[Hinweis] Python beim Starten von maschinellem Lernen / Deep Learning [Links]

Ich habe vorher noch keine Programmierung durchgeführt, daher habe ich zusammengefasst, worauf ich mich bezog, bevor ich lernte, wie man Python verwendet und die Grundlagen des maschinellen Lernens und des tiefen Lernens. Es ist im Grunde eine Zusammenfassung von Artikeln für Anfänger.

** Über Umweltbau ** ・ Aufbau der TensorFlow-Umgebung Informationen zur Installation von Anaconda und TensorFlow.

So installieren Sie das Deep Learning Framework Tensorflow 1.0 in der Anaconda-Umgebung von Windows Ähnliches gilt für die Installation von TensorFlow.

・ Verwendung von TensorBoard Es wird ausführlich beschrieben, wie Tensorboard verwendet wird.

** Wie benutzt man Python ** ・ Scipy Lecture Notes (japanische Übersetzung) Sie können den größten Teil der grundlegenden Verwendung (insbesondere NumPy, Matplotlib, Scipy) beherrschen, indem Sie hier lesen.

・ Ich habe einen Python-Text erstellt Ebenso können Sie den größten Teil der Grundnutzung beherrschen, indem Sie hier lesen.

Introduction of Machine Learning ・ MNIST für ML-Anfänger Englisch. Erklärt die Grundlagen des maschinellen Lernens (ML) und des MNIST.

・ Ich bin weder Programmierer noch Datenwissenschaftler, aber ich habe Tensorflow einen Monat lang berührt, daher ist es sehr einfach zu verstehen Der obige Artikel wird sorgfältig erklärt und auf Japanisch ergänzt.

・ Neuronales Netzwerk und tiefes Lernen Englische Artikel übersetzen. Für diejenigen, die die Essenz verstehen wollen, obwohl der Inhalt wahnsinnig reich ist.

** Nachschlagewerk ** ・ Einführung in Python für die Berechnung von Wissenschaft und Technologie - Grundlagen der Entwicklung, wichtige Bibliotheken, Beschleunigung Obwohl es als Einführung geschrieben wurde, ist es sehr empfehlenswert für diejenigen, die ein wenig Python oder Programmierung haben. Außerdem wird auf leicht verständliche Weise erklärt, wie Numpy, Scipy, Pandas usw. mit Daten umgehen. Es war ein gutes Buch für Menschen, die nichts mit Wissenschaft und Technologie zu tun haben.

** Einführung interessanter Artikel ** ・ Fühlen wir uns wie ein Materialforscher mit Python [Einführung in Pymatgen] Als Einführung in die Materialinformatik. Der Inhalt ist leicht zu verstehen.

・ Kommentar von Toshihiro Kamishima Viele Kommentarartikel von Experten. Der Inhalt ist ziemlich reichhaltig, aber sehr hilfreich.

・ Lösen Sie alle 2015 Center Examination Mathematics IA-Programm (Python) Einführung einer Berechnungsmethode mit Python (insbesondere Scipy). Auch wenn ich die detaillierten Formeln nicht verstand, war ich nur aufgeregt und fühlte die Möglichkeit.