「python 入門」の検索結果

「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

【概要】人工知能関連のプロダクト・サービスの開発において、機械学習は最初の学習領域です。本書は、機械学習の基本と実践手法について解説した書籍です。機械学習の開発環境の準備、実際の現場での利用方法、そしてブラックボックス化しがちな理論部分もしっかりフォローしています。データ集計・整形と組み合わせた機械学習モデルの利用方法も解説しています。【読者対象】人工知能関連の開発に携わる開発者、研究者【著者】大曽根圭輔(おおそね・けいすけ)筑波大学大学院システム情報工学研究科博士後期課程修了。博士(工学)。2012年に株式会社サイバードに入社し、データ分析部門立ち上げ等を担当。2015年に株式会社Gunosyに入社、アルゴリズム開発やユーザ行動分析、グノシー事業の責任者を担当。データ可視化が好きで、業務外の活動で「STATDASHグランプリ2016」総務大臣賞、第14回日本統計学会統計教育賞などを受賞。関喜史(せき・よしふみ)富山商船を卒業後、東京大学工学部に編入学。同大学院工学系研究科博士課程修了。博士(工学)。2011年度未踏OB。未踏ジュニアPM。大学院在籍中にGunosy(グノシー)を共同開発し、2012年にメーカー創業。創業期からニュース配信ロジックの開発を担当し、現在は研究開発に従事。2017年度言語処理学会論文賞受賞。推薦システム、ユーザ行動分析が専門。米田武(よねだ・たけし)1992年生まれ。2015年3月筑波大学理工学群数学類卒業、2017年3月大阪大学大学院理学研究科数学専攻修了。修士(理学)。CertifiedKubernetesApplicationDeveloper(CKAD)。AWSSummitTokyo2018登壇。2017年4月に株式会社Gunosyにデータ分析エンジニアとして新卒入社後、現在は推薦システムの設計からアルゴリズムのデザインのみならず、インフラ構築を含めたサーバーサイド全般に従事。

数学の知識がなくても読み進められる、理論だけでなく実践面も重視した機械学習の入門書! バックグラウンドに数学的な知識がなくても理解できるように書かれた、Pythonを使った機械学習の入門書。Pythonの機械学習用ライブラリの大定番、scikit-learnの開発に関わる著者が、scikit-learnを使った機械学習の方法を、ステップバイステップで解説します。最初に実践について述べて後から理論を補強するスタイルで、理解しやすいように工夫されています。理論面と実践面のバランスが良く、モデルの評価と改善について多くの紙面を割くなど、類書にはない特徴を備えています。

これからPythonを始めて、実践で使えるレベルを目指す!Pythonの基礎文法から始めて、Webアプリ開発までしっかり解説。「機械学習/AI」など人気のトピックから応用まで網羅!

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。

ラズベリー・パイを高度な赤外線学習リモコンにする拡張基板です。 基板上の10個のスイッチを、それぞれ外部赤外線リモコンの動作を基板本体内に記録可能。 メーカーサイトにて、各社2500以上のリモコンコードを公開、リモコンコードを自由に選んでオリジナルの高機能リモコンを作成できます。

Pythonの初学者向け課題学習型テキスト。Pythonはシンプルな言語で可読性に優れており、コマンドからすぐに動作につながるため、初学者の言語習得に適している。基礎編でPythonの動作を確認しながら理解を深め、実践編では例題にタートルグラフィックを使い、視覚的にプログラミングを習得する。近年、Pythonを使用してAI(人工知能)や電子工作などの分野にも広がりをみせる。

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

軽量かつ柔らかタイプの三角コーンです。 高さ700mmサイズでコーンバーやチェーンなどを掛けて、あらゆる場所で安全区画表示に使用できます。

自由な長さに調節でき、任意の位置でケーブルをしっかりロックします(特許取得済み) ケーブルは摩擦や雨に強いビニールコーティング仕様 ロック部分も錆びにくい コンパクトにまとめることができ、持ち運びに便利 パイソン(ヘビ)をイメージしたユニークなデザイン

Python3．8対応!Pythonのセオリーを徹底解説。言語仕様や思想からWebスクレイピングまで幅広い領域を完全網羅。1 Python―overview(Pythonの概要)；2 言語仕様(Pythonの基本；型とリテラル；制御構文；関数；クラス；モジュールとパッケージ；型ヒント；拡張モジュールと組み込み；標準ライブラリ)；3 実践的な開発(コマンドラインユーティリティ；チャットサーバー；アプリケーション/ライブラリの配布；テスト；Webプログラミング)；4 外部ライブラリ(学術/分析系ライブラリ；実践データ収集・分析；マルチメディア；ネットワーク；データストア；運用/監視)

Webデータの巡回収集と解析をすべて自動で処理しよう【背景】企業においてデータ分析の需要が多くなってきているなか、企業のデータ分析の現場において、Webから様々なデータを集める「クローラー(クローリング)」と集めたデータの解析を行う「スクレイピング」のニーズが非常に高まってきています。【対象読者】・データの収集、解析などの仕事を請け負うプログラマー・クローラー開発を請け負うエンジニア【本書の特徴】本書は、データ収集・解析などの仕事を請け負うプログラマーや、クローラー開発を請け負う分析会社のエンジニアに向けて、クローラーの開発手法から実際のクローリングおよびスクレイピング手法ついて解説した入門書です。本書ではデータ分析の現場でニーズの高まってきているPythonを利用して、クローラー開発から始まり、クローリング、スクレイピングの基本から応用手法、そして運用までそれぞれの開発が直面する場面に沿って丁寧に解説します。最終章では目的別のクローラー開発手法を解説しています。【対象OSとPythonのバージョンについて】・OS：macOSSierra(10．2．x)・Python：3．6．2【目次】Part1基本編Chapter1クローラーとスクレイピングを体験するChapter2クローラーを設計するChapter3クローラーおよびスクレイピングの開発環境の準備とPythonの基本Chapter4スクレイピングの基本Part2応用編Chapter5クローラーの設計・開発(応用編)Chapter6スクレイピングの開発(応用編)Chapter7クローラーで集めたデータを利用するChapter8クローラーの保守・運用Chapter9目的別クローラー&スクレイピング開発手法Appendixクローラー&スクレイピングに役立つライブラリ

ビニール式なので軽量で持ち運びに便利です。

JupyterLabの使い方とデータの分析・可視化を徹底解説!データ分析の必須ツール、JupyterLabの基本から応用まで。pandasによるデータの集計・加工・可視化ノウハウ。Matplotlibとseabornによる効果的なグラフ作成。第1章 JupyterLabを導入しよう；第2章 JupyterLabの操作を学ぼう；第3章 pandasでデータを処理しよう；第4章 Matplotlibでグラフを描画しよう；第5章 Matplotlibを使いこなそう；第6章 seabornでデータを可視化しよう；第7章 seabornを使いこなそう；第8章 Colaboratoryを使おう

確率プログラミングのライブラリPyMC3を使ったベイズ統計モデリングの基本をシンプルなデータを使って実践的に解説。次のことが学べます。「ベイズ統計モデリングの概念を理解する」「PyMC3を使って統計モデルを構築する」「モデルの健全性をチェックし、必要に応じてモデルを修正する」「モデルに階層構造を組み入れて、階層モデルを活用する」「回帰分析を使って、目的としている連続的な結果変数を予測する」 第1章確率的に考える―ベイジアン推論入門； 第2章確率プログラミング―PyMC3入門； 第3章複数パラメータの取り扱いと階層モデル； 第4章線形回帰モデルによるデータの理解と予測； 第5章ロジスティック回帰による結果変数の分類； 第6章モデル比較； 第7章混合モデル； 第8章ガウス過程

「ビッグデータ」，「データサイエンティスト」，「AI」といった言葉がよく聞かれ，日々蓄積されるさまざまなデータの利活用が推進されている昨今，「機械学習」は，これらの言葉と切っても切れない存在となっている。本書は，さまざまなデータから未来を予測する”回帰問題”や”分類問題”に焦点を当て，多くのPythonのコードとともに，機械学習の効率的なアルゴリズムを取り上げていく。アルゴリズムがどのように振る舞うかをプログラムから理解し，結果を適切に解釈できるよう，動作を理解するためのコードと，実践で利用する最適化されたコードの2種類を用意し，また無償で入手可能なデータセットに対してアルゴリズムを適用し，その実行結果から解釈の仕方に至るまでを丁寧に解説している。実際に手を動かしながら読み進めていくことで，データ解析に必要な考え方を一通り身につけることができる，データ解析の入門書として格好の1冊となろう。[原著名：MachineLearninginPython：EssentialTechniquesforPredictiveAnalysis]

本書は，コンピュータによる建築形態の生成や分析を志す初学者が核となる基礎理論と計算手法をプログラミングしながら学べるように構成した。フリーのプログラミング環境を入手できるPythonとBlenderを使用。

イラストや写真を多用したビジュアル重視の紙面で初心者に直観的に理解できると人気のHeadFirstシリーズのPython版です。前半でPythonの基本を一通り説明してから、実際に独自のWebアプリケーションをステップバイステップで構築する作業通じて、データベース管理、例外処理、データ処理などの理解を深めていきます。手を動かしながら学べる入門書の決定版です。 このような方におすすめ Python初学者、学生

教科を横断した「STEAM教育」で、児童・生徒が主体的に問題解決に取組めるプログラミング教材。[特長]。スクラッチをベースとした専用アプリで直観的なプログラミング。入門・基礎・発展をあわせた様々な組立てモデル。4種類のセンサ・5×5のLEDマトリクス・M/Lモーターなどでモデルを作製・プログラミング

「理論」「実践」の両面から学べる、機械学習入門書の決定版!◆機械学習の理論をわかりやすく解説数式をしっかり扱いつつも、平易なことばで直感的な理解ができるよう工夫されています。また、分析したいデータの種類によってアルゴリズムを分類・整理して解説することで、現実で問題に直面した際に適用できるアルゴリズムが何なのかが理解でき、必要な部分から学んでいけるよう構成されています。◆幅広い手法を網羅「機械学習とは何か」という初歩の初歩から、識別・モデル推定といった基本的な考えかた、ニューラルネットワーク・サポートベクトルマシンといった応用手法、そして深層学習・強化学習といった発展的なトピックまで、様々なアルゴリズムがとりあげられています。◆Python/Wekaでアルゴリズムを実装アルゴリズムの解説だけでなく、Python/Wekaによる実装例も多数掲載されています。理論を学んだあとに、解析例をもとにデータの読み込みから結果の可視化まで1ステップずつ実装していくことで、表面的な理解にとどまらない、「現場で役立つ」知識が身につきます。第2版では、Pythonによる実装例が多数追加されたほか、勾配ブースティング・リカレントニューラルネットワーク・深層強化学習などの近年話題のトピック追加をはじめとして、全面的に最新の解説にアップデートされています。

埃や雨が入りにくい為、屋外の使用にも最適です。用紙をセットする際に、取り付けやすいようにストッパーがついています。

ご家庭にあるテレビやビデオなどのリモコンの好きなボタンを登録して、リレーを操作することができる赤外線リモコン受信機です。外部に接続した機器をON/OFFするリレーを2個搭載しており、ボタンを押している間だけONする「連続出力モード」 、ボタンを押すごとにON→OFF→ON→・・・と切り替わる「反転出力モード」の2つのモードを選んで組み立てることができます。さらに送信機用の部品と基板もセットしており、これを簡易の小型の送信機として使うことができます。 【カスケード接続が可能】 複数台の受信機を使用し、親機となる受信機のみに赤外線受光モジュールを取り付け、電源と赤外線受光モジュールの信号を共通にすることでリモコンに対応するリレーの数を増やすことが可能です。

シングルボードコンピュータRaspberry Piの2023年最新モデル”Raspberry Pi 5”。メインCPUはARM Cortex-A76クアッドコアにアップグレード。高速ストレージの拡張に使えるPCI Expressインターフェースも追加され、よりコンピュータとしての基本スペックが向上しています。オンボードの電源ボタンやUARTコネクタ、RTCコネクタなども搭載し、使いやすさや拡張性も進歩しました。※本製品はTELEC認証(技適)取得済みの日本国向け製品です。

Raspberry Pi公式の7インチ・タッチパネルディスプレイです。Raspberry Piのディスプレイポート(DSI)とタッチパネルディスプレイ背面のアダプタボードを付属のリボンケーブルで接続して使用します。タッチパネルは静電容量式10点マルチタッチでタブレットなみの性能です。

WEBブラウザを使って簡単プログラミング!入門・学習に最適なメカトロキット!独自のRasPythonカーIDE(言語：Python)により、反射型フォトセンサー4系統、音センサー、マルチカラーLEDによるヘッドライト、PWMによる速度可変可能なDCモーター制御などを利用し自在にプログラムして動作できます。ブラウザベースの開発ツールなので、OSに依存せずにパソコン、iOS端末、Android端末を使用して操作可能です。OSセットアップ済みのSDカードも付属しているので、CPUボード：Raspberry Piに差し込むだけで、すぐに使用できます。

機械学習と人工知能技術を完全マスター!線形回帰からニューラルネットワークまで。機械学習のアルゴリズムをマスター。TensorFlowでの実装を解説! 1機械学習に必要なもの(機械学習の旅；TensorFlowの必需品)； 2主要な学習アルゴリズム(線形回帰とその先；クラス分類の簡単な紹介；自動的にデータをクラスタリングする；隠れマルコフモデル)； 3ニューラルネットワークの実例(自動エンコーダの中身；強化学習；畳み込みニューラルネットワーク)

コマンドであり軽量言語(LL)の元祖でもあって、シェルでのテキストデータ処理には便利で手放せない「AWK」の魅力と書き方、シェルコマンドと組み合わせたテクニック(シェル芸)を解説!『シェルスクリプトマガジン』(USP研究所刊)の人気連載を単行本化。著者がゲスト出演しAWKについて語ったラジオ番組(翔泳社のWebマガジン『CodeZine』制作)のダイジェスト記事も収録。各章は短くさらっと読めるため、AWKを気軽に学習できる。LLの入門にぴったり。シェルプログラミングで役立つコマンド+AWKテクニックも紹介。Python、Ruby、Perl、PHPなどでプログラミングしている人も、小さく書けて小気味の良いAWK体験をぜひ。

設定不要ですぐに使えるテレビリモコン 地上デジタルの主な機能を操作可能 ブラビアリンク対応でDVDやブルーレイとの連動操作に対応 2方向のLED搭載で広角送信

2つのIEPEセンサ入力を備えたRaspberry Pi用HAT。加速度計やマイクなどのIEPE(圧電式圧力センサ)から音と振動の測定を行うために2つのチャネルを備えたDAQ HATです。それぞれのチャネルごとに24ビットA/Dコンバータを備え、最大サンプルレートは51.2ksps/chです。また、1台のRaspberry Piに最大8つのMCC172をスタックすることができます。すべてのDAQHATには、C/C++とPythonのサンプルとオープンソースライブラリが付属しています。また、包括的なAPIとハードウェアのドキュメントも提供されています。【ご注意】。※本製品には、Raspberry Piは含まれていません。

。8チャンネルのアナログ電圧を測定できるRaspberry Pi用HAT。Raspberry Piをベースにしたデータ収集システム用の8チャンネルのアナログ電圧測定用拡張ボードです。12ビットの分解能と±10V、±5V、±2V、±1Vの入力範囲を持つ8つのシングルエンドアナログ入力と4つの差動アナログ入力を備え、最大サンプルレートは100kspsです。最大8個のMCC128 HATを1台のRaspberry Piにスタックすることができ、最大64チャネルのデータと320kspsの最大スループットが得られます。すべてのDAQHATには、C/C++とPythonのサンプルとオープンソースライブラリが付属しています。また、包括的なAPIとハードウェアのドキュメントも提供されています。【ご注意】。※本製品には、Raspberry Piは含まれていません。

。2つのアナログ電圧出力と8つのデジタルI/Oを備えたRaspberry Pi用HAT。Raspberry Piに2チャンネルのアナログ電圧出力と8つのデジタルI/Oを追加することができるDAQ HATです。12ビットのA/Dコンバータを搭載し、電圧出力は0～5Vの範囲、サンプリングは最大5kspsです。また、1台のRaspberry Piに最大8つのMCC152をスタックすることができます。すべてのDAQHATには、C/C++とPythonのサンプルとオープンソースライブラリが付属しています。また、包括的なAPIとハードウェアのドキュメントも提供されています。【ご注意】。※本製品には、Raspberry Piは含まれていません。

大人気「10秒で始める人工知能プログラミング学習サービス」の代表者がおくる、 人工知能プログラミングに必要な数学を、やさしく学ぶ参考書が登場! キホンのキホンからおさらいするから、ニガテな人でも大丈夫! 後半では、Pythonのコードを動かしてさらに理解を深められます! 本書の目的 ・人工知能関連の書籍に現れる数式への抵抗感をなくし、専門書を読むための数学基礎力をつけます。 ・いくつかの人工知能のアルゴリズムを理解し、数式の意味を理解できるようにします。 本書の特長 ・ゼロからおさらいするので、誰でも読めます。 ・人工知能プログラミングに必要な分野に特化しています。 ・演習問題や例題で、理解を深められます。 本書の対象読者 ・人工知能アルゴリズムを用いてモデリングをしているが、その根底のアルゴリズムはブラックボックスであり、数学を復習したい方。 ・人工知能アルゴリズムを体系的に学びたいが、数学を忘れており、専門書に現れる数式が理解できない方。 ・人工知能アルゴリズムに興味があるが、ハードルが高いと感じている方。 目次 CHAPTER1 数学基礎 中学1 年から高校の数学を復習し、機械学習で使う数学の「入門レベル」を固めます。 CHAPTER 2 微分 微分の概念や表現方法を学びます。機械学習では「ディープラーニング(深層学習)」「ニューラルネットワーク」「最小2 乗法」「勾配降下法」「誤差逆伝播法」などで微分を活用します。 CHAPTER 3 線形代数 高校の範囲に大学1 年で学ぶ線形代数を加え、ベクトル・行列・線形変換を学びます。線形代数は膨大なデータや複雑なシステムを扱うのに役立ちます。 CHAPTER 4 確率・統計 確率・統計は「傾向を知り、限られたデータから全体像を予測する」ために、機械学習で活用されます。分散・尤度・正規分布などの難しい用語もやさしく学びます。 CHAPTER 5 実践編1 回帰モデルで住宅価格を推定してみよう 「データから住宅価格を推定する」ことを題材に、線形回帰モデルを理解します。 CHAPTER 6 実践編2 自然言語処理で文学作品の作者を当てよう 「文学作品を分析する」ことを題材に、自然言語を数学的に表現する方法などを学びます。 CHAPTER 7 実践編3 ディープラーニングで手書き数字認識をしてみよう 「手書きの数字を認識させる」ことを題材に、ディープラーニングの一種であるDNNを、画像認識から学びます。