「python」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

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

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。

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)

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。

【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。

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

Webやクラウド上の膨大な文字情報の中から、「意味のある」情報だけを取り出して活用したい、文脈を読んで最適な文章を自動的に作成して欲しい… そんな夢のような技術がすでに一歩ずつ現実のものとなろうとしています。 ハードウェア&ソフトウェアの高度化、高速化に伴い「自然言語処理」と呼ばれる「人間の言葉をコンピュータに理解させ、活用させる、結果を返させる」テクノロジーが実用化のレベルまで到達しつつあるのです。 本書は、この未来に不可欠となるに違いない自然言語処理の、技術的、ビジネス的基礎知識をくまなくコンパクトに図解した一冊です。 著者陣もそれぞれの分野の第一線で活躍するエキスパート揃い! 世界を大きく変えるであろうテクノロジーに一歩近付いてみませんか?

本書は、広範な「情報セキュリティ」という分野について、基礎的な部分を一通り網羅して学べるようにした本です。既存のツールやソフトの使い方を紹介するのではなく、できるだけ自分の手を動かして理解しながら読み進めていく形式にしました。具体的には、Web、暗号、ネットワークなど、情報セキュリティにおいて取り扱われることの多いトピックについて、プログラミング言語Pythonによる実装を交えながら、攻撃手法や防御技術の原理を理解していきます。本書で攻撃者の手の内を知ることができ、またそれを防御に生かすという意味で非常に役に立つでしょう 世の中には既に便利なツールやライブラリがあるのに、「ファジングツールの自作」や「簡易サンドボックスの実装」をあえて行う目的は、その原理をより深く理解するためです。このことがきっかけとなって、情報セキュリティをさらに深く学んだり、「これは面白い!」と感じられる興味分野を見つけるきっかけになってくれたら幸いです。 本書を読み終えたならば、新しい技術を創造できるエンジニアになるための一歩を踏み出したといえるでしょう。

データ分析の標準ステップ「CRISP‐DM」に準拠したプロセスで学ぶ。身近なオープンデータを対象に、実感しながらデータ分析に取り組む。データの「理解」「準備」のステップでは、Tableauのツールで楽をすることも覚える。Pythonとの連携に触れ、本格的な「データサイエンス」に一歩踏み込む。BIツール「Tableau」でビジュアルなデータ分析を楽しみながら、「可視化」を超えて、データサイエンスの世界へステップアップ! 第1章Tableau「で」始めるデータサイエンスとは?(データサイエンスって何だろう?；データサイエンスのプロセスサイクルとTableauプロダクトほか)； 第2章基礎体力編(可視化の基本；データ準備の基本ほか)； 第3章実践編：実データでデータサイエンスのサイクルを回してみる(銀行顧客の定期預金申し込みを推論してみよう!；東京23区のマンション価格を推論してみよう!ほか)； 第4章展望編(AIとBI連携の重要性；データサイエンティストを目指す次のステップとはほか)； 付録(Pythonの環境構築；TabpyServerインストール方法ほか)

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

Pythonベースの深層学習フレームワークであるCaffe、Theano、Chainer、TensorFlowを紹介した。

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

”【本書の概要】 本書は株式会社アイデミーで大人気の講座『ディープラーニングで画像認識モデルを作ってみよう!』を書籍化したものです。 機械学習の基本からはじまり、Pythonの基礎、データの処理、深層学習の基本から応用ついて、 サンプルを元に実際に動かしながら、わかりやすく解説します。 各項には練習問題がありますので、学習効果を確かめながら読む進めることができます。 本書を読めば、機械学習から深層学習の基本を一気通貫で学習できます。 これから深層学習をはじめたい、初学者の方におすすめの1冊です。 【本書の対象】 人工知能関連の開発に携わる初学者(開発者、研究者、理工系学生) 【本書の構成】 第1章から第3章で機械学習の基本を、 第4章から第6章ではPythonの基礎知識を、 第7章から第9章ではNumPyやPandasの基礎知識を、 第10章から第13章では可視化の基礎知識を、 第14章から第15章ではデータの扱い方の基本を、 第16章から第18章では教師あり学習やハイパーパラメータとチューニングを、 第19章から第22章では深層学習について基本か応用まで、 丁寧に解説します。 【著者プロフィール】 石川 聡彦(いしかわ・あきひこ) 株式会社アイデミー 代表取締役社長 CEO。 東京大学工学部卒。株式会社アイデミーは2014年に創業されたベンチャー企業で、 10秒で始める先端テクノロジー特化型のプログラミング学習サービス「Aidemy」を提供。 様々な企業のアプリケーション制作・データ解析を行った。現在の主力サービス「Aidemy」は AIやブロックチェーンなどの先端テクノロジーに特化したプログラミング学習サービスで、 リリース100日で会員数10，000名以上、演習回数100万回以上を記録。 早稲田大学主催のリーディング理工学博士プログラムでは、AIプログラミング実践授業の講師も担当した。 著書に『人工知能プログラミングのための数学がわかる本』(KADOKAWA/2018年)などがある。 ”

データの収集・可視化・分析まで自学自習できるよう、基本技術から具体的なコンピュータ環境の構築と分析ツールの実装法までを解説。

本書はプログラマが理解しやすいソースコードをベースに、実際に動作させながら、いま注目の深層学習のしくみや機械学習の基礎を解説します。深層学習のフレームワークには「Chainer」「TensorFlow」「Deel」を用い、画像とテキストを学習素材としたPythonによるコーディングを行いますが、初歩的なものであれば意外と簡単に書けることに驚くかもしれません。また、学習効果がうまく現れない場合の対処など、深層学習をはじめる最初のガイドブックとして最適な一冊です。

データサイエンスの現場において、その業務は「前処理」と呼ばれるデータの整形に多くの時間を費やすと言われています。「前処理」を効率よくこなすことで、予測モデルの構築やデータモデリングといった本来のデータサイエンス業務に時間を割くことができるわけです。本書はデータサイエンスに取り組む上で欠かせない「前処理スキル」の効率的な処理方法を網羅的に習得できる構成となっています。ほとんどの問題についてR、Python、SQLを用いた実装方法を紹介しますので、複数のプロジェクトに関わるようなデータサイエンスの現場で重宝するでしょう。

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。

その手軽さから電子工作愛好者に多用されているPICマイコンは、センサやモータなどのきめ細かな制御や、高速なフィードバック制御なども得意です。その反面、ネットワークに接続したり、動画を扱ったりしようとすると壁に突き当たります。しかしRaspberryPiの力を借りれば、動画や音声、インターネットへの接続が圧倒的に楽になります。本書では、8ビットのPICマイコンにRaspberryPiを接続して、高機能部品として使うためのノウハウをとことん解説します。汎用入出力GPIOの使い方、おしゃべり時計やリモコンカーなどの制作例、最低限必要なLinux・Pythonの知識まで収録しています。なお本書に掲載したすべての工作例のキットや完成品は、別途入手可能です。

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。