, render_template, url_for, session
app = Flask(__name__)
@app.route('/login', methods=['GET', 'POST'])
def login():
・・if request.method == 'POST':
・・・・session['username'] = request.form['username']
・・・・return redirect(url_for('index'))
・・return render_template('check28.html')
@app.route('/reset', methods=['GET', 'POST'])
def reset():
・・session['username'] = 'zako'
・・return render_template('check28.html')
@app.route('/')
def func():
・・if 'username' in session:
・・・・html = render_template('demo03.html',name = str(session['username']))
・・・・return html
・・return 'You are not logged in'
@app.route('/check', methods=['GET', 'POST'])
def check():
・・if request.method == 'POST':
・・・・session['username'] = request.form['username']
・・・・return redirect(url_for('func'))
・・return render_template('check28.html')
@app.route('/',methods=['POST'])
def index():
・・success = False
・・name = request.form["username"]
・・passwd = request.form["pass"]
・・my_message = "「セッション処理のプログラムはどうでしたか？」"
・・user_data = [{"id":"zako", "pass":"week_pass"},{"id":"ikarochan", "pass":"kawaii"},{"id":"yoshiko", "pass":"ok"},{"\
\
id":"miku", "pass":"hatsune"}]
・・for i in range(0, 4):
・・・・if user_data[i]["id"] == name:
・・・・・・if user_data[i]["pass"] == passwd:
・・・・・・・・success = True
・・・・・・・・session['username'] = name
・・・・・・・・return render_template('index28.html',suc=success,name=name,pas=passwd,msg=my_message)
・・・・・・else:
・・・・・・・・continue
・・・・else:
・・・・・・continue
・・success = False
・・return render_template('index28.html',suc=success,name=name,pas=passwd,msg=my_message)
@app.route('/logout')
def logout():
・・session.pop('username', None)
・・return redirect(url_for('func'))
app.secret_key = 'A0Zr98j/3yX R~XHH!jmN]LWX/,?RT'
if __name__ == '__main__':
・・app.run(debug=True)
****************************************
<!DOCTYPE html> <!-- check28.html -->
<html lang="ja">
<head>
・・<meta charset="UTF-8">
・・<title>Loginフォーム</title>
<!-- <link rel="stylesheet" type="text/css" href="{{url_for('static', filename='style.css')}}" /> -->
・・<link rel="stylesheet" type="text/css" href="static/css/style.css" />
</head>
<body>
・・<form action="/" method="post">
・・・・<h1>Login</h1>
・・・・<input type="text" name="username" placeholder="Username" required/>
・・・・<input type="password" name="pass" placeholder="Password" required/>
・・・・<input type=submit value=Login>
・・</form>
</body>
</html>
****************************************
<!DOCTYPE html> <!-- index28.html -->
<html lang="ja">
・・<head>
・・・・<meta charset="UTF-8">
・・・・<title>Login</title>
<!-- <link rel="stylesheet" type="text/css" href="style.css" /> -->
・・・・<link rel="stylesheet" type="text/css" href="static/css/style-07.css" />
・・・・<!--&#91;if lt IE 9&#93;>
・・・・<script src="http://html5shiv.googlecode.com/svn/trunk/html5.js"></script>
・・・・<!&#91;endif&#93;-->
・・</head>
・・<body>
・・・<h1>Login終了</h1>
・・・{% if suc %}
・・・<h1>Login OK</h1>
・・・<h1>Username is {{ name }}</h1>
・・・{% else %}
・・・Invalid Username or Password. Debug {{ name }},{{ pas }}
・・・{% endif %}
・・・</br>
・・・demo28.pyからのメッセージは：</br>
・・・{{ msg }}です。
・・</body>
</html>
****************************************
<!DOCTYPE html>
<html lang="ja">
<head>
・・<meta charset="UTF-8">
・・<link rel="stylesheet" href="/static/css/style-03.css">
・・<title>Deep Learning second TEST</title>
</head>
<body>
・・<title>Hello from Flask</title>
・・{% if name %}
・・・<h2>{{ name }}さん！テンプレートからのHello Worldだよ！</h2>
・・{% else %}
・・・<h2>テンプレートからのHello Worldだよ！</h2>
・・{% endif %}
・・<p>
・・・<img src="/static/images/plant_3.jpg" alt="pic03">
・・</p>
・・<script src="/static/js/main.js"></script>
</body>
</html>
****************************************
(function(){
・・'use strict';
・・alert('アラートですよ〜。');
})();
****************************************
**********************************************************************
以上
←人気ブログランキングに参加しています。よろしければ１票を！
