事務用品 ：「opencv python」の検索結果

Pythonでデータ分析や機械学習を行うためのリファレンス! Pythonのデータサイエンス用のツールを使いこなし、効率よく仕事を進めるための、実用的な情報が詰め込まれたリファレンスです。IPythonとJupyter、NumPy、pandas、matplotlib、scikit-Learnをカバーします。それぞれのトピックについて、押さえておくべき基本、tips、便利なコマンドなどを紹介します。普段、Pythonで、データの操作、変換、可視化、統計的処理、データモデルの構築、科学計算を行う人にとって必須のリファレンスです。

大好評『OpenCVによる画像処理入門』の続編がついに誕生! 運動復元、物体追跡、画像レジストレーション、三次元再構成、機械学習をOpenCVで学ぼう!汎用性の高いアルゴリズムのプログラム例を多数掲載した。OpenCV3系に対応。多彩な内容で、欲張りな一冊! 【「まえがき」より】 本書は『OpenCVによる画像処理入門』の続編である．本書は，工業高等専門学校生，大学学部生，大学院生などを主な対象として構成し，基本的かつ汎用性の高いコンピュータビジョン・機械学習アルゴリズムを選定して掲載した． 前著と同様に，各章では，まず各技術の理論について解説し，その後，その技術をOpenCVを用いて実装する方法について紹介している．実装については，各技術について1つ 1つ実行できるようなプログラム例を掲載しているので，実行することで理論の理解を深めることができる． 学生だけでなく，CVの新しいアプリケーションを開発しようとしている技術者が，自身の課題に簡単に応用できるように配慮している．CVの各種の実装方法については，そのエッセンスのみから構成されるようなコーディング法で実装することを心がけている． 【おもな内容】 Chapter0 コンピュータビジョンとは? Chapter1 特徴検出 Chapter2 特徴量記述 Chapter3 運動復元 Chapter4 物体追跡 Chapter5 画像レジストレーション Chapter6 カメラモデル Chapter7 エピポーラ幾何 Chapter8 カメラキャリブレーション Chapter9 3次元再構成 Chapter10 機械学習とは? Chapter11 人工的なデータの生成 Chapter12 主成分分析 Chapter13 クラスタリング Chapter14 k最近傍法 Chapter15 ベイズ識別 Chapter16 サポートベクトルマシン Chapter17 決定木 Chapter18 ニューラルネットワーク Chapter19 ブースティング Chapter20 識別器の性能評価

機械学習は、人工知能を支える技術の1つです。本書では、RaspberryPiを使いサポートベクトルマシンや多層ニューラルネットワークを体験し、機械学習の概念の理解を目指します。最後はディープラーニングの演習も行います。演習用のプログラムはダウンロードできるので、プログラミング経験なしでも、すぐはじめられます。機械学習にはScikit-learn、ディープラーニングにはkeras、画像処理にはOpenCVを使用します。●本書で行う主な演習・アヤメのデータを種類別に分類する・0～9の手書き数字を分類する・マウスで描いた数字を認識する・カメラで映した手の形(グー、チョキ、パー)を認識する・じゃんけんで人間が次に出す手を予測する・コンピュータと勝負!じゃんけんシステムを構築する・上記の演習のディープラーニングによる性能向上【本書の演習を行ううえで推奨する機器やシステム】・RaspberryPi……RaspberryPi2ModelBまたはRaspberryPi3ModelB・OS……Raspbian(NOOBS2．4．4以降。「Stretch」というバージョン以降のもの)【注】本書の演習は、RaspberryPiとRaspbian以外の環境には対応しておりません。また、本書は、パソコンやインターネットの一般的な操作をひと通りできる方を対象にしているため、基本操作などは解説しておりません。本書に掲載される情報は、2018年2月下旬時点のものです。刊行後の最新情報はサポートサイトに掲載します。【本書のサポートサイト】(本書刊行後よりご利用いただけます)http：//bluebacks．kodansha．co．jp/special/ml．htmlサポートサイトがメンテナンス中の場合の対処法は、https：//twitter．com/bluebacks_pubにて発信します。

本書は、機械学習コンセプト全般をカバーし、理論的背景とPythonコーディングの実際を解説しています。初歩的な線形回帰から始め、ディープラーニング(CNN/RNN)、敵対的生成ネットワーク(GAN)、強化学習などを取り上げ、scikit‐learnやTensorFlowなどPythonライブラリの新版を使ってプログラミング。第3版では13～16章の内容をほとんど刷新したほか、敵対的生成ネットワークと強化学習の章を新たに追加。機械学習プログラミングの本格的な理解と実践に向けて大きく飛躍できる一冊です。「データから学習する能力」をコンピュータに与える；分類問題―単純な機械学習アルゴリズムの訓練；分類問題―機械学習ライブラリscikit‐learnの活用；データ前処理―よりよい訓練データセットの構築；次元削減でデータを圧縮する；モデルの評価とハイパーパラメータのチューニングのベストプラクティス；アンサンブル学習―異なるモデルの組み合わせ；機械学習の適用1―感情分析；機械学習の適用2―Webアプリケーション；回帰分析―連続値をとる目的変数の予測；クラスタ分析―ラベルなしデータの分析；多層人工ニューラルネットワークを一から実装；ニューラルネットワークの訓練をTensorFlowで並列化する；TensorFlowのメカニズム；画像の分類―ディープ畳み込みニューラルネットワーク；系列データのモデル化―リカレントニューラルネットワーク；新しいデータの合成―敵対的生成ネットワーク；複雑な環境での意思決定―強化学習

「最近よく聞くPythonってなんだろう?」 「プログラミングをやってみたいけど、どこから始めればいいかな?」 そんな風に思っている方にぴったりの1冊です。 本書は、Pythonに興味を持っている方や、これからプログラミングを始めてみたい方、プログラミングに興味のある学生さんに向けて、丁寧に、やさしく解説をした本です。 書籍でプログラミングを学ぶ場合につまづきがちな環境構築はなるべく簡単なものを選び、簡単に始められるようにしています。プログラミングも、簡単なものから少しずつステップアップして、無理なく進めていけるようになっています。 この本の特徴は、「できた!」「動いた!」という感覚を積み重ねていけることです。すぐに動かせるサンプルを使いながら基本文法を学習できるようにし、「動かしながら学べる」ようにしています。 思い通りに動かすことで、学んだことがしっかりと身につきます。 Pythonの入門書は、画面にプログラムの結果を表示させて終わるものが多いですが、本書では、後半の章で、画面に円や四角を描画したり、ゲームを作ったりと、わくわくするような結果が得られるサンプルを用意しています。今話題の機械学習にもチャレンジしています。 たとえば、Chapter 6 ではプレイヤーをゴールまで連れて行く迷路ゲームや、車を操作するドライブゲームを作ります。自分で作ったゲームが動く喜びを、ぜひ味わってみてください。 Chapter 7 では、花の画像の分類や、手書き文字の認識、自分で収集した画像の分類などを行います。機械学習の第1歩を、ぜひここで体験してみてください。 本を読み終えたときにはきっと、「もっといろんなことができるようになりたい」と思ってもらえる、そんな1冊です。 Chapter 1 プログラミングって何だろう? Chapter 2 プログラミングをはじめよう Chapter 3 制御構文を使ってみよう Chapter 4 リストと辞書型を使ってみよう Chapter 5 関数を使ってみよう Chapter 6 ゲームを作ってみよう Chapter 7 機械学習に挑戦してみよう