SlideShare a Scribd company logo
1 of 27
Download to read offline
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
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
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
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
その後
revealjs をためてしてみた。
その後
revealjs をためてしてみた。
なかなかよかった。
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。
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
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。
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。
用意したもの
RStudio
TeXLive 2017 (MacTeX 2017)
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
:
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)
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。
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}
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
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
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
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
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
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
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
まとめ
CSS の知識があれば,revealjs の方が楽かも。
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。
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。
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。
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?

More Related Content

What's hot

ナレッジグラフ入門
ナレッジグラフ入門ナレッジグラフ入門
ナレッジグラフ入門KnowledgeGraph
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明Satoshi Hara
 
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方Shinagawa Seitaro
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方ychtanaka
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法Hirokatsu Kataoka
 
ナレッジグラフとオントロジー
ナレッジグラフとオントロジーナレッジグラフとオントロジー
ナレッジグラフとオントロジーUniversity of Tsukuba
 
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用Hiroyuki Masuda
 
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門hoxo_m
 
backbone としての timm 入門
backbone としての timm 入門backbone としての timm 入門
backbone としての timm 入門Takuji Tahara
 
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?hoxo_m
 
Bayesian Neural Networks : Survey
Bayesian Neural Networks : SurveyBayesian Neural Networks : Survey
Bayesian Neural Networks : Surveytmtm otm
 
研究分野をサーベイする
研究分野をサーベイする研究分野をサーベイする
研究分野をサーベイするTakayuki Itoh
 
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some PreliminaryDeep Learning JP
 
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learningゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement LearningPreferred Networks
 
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
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
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takehikoihayashi
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有Naoaki Okazaki
 
強化学習その1
強化学習その1強化学習その1
強化学習その1nishio
 
ドメイン適応の原理と応用
ドメイン適応の原理と応用ドメイン適応の原理と応用
ドメイン適応の原理と応用Yoshitaka Ushiku
 
学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版Masahito Ohue
 

What's hot (20)

ナレッジグラフ入門
ナレッジグラフ入門ナレッジグラフ入門
ナレッジグラフ入門
 
機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明機械学習モデルの判断根拠の説明
機械学習モデルの判断根拠の説明
 
AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方AHC-Lab M1勉強会 論文の読み方・書き方
AHC-Lab M1勉強会 論文の読み方・書き方
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
 
CV分野におけるサーベイ方法
CV分野におけるサーベイ方法CV分野におけるサーベイ方法
CV分野におけるサーベイ方法
 
ナレッジグラフとオントロジー
ナレッジグラフとオントロジーナレッジグラフとオントロジー
ナレッジグラフとオントロジー
 
失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用失敗から学ぶ機械学習応用
失敗から学ぶ機械学習応用
 
機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門機械学習のためのベイズ最適化入門
機械学習のためのベイズ最適化入門
 
backbone としての timm 入門
backbone としての timm 入門backbone としての timm 入門
backbone としての timm 入門
 
トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?トピックモデルの評価指標 Perplexity とは何なのか?
トピックモデルの評価指標 Perplexity とは何なのか?
 
Bayesian Neural Networks : Survey
Bayesian Neural Networks : SurveyBayesian Neural Networks : Survey
Bayesian Neural Networks : Survey
 
研究分野をサーベイする
研究分野をサーベイする研究分野をサーベイする
研究分野をサーベイする
 
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
【DL輪読会】The Forward-Forward Algorithm: Some Preliminary
 
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learningゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
ゼロから始める深層強化学習(NLP2018講演資料)/ Introduction of Deep Reinforcement Learning
 
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
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
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
 
BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装BlackBox モデルの説明性・解釈性技術の実装
BlackBox モデルの説明性・解釈性技術の実装
 
研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有研究室における研究・実装ノウハウの共有
研究室における研究・実装ノウハウの共有
 
強化学習その1
強化学習その1強化学習その1
強化学習その1
 
ドメイン適応の原理と応用
ドメイン適応の原理と応用ドメイン適応の原理と応用
ドメイン適応の原理と応用
 
学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版学振特別研究員になるために~2023年度申請版
学振特別研究員になるために~2023年度申請版
 

Similar to R MarkdownとBeamerでプレゼンテーション資料作成

OSSの敵になるのもいいじゃない
OSSの敵になるのもいいじゃないOSSの敵になるのもいいじゃない
OSSの敵になるのもいいじゃないlestrrat
 
mROSをクラウド/仮想環境に連携させてみる
mROSをクラウド/仮想環境に連携させてみるmROSをクラウド/仮想環境に連携させてみる
mROSをクラウド/仮想環境に連携させてみるHideki Takase
 
オープンソースのETLツール Pentaho Data Integration(PDI)のご紹介_20140906
オープンソースのETLツール Pentaho Data Integration(PDI)のご紹介_20140906オープンソースのETLツール Pentaho Data Integration(PDI)のご紹介_20140906
オープンソースのETLツール Pentaho Data Integration(PDI)のご紹介_20140906Teruo Kawasaki
 
PyCon JP 2016 ビギナーセッション
PyCon JP 2016 ビギナーセッションPyCon JP 2016 ビギナーセッション
PyCon JP 2016 ビギナーセッションTetsuya Morimoto
 
Sphinxを用いたBiopythonチュートリアル翻訳
Sphinxを用いたBiopythonチュートリアル翻訳Sphinxを用いたBiopythonチュートリアル翻訳
Sphinxを用いたBiopythonチュートリアル翻訳Kozo Nishida
 
XMPPクライアント・プログラミング
XMPPクライアント・プログラミングXMPPクライアント・プログラミング
XMPPクライアント・プログラミング隆行 神戸
 
ドキュメントの話、しませんか? #428rk01
ドキュメントの話、しませんか? #428rk01ドキュメントの話、しませんか? #428rk01
ドキュメントの話、しませんか? #428rk01Takeshi Komiya
 

Similar to R MarkdownとBeamerでプレゼンテーション資料作成 (7)

OSSの敵になるのもいいじゃない
OSSの敵になるのもいいじゃないOSSの敵になるのもいいじゃない
OSSの敵になるのもいいじゃない
 
mROSをクラウド/仮想環境に連携させてみる
mROSをクラウド/仮想環境に連携させてみるmROSをクラウド/仮想環境に連携させてみる
mROSをクラウド/仮想環境に連携させてみる
 
オープンソースのETLツール Pentaho Data Integration(PDI)のご紹介_20140906
オープンソースのETLツール Pentaho Data Integration(PDI)のご紹介_20140906オープンソースのETLツール Pentaho Data Integration(PDI)のご紹介_20140906
オープンソースのETLツール Pentaho Data Integration(PDI)のご紹介_20140906
 
PyCon JP 2016 ビギナーセッション
PyCon JP 2016 ビギナーセッションPyCon JP 2016 ビギナーセッション
PyCon JP 2016 ビギナーセッション
 
Sphinxを用いたBiopythonチュートリアル翻訳
Sphinxを用いたBiopythonチュートリアル翻訳Sphinxを用いたBiopythonチュートリアル翻訳
Sphinxを用いたBiopythonチュートリアル翻訳
 
XMPPクライアント・プログラミング
XMPPクライアント・プログラミングXMPPクライアント・プログラミング
XMPPクライアント・プログラミング
 
ドキュメントの話、しませんか? #428rk01
ドキュメントの話、しませんか? #428rk01ドキュメントの話、しませんか? #428rk01
ドキュメントの話、しませんか? #428rk01
 

More from Hiroki Itô

ggplot2をつかってみよう
ggplot2をつかってみようggplot2をつかってみよう
ggplot2をつかってみようHiroki Itô
 
Stanとdlmによる状態空間モデル
Stanとdlmによる状態空間モデルStanとdlmによる状態空間モデル
Stanとdlmによる状態空間モデルHiroki Itô
 
Dealing with latent discrete parameters in Stan
Dealing with latent discrete parameters in StanDealing with latent discrete parameters in Stan
Dealing with latent discrete parameters in StanHiroki Itô
 
里山とは何か?
里山とは何か?里山とは何か?
里山とは何か?Hiroki Itô
 
Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法Hiroki Itô
 
Satoyama woodland management
Satoyama woodland managementSatoyama woodland management
Satoyama woodland managementHiroki Itô
 
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較Hiroki Itô
 

More from Hiroki Itô (7)

ggplot2をつかってみよう
ggplot2をつかってみようggplot2をつかってみよう
ggplot2をつかってみよう
 
Stanとdlmによる状態空間モデル
Stanとdlmによる状態空間モデルStanとdlmによる状態空間モデル
Stanとdlmによる状態空間モデル
 
Dealing with latent discrete parameters in Stan
Dealing with latent discrete parameters in StanDealing with latent discrete parameters in Stan
Dealing with latent discrete parameters in Stan
 
里山とは何か?
里山とは何か?里山とは何か?
里山とは何か?
 
Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法Rパッケージ“KFAS”を使った時系列データの解析方法
Rパッケージ“KFAS”を使った時系列データの解析方法
 
Satoyama woodland management
Satoyama woodland managementSatoyama woodland management
Satoyama woodland management
 
状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較状態空間モデルの実行方法と実行環境の比較
状態空間モデルの実行方法と実行環境の比較
 

R MarkdownとBeamerでプレゼンテーション資料作成