Python | Ce que vous pouvez faire avec Python
introduction
- Apprentissage automatique
- Analyse / visualisation des données
- Développement d'applications WEB
Il y a trois choses principales que vous pouvez faire avec Python. Je vais expliquer un par un.
Apprentissage automatique
- Qu'est-ce que l'apprentissage automatique?
- Python dans l'apprentissage automatique
- Comment apprendre l'apprentissage automatique
Qu'est-ce que l'apprentissage automatique?
L'explication simple de l'apprentissage automatique est de découvrir à partir des données quel est le meilleur moyen d'accomplir la tâche.
C'est souvent confondu avec l'IA, mais certains le sont. L'apprentissage automatique s'inscrit dans le grand cadre de l'IA. C'est comme si le champ du dioxyde de carbone existe dans le grand cadre du jus.
Plus précisément, en utilisant l'apprentissage automatique, vous pouvez traduire entre les langues et faire des recommandations (fonctions recommandées) sur les sites EC.
Python dans l'apprentissage automatique
Python dispose d'une multitude de modules de bibliothèque pour l'apprentissage automatique. Typiquement
- NumPy
- scikit-learn
- TensorFlow
Etc. Les caractéristiques de chacun sont les suivantes.
| Fonctionnalité | |
|---|---|
| NumPy | Les calculs mathématiques peuvent être effectués à grande vitesse |
| scikit-learn | Riche en algorithmes et ensembles de données |
| TensorFlow | Google peut développer et construire des réseaux de neurones |
3 façons d'apprendre le machine learning
- Apprentissage profond à partir de zéro
- Laboratoire DL4US Matsuo, Université de Tokyo
- Université Cousera Machine Learning Stanford
[__ Créer à partir de zéro le Deep Learning __](https://www.amazon.co.jp/%E3%82%BC%E3%83%AD%E3%81%8B%E3%82%89%E4%BD % 9C% E3% 82% 8BApprentissage en profondeur-% E2% 80% 95Python% E3% 81% A7% E5% AD% A6% E3% 81% B6% E3% 83% 87% E3% 82% A3% E3% 83% BC% E3% 83% 97% E3% 83% A9% E3% 83% BC% E3% 83% 8B% E3% 83% B3% E3% 82% B0% E3% 81% AE% E7% 90% 86% E8% AB% 96% E3% 81% A8% E5% AE% 9F% E8% A3% 85-% E6% 96% 8E% E8% 97% A4-% E5% BA% B7% E6% AF% 85 / dp / 4873117585 / ref = sr_1_1? __ mk_ja_JP =% E3% 82% AB% E3% 82% BF% E3% 82% AB% E3% 83% 8A & dchild = 1 & keywords =% E3% 82% BC% E3% 83% AD% E3% 81% 8B% E3% 82% 89% E4% BD% 9C% E3% 82% 8B Profond + Apprentissage & qid = 1600215913 & s = livres & sr = 1-1)
Si vous souhaitez apprendre le machine learning, en particulier le deep learning, avec des livres, c'est celui qu'il vous faut. Il est préférable d'apprendre Python dans une certaine mesure avant de travailler dessus. Cependant, comme le livre lui-même est épais, il semble que le taux de frustration soit élevé pour ceux qui ne sont pas doués pour étudier avec des livres.
__DL4US Matsuo Laboratory, Université de Tokyo __
Il s'agit du contenu réel utilisé dans la classe, créé principalement par le professeur Yutaka Matsuo de l'Université de Tokyo, qui est le président de la Japan Deep Learning Association et un directeur extérieur du Softbank Group. Tous peuvent être téléchargés gratuitement.
Ce contenu est le contenu du cours Deep Learning "DL4US" pour les ingénieurs. Il est conçu pour que vous puissiez apprendre des connaissances importantes à partir des bases pour créer un nouveau modèle d'apprentissage profond et pour effectuer des recherches et des développements avancés sans nécessiter de connaissances mathématiques avancées. --https: //weblab.t.u-tokyo.ac.jp/dl4us/ | Contenu DL4US du laboratoire Matsuo cité à partir de la page publique
__Cousera Machine Learning Stanford University __
Il s'agit d'un cours d'apprentissage automatique de l'Université de Stanford à Cousera, qui est un cours en ligne dispensé par les meilleurs professeurs d'universités prestigieuses, Google, IBM et d'autres excellentes entreprises. La langue est l'anglais, mais il existe des sous-titres japonais. Vous pouvez apprendre de manière exhaustive l'apprentissage automatique.
Ce cours présente un large éventail d'apprentissage automatique, d'exploration de données et de reconnaissance statistique de formes. Les thèmes sont: (i) Apprentissage supervisé (algorithmes paramétriques / non paramétriques, machines vectorielles de support, noyaux, réseaux de neurones). (ii) Apprentissage non supervisé (clustering, réduction de dimension, système de recommandation, apprentissage en profondeur). (iii) Meilleures pratiques d'apprentissage automatique (théorie des biais / dispersion, apprentissage automatique et processus d'innovation de l'IA). Nous tirons également des algorithmes d'apprentissage de nombreuses études de cas et applications dans des domaines tels que la construction de robots intelligents (perception, contrôle), la compréhension de texte (recherche sur le Web, anti-spam), la vision par ordinateur, l'informatique médicale, l'audio, l'exploration de bases de données, etc. Vous apprendrez également comment l'appliquer.
- cité de https://www.coursera.org/learn/machine-learning Coursera Machine Learning Stanford (traduit à https://www.deepl.com/ja/translator DeepL)
Analyse / visualisation des données
- Qu'est-ce que l'analyse / visualisation des données?
- Python pour l'analyse et la visualisation des données
- Comment apprendre l'analyse et la visualisation des données
Qu'est-ce que l'analyse / visualisation des données?
L'analyse des données consiste à collecter des chiffres et des lettres, à classer, supprimer et ajouter à chaque élément pour ajouter de la valeur aux données. En analysant les données, vous pouvez améliorer les tendances et les problèmes qui en découlent et les utiliser pour le développement de votre entreprise.
En même temps, en visualisant les données et en créant des graphiques et des tableaux, l'essence et la valeur des données peuvent être vues plus avant.
Python dans l'analyse et la visualisation de données
Python dispose également d'une bibliothèque pour travailler avec des données. Typiquement
- Pandas
- SciPy
- Matplotlib Tel
| Fonctionnalité | |
|---|---|
| Pandas | Représentation graphique des données, analyse des données, lecture des données |
| Scipy | Bibliothèque de calculs scientifiques et technologiques (intégration différentielle, statistiques, etc.) |
| Matplotlib | Bibliothèque de dessins graphiques |
Développement d'applications WEB
- Qu'est-ce qu'une application WEB?
- Python dans l'application WEB
Qu'est-ce qu'une application WEB?
Une application WEB est une application qui s'exécute en liant un serveur et un client. En termes simples, c'est une application comme Youtube ou Twitter où chaque individu a un compte.
Python dans les applications WEB
Les frameworks Python incluent Django et Flask.
| Fonctionnalité | |
|---|---|
| Django | Fonctions riches, haute qualité, développement rapide d'applications |
| Flask | Simple et facile à manipuler, pour petite échelle |
| Bottle | Équipé des fonctions minimales nécessaires |
Résumé
En plus de cela, Python propose un développement de jeu et un code clairs et faciles à comprendre à l'aide de Pygame. Il est également utilisé dans le domaine de l'éducation. Tirez le meilleur parti de ce que vous pouvez faire avec Python et amusez-vous à programmer!
Recommended Posts