[PYTHON] Alles für Anfänger, um maschinelles Lernen zu können

Einführung

Dieser Artikel ist ein Artikel, der es mir ermöglicht, maschinelles Lernen zu machen, während ich das mache, was als ** "Wissen, das für maschinelles Lernen notwendig ist" ** dargestellt wurde, das als Problem für meinen angehenden Praktikanten angegeben wurde. ist. Nur wenn Sie diesen Artikel vollständig ausführen, können Sie ein ** Lehrling für maschinelles Lernen ** werden. Im Gegenteil, Sie können die Grundlagen des maschinellen Lernens leicht erlernen, indem Sie den gesamten Artikel lesen.

Es ist kein perfekter Kommentar, da er die Persönlichkeit einschließt.

Entwicklungsumgebung

Bevor ich etwas sage, beginnen wir mit meiner Entwicklungsumgebung. OS ・ Windows -Windows Subsystem für Linux (kann auch unter Ubuntu ausgeführt werden) IDE Pycharm

Was brauchen Anfänger, um maschinell zu lernen?

Im Folgenden werde ich die Themen auflisten, die von den Bewerbern für ein Praktikum gestellt wurden. Dies ist ** "notwendige Dinge" **. Ich werde jeden später erklären, aber zuerst unterdrücken wir das ganze Bild.

** ① Absolut notwendige Fähigkeit als Ingenieur ** Um es reibungslos nutzen zu können. ・ Grundkenntnisse in Python3 · Befehlszeile ・ Git

** ② Setup ** Erfassen Sie Folgendes: ・ Python-System ・ Pip ・ Pipenv ・ Unentbehrlich für die Effizienz von Ubuntu-Terminals (Befehlszeile) ・ Tmux · Andere ・ Abschriftennotation (für Qiita)

・ Debugging-Arbeit -Debugging mit Pycharm

** ③ Maschinelles Lernen ** Erfassen Sie als Bibliothek die folgenden Dinge. ・ Scikit-lernen ・ Numpy ・ Pandas ・ Matplotlib ・ Keras

** ④ Buch ** Must ・ [Lesbarer Code](https://www.amazon.co.jp/%E3%83%AA%E3%83%BC%E3%83%80%E3%83%96%E3%83%AB%E3 % 82% B3% E3% 83% BC% E3% 83% 89-% E2% 80% 95% E3% 82% 88% E3% 82% 8A% E8% 89% AF% E3% 81% 84% E3% 82% B3% E3% 83% BC% E3% 83% 89% E3% 82% 92% E6% 9B% B8% E3% 81% 8F% E3% 81% 9F% E3% 82% 81% E3% 81% AE% E3% 82% B7% E3% 83% B3% E3% 83% 97% E3% 83% AB% E3% 81% A7% E5% AE% 9F% E8% B7% B5% E7% 9A% 84% E3% 81% AA% E3% 83% 86% E3% 82% AF% E3% 83% 8B% E3% 83% 83% E3% 82% AF-Theorie-Praxis-Boswell / dp / 4873115655) ・ [Essenz des maschinellen Lernens](https://www.amazon.co.jp/%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%81%AE % E3% 82% A8% E3% 83% 83% E3% 82% BB% E3% 83% B3% E3% 82% B9-% E5% AE% 9F% E8% A3% 85% E3% 81% 97% E3% 81% AA% E3% 81% 8C% E3% 82% 89% E5% AD% A6% E3% 81% B6Python-% E3% 82% A2% E3% 83% AB% E3% 82% B4% E3 % 83% AA% E3% 82% BA% E3% 83% A0-Maschinelles Lernen / dp / 4797393963) ・ [Maschinelles Lernen ab der Arbeit](https://www.amazon.co.jp/%E4%BB%95%E4%BA%8B%E3%81%A7%E3%81%AF%E3%81% 98% E3% 82% 81% E3% 82% 8B% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92-% E6% 9C% 89% E8% B3% 80 -% E5% BA% B7% E9% A1% 95 / dp / 4873118255) ** Andere persönlich gute Bücher ** ・ [Leicht zu lernende Mathematik zum Verständnis des maschinellen Lernens](https://www.amazon.co.jp/%E3%82%84%E3%81%95%E3%81%97%E3% 81% 8F% E5% AD% A6% E3% 81% B6-% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92% E3% 82% 92% E7% 90 % 86% E8% A7% A3% E3% 81% 99% E3% 82% 8B% E3% 81% 9F% E3% 82% 81% E3% 81% AE% E6% 95% B0% E5% AD% A6 % E3% 81% AE% E3% 81% 8D% E3% 81% BB% E3% 82% 93-% E3% 82% A2% E3% 83% A4% E3% 83% 8E-% E3% 83% 9F % E3% 82% AA% E3% 81% A8% E4% B8% 80% E7% B7% 92% E3% 81% AB% E5% AD% A6% E3% 81% B6-% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92% E3% 81% AE% E7% 90% 86% E8% AB% 96% E3% 81% A8% E6% 95% B0% E5% AD% A6% E3% 80% 81% E5% AE% 9F% E8% A3% 85% E3% 81% BE% E3% 81% A7 / dp / 4839963525) ・ [Lernen durch Bewegen mit Python! Neues Lehrbuch für tiefes Lernen Vom grundlegenden maschinellen Lernen zum tiefen Lernen](https://www.amazon.co.jp/Python%E3%81%A7%E5%8B%95%E3 % 81% 8B% E3% 81% 97% E3% 81% A6% E5% AD% A6% E3% 81% B6-% E3% 81% 82% E3% 81% 9F% E3% 82% 89% E3% 81% 97% E3% 81% 84% E6% B7% B1% E5% B1% A4% E5% AD% A6% E7% BF% 92% E3% 81% AE% E6% 95% 99% E7% A7% 91% E6% 9B% B2-% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92% E3% 81% AE% E5% 9F% BA% E6% 9C% AC % E3% 81% 8B% E3% 82% 89% E6% B7% B1% E5% B1% A4% E5% AD% A6% E7% BF% 92% E3% 81% BE% E3% 81% A7-AI -TECHNOLOGY / dp / 4798158577)

① Absolut notwendige Fähigkeiten als Ingenieur

・ Grundkenntnisse in Python3 · Befehlszeile ・ Git

Es ist, als ob man ohne diese Fähigkeiten nichts wirklich tun kann. Lassen Sie uns in erster Linie diese drei Dinge tun. Progate wurde vom aufstrebenden Ziel empfohlen. Es ist möglich, dies kostenlos zu tun, und die Tatsache, dass Sie keine eigene Umgebung entwickeln müssen, ist ein attraktiver erster Schritt. Ich selbst habe alles an einem Tag erledigt, also denke ich, dass ich ohne Schwierigkeiten weitermachen kann. Ich habe eine Kurzreferenztabelle erstellt, die ich viel später mit Bezug auf Progate verwenden werde. Verwenden Sie sie daher bitte. ・ Git Basic / KurzreferenzBefehlszeilen-Basis- / Kurzreferenztabelle

② Setup

** Python-Familie ** ・ Pip ・ Pipenv

Dies sind die Tools, um die Bibliotheken zu erhalten, die Sie in Python benötigen. In der Praxis wird pip nur zur Installation von pipenv verwendet. Siehe unten für Pips. ・ Pip-Kurzreferenztabelle Siehe gute Artikel, die von anderen über pipenv geschrieben wurden. Dieser Artikel beschreibt den Grund, warum Pipenv in Gegenwart von Anaconda und Pyenv verwendet wird.

** Wesentlich für die Effizienz auf Ubuntu-Terminals (Befehlszeile) ** ・ Tmux

tmux ist ein Tool, das die Entwicklung rationalisiert. Es ist möglich, auf demselben Bildschirm zu arbeiten, ohne mehrere Fenster im Terminal erstellen zu müssen. Ich habe auf die folgende Website verwiesen. ・ Wenn Sie ein Infrastrukturingenieur sind, beherrschen Sie tmux! ??

** Andere ** ・ Abschriftennotation (für Qiita)

Zuerst dachte ich, diese "Markdown-Notation" sei eine Programmnotation oder so, aber es ist einfach eine bequeme Notation für die Arbeit, die ich derzeit in der laufenden Form des Schreibens von Qiita mache. Es gibt einfach so viele Möglichkeiten, Buchstaben zu vergrößern und Absätze zu erstellen. Wenn Sie sich auf den folgenden Artikel beziehen, ist alles organisiert. ・ Qiita-Markdown-Notationsliste / Spickzettel

** Debugging-Arbeit ** -Debugging mit Pycharm

Dies ist auch eine Frage der Effizienz, aber es sollte nicht nur Effizienz sein. Es gibt nützliche Möglichkeiten, Python zu debuggen. Das ist "mit Pycharm". Bei aufstrebenden Zielen musste ich den Inhalt der folgenden Artikel verstehen und beherrschen. ・ [Python für Nicht-Programmierer] Grundlagen des Debuggens mit PyCharm

③ Maschinelles Lernsystem

Es geht darum, die Bibliothek zu beherrschen, nicht die Python-Grammatik.

Das Wichtigste beim Lernen von maschinellem Lernen ist ** "Es reicht zu wissen, was Sie tun können" **.

Anfangs habe ich viel Zeit damit verbracht, jede Bibliothek zu studieren, aber ich denke nicht, dass es notwendig ist. Wenn Sie verstehen und wissen, was Sie tun können, können Sie es implementieren, indem Sie ein Buch in einer Hand oder etwas wie ** Qiitas Spickzettel ** betrachten. Die Implementierung der Programmierung ist keine Prüfung. Du kannst machen was immer du willst. Daher schreibe ich Artikel wie ** Schnellreferenztabelle ** mit der Bedeutung von "für mich".

Es gibt viele großartige zusammenfassende Artikel, die ich nicht erklären muss. Schauen Sie sich diese bitte selbst an. Das offizielle Tutorial ist alles, also werde ich es posten.

Aus meiner Sicht bedauere ich, dass ich in etwa einer Woche alles hätte tun können.

Sie sollten in der folgenden Reihenfolge lernen. ①scikit-learn offizielles Tutorial zu scikit-learn ②Numpy Numpy Official Tutorial Alles über Numpy Complete Basics ③Pandas Pandas Official Tutorial ④Matplotlib Offizielles Matplotlib-Tutorial ⑤Keras Keras Official (Japanisch)

Ich werde es noch einmal sagen! Wichtig ist ** "Wenn Sie wissen, was Sie tun können, ist es in Ordnung!" **! !!

④ Buchen

Einführung in die Bücher, die ich gelesen habe, um maschinelles Lernen zu lernen.

Die Essenz des maschinellen Lernens

[Essenz des maschinellen Lernens](https://www.amazon.co.jp/%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%81%AE% E3% 82% A8% E3% 83% 83% E3% 82% BB% E3% 83% B3% E3% 82% B9-% E5% AE% 9F% E8% A3% 85% E3% 81% 97% E3 % 81% AA% E3% 81% 8C% E3% 82% 89% E5% AD% A6% E3% 81% B6Python-% E3% 82% A2% E3% 83% AB% E3% 82% B4% E3% 83% AA% E3% 82% BA% E3% 83% A0-Maschinelles Lernen / dp / 4797393963) Dieses Buch behandelt die Grundlagen von Python, die für maschinelles Lernen erforderlichen mathematischen Geschichten, numerische Berechnungen mit Python und Algorithmen für maschinelles Lernen. Es scheint, dass das gesamte maschinelle Lernen wie kein anderes organisiert ist. Wer an der Universität Mathematik studiert hat, sollte aus der numerischen Berechnung von Python lesen.

Maschinelles Lernen, um bei der Arbeit zu beginnen

[Maschinelles Lernen ab der Arbeit](https://www.amazon.co.jp/%E4%BB%95%E4%BA%8B%E3%81%A7%E3%81%AF%E3%81%98 % E3% 82% 81% E3% 82% 8B% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92-% E6% 9C% 89% E8% B3% 80- % E5% BA% B7% E9% A1% 95 / dp / 4873118255) Wie der Name schon sagt, vermittelt es Ihnen ein Bild vom Geschäft. Selbst wenn Sie nur Theorie studieren, wissen Sie nicht, wofür sie verwendet werden kann. Ich denke, es wird in einem solchen Fall ein guter Leitfaden sein. Da es das zweite Buch ist, das gelesen wird, ist es am besten, es zu lesen, nachdem die Grundlagen unterdrückt wurden. Es hat jedoch auch die Natur eines zusammenfassenden Buches, daher denke ich, dass es ideal für die Überprüfung von Methoden des maschinellen Lernens ist.

Einfaches Lernen Mathematik, um maschinelles Lernen zu verstehen

[Leicht zu lernende Mathematik zum Verständnis des maschinellen Lernens](https://www.amazon.co.jp/%E3%82%84%E3%81%95%E3%81%97%E3%81] % 8F% E5% AD% A6% E3% 81% B6-% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92% E3% 82% 92% E7% 90% 86% E8% A7% A3% E3% 81% 99% E3% 82% 8B% E3% 81% 9F% E3% 82% 81% E3% 81% AE% E6% 95% B0% E5% AD% A6% E3% 81% AE% E3% 81% 8D% E3% 81% BB% E3% 82% 93-% E3% 82% A2% E3% 83% A4% E3% 83% 8E-% E3% 83% 9F% E3% 82% AA% E3% 81% A8% E4% B8% 80% E7% B7% 92% E3% 81% AB% E5% AD% A6% E3% 81% B6-% E6% A9% 9F% E6 % A2% B0% E5% AD% A6% E7% BF% 92% E3% 81% AE% E7% 90% 86% E8% AB% 96% E3% 81% A8% E6% 95% B0% E5% AD % A6% E3% 80% 81% E5% AE% 9F% E8% A3% 85% E3% 81% BE% E3% 81% A7 / dp / 4839963525) Dank dieses Buches konnte ich die Kenntnisse der Mathematik im grundlegenden maschinellen Lernen verstehen. Wenn Sie die Essenz des maschinellen Lernens als schwierig empfinden, können Sie jetzt beginnen.

Lernen Sie, indem Sie sich mit Python bewegen! Neues Lehrbuch für tiefes Lernen Vom grundlegenden maschinellen Lernen zum tiefen Lernen

[Lernen durch Bewegen mit Python! Neues Lehrbuch für tiefes Lernen Vom grundlegenden maschinellen Lernen zum tiefen Lernen](https://www.amazon.co.jp/Python%E3%81%A7%E5%8B%95%E3%] 81% 8B% E3% 81% 97% E3% 81% A6% E5% AD% A6% E3% 81% B6-% E3% 81% 82% E3% 81% 9F% E3% 82% 89% E3% 81 % 97% E3% 81% 84% E6% B7% B1% E5% B1% A4% E5% AD% A6% E7% BF% 92% E3% 81% AE% E6% 95% 99% E7% A7% 91 % E6% 9B% B8-% E6% A9% 9F% E6% A2% B0% E5% AD% A6% E7% BF% 92% E3% 81% AE% E5% 9F% BA% E6% 9C% AC% E3% 81% 8B% E3% 82% 89% E6% B7% B1% E5% B1% A4% E5% AD% A6% E7% BF% 92% E3% 81% BE% E3% 81% A7-AI- TECHNOLOGY / dp / 4798158577) Dies ist das Buch, das ich hauptsächlich studiert habe. Dies ist ein Buch, das ich erhalten habe, als ich ins Labor ging, um mich mit einem Professor über das Erlernen künstlicher Intelligenz zu beraten. Das gesamte tiefe Lernen wird beschrieben (abgesehen von der theoretischen Geschichte). Wir machen alles von der Umweltentwicklung bis zur Implementierung. Es wird echten Anfängern empfohlen, zuerst dieses Buch und dann das obige Buch zu schreiben. Außerdem kann ich alles über die oben erwähnten Bibliotheken (wie Numpy) erfahren.

schließlich

Ich habe alles, was ich getan habe, in diesen Artikel aufgenommen. Von nun an möchte ich beim Lesen der Zeitung mit der neuesten Technologie der künstlichen Intelligenz in Kontakt kommen. Es scheint lang zu sein, aber danke fürs Lesen.

Recommended Posts

Alles für Anfänger, um maschinelles Lernen zu können
[Für Anfänger] Einführung in die Vektorisierung beim maschinellen Lernen
Erste Schritte für Anfänger des maschinellen Lernens (KI)
Eine Einführung in OpenCV für maschinelles Lernen
Eine Einführung in maschinelles Lernen für Bot-Entwickler
Empfohlene Studienreihenfolge für Anfänger des maschinellen Lernens / Deep Learning
[Für Anfänger] Was ist nach der Installation von Anaconda zu tun?
Einführung in das maschinelle Lernen
Vorbereitung zum Starten von "Python Machine Learning Programming" (für macOS)
Datensatz für maschinelles Lernen
Japanische Vorverarbeitung für maschinelles Lernen
Lernablauf für Python-Anfänger
Eine Einführung in das maschinelle Lernen
Anfänger des maschinellen Lernens versuchten RBM
~ Tipps für Python-Anfänger mit Liebe von Pythonista ③ ~
Super Einführung in das maschinelle Lernen
Die Verwendung von icrawler zum Sammeln von Daten zum maschinellen Lernen wurde vereinfacht
Für diejenigen, die mit TensorFlow2 maschinelles Lernen beginnen möchten
Wie nutzt man maschinelles Lernen für die Arbeit? 03_Python-Codierungsverfahren
Anfänger des maschinellen Lernens versuchen, Naive Bayes zu erreichen (2) - Implementierung
Anfänger des maschinellen Lernens versuchen, Naive Bayes (1) - Theorie zu erreichen
Einführung in das maschinelle Lernen Schreiben von Notizen
[Python Machine Learning] Empfehlung zur Verwendung von Spyder für Anfänger (Stand August 2020)
[Für IT-Anfänger] Was tun, wenn der Befehl rev nicht mit Git Bash verwendet werden kann?
Python-Lernnotiz für maschinelles Lernen von Chainer Kapitel 8 Einführung in Numpy
Newton-Methode für maschinelles Lernen (von 1 Variablen zu mehreren Variablen)
Vor der Einführung in das maschinelle Lernen. ~ Techniken, die für anderes maschinelles Lernen als maschinelles Lernen erforderlich sind ~
Python-Lernnotiz für maschinelles Lernen von Chainer Kapitel 10 Einführung in Cupy
Zusammenfassung des maschinellen Lernens von Python-Anfängern
Einführung in die Bibliothek für maschinelles Lernen SHOGUN
Informationen zum maschinell erlernten Meeting für HRTech
[Empfohlenes Tagging für maschinelles Lernen # 4] Skript für maschinelles Lernen ...?
[Maschinelles Lernen] Ich habe versucht, so etwas wie Bilder weiterzugeben
Sammeln von Daten zum maschinellen Lernen
Wie man für den Deep Learning Association G-Test (für Anfänger) lernt [Version 2020]
Deshalb kann ich von meinem aktuellen Standort aus nach kleinen Wahlkreisen suchen
Annäherungserklärung für Anfänger, um in Kaggle Titanic_3 unter den besten 1,5% (0,83732) zu sein
Wie nutzt man maschinelles Lernen für die Arbeit? 02_AI Entwicklungsprojektübersicht
Suchen Sie nach technischen Blogs durch maschinelles Lernen mit dem Schwerpunkt "Verständlichkeit"
Python-Anfänger veröffentlichen Web-Apps mit maschinellem Lernen [Teil 2] Einführung in explosives Python !!
Annäherungserklärung für Anfänger, um in Kaggle Titanic_1 unter den besten 1,5% (0,83732) zu sein
Annäherungserklärung für Anfänger, um in Kaggle Titanic_2 unter den besten 1,5% (0,83732) zu sein
Anfänger des maschinellen Lernens nehmen an Courseras Deep Learning-Kurs teil
Einführung in das maschinelle Lernen: Funktionsweise des Modells
Verstärken Sie Bilder für maschinelles Lernen mit Python
Notieren Sie die Schritte zum Verständnis des maschinellen Lernens
Ich habe Python 3.5.1 installiert, um maschinelles Lernen zu studieren
Warum Python für maschinelles Lernen ausgewählt wird
"Verwendbare" One-Hot-Codierungstechnik für maschinelles Lernen
[Shakyo] Begegnung mit Python zum maschinellen Lernen
[Python] Webanwendungsdesign für maschinelles Lernen
Support Vector Machine (für Anfänger) -Code Edition-
Anfänger lesen "Einführung in TensorFlow 2.0 für Experten"
Wie man Coursera / Maschinelles Lernen genießt (Woche 10)
[Deep Learning] Nogisaka Gesichtserkennung ~ Für Anfänger ~
Erstellen einer Entwicklungsumgebung für maschinelles Lernen
Einführung in Deep Learning (1) --Chainer wird Anfängern leicht verständlich erklärt.
Maschinelles Lernen
Ich habe versucht, verschiedene Methoden für maschinelles Lernen (Vorhersagemodell) mithilfe von Scicit-Learn zu implementieren