Last Updated: July 2017. Kajiyama       [ 仮想教室の総合案内に戻る ]
ロゴ1
コピペで学ぶ Python入門 + 機械学習入門

福岡大学工学部図学教室   梶山 喜一郎

  1.  はじめに
     1. 大学卒業後も持続的に使えるパイソン(Python)の世界
    1. プログラミング言語Pythonとは -Wikipedia
    2. Pythonの公式サイト
    3. Pythonの日本ユーザーサイトとダウンロードサイト
    4. Pythonの開発環境 IDLE PyScripter
     2. 機械学習のweb図書
    1. web 機械学習 wikipedia
    2. web ニューラルネットと深層学習の歴史
    3. web 機械学習の歴史のリンク集 -サルでもわかる機械学習

  2.  初心者体験--自宅にWindows 版 Python環境を作成する
     1. Pythonの
    ダウンロードとインストール
    1. ディレクトリ「C:\Python36」を作成し,ここにプログラムをインストールする.
    2. windows 64bit web版をダウンロード 「python-3.6.X-amd64-webinstall.exe」

     2. Pythonの「作業ディレクトリ」の作成と設定  -プログラムファイル[.py]を置く場所を準備する.
    1. ディレクトリC:\\Users\\ユーザー名\\Documents\\Python3を作成し,ここを「作業ディレクトリ」にする.
    2. Pythonを起動するたびに作業ディレクトリを指定する.

     3. Pythonのライブラリーのインストール
    1. 「管理者コマンドプロンプト」を起動してライブラリーのダウンロードとインストールを実行する.
    2. NumPy(ナムパイまたはナンパイ)  SciPy(サイパイ)  matplotlib  sklearn (scikit-learn) -wikipedia

     4. Pythonの統合開発環境 IDE (Integrated DeveLopment Environment)
       コンパイラ、テキストエディタ,デバッガをひとつの操作環境で利用できるようにしたもの. -wikipedia
    1. 付属のPython IDLEの使い方
    2. 他の開発環境の使い方

     5. Pythonソースファイルの基礎

  3.  初心者のためのプログラム言語とコ-ディング
     1. Pythonの入門web図書
    1. 愛知大学  Python 解説   pdf pythonによるプログラミング入門 6版(2M)
    2. 大東文化大学 Python プログラミング
    3. 明治大学 Python プログラミング
    4. web PythonのPython 3.6.1 ドキュメント     pdf Python2.7 チュートリアル
    5. web お気楽 Python プログラミング入門 -M.Hiroi's Home Page
    6. web Python入門 サンプル集
    7. web Scipy Lecture Notes

  4.  初心者のための機械学習
     1. 機械学習のweb図書
    1. web 機械学習で使われる 数学記号
    2. web 機械学習の歴史のリンク集    web 朱鷺の杜Wiki「機械学習」
    3. web 機械学習の技法    web 機械学習の技法
    4. web そういうことだったのか!と思わずうなずく「機械学習」超入門
     2 画像認識とディープラーニングのweb図書
    1. web キュウリ農家とディープラーニングをつなぐ TensorFlow
    2. web TensorFlowによるももクロメンバー顔認識(前編) / (中編)
    3. web Pythonによる機械学習入門 〜Deep Learningに挑戦
    4. web ディープラーニングのライブラリ TensorFlow の公開

     3. 「MNISTデータセットを使った手書き数字の画像認識」を理解する
       「5」の手書き数字画像を
      縦横28x28セルのグレイスケールの
      画像サイズに変換する.
      
      
      
      1枚の画像を28X28=784個の
      入力データとしてAIに理解させる.
      
      AIに大量の手書き数字60000個
      (教師用)を学習させ,隠れ層や
      出力層のパラメータを計算させる.
      
      畳み込みニューラルネットワーク(CNN)の
      教師データとテストデータの認識率の変化.
      AI君は時間をかけ学習を繰返すと正解率が
      上がる.まるで学生諸君と同じように,
      
      
      
      
      AIシステムの認識率98.96%.
      10000個のテスト画像データで
      誤・認識した手書き数字の例.
      学生の汚字は教師と同じように
      AIも読み間違える.
      
      
      
    1. 入門学習書:
      「ゼロから作るDeep Learning -Pythonで学ぶディープラーニングの理論と実装」,斎藤 康毅,
      オライリー・ジャパン,2016, 320p, ISBN978-4-87311-758-4
    2. キーワード: 単純パーセプトロン,多層パーセプトロン,2層ニューラルネットワーク(入力層->隠れ層@->出力層),
      3層ニューラルネットワーク(入力層->隠れ層@->隠れ層A->出力層),ディープラーニング,
      畳み込みニューラルネットワーク(入力層->畳み込み層+プーリング層->全結合層->出力層)
      活性化関数(シグモイド関数,ステップ関数,ランプ関数,ソフトマックス関数),
      損失関数,数値微分,偏微分.勾配,エポック,誤差逆伝播法,汎化能力,過学習,エポック

    3. 分析データ: web THE MNIST DATABASE of handwritten digits ・ MNIST database -wikipedia

[ 先頭へ戻る ]   [ 仮想教室の総合案内に戻る ]