Python3について

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。

  • 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。


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。

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。

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):

  • 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

異常値検出問題:

  • 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

ディープラーニング:


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。


その他