統計分析用ツールとして便利なRですが統計処理に特化しており、プログラム言語としては若干使い難い点もあります。 例えば、Web解析やXMLパースなどはRよりPythonのライブラリの方が機能的に充実していますし、モデル等をPythonで開発するツールに組み込む場合も開発言語と同じ言語で実装した方が効率が良いでしょう。 また、速度的にもRのforはかなり遅くシンンプルなシミュレーションでも結構差が出たりします。 ということでPythonでもデータ分析したい場面が存在しますが、Pythonのリストはデータ分析用のデータ構造ではないため、データハンドリングや集計が非常にやり難いです。 例えば、行・列に対する演算やカテゴリでのグループ化集計といった作業は、非常に面倒な作業になります。 PythonからRを利用するRPy2ライブラリもありますが、PythonとR間でのデータのやり取りが必要になり結構面
講演者: 椿 真史 氏 (産業技術総合研究所 人工知能研究センター 研究員) 概要: 本講演では、創薬・材料科学への機械学習応用について紹介する。特に近年、グラフ構造データに対する深層学習手法であるグラフニューラル(畳み込み)ネットワークが流行しており、創薬や材料で扱われる分子化合物や結晶について、その物性や機能を高精度で予測できるようになってきた。その一方で、深層学習のモデリング自体が機械学習コミュニティのみで肥大化し、結果の解釈性だけでなく、量子物理・化学の観点から様々な問題もある。本講演を通して、深層学習の科学データへの応用に関する正と負の側面について議論したい。 Link: https://stair.center/archives/events/ai-seminar-026
こんにちはこんにちは山川です。 7/30に行われた札幌Python 3.1 で40分ほどPythonでの統計処理についてイントロを話してきました。 資料は以下です。 統計といえば R がおなじみ(SPSSとか使えるお金があるところは別ですが)ですが、 ロジックを作り込む場合や周辺処理が多い場合はPythonでやった方が便利な場面がけっこうあります。 データの前処理/後処理については R を利用する場合でもPerlなりRubyなりで加工することが多いですので、それだったら統計部分も同じスクリプトでかけた方が便利じゃないかろうか、Pythonだと割と統計用の道具がそろっているので便利だよーという話でした。 で、Python の使い道ですが、割と他に無いライブラリが結構そろっていることが多く、他の開発言語で難しいことが割合簡単に出来てしまうことがあります。今回の numpy/scipy だけでな
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く