Python機械学習ことはじめOSSユーザのための勉強会#19
【研修セミナー公開講座】Ｐｙｔｈｏｎで学ぶ機械学習～回帰分析とディープラーニング（２日間）- 株式会社インソース
・Python言語の基本文法を身につけたい方 ・回帰分析とディープラーニングについて理解を深めたい方 ・実際にプログラミングを使用した業務に従事したことのある方 （※システムエンジニア、プログラマーの方々を対象とした講座です） よくあるお悩み・ニーズ ある程度のプログラミング知識はあるものの、機械学習についてはよくわからない データ集計や分析業務を普段から行っており、もっと効率よいやり方を探している 本研修は、機械学習の手法の基礎的な理解を深め、簡単なモデルで実践することを目指しています。機械学習分野で使用頻度の高いPython言語の基本文法を身につけたうえで、実際にPCを使ってモデルを動かします。 機械学習の中でも、回帰分析とディープラーニングという２種類のアプローチで分析を行い、結果を比較対象することで、それぞれの持つメリットや適した利用シーンについて理解を深めます。 ＊この研修ではＰ
sonots:blog
2018年12月19日15:03 カテゴリ ブログ移行 https://medium.com/@sonots に移行しました。 英語記事を書いてもおかしく見えないやつが良いなということで medium にしてみた。 sonots コメント( 0 ) 2018年10月02日01:03 カテゴリ ISUCON8 の予選問題出題を担当した ISUCONというウェブアプリケーションのチューニングコンテストのようなものがある。 今年は DeNA のメンバーで予選問題の出題を担当し、私は主にベンチマーカ作成者としてコミットした。 問題はすでに https://github.com/isucon/isucon8-qualify に上げてあり、サーバは各自用意する必要があるが、それさえできれば予選を再現できるようにしてある。 ISUCON8 予選問題の解説と講評 を @karupanerura くんが書い
投票: がっつり実装、Deep Learning | PyCon JP 2016 in TOKYO
ちまたで、「Deep Learningスゲー」という声をちらほら聞きます。「Deep Learningやりたい」という声も聞きます。しかしその次にでる言葉が「誰かやって」「誰かできる人いない？」という感じです。少なくとも私の周りには。 また、githubでDeep Learningのフレームワークtheano やChainerを使った実装を見かけますが、素敵な実装はあまり見かけません。で、思うのは、みんなどのくらいDeep LearningのPythonコードを作れているんだろう？ということです。 そこで、theanoのラッパークラスをかれこれ10回位、つくっては壊しを繰り返し、Chainerを最近使い始めた著者が、Chainerを使った実装について、がっつり語りたいと思います。 Deep Learningの研究動向は、とかのはしません。実装の話です。 GPU化する方法とその驚くべき効果も
投票: Pythonで機械学習徹底解説 | PyCon JP 2016 in TOKYO
機械学習の分類、回帰モデルの構築、クラスタリングの一般的な考え方と流れ、scikit-learnライブラリによる実行方法、scikit-learnのAPIや基本的なクラスについて習得することが目標です。 Pythonの機械学習ライブラリscikit-learnを用いて、機械学習の実行方法について詳しく説明します。以下の内容等を扱います。 - データの前処理 - 予測モデル構築のフロー - 予測モデルのチューニング（交差検証、ハイパーパラメータ最適化等） - 予測の評価 - パイプラインによるモデル構築 - モデルの永続化 - クラスタリング 必要に応じてデータ分析のPandas、可視化のmatplotlib/seabornなども使用するため、合わせて説明します。 参考文献 ---- - Sebastian Raschka, [Python Machine Learning][1]（Pack
投票: Deep Learning with Python & TensorFlow | PyCon JP 2016 in TOKYO
TensorFlow is a new Open Source framework created at Google for building Deep Learning applications. I will discuss how it compares to other Python machine learning libraries like Theano or Chainer. Finally, I will discuss how trained TensorFlow models could be deployed into a production system using TensorFlow Serve. The audience of this talk are DevOps engineers, Developers, and System Administr
投票: 画像認識で学ぶDeep Learning | PyCon JP 2016 in TOKYO
Deep Learning（Convolutional Neural Network）は特に画像認識の分野で目覚ましい成果をあげています。今回はConvolutional Neural Networkを使った画像認識の方法、及び、それを実施するに便利なソフトウェアの説明を行う予定です。 画像認識に学ぶDeep Learning 1.画像認識の背景とできること 画像認識のこれまでの目覚ましい成果と実際にこれをすると 何ができるかをお話したいと思います。 →Googleの猫やILSVRCの話 現在、使われているソフトウェアの話（顔認識とか） 2.画像認識の一般的なフローとその説明 本項目では、画像認識においてどういった要素が必要かを紹介します。 データセットを集める、DeepLearningの学習環境作るなど 3.フローについての詳細な説明 ①データセットの構築方法 ②画像データについての説明
Pythonによる機械学習の最前線
2016/2/4 「ソフトウェアジャパン ビッグデータ活用実務フォーラム」でのプレゼン資料です。 主にPythonで書いたコードの高速化の話です。タイトルと中身がマッチしない感じがするのは自覚しています。
Pythonや機械学習、そして言語の競争について – 極めて主観的な見地から | POSTD
(訳注：2016/1/5、いただいた翻訳フィードバックを元に記事を修正いたしました。) よくある主観的で痛烈な意見を題名に付けたクリックベイト（クリック誘導）記事だろうと思われた方、そのとおりです。以前指導してくれた教授から教わったある洞察/処世術は、些細でありながら私の人生を変えるマントラとなったのですが、私がこの記事を書いたのはそれによるものです。「同じタスクを3回以上繰り返す必要があるなら、スクリプトを書いて自動化せよ」 そろそろ、このブログはなんだろうと思い始めているのではないでしょうか。半年振りに記事を書いたのですから。ツイッターで書いた Musings on social network platforms（ソーシャル・ネットワークプラットフォームについてじっくり考える） はさておき、この半年の間書き物をしていないというのはうそです。正確には、400ページの 本 を書きました。
【機械学習】ディープラーニング フレームワークChainerを試しながら解説してみる。 - Qiita
今話題のDeep Learning(深層学習)フレームワーク、Chainerに手書き文字の判別を行うサンプルコードがあります。こちらを使って内容を少し解説する記事を書いてみたいと思います。 (本記事のコードの全文をGitHubにアップしました。[PC推奨]) とにかく、インストールがすごく簡単かつ、Pythonが書ければすぐに使うことができておすすめです！ Pythonに閉じてコードが書けるのもすごくいいですよね。 こんな感じのニューラルネットワークモデルを試してみる、という記事です。 主要な情報はこちらにあります。 Chainerのメインサイト ChainerのGitHubリポジトリ Chainerのチュートリアルとリファレンス 1. インストール# まずは何はともあれインストールです。ChainerのGitHubに記載の"Requirements" ( https://github.c
scikit-learn から学ぶ機械学習の手法の概要 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 前回、株式の時系列データを分析する話で、後半にちょっとだけ機械学習の話をしました。今日は機械学習ライブラリ scikit-learn に触れます。 scikit-learn といえば以前にも簡単なクラスタリングの例をあげたり、サポートベクトルマシンやクラスタリングで問題を解く、 TF-IDF を計算する、回帰モデルの可視化、 DBSCAN によるクラスタリングといったことをしてきましたが、あらためてライブラリの機能を整理します。 機械学習と言うと難しい数学を駆使するイメージがつきまといますが、完成度の高いライブラリを使えば利用者が機械学
ぴよぴよ.py
ソフトウェアエンジニアとして働き始めて10年目。昨年の秋に妊娠が発覚し、現在産前休業中である。 「妊活が大変」とか「子が生まれました」というブログはよく目にしていたので、妊活・出産・子育てに関する情報は自発的に集めていたつもりだった。 しかし、妊娠してから妊娠中の働き方についての認識の解像度がめちゃくちゃ低かったことに気づき、出産前に妊娠中の働き方について記録しておければと思いブログにまとめた。 以下は私の妊娠週数とそのときの体調が普段と比べてどれくらいだったかをまとめた図である。 妊娠初期(~16週)とつわり 生理予定日3日後にパーソナルジムにいったら、いつものダンベルを持つと死にそうになった。 半分の重さにしても息切れすることから、これはおかしいと思い、しばらく安静にした後妊娠発覚した。 私はつわりは6週から17週までで、比較的軽い方だったと思う。 食べ続けてそれをたまに吐くというよう
Python Tools for Machine Learning - CB Insights Research
Python is one of the best programming languages out there, with an extensive coverage in scientific computing: computer vision, artificial intelligence, mathematics, astronomy to name a few. Unsurprisingly, this holds true for machine learning as well. Of course, it has some disadvantages too; one of which is that the tools and libraries for Python are scattered. If you are a unix-minded person, t
機械学習の Python との出会い 神嶌 敏弘 (Toshihiro Kamishima) ,pdf
Python 2020-02-17 08:56:35 +0900 (Toshihiro Kamishima) 2020-02-17 08:56:35 +0900 i 1 1 1.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 5 2.1 NumPy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 2.2 . . . . . . . . .
RとPythonによるデータ解析入門
統計学の専門家ではないため、内容に責任は持ちません。内容に間違いがあれば、指摘してくださると幸いです。できる限り訂正していきます。
scikit-learn Tutorials
Note Doctest Mode The code-examples in the above tutorials are written in a python-console format. If you wish to easily execute these examples in IPython, use: in the IPython-console. You can then simply copy and paste the examples directly into IPython without having to worry about removing the >>> manually.
pythonの機械学習ライブラリscikit-learnの紹介 - 唯物是真 @Scaled_Wurm
scikit-learn(sklearn)の日本語の入門記事があんまりないなーと思って書きました。 どちらかっていうとよく使う機能の紹介的な感じです。 英語が読める方は公式のチュートリアルがおすすめです。 scikit-learnとは？ scikit-learnはオープンソースの機械学習ライブラリで、分類や回帰、クラスタリングなどの機能が実装されています。 また様々な評価尺度やクロスバリデーション、パラメータのグリッドサーチなどの痒いところに手が届く機能もあります。 インストール scikit-learnの他にもnumpyとかscipyとかが必要です。 Windows 64 bit版の人は以下のURLに色々なインストーラーがおいてあるのでおすすめ Python Extension Packages for Windows - Christoph Gohlke その他の人は以下のURLを見て
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
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
https://minkabu.jp/uploads/newsfeeds/pdf/807805/f30813ed9.pdf
scikit-learn: machine learning in Python
Charming Python: Functional programming in Python, Part 3
