Submit Search
Upload
Pythonを使った機械学習の学習
•
14 likes
•
36,923 views
Kimikazu Kato
Follow
2017年1月27日、found it project勉強会で発表した資料です。 機械学習を勉強するためにどうPythonを役立てればいいかという話です。
Read less
Read more
Technology
Report
Share
Report
Share
1 of 37
Download now
Download to read offline
Recommended
Pythonで機械学習を自動化 auto sklearn
Pythonで機械学習を自動化 auto sklearn
Yukino Ikegami
正しいプログラミング言語の覚え方
正しいプログラミング言語の覚え方
Kimikazu Kato
Word2vecで大谷翔平の二刀流論争に終止符を打つ!
Word2vecで大谷翔平の二刀流論争に終止符を打つ!
Takami Sato
Scikit-learnを使って 画像分類を行う
Scikit-learnを使って 画像分類を行う
Arata Honda
トピックモデルを用いた 潜在ファッション嗜好の推定
トピックモデルを用いた 潜在ファッション嗜好の推定
Takashi Kaneda
「長野で語るStapyのビジョン」
「長野で語るStapyのビジョン」
Takeshi Akutsu
TensorFlowによるFizz Buzz
TensorFlowによるFizz Buzz
yaju88
TensorFlowで会話AIを作ってみた。
TensorFlowで会話AIを作ってみた。
tak9029
Recommended
Pythonで機械学習を自動化 auto sklearn
Pythonで機械学習を自動化 auto sklearn
Yukino Ikegami
正しいプログラミング言語の覚え方
正しいプログラミング言語の覚え方
Kimikazu Kato
Word2vecで大谷翔平の二刀流論争に終止符を打つ!
Word2vecで大谷翔平の二刀流論争に終止符を打つ!
Takami Sato
Scikit-learnを使って 画像分類を行う
Scikit-learnを使って 画像分類を行う
Arata Honda
トピックモデルを用いた 潜在ファッション嗜好の推定
トピックモデルを用いた 潜在ファッション嗜好の推定
Takashi Kaneda
「長野で語るStapyのビジョン」
「長野で語るStapyのビジョン」
Takeshi Akutsu
TensorFlowによるFizz Buzz
TensorFlowによるFizz Buzz
yaju88
TensorFlowで会話AIを作ってみた。
TensorFlowで会話AIを作ってみた。
tak9029
10分でわかるPythonの開発環境
10分でわかるPythonの開発環境
Hisao Soyama
数理最適化とPython
数理最適化とPython
Yosuke Onoue
S08 t0 orientation
S08 t0 orientation
Takeshi Akutsu
S10 t1 spc_by_nowfromnow
S10 t1 spc_by_nowfromnow
Takeshi Akutsu
S09 t0 orientation
S09 t0 orientation
Takeshi Akutsu
210526 Power Automate Desktop Python
210526 Power Automate Desktop Python
Takuya Nishimoto
S12 t1 python学習奮闘記#5
S12 t1 python学習奮闘記#5
Takeshi Akutsu
S01 t1 tsuji_pylearn_ut_01
S01 t1 tsuji_pylearn_ut_01
Takeshi Akutsu
IntelliJ IDEAで快適なPython生活
IntelliJ IDEAで快適なPython生活
敦志 金谷
養成読本と私
養成読本と私
Kimikazu Kato
S18 t0 introduction
S18 t0 introduction
Takeshi Akutsu
PyCon JP 2015 keynote
PyCon JP 2015 keynote
Haruo Sato
S01 t2 akutsu_my_pythonhistory
S01 t2 akutsu_my_pythonhistory
Takeshi Akutsu
まとめ
まとめ
Takeshi Akutsu
Python エンジニアの作り方 2011.08 #pyconjp
Python エンジニアの作り方 2011.08 #pyconjp
Takeshi Komiya
stapy#23 LT
stapy#23 LT
NaoY-2501
Pythonの会社を 9年間経営してきて分かったこと
Pythonの会社を 9年間経営してきて分かったこと
Haruo Sato
S10 t0 orientation
S10 t0 orientation
Takeshi Akutsu
TFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_Mobile
yusuke shibui
Python学習奮闘記#07 webapp
Python学習奮闘記#07 webapp
Takeshi Akutsu
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
Pythonで機械学習入門以前
Pythonで機械学習入門以前
Kimikazu Kato
More Related Content
What's hot
10分でわかるPythonの開発環境
10分でわかるPythonの開発環境
Hisao Soyama
数理最適化とPython
数理最適化とPython
Yosuke Onoue
S08 t0 orientation
S08 t0 orientation
Takeshi Akutsu
S10 t1 spc_by_nowfromnow
S10 t1 spc_by_nowfromnow
Takeshi Akutsu
S09 t0 orientation
S09 t0 orientation
Takeshi Akutsu
210526 Power Automate Desktop Python
210526 Power Automate Desktop Python
Takuya Nishimoto
S12 t1 python学習奮闘記#5
S12 t1 python学習奮闘記#5
Takeshi Akutsu
S01 t1 tsuji_pylearn_ut_01
S01 t1 tsuji_pylearn_ut_01
Takeshi Akutsu
IntelliJ IDEAで快適なPython生活
IntelliJ IDEAで快適なPython生活
敦志 金谷
養成読本と私
養成読本と私
Kimikazu Kato
S18 t0 introduction
S18 t0 introduction
Takeshi Akutsu
PyCon JP 2015 keynote
PyCon JP 2015 keynote
Haruo Sato
S01 t2 akutsu_my_pythonhistory
S01 t2 akutsu_my_pythonhistory
Takeshi Akutsu
まとめ
まとめ
Takeshi Akutsu
Python エンジニアの作り方 2011.08 #pyconjp
Python エンジニアの作り方 2011.08 #pyconjp
Takeshi Komiya
stapy#23 LT
stapy#23 LT
NaoY-2501
Pythonの会社を 9年間経営してきて分かったこと
Pythonの会社を 9年間経営してきて分かったこと
Haruo Sato
S10 t0 orientation
S10 t0 orientation
Takeshi Akutsu
TFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_Mobile
yusuke shibui
Python学習奮闘記#07 webapp
Python学習奮闘記#07 webapp
Takeshi Akutsu
What's hot
(20)
10分でわかるPythonの開発環境
10分でわかるPythonの開発環境
数理最適化とPython
数理最適化とPython
S08 t0 orientation
S08 t0 orientation
S10 t1 spc_by_nowfromnow
S10 t1 spc_by_nowfromnow
S09 t0 orientation
S09 t0 orientation
210526 Power Automate Desktop Python
210526 Power Automate Desktop Python
S12 t1 python学習奮闘記#5
S12 t1 python学習奮闘記#5
S01 t1 tsuji_pylearn_ut_01
S01 t1 tsuji_pylearn_ut_01
IntelliJ IDEAで快適なPython生活
IntelliJ IDEAで快適なPython生活
養成読本と私
養成読本と私
S18 t0 introduction
S18 t0 introduction
PyCon JP 2015 keynote
PyCon JP 2015 keynote
S01 t2 akutsu_my_pythonhistory
S01 t2 akutsu_my_pythonhistory
まとめ
まとめ
Python エンジニアの作り方 2011.08 #pyconjp
Python エンジニアの作り方 2011.08 #pyconjp
stapy#23 LT
stapy#23 LT
Pythonの会社を 9年間経営してきて分かったこと
Pythonの会社を 9年間経営してきて分かったこと
S10 t0 orientation
S10 t0 orientation
TFLite_and_PyTorch_Mobile
TFLite_and_PyTorch_Mobile
Python学習奮闘記#07 webapp
Python学習奮闘記#07 webapp
Viewers also liked
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Takahiro Kubo
Pythonで機械学習入門以前
Pythonで機械学習入門以前
Kimikazu Kato
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Ken Morishita
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
Tatsuya Tojima
scikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアル
敦志 金谷
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
Yuya Unno
ルールベースから機械学習への道 公開用
ルールベースから機械学習への道 公開用
nishio
実戦投入する機械学習
実戦投入する機械学習
Takahiro Kubo
はじめてでもわかるベイズ分類器 -基礎からMahout実装まで-
はじめてでもわかるベイズ分類器 -基礎からMahout実装まで-
Naoki Yanai
パターン認識 第10章 決定木
パターン認識 第10章 決定木
Miyoshi Yuya
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
toilet_lunch
Simple perceptron by TJO
Simple perceptron by TJO
Takashi J OZAKI
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
智之 村上
決定木学習
決定木学習
Mitsuo Shimohata
SVMについて
SVMについて
mknh1122
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
Teppei Baba
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
Koichi Hamada
ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33
horihorio
一般向けのDeep Learning
一般向けのDeep Learning
Preferred Networks
可視化周辺の進化がヤヴァイ 〜2016〜
可視化周辺の進化がヤヴァイ 〜2016〜
Takashi Kitano
Viewers also liked
(20)
画像認識モデルを作るための鉄板レシピ
画像認識モデルを作るための鉄板レシピ
Pythonで機械学習入門以前
Pythonで機械学習入門以前
Pythonとdeep learningで手書き文字認識
Pythonとdeep learningで手書き文字認識
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
scikit-learnを用いた機械学習チュートリアル
scikit-learnを用いた機械学習チュートリアル
機械学習チュートリアル@Jubatus Casual Talks
機械学習チュートリアル@Jubatus Casual Talks
ルールベースから機械学習への道 公開用
ルールベースから機械学習への道 公開用
実戦投入する機械学習
実戦投入する機械学習
はじめてでもわかるベイズ分類器 -基礎からMahout実装まで-
はじめてでもわかるベイズ分類器 -基礎からMahout実装まで-
パターン認識 第10章 決定木
パターン認識 第10章 決定木
今日から使える! みんなのクラスタリング超入門
今日から使える! みんなのクラスタリング超入門
Simple perceptron by TJO
Simple perceptron by TJO
バンディットアルゴリズム入門と実践
バンディットアルゴリズム入門と実践
決定木学習
決定木学習
SVMについて
SVMについて
機会学習ハッカソン:ランダムフォレスト
機会学習ハッカソン:ランダムフォレスト
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
「はじめてでもわかる RandomForest 入門-集団学習による分類・予測 -」 -第7回データマイニング+WEB勉強会@東京
ロジスティック回帰の考え方・使い方 - TokyoR #33
ロジスティック回帰の考え方・使い方 - TokyoR #33
一般向けのDeep Learning
一般向けのDeep Learning
可視化周辺の進化がヤヴァイ 〜2016〜
可視化周辺の進化がヤヴァイ 〜2016〜
Similar to Pythonを使った機械学習の学習
BPStudy#116(PyQ開発秘話)
BPStudy#116(PyQ開発秘話)
Haruo Sato
最近思った機械学習(PyTorch)のベストプラクティス
最近思った機械学習(PyTorch)のベストプラクティス
Masato Fujitake
Pythonで自動化した話1
Pythonで自動化した話1
Masato Fujitake
Python入門者の集い #6 Lightning Talk
Python入門者の集い #6 Lightning Talk
Katayanagi Nobuko
オンラインPython学習サービスPyQの価格決め
オンラインPython学習サービスPyQの価格決め
Haruo Sato
Techcircle005 welcome
Techcircle005 welcome
Koji Shiraishi
Python初心者が4年で5000人のコミュニティに作ったエモい話
Python初心者が4年で5000人のコミュニティに作ったエモい話
Takeshi Akutsu
PHP初心者に贈る、まちがえないPHPの始め方・学び方
PHP初心者に贈る、まちがえないPHPの始め方・学び方
Hiroyuki Sugimoto
stapy_fukuoka_01_akutsu
stapy_fukuoka_01_akutsu
Takeshi Akutsu
PyData Tokyo Tutorial & Hackathon #1
PyData Tokyo Tutorial & Hackathon #1
Akira Shibata
S20 t1 stapyのこれまでとこれから
S20 t1 stapyのこれまでとこれから
Takeshi Akutsu
S28 t0 introduction
S28 t0 introduction
Takeshi Akutsu
鳥取python勉強会 第1回
鳥取python勉強会 第1回
Yuji Oyamada
モダンな独学の道。そうだ、オープンソースでいこう!
モダンな独学の道。そうだ、オープンソースでいこう!
Takeshi Akutsu
Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目
Core Concept Technologies
S06 t4 wrapup
S06 t4 wrapup
Takeshi Akutsu
みんなのPython勉強会#59 Intro
みんなのPython勉強会#59 Intro
Takeshi Akutsu
Webエンジニアが初めて機械学習に触れてみた話
Webエンジニアが初めて機械学習に触れてみた話
Shohei Tai
S05_T0_orientation
S05_T0_orientation
Takeshi Akutsu
Java→phpエンジニアに転向した話
Java→phpエンジニアに転向した話
Kuroiwa Takumi
Similar to Pythonを使った機械学習の学習
(20)
BPStudy#116(PyQ開発秘話)
BPStudy#116(PyQ開発秘話)
最近思った機械学習(PyTorch)のベストプラクティス
最近思った機械学習(PyTorch)のベストプラクティス
Pythonで自動化した話1
Pythonで自動化した話1
Python入門者の集い #6 Lightning Talk
Python入門者の集い #6 Lightning Talk
オンラインPython学習サービスPyQの価格決め
オンラインPython学習サービスPyQの価格決め
Techcircle005 welcome
Techcircle005 welcome
Python初心者が4年で5000人のコミュニティに作ったエモい話
Python初心者が4年で5000人のコミュニティに作ったエモい話
PHP初心者に贈る、まちがえないPHPの始め方・学び方
PHP初心者に贈る、まちがえないPHPの始め方・学び方
stapy_fukuoka_01_akutsu
stapy_fukuoka_01_akutsu
PyData Tokyo Tutorial & Hackathon #1
PyData Tokyo Tutorial & Hackathon #1
S20 t1 stapyのこれまでとこれから
S20 t1 stapyのこれまでとこれから
S28 t0 introduction
S28 t0 introduction
鳥取python勉強会 第1回
鳥取python勉強会 第1回
モダンな独学の道。そうだ、オープンソースでいこう!
モダンな独学の道。そうだ、オープンソースでいこう!
Pythonでディープラーニングをはじめるための一歩目
Pythonでディープラーニングをはじめるための一歩目
S06 t4 wrapup
S06 t4 wrapup
みんなのPython勉強会#59 Intro
みんなのPython勉強会#59 Intro
Webエンジニアが初めて機械学習に触れてみた話
Webエンジニアが初めて機械学習に触れてみた話
S05_T0_orientation
S05_T0_orientation
Java→phpエンジニアに転向した話
Java→phpエンジニアに転向した話
More from Kimikazu Kato
Tokyo webmining 2017-10-28
Tokyo webmining 2017-10-28
Kimikazu Kato
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
Kimikazu Kato
Fast and Probvably Seedings for k-Means
Fast and Probvably Seedings for k-Means
Kimikazu Kato
Pythonによる機械学習
Pythonによる機械学習
Kimikazu Kato
Introduction to behavior based recommendation system
Introduction to behavior based recommendation system
Kimikazu Kato
Pythonによる機械学習の最前線
Pythonによる機械学習の最前線
Kimikazu Kato
Sparse pca via bipartite matching
Sparse pca via bipartite matching
Kimikazu Kato
Introduction to NumPy for Machine Learning Programmers
Introduction to NumPy for Machine Learning Programmers
Kimikazu Kato
Recommendation System --Theory and Practice
Recommendation System --Theory and Practice
Kimikazu Kato
A Safe Rule for Sparse Logistic Regression
A Safe Rule for Sparse Logistic Regression
Kimikazu Kato
特定の不快感を与えるツイートの分類と自動生成について
特定の不快感を与えるツイートの分類と自動生成について
Kimikazu Kato
Effective Numerical Computation in NumPy and SciPy
Effective Numerical Computation in NumPy and SciPy
Kimikazu Kato
Sapporo20140709
Sapporo20140709
Kimikazu Kato
【論文紹介】Approximate Bayesian Image Interpretation Using Generative Probabilisti...
【論文紹介】Approximate Bayesian Image Interpretation Using Generative Probabilisti...
Kimikazu Kato
Zuang-FPSGD
Zuang-FPSGD
Kimikazu Kato
About Our Recommender System
About Our Recommender System
Kimikazu Kato
ネット通販向けレコメンドシステム提供サービスについて
ネット通販向けレコメンドシステム提供サービスについて
Kimikazu Kato
関東GPGPU勉強会資料
関東GPGPU勉強会資料
Kimikazu Kato
2012-03-08 MSS研究会
2012-03-08 MSS研究会
Kimikazu Kato
純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門
Kimikazu Kato
More from Kimikazu Kato
(20)
Tokyo webmining 2017-10-28
Tokyo webmining 2017-10-28
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
Fast and Probvably Seedings for k-Means
Fast and Probvably Seedings for k-Means
Pythonによる機械学習
Pythonによる機械学習
Introduction to behavior based recommendation system
Introduction to behavior based recommendation system
Pythonによる機械学習の最前線
Pythonによる機械学習の最前線
Sparse pca via bipartite matching
Sparse pca via bipartite matching
Introduction to NumPy for Machine Learning Programmers
Introduction to NumPy for Machine Learning Programmers
Recommendation System --Theory and Practice
Recommendation System --Theory and Practice
A Safe Rule for Sparse Logistic Regression
A Safe Rule for Sparse Logistic Regression
特定の不快感を与えるツイートの分類と自動生成について
特定の不快感を与えるツイートの分類と自動生成について
Effective Numerical Computation in NumPy and SciPy
Effective Numerical Computation in NumPy and SciPy
Sapporo20140709
Sapporo20140709
【論文紹介】Approximate Bayesian Image Interpretation Using Generative Probabilisti...
【論文紹介】Approximate Bayesian Image Interpretation Using Generative Probabilisti...
Zuang-FPSGD
Zuang-FPSGD
About Our Recommender System
About Our Recommender System
ネット通販向けレコメンドシステム提供サービスについて
ネット通販向けレコメンドシステム提供サービスについて
関東GPGPU勉強会資料
関東GPGPU勉強会資料
2012-03-08 MSS研究会
2012-03-08 MSS研究会
純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門
Pythonを使った機械学習の学習
1.
Pythonを使った機械学習の学習 2017年1月27日 found it project
セミナー 加藤公一 シルバーエッグ・テクノロジー(株)
2.
自己紹介 加藤公一(かとうきみかず) シルバーエッグ・テクノロジー(株) チーフサイエンティスト Twitter: @hamukazu 博士(情報理工学)、修士は数学 機械学習歴もPython歴も4年 趣味:筋トレ、特技:ベンチプレス
3.
今日のはなし • 機械学習の学習の話 – どのように勉強するとよいか •
私はどのように学習したか – 4年前は初心者
4.
ちなみに… http://bit.ly/kimikazu20140913 http://bit.ly/kimikazu20160204 いままでPythonの高速化芸を得意としてきました。 PyCon JP
2014 ソフトウェアジャパン2016 今日はその話はしません。
5.
宣伝 http://bit.ly/yoseiml 書きました!
6.
宣伝 http://bit.ly/kagakupy 訳しました!
7.
今日の話 • 機械学習を効率よく勉強するにはどうすれば いいだろうか • ただツールを使うだけではなく内部動作にも 詳しくなるために •
理解を助けるツールとしてのPython
8.
私はどうやって勉強したか • 本(論文)を読む • 自分で実装する –
人工データで振る舞いを確認する – 内部動作を可視化する • 既存の実装を見る – ソースコードを読む – 内部データを読む
9.
まずはこれ
10.
さらにその前に • 線形代数 • 微積分
11.
自分で実装する • 便利なライブラリがあっても、理解のためにあ えて自分で作ってみる – 参考例:大学のクラスで学習するソートのアルゴ リズム→機能を得ることが目的ではない、便利な ライブラリならいくらでもある •
最新の論文に出ているアルゴリズムは自分 で実装せざるをえないことも – 意外と簡単につくれる
12.
人工データでの確認 I1 I2 I3
I4 I5 U1 1 1 1 U2 1 1 1 U3 1 1 1 U4 1 1 ? ? ? レコメンデーションの場合 ユーザU4には何を薦めればいい? クラスタリングの場合 これを2つのクラスタに分ける 離れた2つの点を中心に正規分布した点をそれぞれ作る こういう自明なケースで確認:単体テストとしても有効
13.
内部動作の可視化 Metropolis-Hastingsアルゴリズム(MCMCの一 種)の動作原理を説明できますか?
14.
とりあえず動かしてみよう (PRMLより) 低次元のケースについて、実際に動かしてみて可視化する
15.
他の例:Lasso • Lassoの解がなぜsparseになるか説明できま すか?
16.
L2ノルムの最小化 直線と共有点を持つように 円(L2球)を最小化
17.
L1ノルムの最小化 直線と共有点を持つように ひし形(L1球)を最小化
18.
このように… • データが単純なとき(極端な分布のとき)、次 元が低いとき、など簡単なケースで実装して 試してみる • 実用上の価値がなくても動作の理解には役 に立つ
19.
数値的な解析に便利なツール • Numpy/Scipy (これはあたりまえ) •
Sympy (あまり使わない?)
20.
問題 次の機械学習でよく出てくる関数を微分せよ(制限時間各5秒)
21.
答
22.
数値微分はあまりよくないという話 実際にfの値を評価しながら計算すると、hが小さいとき に桁落ちが起こって精度が落ちる
23.
Sympy • シンボリックな計算ができる • 代数的な演算や、微分・積分などもシンボリッ クに
24.
既存のライブラリを使ってみる • とりあえずはscikit-learn • インターフェースが統一されてる •
ドキュメントも整備されている
25.
みんな大好きあやめの分類 PCAで2次元に射影してからSVMで分類
26.
これで喜んでていいの? 普通サポートベクタ知りたいよね?
27.
サポートベクタの可視化 SVC.support_vector_でサポートベクタが取 得できる (ドキュメントに書いてある)
28.
Scikit-learnのよさ • ドキュメントがよく書かれていて、内部データ 構造についても記述があるものが多い • 内部データ構造を見ることで機械学習アルゴ リズムの理解に役立つ •
それでも納得しなければソースコードを読め ばいい • とにかく深掘りしやすい環境
29.
しかし… • Scikit-learnがすべてではない • 機械学習ライブラリの中にはドキュメントが不 親切なものも
30.
Gensim (自然言語処理のライブラリ) チュートリアルにあるLDAを使ったトピック抽出例 文書群をトピックに分類し、各トピックではどのような単語が支配的かを可視化
31.
LDAについて D.M.Blei, A.Y.Ng, M.I.Jordan,
"Latent Dirichlet Allocation" JMLR, vol.3, pp.993-1022 (2003) このようなグラフィカルモデルで表される 文書には潜在的なトピック群についての確率分布が割り当てられる
32.
こんなデモでいいの? その他の内部パラメータを可視化しなくない?
33.
そのためには • 内部データ構造について、ドキュメントにはな にも書いていない • なので、ソースコードを読まないとならない •
といっても、よく整理されているので読みやす い
34.
LDAのパラメータ
35.
まとめ • 中身を理解したかったら手を動かしながら勉 強しよう • 理解のためのツールとしてもPythonは使える •
Sympyはいいぞ
36.
私のキャリア戦略 • 「中身をよくわかっている」というのは競争力 になるのではないか – より深いチューニング –
最新の研究論文の実装・実験がスムーズに
37.
良い理論ほど実用的なものはない 「科学技術計算のためのPython―確率・統計・機械学習」より
Download now