Python Programming Tutorials
Practical Machine Learning Tutorial with Python Introduction
- numpy、matplotlib、pandasをインストールします。
- numpy、matplotlib、pandas、sklearn、およびそれらの依存関係をインストールする
pip install numpy
pip install scipy
pip install scikit-learn
pip install matplotlib
pip install pandas
Need help installing packages with pip?
Hello girls and guys, welcome to an indepth and practical machine learning course.
このコースの目的は、機械学習の全体的な理解を得ることであり、教師あり、教師なし、および深層学習アルゴリズムの理論、応用、および内部動作をカバーします。
このシリーズでは、線形回帰、K Nearest Neighbors、サポートベクターマシン（SVM）、フラットクラスタリング、階層型クラスタリング、ニューラルネットワークを取り上げます。
それぞれの主要なアルゴリズムについて、アルゴリズムの高度な直観と、それらが論理的にどのように機能するかについて説明します。 次に、Scikit-Learnなどのモジュールと一緒に、実世界のデータセットを使ってアルゴリズムをコードに適用していきます。 最後に、それぞれのアルゴリズムをコードで一から再現し、関連するすべての数学を含めて、その内部構造に迫ります。
このシリーズに参加するためには、少なくともPythonの基本的な理解があることをお勧めします。
このシリーズについていくためには、少なくともPythonの基礎知識があることをお勧めします。 Pythonの基本的な理解があり、学ぶ姿勢や質問をする姿勢があれば、ここでの学習は問題なく進めることができるでしょう。 機械学習アルゴリズムのほとんどは、大規模データに対応するために必要なので、実際には非常にシンプルです。 数学的には線形代数が一般的ですが、それでもすべての数学を説明できるように最善を尽くします。 もしわからないことがあれば、YouTubeのコメント欄やここのコミュニティ、または私にメールで質問してください。
機械学習は、1959年にアーサー・サミュエルによって「明示的にプログラムされることなくコンピュータに学習能力を与える研究分野」と定義されました。 つまり、ハードコーディングせずに機械に知識を吹き込むことです。 私自身が感じたことですが、プログラミングコミュニティ以外の人々は、機械の知能はハードコーディングされていると信じており、この分野の現実をまったく理解していません。 私が機械学習で最も苦労したのは、学習する側の資料が豊富にあることでした。 数式やグラフ、方程式など、機械学習に関する理論はたくさんありますが、実際に機械をプログラミングして、実際のデータでアルゴリズムを実行する「機械」の部分はほとんどありません。 これは主に歴史によるものです。 50年代、機械は非常に弱く、ほとんど供給されていませんでしたが、それは半世紀にわたって変わりませんでした。 機械学習は、主に理論的なものに追いやられ、実際に採用されることはほとんどありませんでした。 例えば、サポートベクターマシン（SVM）は、1963年にソ連のVladimir Vapnikによって考案されましたが、90年代になってVapnikがベル研究所によってソ連から米国にスクープされるまで、ほとんど注目されませんでした。
機械学習という「アイデア」は、歴史上、何度か登場しては消えていき、そのたびに人々は単なる流行だと思っていました。 機械学習の多くをまともに試すことができるようになったのは、本当にごく最近のことです。 最近では、10万ドルのGPUクラスターを1時間あたり数ドルでレンタルできるようになりましたが、これは10年前の博士課程の学生の夢のような話です。 機械学習は、2000年代半ばに再び注目を集め、それ以来、ムーアの法則の恩恵を受けて上昇を続けています。 さらに、このチュートリアルのように、機械学習の旅を手助けしてくれる豊富なリソースが存在します。
現在では、自由に使えるモジュールや API があり、機械学習の仕組みをほとんど知らなくても、非常に簡単に機械学習に取り組むことができます。 Scikit-learnのデフォルト設定では、多くのタスクで90～95%の精度をすぐに得ることができます。 機械学習は車と同じで、仕組みをよく知らなくても、驚くほどの実用性を得ることができます。 しかし、性能や効率の限界に挑戦するには、ボンネットの中を掘り下げる必要があり、それがこのコースの狙いです。
機械学習は一見古くて成熟しているように見えますが、実際に使うことができるので、学ぶには今が一番いい時期だと思います。 機械は非常に強力で、あなたが取り組んでいる機械は、おそらくこのシリーズのほとんどを素早く行うことができます。
最初に取り上げるのは「回帰」で、次のチュートリアルで取り上げる予定です。 Python 3がインストールされていること、PandasとScikit-Learnがインストールされていることを確認してください。
次のチュートリアルです。 Regression – Intro and Data