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-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.  初心者体験--自宅にWindows 版 Python環境を作成する
     1. Python言語のダウンロードと
    インストール
    1. ディレクトリ「C:\Python36」を作成し,ここにPython言語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  -ソースファイル[.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とコ-ディング
     1. Pythonの入門図書 Python3のprint関数に注意/文字列の型は[unicode]だけ/長整数型[long]廃止
    1. 大東文化大学 Python 3 プログラミング / 明治大学 Python 3 プログラミング
    2. 愛知大学  Python 2 解説   pdf Python 2 によるプログラミング入門 6版(2M)
    3. Python 3 入門 サンプル集
    4. とほほの Python 2 文法入門
    5. お気楽 Python 2 プログラミング入門 -M.Hiroi's Home Page
    6. Python 3.6.1 ドキュメント     pdf Python2.7 チュートリアル
    7. Scipy Lecture Notes-科学技術計算のために Python を始めよう
    8. John V.Guttag, 久保幹雄監訳,Python言語によるプログラミングイントロダクション第2版,近代科学社,2017.(Python Ver3.5)

  4.  初心者のための機械学習
     1.画像認識のデモ
    1. Deep Learningを用いた手書文字の画像認識のデモ. -株式会社トリプルアイズ
    2. Image Classification(シーン分類)のデモ. -富士通
    3. Watson君のVisual Recognitionのデモ. -IBM

     2. 機械学習のweb図書
    1. 機械学習-wikipedia   機械学習で使われる 数学記号    機械学習の歴史のリンク集-サルでもわかる機械学習
    2. 人工知能は人間を超えるか --ディープラーニングの先にあるもの
    3. 朱鷺の杜Wiki「機械学習」     機械学習の技法     機械学習の技法
    4. 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
    5. NN(ニューラルネットワーク)のメカニズム   Tinker With a Neural Network Right Here in Your Browser.

     3.画像認識とディープラーニングのweb図書
    1. TensorFlowによる キュウリ農家とディープラーニングをつなぐ ももクロメンバー顔認識 前編 中編
    2. Pythonによる機械学習入門 〜Deep Learningに挑戦
    3. ディープラーニングのライブラリ TensorFlow の公開
    4. Goodfellow他著「Deep Learning」の日本語翻訳版

     4.「MNISTデータセットを使った手書き数字の画像認識」の仕組みをうっすらと理解する
     「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
      ・使用するソースコードのリポジトリ(貯蔵庫)
      1. https://github.com/oreilly-japan/deep-learning-from-scratch
      2. https://sites.google.com/site/masaakikotera/8-python/8-2-ipython-notebook?tmpl=%2Fsystem%2Fapp%2Ftemplates%2Fprint%2F&showPrintDialog=1
      ・web参考資料:ニューラルネットワークを用いた手書き文字認識
      ・YouTube資料:〔サイエンスZERO〕人工知能の大革命!ディープラーニング
      ・YouTube資料:TensorFlow Tutorial #02 Convolutional Neural Network
    2. キーワード:
      ・学習モデル [ 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A),
      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B),
      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) ],ディープラーニング

      ・活性化関数 [ ステップ関数,シグモイド関数,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,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 ]