- 本ページは2020年ごろで更新を停止しています。情報が古いもの、間違っているものなど、修正せずそのままにしていますので、自己責任でご利用ください。
- Pythonの言語仕様を十分に理解していない時期に書いた記憶があるので、C言語ライクな？書き方をしているところが多く、非効率なコードが多いかもしれません。ご承知の上ご閲覧ください。
- 厳密性を捨てて、わかりやすさ重視で書いています。場合によって正しい説明ではないところもあるかもしれません。
- とりあえずコンテンツを用意しているところなのと、そのときの気分でなんとなく作っているので、中途半端な部分があったり、誤字脱字が多かったりします。校正をしていないので、間違いもあると思います。
- あまり鵜呑みにせず、専門にしたいと思ったら、自分できちんと勉強しましょう。
- PyLearn 00: 環境構築
- ★PyLearn 01: 変数、文字、演算、表示
- ★PyLearn 02: リスト、for文
- ★PyLearn 03: if文、型チェック
- ★PyLearn 04: 関数
- ★PyLearn EX 01: 問題1
- ★PyLearn EX 02: 問題2 (2021.06.09)
- ★PyLearnST 01: numpy配列/CSVのロードとリード
- ★PyLearnST 02: 散布図
- ★PyLearnST 03: 相関係数
- PyLearnST 04: ヒストグラム
- ★PyLearnST 05: 基本統計量
- ★PyLearnST 06: t検定
- ★PyLearnST 07: 線形回帰モデル
- PyLearnST 08: 共分散構造分析
（備考: read_csvのindex_colを消さないとエラーになる & ヘッダのカンマの前後にスペースは厳禁）
- PyLearnST 09: 主成分分析
- PyLearnST 10: 因子分析
- PyLearnST EX 01: numpyの基本
- ★PyLearnST EX 02: 分析の実践 →→→ 答え（ギブアップの場合のみ）
- PyLearnPR 01: 一様分布
- PyLearnPR 02: 正規分布（1変数）/plotの描画方法
- PyLearnPR 03: 正規分布（2変数以上）/ヒートマップの描画方法
- PyLearnPR 04: 混合ガウス分布
- PyLearnPR 05: カーネル分布
- PyLearnPR 06: 確率回帰モデル
- PyLearnPR 07: ベイジアンネットワーク
- PyLearnPR 08: 隠れマルコフモデル
- PyLearnMLCR 01: 決定木
- PyLearnMLCR 02: サポートベクターマシン
- PyLearnMLCR 03: ニューラルネットワーク（詳細版）
- PyLearnMLCR 04: ランダムフォレスト
- PyLearnMLCR 05: 精度評価指標とモデル選択の基礎
- PyLearnMLCR 06: モデルのセーブとロード
- PyLearnNCR 01: k-means法
- PyLearnNCR 02: x-means法
- PyLearnNCR 03: デンドログラム
- PyLearnNCR 04: 自己組織化マップ
- PyLearnAN 01: ユークリッド距離法
- PyLearnAN 02: マハラノビス距離法
- PyLearnAN 03: One-Class SVM
- PyLearnKeras 00: Mac系OSでの初期設定（CPUでいい場合は不要）
- PyLearnKeras 01: MacBookのGPUでKerasを動かす方法
- PyLearnKeras 02: 画像データの基礎と学習済みモデル（VGG19）の利用
- PyLearnKeras 03: モノクロ画像に対するCNNの学習（1から実装あり）
- PyLearnKeras 04: CNNによる信号の状態検出（教師あり学習）
- PyLearnKeras 05: CNNによる回帰問題（mnist）
- PyLearnKeras 06: 学習の再現性の保証とパラメータの最適化
- PyLearnSIG 01: 7チャンネル慣性センサデータ
- PyLearnSIG 02: 時間領域の特徴量
- PyLearnSIG 03: フーリエ変換と周波数領域の特徴量
- PyLearnSIG 04: 機械学習による異常値検知（教師あり学習）
- PyLearnSIG 05: 機械学習による異常値検知（教師なし学習）
- PyLearnNLP 00: Google Collabで使う場合
- PyLearnNLP 01: 形態素解析
- PyLearnNLP 02: Word2Vector（学習済みモデルを利用する）
- PyLearnNLP 03: Word2Vector（自分で一から作る）
- PyLearnMAP 01: 地図プログラミングの基礎
- PyLearnMAP 02: 人口データとヒートマップ
- PyLearnMAP 03: コロプレス図と公共施設の利便性
- PyLearnMAP 04: 遺伝的アルゴリズムによる最適施設配置の近似解
- 習志野市の消防署(MAP03), GA配置の消防署(MAP04)
- OR01: ダイクストラ
- PyLearnWEB 00: エディタatomの設定
- PyLearnWEB 01: HTMLの基本
- PyLearnWEB 02: bottleの環境設定とHello Worldまで
- PyLearnWEB 03: フォームによるクライアント・サーバ間通信
- PyLearnWEB 04: テンプレートの利用
- PyLearnWEB 05: ファイルアップローダの実装とpythonへの受け渡し
- PyLearnWEB 06: 静的ファイルの取り扱い
- PyLearnWEB 07: WebSocketによる非同期通信
- PyLearnWEB 08: ngrokによる簡易デプロイメント
- PyLearnWEB 09: Div要素を横に並べる
- PyLearnTIPS 01: 有向グラフ・無向グラフの描画
- PyLearnTIPS 02: ジョブのスケジューラ
- PyLearnTIPS 03: Try-Except文
- PyLearnTIPS 04: 機械学習のためのデータセット規格化
- PyLearnTIPS 05: e+0n表記を直したい。
- PyLearnTIPS 06: タイムスタンプを付与
- PyLearnTIPS 07: ランダムで処理を変更したい。
- PyLearnTIPS 08: 複数ファイルの一括np.load
- PyLearnTIPS 09: subplotの間隔を調整 & savefigでX軸が消える
- PyLearnTIPS 10: matplotlibにtexを入れたい
- PyLearnTIPS 11: matplotlibの図に日本語を入れたい
- PyLearnTIPS 12: 実行時間の測定
- PyLearnTIPS 13: Jupyterでのブレイクポイントの設定
- PyLearnTIPS 14: スクレイピング時の403エラー
- PyLearnTIPS 15: 画像を出力させない
- PyLearnTIPS 16: 文字コード・型混在によるnp.loadtxtがしにくい場合
- PyLearnTIPS 17: グラフのX軸に日付を入れたい
- PyLearnTIPS 18: str日付 -> 「曜日」取得
- PyLearnTIPS 19: 何度もprintしたくない
- PyLearnTIPS 20: 画像の水増し
- PyLearnTIPS 22: plt環境の指数表記10^n
- PyLearnTIPS 23: plt.gridをグラフ要素の下に置く
- PyLearnTIPS 24: 凡例を長く・タイトルをつける・位置調整
- PyLearnTIPS 25: plt 軸に文字にする
- 卒業研究に向けて（★マークを終えた人向け）
- 人工知能による異常値検出システムの作り方（2019.02.25に実施された南西フォーラムミニセミナー資料となります）
はじめに
Pythonを活用して、統計分析、人工知能構築、データマイニング、Webアプリケーション開発を行う方法をまとめています。学部3年生は、★マークがあるところだけでいいです。
本当の初めはここ
基礎編
Pythonプログラミングの基本的な部分を学びます。
問題:
統計科学編
データから簡単な傾向を分析したり、仮説を検証したりする基本的な方法を学びます。
!!! — 以降は難しいので、とりあえずここまででok — !!!
問題:
確率編
データがどのようなルールで発生しているのか、集めたデータからデータを複製する手法を学びます。
機械学習編
集めたデータから、知能を形成する方法を学びます。
基礎編:
分類・回帰問題（教師あり学習）の基礎（scikit-learn）：
クラスタリング（教師なし学習）：
異常値検出問題：
ディープラーニング（MAC）：
ディープラーニング（Ubuntu or wsl）:
信号処理編
時系列的に変動するデータを信号と呼びます。ここでは、信号を分析する方法や、機械学習と連携させる方法を学びます。
自然言語処理編
人間が話したり書いたり、自然に使う言葉を、自然言語と言います。ここでは、日本語を例に、自然言語を処理する方法を学びます。
オペレーションズリサーチ編
地図プログラミングから施設の最適配置問題を解くオペレーションズリサーチまで。
身内資料：
Webスクレイピング編
Webに転がっている様々なデータ（株価、天気、などなど）を取得する方法を学びます。
視線データ解析編
Webアプリケーション開発編
Webで動作するソフトウェアを開発する方法を学びます。
理論編
機械学習や統計などの理論について説明します。
tips
分類しにくいものを雑多に並べておきます。