新屋高校 Python 入門講座

# Pythonでの書き方
if age >= 18:
    print("成人です")
else:
    print("成人していません")

def process_uploaded_video(video_file, user_id):
    # 1. 動画ファイルの検証
    if not is_valid_video(video_file):
        return "エラー: 対応していない形式です"
    
    # 2. 複数の解像度に変換
    resolutions = ["720p", "480p", "360p"]
    for resolution in resolutions:
        convert_video(video_file, resolution)
        print(f"{resolution} 版の変換完了！")
    
    # 3. データベースに動画情報を保存
    video_data = {
        "user_id": user_id,
        "title": "新しい動画",
        "upload_time": get_current_time(),
        "views": 0,
        "likes": 0
    }
    save_to_database(video_data)
    
    # 4. AI で自動字幕生成
    subtitle = generate_subtitle_with_ai(video_file)
    
    return "アップロード完了！"

# ユーザーが動画をアップロード
result = process_uploaded_video("my_video.mp4", "user123")
print(result)

# カメラのフィルター
import cv2
import numpy as np

def apply_vintage_filter(image):
    """ヴィンテージ風フィルターを適用"""
    
    # 1. 色調を調整（セピア調に）
    kernel = np.array([[0.272, 0.534, 0.131],
                       [0.349, 0.686, 0.168],
                       [0.393, 0.769, 0.189]])
    
    vintage_image = cv2.transform(image, kernel)
    
    # 2. 明度を下げて古い写真っぽく
    vintage_image = cv2.convertScaleAbs(vintage_image, alpha=0.8, beta=30)
    
    # 3. 周囲を暗くするビネット効果
    rows, cols = image.shape[:2]
    
    # 中心からの距離マップを作成
    X_resultant_kernel = cv2.getGaussianKernel(cols, 200)
    Y_resultant_kernel = cv2.getGaussianKernel(rows, 200)
    
    resultant_kernel = Y_resultant_kernel * X_resultant_kernel.T
    mask = 255 * resultant_kernel / np.linalg.norm(resultant_kernel)
    
    # 3チャンネルに拡張
    mask = np.dstack((mask, mask, mask))
    
    # ビネット効果を適用
    vintage_image = np.uint8(vintage_image * (mask / 255))
    
    return vintage_image

def create_beauty_filter(image):
    """美肌フィルターを適用"""
    
    # 1. 肌をなめらかに（ガウシアンブラー）
    smooth = cv2.GaussianBlur(image, (15, 15), 0)
    
    # 2. 元画像と合成して自然な仕上がりに
    beauty_image = cv2.addWeighted(image, 0.6, smooth, 0.4, 0)
    
    # 3. 明度を少し上げて美白効果
    beauty_image = cv2.convertScaleAbs(beauty_image, alpha=1.1, beta=10)
    
    return beauty_image

# Instagram 風のおすすめシステム
def recommend_posts_for_user(user_id):
    # 1. ユーザーの過去の行動を分析
    user_behavior = get_user_behavior(user_id)
    liked_categories = analyze_likes(user_behavior)
    
    # 2. 似た興味を持つユーザーを見つける
    similar_users = find_similar_users(user_id, liked_categories)
    
    # 3. その人たちがいいねした投稿を取得
    potential_posts = []
    for similar_user in similar_users:
        posts = get_recent_likes(similar_user)
        potential_posts.extend(posts)
    
    # 4. AI でスコアを計算して上位を選択
    scored_posts = []
    for post in potential_posts:
        # 興味度、投稿時間、いいね数などを総合的に判断
        score = calculate_ai_score(post, user_id)
        scored_posts.append((post, score))
    
    # 5. スコア順に並べて上位10件を返す
    recommended = sorted(scored_posts, key=lambda x: x[1], reverse=True)[:10]
    
    return [post for post, score in recommended]

# あなたへのおすすめを生成
recommendations = recommend_posts_for_user("your_user_id")
print(f"あなたにおすすめの投稿が{len(recommendations)}件見つかりました！")

# 画面に文字を表示する
print("Hello, World!")
print("こんにちは、Python の世界！")

# 計算もできます
print(10 + 5)      # 15
print(100 - 30)    # 70

# 変数に値を保存
name = "山田太郎"
age = 16
favorite_subject = "数学"

# 保存した値を使う
print("名前：", name)
print("年齢：", age, "歳")
print("好きな科目：", favorite_subject)

# 計算にも使える
score1 = 85
score2 = 92
average = (score1 + score2) / 2
print("平均点：", average, "点")

# 年齢によって違う対応をする
age = 16

if age >= 18:
    print("大人料金です")
else:
    print("学割が使えます！")

# 点数で評価を決める
score = 85

if score >= 90:
    print("すごい！Aランク！")
elif score >= 70:
    print("良い調子！Bランク")
else:
    print("もう少し頑張ろう")

# 10回挨拶する
for i in range(10):
    print(f"{i + 1}回目：こんにちは！")

# 好きなアーティストのリストを作る
artists = ["YOASOBI", "あいみょん", "Official髭男dism", "米津玄師"]

for artist in artists:
    print(f"♪ {artist} の曲、いいよね！")

from openai import OpenAI
import json


OPENAI_API_KEY = "sk-proj-xxx"
client = OpenAI(api_key=OPENAI_API_KEY)

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "user", "content": "おはよう！週末にお出かけするのにおすすめなスポットをいくつか教えて。"}
    ],
    max_tokens=1000  # 回答の最大文字数のようなもの
)

# 整形して表示
print(json.dumps(response.model_dump(), indent=2, ensure_ascii=False))

print("🔮 AI 未来予想と夢分析 🔮")
print("あなたの未来を占って、夢の意味も教えます！")

# 基本情報を収集
name = input("\nお名前を教えてください: ")
dream = input("最近見た印象的な夢を教えてください: ")
goal = input("将来の夢や目標は何ですか: ")
worry = input("今一番心配していることは: ")

# 生年月日で運勢も
birth_month = input("生まれた月を教えてください（1-12）: ")
birth_day = input("生まれた日を教えてください（1-31）: ")

# AI に総合分析してもらう
analysis_prompt = f"""
{name}さんの未来予想と夢分析をしてください。

見た夢: {dream}
将来の目標: {goal}
心配事: {worry}
誕生日: {birth_month}月{birth_day}日

以下の形式で占ってください：
🔮 夢の意味とメッセージ:
✨ 3ヶ月後の予想:
🌟 1年後の予想:
🚀 5年後の未来像:
💎 成功のためのアドバイス:
⚡ 今月の運勢（恋愛・勉強・友情）:
🎯 今日やるべきこと:
"""

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[
        {"role": "system", "content": "あなたは神秘的で的確な占い師です。高校生が前向きになれるような未来予想をしてください。"},
        {"role": "user", "content": analysis_prompt}
    ],
    max_tokens=500
)

print(f"\n🌙 {name}さんの未来予想 🌙")
print("=" * 50)
print(response.choices[0].message.content)