【life】国学院久我山の応援歌

2019/8/8の甲子園1回戦をテレビを見ながら、耳コピしました。

https://vk.sportsbull.jp/sp/koshien/video/abc/marugoto/20190808_3f.html

1(中) 西川 新 3年・右左
2(右) 岡田 和也 3年・右左
3(遊) 神山 福生 3年・右左
4(捕) 宮崎 恭輔 3年・右右
5(投) 高下耀介 3年・右右
6(左) 坂口純哉 3年・右左
7(一) 中澤知之 3年・右右
8(二) 伊藤佑馬 3年・右右
9(三) 青木友宏 3年・右右

◆チャンステーマ「一本」
かっせ久我山！　かっせ久我山！　今だかっとばせ～
一本　出ーせよ　ここで、一本　出せよ
おれらの夢はお前にたくした　勝利を掴め

一本　出ーせよ　ここで、一本　出ーせよ
今日の勝利をとるためにー

〇〇　今だ　かーっとばせよ！　〇〇　今だ　かーっとばせよ！　

◆得点が入ったとき「久我山賛歌」
やよ　うちならせ　いざや　いざや
久我山の鐘　うちならせ
青春の鐘　うちならせ
われらは若し　また強し
剛健　剛健　久我山われら

◆1(中) 西川 新 3年・右左
君がいた夏は遠い夢の中　空に消えていったあらたのホームラン
（かけごえ）ワッショイ！（かけごえ）ワッショイ！（かけごえ）ワッショイ！
君がいた夏は遠い夢の中　空に消えていったあらたのホームラン
かせかせあらた！　かせかせあらた！　かっとばせーあらた！

◆2(右) 岡田 和也 3年・右左
www.youtube.com
「男の勲章」
突っ張ることが男のたった1つの勲章だってこの胸に信じて生きてきた
泣きたくなるような辛い時もあるけど　いつも俺たち頑張ってきた
時の重さに流されそうになった時でも歯を食いしばり耐えてきた
ガキのころ夢にまで見た栄光の甲子園
久我山日本一　誓った思いを忘れはしないぜー

◆3(遊) 神山 福生 3年・右左
動画4:50付近
俺たちの神山　一打に全てを込めて　不屈の闘志を見せてくれ　俺らの誇り胸に
かみやまヒット　かみやまヒット　かみやまヒット！

◆4(捕) 宮崎 恭輔 3年・右右
「コナン」
おおおおおおー
※だいたい宮崎の打順は「一本」になるので歌詞が分からない。。。

◆5(投) 高下耀介 3年・右右
「小泉今日子」
Hey Hey Hey Hey Hey Hey
（かけごえ）たかした！
（かけごえ）たかした！
運命の女神様よ　この僕に　微笑んで　一度だけでも

◆6(左) 坂口純哉 3年・右左
「スピードスター」
おーおーおーお（しか聞こえないけど正しいかな。。。以下を参考にまとめると）
www.youtube.com

スピードスター！　じゅんや　さかぐち！

◆7(一) 中澤知之 3年・右右
「See Off」（かけごえのみで歌詞無し）
www.youtube.com

トモユキ！　トモユキ！　トモユキ！

◆8(二) 伊藤佑馬 3年・右右
「さくらんぼ」
この1打で決めろよユウマホームラン！
もう1回！
この1打で決めろよユウマホームラン！
かせかせユウマ！　かせかせユウマ！　かっとばせーユウマ！

9(三) 青木友宏 3年・右右
「モンキーターン」
（主旋律の後のかけごえから）レッツゴー！
ハイ！ハイ！青木！
（ここから主旋律）おおおおおーおー　おおおおおー
燃え上れ　燃え上れ　勝利をつかみとれー

おーおおおおおーおおおお
攻めろ今こそー

https://81orchid.com/kokugakuinkugayama-ippon-ouenka/

これなんか高校の雰囲気を出しているかも。
https://mobile.twitter.com/KKH3813TAKUMI/status/1158762565532389376

【AWS】SageMaker

SageMakerって、つまりJupyterなのか？
dev.classmethod.jp

【yaml】書き方

XML、json、yamlなどを使うと、
CSVでは表現しきれないネストやリストの構造のデータを取り扱えますね。

yamlでは、ネストはタブ、リストはハイフン、ハッシュはコロンと覚えておきましょう！

- name:  Hanako
  email: flower@mail.com
- name:  Sumire
  email: garnet@mail.net
- name:  Momoko
  email: peach@mail.org

magazine.rubyist.net

拡張子は、,yamlも.ymlもどちらもありえます。

pythonでも扱えますね！
www.sejuku.net

試しに、pythonで読み出してみましょう！

import yaml

with open('rule.yaml','r',encoding="utf-8") as file:
    yml = yaml.load(file,Loader=yaml.SafeLoader)
    print(yml)

pythonで読み込む際に、YAMLLoadWarningが出てきたら、下記の記事を参考に"Loader=yaml.SafeLoader"を入れてみましょう。
qiita.com

【iOS】webView

https://ios.ch3cooh.jp/entry/20130208/1360249200

【delphi】他アプリが受信するウインドウメッセージの取得

SetWindowHookで取得できるのでは？

そのようなアドバイスサイトja.stackoverflow.com

Delphiのグローバルフック
mrxray.on.coocan.jp

これでウインドウの生成を知るかの如く、取得してみようか。
mrxray.on.coocan.jp

これか！！！
getmessageをフックできる模様。
http://mrxray.on.coocan.jp/Delphi/plSamples/290_HookGetMessage.htm

これも参考になる。もしかしたら、WH_GETMESSSAGE以外の方法で拾うのかもしれない。
www.technocity.jp

このサンプルでは、WM_KEYDOWNをWH_GETMESSAGEによって、WM_MOVEをWH_CALLWNDPROCで監視します。

とのことで・・・WH_CALLWNDPROCを見るのが良いのだろうか。(ちなみに、上記のサイトはソースコードあり！)

しかも、これを見ると、、、
sak.cool.coocan.jp

WM_DROPFILESとWM_MOVEは仲間に見えるんだよね。

ということは、WH_CALLWNDPROCを使うMr.X線を調べれば良いのですね。で、見つけた。
mrxray.on.coocan.jp

実は、Dragしているときは、SysDragImageというWindowClassが立ち上がっている模様。

もしかしたら、64bitと32bitを意識しなくてはいけないのか？
uisteven.blog.fc2.com

【Security】情報処理安全確保支援士

qiita.com

【AWS】AWS認定「機械学習」

なんと、日本語訳を見つけたよ！
qiita.com

Q1
S3にCSVがあって、Amazon SageMaker Linear Learner algorithmを使いたい場合、何をすれば良い？
⇒　Amazon SageMaker Pipeモードを使用
データの流し込み方を勉強する問題ですね。

Q2
TF-IDを使った場合のディメンジョンは？

Q3
S3上のデータセットに関するメタデータのカタログを管理
⇒ Glueクローラー

Q4
バッチサイズと学習率

Q5
混同行列

Q6
ロジスティック回帰？？
fraud detection model って、詐欺検知モデルという意味か？

Q7
この問題もfraud detection modelという言葉が出てきた。

Q8
Amazon SageMaker Linear Learner algorithm

Q9
前処理の方法について。
読めばできそう。

Q10
Amazon SageMaker Object2Vec

・・・ということで、方針は、Amazon Sage Makerだけは勉強する。
特に、
Q1 ： Amazon Sage Maker Pipe モード
Q8 ： Amazon Sage Maker Linear Learner algorithm
Q10 ： Amazon Sage Maker Object2Vec

それ以外は、DeepLearning G検定の知識で突撃しよう！

@@@

出題範囲
https://d1.awsstatic.com/training-and-certification/docs-ml/AWS%20Certified%20Machine%20Learning%20-%20Specialty%20Exam%20Guide%20001%20v1.1%20JPN.pdf

出題範囲

分野 1: データエンジニアリング
　1.1 機械学習のデータリポジトリの作成。
　1.2 データ収集ソリューションの特定と実装。
　1.3 データ変換ソリューションの特定と実装。
分野 2: 探索的データ解析
　2.1 モデリングのためのデータのサニタイズと準備。
　2.2 特徴エンジニアリングの実施。
　2.3 機械学習用データの分析と視覚化。
分野 3: モデリング
　3.1 ビジネス上の課題を機械学習の課題として捉え直す。
　3.2 特定の機械学習の課題に対する適切なモデルの選択。
　3.3 機械学習モデルのトレーニング。
　3.4 ハイパーパラメータの最適化の実施。
　3.5 機械学習モデルの評価。
分野 4: 機械学習の実装と運用
　4.1 パフォーマンス、可用性、拡張性、回復性、フォールトトレランスを備えた機械学習ソリューションの構築。
　4.2 特定の課題に対応する適切な機械学習サービスおよび機能の推奨と実装。
　4.3 機械学習ソリューションへの基本的な AWS のセキュリティプラクティスの適用。
　4.4 機械学習ソリューションの展開と運用の実現。