SlideShare une entreprise Scribd logo
1  sur  64
Generating PowerPoint slides
Non-manually using R
Rでパワーポイントのスライドを手作業せずにつくりたい
第84回 R勉強会@オンライン(#TokyoR)
?誰
臨床検査事業 の なかのひと
?専門
遊牧@モンゴル(生態学/環境科学)
▼
臨床検査事業の研究所(データを縦にしたり横にしたりするしごと)
1cm
@kato_kohaku
「パワポでくれ」と言われたら
分析結果→レポーティングの風景像
 分析後にパワポを作りなおすの面倒…
 自動化したい
 報告のプレゼンしないと…
 スライド準備しないと…
×100
コピペ汚染
高橋康介『R Markdownで楽々レポートづくり』 gihyo.jp 2015年5月8日
http://gihyo.jp/admin/serial/01/r-markdown/0001?page=2
• 過誤
• コピペすべきデータや場所を間違えてしまう
• 不毛
• 大量の図・表・出力があった場合,コピペが大変。
• データやログの差し替えがあった場合,同じコピペを一から繰り返す必要がある
• 迷子
• あのデータ、どこにいった?
• どのスクリプトを使ったっけ?
• たとえば「この図の出力に使った解析アルゴリズムを教えて欲しい」と言われても,レポートからスクリプトはト
レースできません。
RによるPowerPoint資料の自動生成
1. RmarkdownをRstudioでknit
• ひととおりのプレゼンスライド生成と、ある程度のカスタマイズは可能
• スライド生成が簡単にできる
2. {export} package
• Rの図表オブジェクトを、パーツとしてスライドに出力する
• PPT以外の出力も含めて操作が簡単なかわり、自由度はあまりない
• CRAN凍結中
3. {officer} package
• かなり自由にプレゼンスライド生成の生成と編集が可能
「パワポでくれ」と言われたら
To Get ALL Resources
Please see my GitHub repos.:
• https://github.com/katokohaku/powerpoint_with_officer
• このスライドも自動生成できたらよかった…
Rmarkdown を Rstudio で knit (1)
① File → New File → R Markdown
② Presentation → ☑ PowerPoint
③ Knit▼ → Knit to PowerPoint
パワポを作りたい①
① ②
Rmarkdown を Rstudio で knit (2)
③ Knit▼ → Knit to PowerPoint
パワポを作りたい①
③
Rmarkdown を Rstudio で knit (3)
パワポを作りたい①
• デフォルトのテンプレートが割とよく出来ているので、これを修正するだけでも結構何とかなる。
{export} package
• 図表オブジェクトを、様々なファイル形式で出力してくれる(だった)
• {officer}のアップデートに対応してないためCRAN凍結中。
• 上記の理由で旧バージョンを入れても動作しない。
パワポを作りたい②
1. 基本的な考え方と手順
2. つかってみる:テキスト・図表のスライドへの埋め込み
3. PowerPointの構造 ~ レイアウトとプレースホルダ
4. レイアウトにあわせたテンプレートの作成
5. 自分で作ったスライド用のテンプレートを作る
本日の話題
{officer} packageを使った 柔軟なスライド生成
パッケージ構成
{officer} packageを使ったPowerPointの生成
パッケージ構成
{officer} packageを使ったPowerPointの生成
プレゼンテーションの作成
スライドに設置できる
コンテンツの種類
コンテンツの
設置先の指定
操作中のスライドの
構成情報の取得
スライド・プレースホルダの
操作
PowerPointの構造
スライドマスター
• すべてのレイアウトのスライドに、共通した設定を行う仕組み
レイアウト
• スライド上のプレースホルダを様々なパターンで配置した集合
• 各スライド上の、プレースホルダの配置や書式に一貫性を保証するための
仕組み
プレースホルダ
• スライドレイアウト上に配置されている、コンテンツを配置するための枠
PowerPointの用語
PowerPointの構造
PowerPointの用語
スライドマスター1
レイアウトA
レイアウトB
プレースホルダ①
プレースホルダ②
表示 → スライドマスター 、から確認
プレースホルダ①
プレースホルダ②
参考図書
https://gihyo.jp/book/2017/978-4-7741-9183-6
 Chapter6 レイアウトのセオリー
基本手順
{officer} packageを使ったPowerPointの生成
プレゼンレーションの初期化
read_pptx()
スライドの追加
add_slide()
コンテンツの設置
ph_with()
コンテンツの設置先の指定
ph_location**
プレゼンレーションの出力
print(..., target = “XX.pptx)
必須の操作
スライドの作成・編集
設置するコンテンツの指定
図表・テキスト等のオブジェクト
基本的には、
追加したスライド上で
プレースホルダにコンテンツを設置
の繰り返し
基本操作
{officer} packageを使う
基本操作
{officer} packageを使う
基本操作:Pipe-chain friendly
{officer} packageを使う
(参考) 既存のテーマをつかう
初期化ファイルの指定
{officer} packageを使う
1. 基本的な考え方と手順
2. つかってみる:テキスト・図表のスライドへの埋め込み
3. PowerPointの構造 ~ レイアウトとプレースホルダ
4. レイアウトにあわせたテンプレートの作成
5. 自分で作ったスライド用のテンプレートを作る
本日の話題
{officer} packageを使った 柔軟なスライド生成
いろいろなコンテンツの設置
• スライド %>% ph_with(オブジェクト, 場所の指定) が基本操作
• 様々なオブジェクトを埋め込める
• テキストやベクトル
• data.frame
• flextable
• 画像ファイル
• ggplot
• editable graphics
• 書式のカスタマイズ
テキスト や ベクトル
• スライド %>% ph_with(オブジェクト, プレースホルダの指定) が基本操作
いろいろなコンテンツの設置
value location
テキスト や ベクトル
• スライド %>% ph_with(オブジェクト, プレースホルダの指定) が基本操作
いろいろなコンテンツの設置
value location
data.frame
いろいろなコンテンツの設置
flextable
いろいろなコンテンツの設置
画像ファイル
いろいろなコンテンツの設置
ggplot
いろいろなコンテンツの設置
ggplot
いろいろなコンテンツの設置
ggplot
• スライド全体に拡大もできる
いろいろなコンテンツの設置
editable graphics
• ggplotオブジェクト + rvg::dml() で、編集可能なオブジェクトが埋め込める
• R Graphics Devices for Vector Graphics Output for DrawingML plotting in Powerpoint
• 生成したXMLのレンダリングに ph_with() を必要とするため、実質的にofficerの専属パッケージ
いろいろなコンテンツの設置
editable graphics
• ggplotオブジェクト + rvg::dml() で、編集可能なオブジェクトが埋め込める
• R Graphics Devices for Vector Graphics Output for DrawingML plotting in Powerpoint
• 生成したXMLのレンダリングに ph_with() を必要とするため、実質的にofficerの専属パッケージ
いろいろなコンテンツの設置
グループ化
を解除
段落・書式のカスタマイズ
いろいろなコンテンツの設置
いろいろな組み合わせ
• プレースホルダのカスタマイズによって、スライド上に任意のレイアウトを作成できる →この資料の後半で解説
• ファイルとして保存して読み込むことで、テンプレートとしても使用できる
1. 基本的な考え方と手順
2. つかってみる:テキスト・図表のスライドへの埋め込み
3. PowerPointの構造 ~ レイアウトとプレースホルダ
4. レイアウトにあわせたテンプレートの作成
5. 自分で作ったスライド用のテンプレートを作る
本日の話題
{officer} packageを使った 柔軟なスライド生成
PowerPointの構造
PowerPointの用語
スライドマスター1
レイアウトA
レイアウトB
プレースホルダ①
プレースホルダ②
表示 → スライドマスター 、から確認
プレースホルダ①
プレースホルダ②
基本手順+オプション
{officer} packageを使ったPowerPointの生成
プレゼンレーションの初期化
read_pptx()
スライドの追加
add_slide()
コンテンツの設置
ph_with()
パラグラフ・書式の修飾
fpar(), ftext()
コンテンツの設置先の指定
ph_location**
プレゼンレーションの出力
print(..., target = “XX.pptx)
スライドの操作
*_slide()
プレースホルダの操作
ph_**()
必須の操作
オプションの操作
スライドの作成・編集
スライドの構成情報を
確認しながら作業
設置するコンテンツの指定
図表・テキスト等のオブジェクト
スライドマスター・レイアウトの指定
既存のPowerPointファイルの指定
レイアウトとプレースホルダ(1)
• スライドレイアウトごとに、プレースホルダの配置が異なる
• Officerパッケージに用意されているデフォルトテンプレートファイルは、以下のようなレイアウト構成
レイアウトとプレースホルダ(2)
• レイアウト上のプレースホルダ配置の確認
プレースホルダのタイプ プレースホルダのラベル名
プレースホルダの
位置とサイズ
レイアウトとプレースホルダ(2)
• レイアウト上のプレースホルダ配置の確認
プレースホルダの指定(1)
• プレースホルダを含むスライドを追加する
プレースホルダの指定(2)
• レイアウト上のプレースホルダの指定には、タイプ・ラベル名・位置を指定する方法がある
プレースホルダの
位置とサイズ
ph_location_type() :設置先のプレースホルダのタイプを指定
ph_location_label() :設置先のプレースホルダのラベル名を指定
ph_location_fullsize() :スライドのサイズに合わせる
ph_location_left() :”TwoContent”レイアウト用(左)
ph_location_right() :”TwoContent”レイアウト用(右)
ph_location() :新しいプレースホルダを追加する
プレースホルダのタイプ プレースホルダのラベル名
タイプで指定
• ph_location_type()で、プレースホルダのタイプを指定する
• レイアウト内に同じタイプのプレースホルダが複数あった場合、いちばん小さいインデクスに設置される
プレースホルダの指定
タイプで指定
• ph_location_type()で、プレースホルダのタイプを指定する
• レイアウト内に同じタイプのプレースホルダが複数あった場合、いちばん小さいインデクスに設置される
プレースホルダの指定
ラベル名で指定
• ph_location_type() の仕様上、‘body’, ‘title’, ‘ctrTitle’, ‘subTitle’, ‘dt’, ‘ftr’, ‘sldNum’ 以外のタイプをサポートしない
→ それ以外のプレースホルダは、ph_location_label() や ph_location () で指定する
• ph_location_label()で、プレースホルダのラベル名を指定する
• レイアウト内に同じラベル名のプレースホルダが複数あった場合、いちばん小さいインデクスに設置される
プレースホルダの指定
スライドのサイズに合わせる
• ph_location_fullsize() で指定する
プレースホルダの指定
二段組みレイアウト専用
• ph_location_left() と ph_location_right() で左右のコンテンツを指定できる
プレースホルダの指定
任意の位置サイズのプレースホルダの作成
• ph_location() で、新しいプレースホルダの設置位置・サイズ・背景色・回転角を指定できる
プレースホルダの指定
任意の位置サイズのプレースホルダの作成
• プレースホルダのカスタマイズによって、スライド上に任意のレイアウトを作成できる
• ファイルとして保存して読み込むことで、テンプレートとしても使用できる
1. 基本的な考え方と手順
2. つかってみる:テキスト・図表のスライドへの埋め込み
3. PowerPointの構造 ~ レイアウトとプレースホルダ
4. レイアウトにあわせたテンプレートの作成
5. 自分で作ったスライド用のテンプレートを作る
本日の話題
{officer} packageを使った 柔軟なスライド生成
特定のレイアウトのテンプレート化(1)
• 特定のレイアウトのスライドを自動生成したい
• 特定のレイアウトのすべてのプレースホルダにアクションを定義すればよい
特定のレイアウトのテンプレート化(2)
• 特定のレイアウトのスライドを自動生成したい
• 特定のレイアウトのすべてのプレースホルダにアクションを定義すればよい
各プレースホルダに対応するコンテンツ
各プレースホルダに対応するアクション
特定のレイアウトのテンプレート化(2)
• 特定のレイアウトのスライドを自動生成したい
• 特定のレイアウトのすべてのプレースホルダにアクションを定義すればよい
各プレースホルダに対応するコンテンツ
各プレースホルダに対応するアクション
特定のレイアウトのテンプレート関数化(3)
• 特定のレイアウトのスライドを自動生成したい
• 特定のレイアウトのすべてのプレースホルダにアクションを定義すればよい
• プレースホルダとオブジェクトのペアで、コンパクトにスライドを作りたい。
各プレースホルダに対応するコンテンツ
各プレースホルダに対応するアクション
特定のレイアウトのテンプレート関数化(3)
• 特定のレイアウトのスライドを自動生成したい
• 特定のレイアウトのすべてのプレースホルダにアクションを定義すればよい
• プレースホルダとオブジェクトのペアで関数化してコンパクトに。
1. 基本的な考え方と手順
2. つかってみる:テキスト・図表のスライドへの埋め込み
3. PowerPointの構造 ~ レイアウトとプレースホルダ
4. レイアウトにあわせたテンプレートの作成
5. 自分で作ったスライド用のテンプレートを作る
本日の話題
{officer} packageを使った 柔軟なスライド生成
レイアウトのカスタマイズ(0)
1. 表示 → スライドマスター → レイアウトの挿入 → プレースホルダの挿入
2. ホーム → 選択 → オブジェクトの選択と表示
• 各プレースホルダーの名前とレイアウトの名前を重複しないように変更
3. スライドマスター → マスター表示を閉じる → ファイル → 保存
ラベル名が重複しないように設定する
カスタマイズしたレイアウトをテンプレート化(1)
• 特定のレイアウトのスライドを自動生成したい
• 特定のレイアウトのすべてのプレースホルダにアクションを定義したい
このレイアウトには、
同じtypeのプレースホルダが複数ある
重複していないラベル名を使って
プレースホルダーを識別・指定すればよい
カスタマイズしたレイアウトをテンプレート化(2)
• 特定のレイアウトのスライドを自動生成したい
• 特定のレイアウトのすべてのプレースホルダにアクションを定義すればよい
各プレースホルダに対応するコンテンツ
各プレースホルダに対応するアクション
カスタマイズしたレイアウトをテンプレート化(2)
• 特定のレイアウトのスライドを自動生成したい
• 特定のレイアウトのすべてのプレースホルダにアクションを定義すればよい
各プレースホルダに対応するコンテンツ
各プレースホルダに対応するアクション
カスタマイズしたレイアウトをテンプレート関数化(2)
• 特定のレイアウトのスライドを自動生成したい
• 特定のレイアウトのすべてのプレースホルダにアクションを定義すればよい
• プレースホルダとオブジェクトのペアで、コンパクトにスライドを作りたい。
各プレースホルダに対応するコンテンツ
各プレースホルダに対応するアクション
カスタマイズしたレイアウトをテンプレート化(2)
• 作成したレイアウトのスライドを自動生成したい
• 特定のレイアウトのすべてのプレースホルダにアクションを定義すればよい
• プレースホルダとオブジェクトのペアで関数化してコンパクトに。
参考
Rmarkdown を Rstudio で knit
• Rendering PowerPoint Presentations with Rstudio
• https://support.rstudio.com/hc/en-us/articles/360004672913-Rendering-PowerPoint-Presentations-with-RStudio
• RStudioとRMarkdownで作るPowerPointプレゼンテーション
• https://qiita.com/nozma/items/bbd681490b2aaaf9ec93
•
{export} package
• Rで作成した図表を「パワポでくれ」と言われた時の対処法
• https://kato-kohaku-0.hatenablog.com/entry/2019/12/19/222429
•
{officer} package
• PowerPoint presentations generation @official
• https://davidgohel.github.io/officer/articles/offcran/powerpoint.html
• Function reference
• https://davidgohel.github.io/officer/reference/index.html
References

Contenu connexe

Tendances

確率モデルを用いた3D点群レジストレーション
確率モデルを用いた3D点群レジストレーション確率モデルを用いた3D点群レジストレーション
確率モデルを用いた3D点群レジストレーションKenta Tanaka
 
異常検知と変化検知 9章 部分空間法による変化点検知
異常検知と変化検知 9章 部分空間法による変化点検知異常検知と変化検知 9章 部分空間法による変化点検知
異常検知と変化検知 9章 部分空間法による変化点検知hagino 3000
 
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法Nagi Teramo
 
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展Shiga University, RIKEN
 
最適化超入門
最適化超入門最適化超入門
最適化超入門Takami Sato
 
C++ Template Meta Programming の紹介@社内勉強会
C++ Template Meta Programming の紹介@社内勉強会C++ Template Meta Programming の紹介@社内勉強会
C++ Template Meta Programming の紹介@社内勉強会Akihiko Matuura
 
異常検知と変化検知 第4章 近傍法による異常検知
異常検知と変化検知 第4章 近傍法による異常検知異常検知と変化検知 第4章 近傍法による異常検知
異常検知と変化検知 第4章 近傍法による異常検知Ken'ichi Matsui
 
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情Yuta Kikuchi
 
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII
 
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fieldscvpaper. challenge
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布についてHiroshi Shimizu
 
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)Yoshitake Takebayashi
 
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)Haruka Ozaki
 
RのffとbigmemoryとRevoScaleRとを比較してみた
RのffとbigmemoryとRevoScaleRとを比較してみたRのffとbigmemoryとRevoScaleRとを比較してみた
RのffとbigmemoryとRevoScaleRとを比較してみたKazuya Wada
 
主成分分析(Pca)
主成分分析(Pca)主成分分析(Pca)
主成分分析(Pca)Shushi Namba
 
基礎からのベイズ統計学第5章
基礎からのベイズ統計学第5章基礎からのベイズ統計学第5章
基礎からのベイズ統計学第5章hiro5585
 
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知Yuya Takashina
 
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定Akira Masuda
 

Tendances (20)

確率モデルを用いた3D点群レジストレーション
確率モデルを用いた3D点群レジストレーション確率モデルを用いた3D点群レジストレーション
確率モデルを用いた3D点群レジストレーション
 
異常検知と変化検知 9章 部分空間法による変化点検知
異常検知と変化検知 9章 部分空間法による変化点検知異常検知と変化検知 9章 部分空間法による変化点検知
異常検知と変化検知 9章 部分空間法による変化点検知
 
Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法Rで学ぶ逆変換(逆関数)法
Rで学ぶ逆変換(逆関数)法
 
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
構造方程式モデルによる因果推論: 因果構造探索に関する最近の発展
 
最適化超入門
最適化超入門最適化超入門
最適化超入門
 
C++ Template Meta Programming の紹介@社内勉強会
C++ Template Meta Programming の紹介@社内勉強会C++ Template Meta Programming の紹介@社内勉強会
C++ Template Meta Programming の紹介@社内勉強会
 
異常検知と変化検知 第4章 近傍法による異常検知
異常検知と変化検知 第4章 近傍法による異常検知異常検知と変化検知 第4章 近傍法による異常検知
異常検知と変化検知 第4章 近傍法による異常検知
 
最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情最近のDeep Learning (NLP) 界隈におけるAttention事情
最近のDeep Learning (NLP) 界隈におけるAttention事情
 
Rcppのすすめ
RcppのすすめRcppのすすめ
Rcppのすすめ
 
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
 
【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields【メタサーベイ】Neural Fields
【メタサーベイ】Neural Fields
 
負の二項分布について
負の二項分布について負の二項分布について
負の二項分布について
 
第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)第4回DARM勉強会 (構造方程式モデリング)
第4回DARM勉強会 (構造方程式モデリング)
 
FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)FDRの使い方 (Kashiwa.R #3)
FDRの使い方 (Kashiwa.R #3)
 
RのffとbigmemoryとRevoScaleRとを比較してみた
RのffとbigmemoryとRevoScaleRとを比較してみたRのffとbigmemoryとRevoScaleRとを比較してみた
RのffとbigmemoryとRevoScaleRとを比較してみた
 
主成分分析(Pca)
主成分分析(Pca)主成分分析(Pca)
主成分分析(Pca)
 
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM) 一般化線形モデル (GLM) & 一般化加法モデル(GAM)
一般化線形モデル (GLM) & 一般化加法モデル(GAM)
 
基礎からのベイズ統計学第5章
基礎からのベイズ統計学第5章基礎からのベイズ統計学第5章
基礎からのベイズ統計学第5章
 
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知
 
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
 

Similaire à How to generate PowerPoint slides Non-manually using R

Python による 「スクレイピング & 自然言語処理」入門
Python による 「スクレイピング & 自然言語処理」入門Python による 「スクレイピング & 自然言語処理」入門
Python による 「スクレイピング & 自然言語処理」入門Tatsuya Tojima
 
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識Katsuhiro Morishita
 
R超入門機械学習をはじめよう
R超入門機械学習をはじめようR超入門機械学習をはじめよう
R超入門機械学習をはじめよう幹雄 小川
 
Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)Kenta Oono
 
アジャイルソフトウェア開発の道具箱
アジャイルソフトウェア開発の道具箱アジャイルソフトウェア開発の道具箱
アジャイルソフトウェア開発の道具箱Koichi ITO
 
ドキュメンテーションを加速するストレスフリーの作図ツール『blockdiag』 jus2011年6月勉強会
ドキュメンテーションを加速するストレスフリーの作図ツール『blockdiag』 jus2011年6月勉強会ドキュメンテーションを加速するストレスフリーの作図ツール『blockdiag』 jus2011年6月勉強会
ドキュメンテーションを加速するストレスフリーの作図ツール『blockdiag』 jus2011年6月勉強会Takayuki Shimizukawa
 
pythonでオフィス快適化計画
pythonでオフィス快適化計画pythonでオフィス快適化計画
pythonでオフィス快適化計画Kazufumi Ohkawa
 
160705-03 RTミドルウエア講習会・名城大
160705-03 RTミドルウエア講習会・名城大160705-03 RTミドルウエア講習会・名城大
160705-03 RTミドルウエア講習会・名城大openrtm
 
Chainerで学ぶdeep learning
Chainerで学ぶdeep learningChainerで学ぶdeep learning
Chainerで学ぶdeep learningRetrieva inc.
 
Python × Herokuで作る 雑談slack bot
Python × Herokuで作る 雑談slack botPython × Herokuで作る 雑談slack bot
Python × Herokuで作る 雑談slack botdcubeio
 
dots. 7/7 DSWBハンズオン資料
dots. 7/7 DSWBハンズオン資料dots. 7/7 DSWBハンズオン資料
dots. 7/7 DSWBハンズオン資料s. kaijima
 
ピクサー USD 入門 新たなコンテンツパイプラインを構築する
ピクサー USD 入門 新たなコンテンツパイプラインを構築するピクサー USD 入門 新たなコンテンツパイプラインを構築する
ピクサー USD 入門 新たなコンテンツパイプラインを構築するTakahito Tejima
 
Visual Studio による開発環境・プログラミングの進化
Visual Studio による開発環境・プログラミングの進化Visual Studio による開発環境・プログラミングの進化
Visual Studio による開発環境・プログラミングの進化Fujio Kojima
 
ビビッド・パワポ・オペレーションβ ~エンジニアのための、ゆるふわパワポ術~(qpstudy 2013.01 LT)
ビビッド・パワポ・オペレーションβ ~エンジニアのための、ゆるふわパワポ術~(qpstudy 2013.01 LT)ビビッド・パワポ・オペレーションβ ~エンジニアのための、ゆるふわパワポ術~(qpstudy 2013.01 LT)
ビビッド・パワポ・オペレーションβ ~エンジニアのための、ゆるふわパワポ術~(qpstudy 2013.01 LT)Masahito Zembutsu
 
Data Scientist Workbench - dots0729
Data Scientist Workbench - dots0729Data Scientist Workbench - dots0729
Data Scientist Workbench - dots0729s. kaijima
 
デ部会 プロトタイプ
デ部会 プロトタイプデ部会 プロトタイプ
デ部会 プロトタイプNobuhiko Futagami
 
2015-10-31 クラウドネイティヴ時代の運用を考える 〜 ドキュメント駆動運用へ
2015-10-31 クラウドネイティヴ時代の運用を考える  〜 ドキュメント駆動運用へ2015-10-31 クラウドネイティヴ時代の運用を考える  〜 ドキュメント駆動運用へ
2015-10-31 クラウドネイティヴ時代の運用を考える 〜 ドキュメント駆動運用へOperation Lab, LLC.
 

Similaire à How to generate PowerPoint slides Non-manually using R (20)

Python による 「スクレイピング & 自然言語処理」入門
Python による 「スクレイピング & 自然言語処理」入門Python による 「スクレイピング & 自然言語処理」入門
Python による 「スクレイピング & 自然言語処理」入門
 
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
 
R超入門機械学習をはじめよう
R超入門機械学習をはじめようR超入門機械学習をはじめよう
R超入門機械学習をはじめよう
 
Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)Introduction to Chainer (LL Ring Recursive)
Introduction to Chainer (LL Ring Recursive)
 
アジャイルソフトウェア開発の道具箱
アジャイルソフトウェア開発の道具箱アジャイルソフトウェア開発の道具箱
アジャイルソフトウェア開発の道具箱
 
はじめての「R」
はじめての「R」はじめての「R」
はじめての「R」
 
ドキュメンテーションを加速するストレスフリーの作図ツール『blockdiag』 jus2011年6月勉強会
ドキュメンテーションを加速するストレスフリーの作図ツール『blockdiag』 jus2011年6月勉強会ドキュメンテーションを加速するストレスフリーの作図ツール『blockdiag』 jus2011年6月勉強会
ドキュメンテーションを加速するストレスフリーの作図ツール『blockdiag』 jus2011年6月勉強会
 
Why python
Why pythonWhy python
Why python
 
pythonでオフィス快適化計画
pythonでオフィス快適化計画pythonでオフィス快適化計画
pythonでオフィス快適化計画
 
160705-03 RTミドルウエア講習会・名城大
160705-03 RTミドルウエア講習会・名城大160705-03 RTミドルウエア講習会・名城大
160705-03 RTミドルウエア講習会・名城大
 
Chainerで学ぶdeep learning
Chainerで学ぶdeep learningChainerで学ぶdeep learning
Chainerで学ぶdeep learning
 
Python × Herokuで作る 雑談slack bot
Python × Herokuで作る 雑談slack botPython × Herokuで作る 雑談slack bot
Python × Herokuで作る 雑談slack bot
 
dots. 7/7 DSWBハンズオン資料
dots. 7/7 DSWBハンズオン資料dots. 7/7 DSWBハンズオン資料
dots. 7/7 DSWBハンズオン資料
 
ピクサー USD 入門 新たなコンテンツパイプラインを構築する
ピクサー USD 入門 新たなコンテンツパイプラインを構築するピクサー USD 入門 新たなコンテンツパイプラインを構築する
ピクサー USD 入門 新たなコンテンツパイプラインを構築する
 
Visual Studio による開発環境・プログラミングの進化
Visual Studio による開発環境・プログラミングの進化Visual Studio による開発環境・プログラミングの進化
Visual Studio による開発環境・プログラミングの進化
 
ビビッド・パワポ・オペレーションβ ~エンジニアのための、ゆるふわパワポ術~(qpstudy 2013.01 LT)
ビビッド・パワポ・オペレーションβ ~エンジニアのための、ゆるふわパワポ術~(qpstudy 2013.01 LT)ビビッド・パワポ・オペレーションβ ~エンジニアのための、ゆるふわパワポ術~(qpstudy 2013.01 LT)
ビビッド・パワポ・オペレーションβ ~エンジニアのための、ゆるふわパワポ術~(qpstudy 2013.01 LT)
 
Data Scientist Workbench - dots0729
Data Scientist Workbench - dots0729Data Scientist Workbench - dots0729
Data Scientist Workbench - dots0729
 
デ部会 プロトタイプ
デ部会 プロトタイプデ部会 プロトタイプ
デ部会 プロトタイプ
 
Python勉強会 2015-12-02
Python勉強会 2015-12-02Python勉強会 2015-12-02
Python勉強会 2015-12-02
 
2015-10-31 クラウドネイティヴ時代の運用を考える 〜 ドキュメント駆動運用へ
2015-10-31 クラウドネイティヴ時代の運用を考える  〜 ドキュメント駆動運用へ2015-10-31 クラウドネイティヴ時代の運用を考える  〜 ドキュメント駆動運用へ
2015-10-31 クラウドネイティヴ時代の運用を考える 〜 ドキュメント駆動運用へ
 

Plus de Satoshi Kato

Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages. Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages. Satoshi Kato
 
Exploratory data analysis using xgboost package in R
Exploratory data analysis using xgboost package in RExploratory data analysis using xgboost package in R
Exploratory data analysis using xgboost package in RSatoshi Kato
 
How to use in R model-agnostic data explanation with DALEX & iml
How to use in R model-agnostic data explanation with DALEX & imlHow to use in R model-agnostic data explanation with DALEX & iml
How to use in R model-agnostic data explanation with DALEX & imlSatoshi Kato
 
Introduction of inspectDF package
Introduction of inspectDF packageIntroduction of inspectDF package
Introduction of inspectDF packageSatoshi Kato
 
Introduction of featuretweakR package
Introduction of featuretweakR packageIntroduction of featuretweakR package
Introduction of featuretweakR packageSatoshi Kato
 
Genetic algorithm full scratch with R
Genetic algorithm full scratch with RGenetic algorithm full scratch with R
Genetic algorithm full scratch with RSatoshi Kato
 
Intoroduction & R implementation of "Interpretable predictions of tree-based ...
Intoroduction & R implementation of "Interpretable predictions of tree-based ...Intoroduction & R implementation of "Interpretable predictions of tree-based ...
Intoroduction & R implementation of "Interpretable predictions of tree-based ...Satoshi Kato
 
Multiple optimization and Non-dominated sorting with rPref package in R
Multiple optimization and Non-dominated sorting with rPref package in RMultiple optimization and Non-dominated sorting with rPref package in R
Multiple optimization and Non-dominated sorting with rPref package in RSatoshi Kato
 
Deep forest (preliminary ver.)
Deep forest  (preliminary ver.)Deep forest  (preliminary ver.)
Deep forest (preliminary ver.)Satoshi Kato
 
Introduction of "the alternate features search" using R
Introduction of  "the alternate features search" using RIntroduction of  "the alternate features search" using R
Introduction of "the alternate features search" using RSatoshi Kato
 
forestFloorパッケージを使ったrandomForestの感度分析
forestFloorパッケージを使ったrandomForestの感度分析forestFloorパッケージを使ったrandomForestの感度分析
forestFloorパッケージを使ったrandomForestの感度分析Satoshi Kato
 
Oracle property and_hdm_pkg_rigorouslasso
Oracle property and_hdm_pkg_rigorouslassoOracle property and_hdm_pkg_rigorouslasso
Oracle property and_hdm_pkg_rigorouslassoSatoshi Kato
 
Imputation of Missing Values using Random Forest
Imputation of Missing Values using  Random ForestImputation of Missing Values using  Random Forest
Imputation of Missing Values using Random ForestSatoshi Kato
 
Interpreting Tree Ensembles with inTrees
Interpreting Tree Ensembles with  inTreesInterpreting Tree Ensembles with  inTrees
Interpreting Tree Ensembles with inTreesSatoshi Kato
 

Plus de Satoshi Kato (14)

Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages. Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
Dimensionality reduction with t-SNE(Rtsne) and UMAP(uwot) using R packages.
 
Exploratory data analysis using xgboost package in R
Exploratory data analysis using xgboost package in RExploratory data analysis using xgboost package in R
Exploratory data analysis using xgboost package in R
 
How to use in R model-agnostic data explanation with DALEX & iml
How to use in R model-agnostic data explanation with DALEX & imlHow to use in R model-agnostic data explanation with DALEX & iml
How to use in R model-agnostic data explanation with DALEX & iml
 
Introduction of inspectDF package
Introduction of inspectDF packageIntroduction of inspectDF package
Introduction of inspectDF package
 
Introduction of featuretweakR package
Introduction of featuretweakR packageIntroduction of featuretweakR package
Introduction of featuretweakR package
 
Genetic algorithm full scratch with R
Genetic algorithm full scratch with RGenetic algorithm full scratch with R
Genetic algorithm full scratch with R
 
Intoroduction & R implementation of "Interpretable predictions of tree-based ...
Intoroduction & R implementation of "Interpretable predictions of tree-based ...Intoroduction & R implementation of "Interpretable predictions of tree-based ...
Intoroduction & R implementation of "Interpretable predictions of tree-based ...
 
Multiple optimization and Non-dominated sorting with rPref package in R
Multiple optimization and Non-dominated sorting with rPref package in RMultiple optimization and Non-dominated sorting with rPref package in R
Multiple optimization and Non-dominated sorting with rPref package in R
 
Deep forest (preliminary ver.)
Deep forest  (preliminary ver.)Deep forest  (preliminary ver.)
Deep forest (preliminary ver.)
 
Introduction of "the alternate features search" using R
Introduction of  "the alternate features search" using RIntroduction of  "the alternate features search" using R
Introduction of "the alternate features search" using R
 
forestFloorパッケージを使ったrandomForestの感度分析
forestFloorパッケージを使ったrandomForestの感度分析forestFloorパッケージを使ったrandomForestの感度分析
forestFloorパッケージを使ったrandomForestの感度分析
 
Oracle property and_hdm_pkg_rigorouslasso
Oracle property and_hdm_pkg_rigorouslassoOracle property and_hdm_pkg_rigorouslasso
Oracle property and_hdm_pkg_rigorouslasso
 
Imputation of Missing Values using Random Forest
Imputation of Missing Values using  Random ForestImputation of Missing Values using  Random Forest
Imputation of Missing Values using Random Forest
 
Interpreting Tree Ensembles with inTrees
Interpreting Tree Ensembles with  inTreesInterpreting Tree Ensembles with  inTrees
Interpreting Tree Ensembles with inTrees
 

How to generate PowerPoint slides Non-manually using R