Pythonによるデータサイエンス＆機械学習入門

本講義ノートは、 日本女子大学で３年生むけに提供しているPythonプログラミング （データサイエンス＆AI入門編）の講義ノートと演習内容を 加筆・修正してまとめたものです。

本Web資料は、演習に焦点を当てているので、説明は軽めです。 授業内で提示されるスライドや動画も参考にして理解を深めてください。 講義中に不具合が見つかれば鋭意アップデートして行く予定です。

Contents:

• 1. Python とデータサイエンス
  • 1.1. データサイエンスとは
  • 1.2. データサイエンスを学ぶ環境
  • 1.3. データサイエンスとPython
  • 1.4. コースワーク
• 2. 計算はPythonにさせてしまおう
  • 2.1. SymPyとは
  • 2.2. 代数計算とは
  • 2.3. 基本的な代数操作
  • 2.4. 方程式の解法
  • 2.5. 初等解析
  • 2.6. コースワーク
• 3. NumPyとグラフ
  • 3.1. 準備
  • 3.2. NumPy配列操作
  • 3.3. グラフの描画
  • 3.4. 色々なグラフ
  • 3.5. コースワーク
• 4. 表データとPandasを使いこなそう
  • 4.1. Pandas とは
  • 4.2. 基本操作
  • 4.3. リレーショナル代数
  • 4.4. データ分析の準備
  • 4.5. 時系列データ(★)
  • 4.6. コースワーク
• 5. データの傾向をつかもう
  • 5.1. データ入手
  • 5.2. 可視化
  • 5.3. 可視化（プロの技）
  • 5.4. コースワーク
• 6. クラスタリングしてみよう
  • 6.1. クラスタリング
  • 6.2. 身長と体重からクラスタリング
  • 6.3. エルボー法: 適切なクラスター数を調べる
  • 6.4. 乳がんデータと主成分分析
  • 6.5. コースワーク
• 7. 回帰：線形近似から予測する
  • 7.1. 線形回帰
  • 7.2. ボストン住宅価格
  • 7.3. 回帰モデルの評価
  • 7.4. 仮説検証
  • 7.5. コースワーク
• 8. 機械学習とクラス分類問題
  • 8.1. 学習と機械学習
  • 8.2. ２クラス分類問題
  • 8.3. ホールドアウト法
  • 8.4. クラス分類アルゴリズム
  • 8.5. コースワーク
• 9. データ・サイエンティストへの道
  • 9.1. Kaggle
  • 9.2. タイタニック号の生存者予測
  • 9.3. 初心者向けのヒント
  • 9.4. 過学習を防ぐには
  • 9.5. コースワーク
• 10. ニューラル・ネットワーク
  • 10.1. ニューラル・ネットワークの原理
  • 10.2. NumPyによる原理の確認
  • 10.3. 単純パーセプトロンの原理
  • 10.4. 多層パーセプトロンと深層学習
  • 10.5. コースワーク
• 11. 深層学習と画像認識
  • 11.1. MNIST
  • 11.2. 多層パーセプトロン
  • 11.3. 自分の手書き文字を認識する
  • 11.4. コースワーク
• 12. 自然言語処理にむけて
  • 12.1. 形態素解析
  • 12.2. アンケート分析
  • 12.3. 文章のベクトル化
  • 12.4. 単語分散表現
  • 12.5. コースワーク