Download free for 30 days
Sign in
Upload
Language (EN)
Support
Business
Mobile
Social Media
Marketing
Technology
Art & Photos
Career
Design
Education
Presentations & Public Speaking
Government & Nonprofit
Healthcare
Internet
Law
Leadership & Management
Automotive
Engineering
Software
Recruiting & HR
Retail
Sales
Services
Science
Small Business & Entrepreneurship
Food
Environment
Economy & Finance
Data & Analytics
Investor Relations
Sports
Spiritual
News & Politics
Travel
Self Improvement
Real Estate
Entertainment & Humor
Health & Medicine
Devices & Hardware
Lifestyle
Change Language
Language
English
Español
Português
Français
Deutsche
Cancel
Save
Submit search
EN
Uploaded by
Hiroki Itô
7,137 views
R MarkdownとBeamerでプレゼンテーション資料作成
SappoRo.R #8での発表資料
Data & Analytics
◦
Read more
3
Save
Share
Embed
Embed presentation
Download
Downloaded 20 times
1
/ 27
2
/ 27
3
/ 27
4
/ 27
5
/ 27
6
/ 27
7
/ 27
8
/ 27
9
/ 27
10
/ 27
11
/ 27
12
/ 27
13
/ 27
14
/ 27
15
/ 27
16
/ 27
17
/ 27
18
/ 27
19
/ 27
20
/ 27
21
/ 27
22
/ 27
23
/ 27
24
/ 27
25
/ 27
26
/ 27
27
/ 27
More Related Content
PDF
ブレインパッドにおける機械学習プロジェクトの進め方
by
BrainPad Inc.
PDF
相関と因果について考える:統計的因果推論、その(不)可能性の中心
by
takehikoihayashi
PPTX
変数同士の関連_MIC
by
Shushi Namba
PDF
失敗から学ぶ機械学習応用
by
Hiroyuki Masuda
PPTX
スパース性に基づく機械学習 2章 データからの学習
by
hagino 3000
PDF
機械学習モデルのハイパパラメータ最適化
by
gree_tech
PDF
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
by
Megagon Labs
PDF
非ガウス性を利用した因果構造探索
by
Shiga University, RIKEN
ブレインパッドにおける機械学習プロジェクトの進め方
by
BrainPad Inc.
相関と因果について考える:統計的因果推論、その(不)可能性の中心
by
takehikoihayashi
変数同士の関連_MIC
by
Shushi Namba
失敗から学ぶ機械学習応用
by
Hiroyuki Masuda
スパース性に基づく機械学習 2章 データからの学習
by
hagino 3000
機械学習モデルのハイパパラメータ最適化
by
gree_tech
GiNZAで始める日本語依存構造解析 〜CaboCha, UDPipe, Stanford NLPとの比較〜
by
Megagon Labs
非ガウス性を利用した因果構造探索
by
Shiga University, RIKEN
What's hot
PPTX
MCMCによる回帰分析@ベイズセミナー
by
Takashi Yamane
PDF
機械学習による統計的実験計画(ベイズ最適化を中心に)
by
Kota Matsui
PDF
因果推論の奥へ: "What works" meets "why it works"
by
takehikoihayashi
PDF
機械学習のためのベイズ最適化入門
by
hoxo_m
PPTX
Visual Studio CodeでRを使う
by
Atsushi Hayakawa
PPTX
Curriculum Learning (関東CV勉強会)
by
Yoshitaka Ushiku
PDF
目で見る過学習と正則化
by
y-uti
PDF
Stanの便利な事後処理関数
by
daiki hojo
PDF
構造方程式モデルによる因果探索と非ガウス性
by
Shiga University, RIKEN
PPTX
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
by
Kosuke Shinoda
PPTX
backbone としての timm 入門
by
Takuji Tahara
PPTX
機械学習を用いた異常検知入門
by
michiaki ito
PDF
階層ベイズと自由エネルギー
by
Hiroshi Shimizu
PDF
『バックドア基準の入門』@統数研研究集会
by
takehikoihayashi
PDF
Prophet入門【理論編】Facebookの時系列予測ツール
by
hoxo_m
PDF
統計的係り受け解析入門
by
Yuya Unno
PPTX
ベイズファクターとモデル選択
by
kazutantan
PDF
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
by
Takami Sato
PDF
[DL輪読会]Energy-based generative adversarial networks
by
Deep Learning JP
PDF
因果探索: 基本から最近の発展までを概説
by
Shiga University, RIKEN
MCMCによる回帰分析@ベイズセミナー
by
Takashi Yamane
機械学習による統計的実験計画(ベイズ最適化を中心に)
by
Kota Matsui
因果推論の奥へ: "What works" meets "why it works"
by
takehikoihayashi
機械学習のためのベイズ最適化入門
by
hoxo_m
Visual Studio CodeでRを使う
by
Atsushi Hayakawa
Curriculum Learning (関東CV勉強会)
by
Yoshitaka Ushiku
目で見る過学習と正則化
by
y-uti
Stanの便利な事後処理関数
by
daiki hojo
構造方程式モデルによる因果探索と非ガウス性
by
Shiga University, RIKEN
PyTorchLightning ベース Hydra+MLFlow+Optuna による機械学習開発環境の構築
by
Kosuke Shinoda
backbone としての timm 入門
by
Takuji Tahara
機械学習を用いた異常検知入門
by
michiaki ito
階層ベイズと自由エネルギー
by
Hiroshi Shimizu
『バックドア基準の入門』@統数研研究集会
by
takehikoihayashi
Prophet入門【理論編】Facebookの時系列予測ツール
by
hoxo_m
統計的係り受け解析入門
by
Yuya Unno
ベイズファクターとモデル選択
by
kazutantan
NIPS2017読み会 LightGBM: A Highly Efficient Gradient Boosting Decision Tree
by
Takami Sato
[DL輪読会]Energy-based generative adversarial networks
by
Deep Learning JP
因果探索: 基本から最近の発展までを概説
by
Shiga University, RIKEN
More from Hiroki Itô
PDF
ggplot2をつかってみよう
by
Hiroki Itô
PDF
Stanとdlmによる状態空間モデル
by
Hiroki Itô
PDF
Dealing with latent discrete parameters in Stan
by
Hiroki Itô
PDF
里山とは何か?
by
Hiroki Itô
PDF
Rパッケージ“KFAS”を使った時系列データの解析方法
by
Hiroki Itô
PDF
Satoyama woodland management
by
Hiroki Itô
PDF
状態空間モデルの実行方法と実行環境の比較
by
Hiroki Itô
ggplot2をつかってみよう
by
Hiroki Itô
Stanとdlmによる状態空間モデル
by
Hiroki Itô
Dealing with latent discrete parameters in Stan
by
Hiroki Itô
里山とは何か?
by
Hiroki Itô
Rパッケージ“KFAS”を使った時系列データの解析方法
by
Hiroki Itô
Satoyama woodland management
by
Hiroki Itô
状態空間モデルの実行方法と実行環境の比較
by
Hiroki Itô
R MarkdownとBeamerでプレゼンテーション資料作成
1.
R MarkdownとBeamerで プレゼンテーション資料作成 SappoRo.R #8
@ 北海学園大学 伊東宏樹 2018-02-24
2.
自己紹介 森林の研究をしています。 Twitter: @monotropastrum researchmap: https://researchmap.jp/read0208767/ GitHub:
https://github.com/ito4303 この発表資料のファイル一式 https://github.com/ito4303/SappoRoR8
3.
かかわっているプロジェクト “Bayesian Population Analysis
using WinBUGS” の Stan 移植 https://github.com/stan-dev/example-models/tree/master/BPA 原本の日本語訳:『BUGS で学ぶ階層モデリング入門—個体群のベイ ズ解析』(飯島勇人・伊東宏樹・深谷肇一・正木隆訳, 共立出版) Stan マニュアルの日本語への翻訳プロジェクト https://github.com/stan-ja/stan-ja
4.
ありがとうぞうさん SappoRo.R #6: R
Markdown によるスライド生成(前田さん) http://kazutan.github.io/SappoRoR6/rmd_slide.html
5.
その後 revealjs をためてしてみた。
6.
その後 revealjs をためてしてみた。 なかなかよかった。
7.
その後 revealjs をためてしてみた。 なかなかよかった。 次は R
Markdown + Beamer でやってみよう。
8.
Beamer とは LATEX でプレゼンテーションファイル
(PDF) を作 成するパッケージ
9.
R Markdown +
Beamer RStudio で,R Markdown を新規に作成するときに,Beamer で プレゼンテーションファイルを作成するオプションあり。
10.
なぜ R Markdown
+ Beamer RStudioだけで,数式も,Rコードも, グラフもすべて完結。
11.
用意したもの RStudio TeXLive 2017 (MacTeX
2017)
12.
使用方法 ふつうに R Markdown RStudio
で,下のようにかいていく。 # タイトル 内容 内容 :
13.
yaml ヘッダの設定 title: | |
R MarkdownとBeamerで | プレゼンテー ション資料作成 subtitle: "SappoRo.R #8 @ 北海学園大学" author: "伊東宏樹" date: "2018-02-24" output: beamer_presentation: theme: default # テーマ latex_engine: lualatex # lualatexを使用 keep_tex: true # texソースをのこす includes: in_header: header.tex # header.texをよみこむ fig_caption: false title 中の改行は ‘|’ をいれる。(https://stackoverflow.com/questions/ 28895109/how-can-i-force-a-line-break-in-rmarkdowns-title)
14.
欧文フォントの設定 in_header で指定したファイルで設定。 usefonttheme[onlymath]{serif} usepackage[T1]{fontenc} usepackage{textcomp} usepackage[scale=1.0]{tgheros} %
Sans serif font usepackage[scaled]{beramono} % Monospace font fontenc パッケージを使用するようにした。 luatex 使用の場合,デフォルトの beamer テンプレートで fontspec パッ ケージが呼ばれるが,そうすると upquote パッケージが有効にならず, コードチャンク中の二重引用符が「"」ではなく「”」になってしまうよ うだ。
15.
日本語フォントの設定 日本語フォントの設定は欧文フォントとは別になっている。 この資料では,in-header で指定したファイル内で,以下のよう に設定した(Noto フォント使用)。 usepackage{luatexja-otf} usepackage[match,deluxe,expert,noto-otf]{luatexja- preset} renewcommand{kanjifamilydefault}{gtdefault}
16.
luatexja の設定 luatexja の公式ドキュメントがくわしい(当然)。 コマンドラインから
texdoc luatexja または http://mirrors.ctan.org/macros/luatex/generic/luatexja/doc/ luatexja-ja.pdf
17.
fragile 関係のエラー fancyvrb パッケージの
Verbatim 環境や,listings パッケージの lstlisting 環境をつかうと, ! Illegal parameter number in definition of beamer@doifinframe. ! Missing endcsname inserted. といったエラーが出る場合がある。 解決法: タイトルのあとに{.fragile}をつける。 # タイトル{.fragile} 内容 内容
18.
数式 LaTeX なので,数式は問題なし。RStudio ではプレビューも表示 される。 [ Pr(x
mid mu, sigma) = frac{1}{sqrt{2pi}sigma} expleft(-frac{(x - mu)^2}{2sigma^2}right) ] Pr(x | µ, σ) = 1 √ 2πσ exp − (x − µ)2 2σ2
19.
R でグラフ R なので,グラフも。 しかし,デフォルトでは
はみでる。 p <- ggplot(iris, aes(Sepal.Length, Sepal.Width, colour = Species)) + geom_point() print(p) 3.0 3.5 4.0 4.5 Sepal.Width Species setosa versicolor virginica
20.
チャンクでのオプション指定 ドキュメントをみる。 knitr > Chunk
options and package options (Yihui Xie さん) https://yihui.name/knitr/options/#plots
21.
サイズ調整 チャンクオプションで fig.width=4,fig.height=2.5 と out.height="5cm"を指定した。 print(p) 2.0 2.5 3.0 3.5 4.0 4.5 5
6 7 8 Sepal.Length Sepal.Width Species setosa versicolor virginica
22.
グラフの日本語フォント チャンクオプションで,dev="cairo_pdf"を指定すると,日本語 フォントの 表示ができる。 spc <-
c("ヒオウギアヤメ", "イリス・ウェルシコロル", "イリス・ヴァージニカ") p + labs(x = "萼の長さ (cm)", y = "萼の幅 (cm)") + scale_colour_discrete(name = "種", labels = spc) + theme_grey(base_family = "NotoSansCJKjp-Regular") 2.0 2.5 3.0 3.5 4.0 4.5 5 6 7 8 萼の長さ(cm) 萼の幅(cm) 種 ヒオウギアヤメ イリス・ウェルシコロル イリス・ヴァージニカ
23.
まとめ CSS の知識があれば,revealjs の方が楽かも。
24.
まとめ CSS の知識があれば,revealjs の方が楽かも。 でも,なんとかなる。
25.
まとめ CSS の知識があれば,revealjs の方が楽かも。 でも,なんとかなる。 ドキュメントをよむ。
26.
まとめ CSS の知識があれば,revealjs の方が楽かも。 でも,なんとかなる。 ドキュメントをよむ。 先人の知恵を活用する。
27.
まとめ CSS の知識があれば,revealjs の方が楽かも。 でも,なんとかなる。 ドキュメントをよむ。 先人の知恵を活用する。 いったん設定ができてしまえば,あとは楽?
Download