Open棟梁 wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。

目次

概要

部会開催メモ

  • 計画
  • 実施内容
  • コンテンツ

詳細(2023年

1/10 セルフZoom部会(第36回)

準備

PPTを作成しました。

OTP_V3(DX系)リサーチ状況のレポーティング 2.pptx

デモ

DX(AI(機械学習/深層学習))のなんたるか?を説明してみる回

結果

1年リサーチして、AI(機械学習/深層学習)のなんたるか?が少々 理解 出来て来た?

動画

1/17 セルフZoom部会(第37回)

準備

  • 環境構築
  • プロキシ環境下の場合は、コチラの設定を行う。

デモ

  • 環境構築の手順説明
  • コンテンツ
    • 目次説明
    • 実行方法の説明
    • コンテンツの概要説明

結果

  • コンテンツの環境構築 ~ 目次で
    コンテンツの概要と実行方法を理解した。
  • 今後、個別コンテンツは以下を予定。
    • Pythonと基本的なライブラリ
    • 機械学習の色々
    • 深層学習の理論
    • 深層学習の実践

動画

1/24 セルフZoom部会(第38回)

準備

1/17 セルフZoom部会(第37回)

デモ

  • Pythonと基本的なライブラリ
  • Pythonの基礎
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/TableOfContents.ipynb
     以下の様なコンテンツを確認できる。[▶▶]ボタンを押下で全体を実行するか、「セル」にフォーカスを合わせて[▶]ボタンを押下して個別実行するかして、Pythonの言語仕様が、比較的、科学計算寄りの用途に向いていることを確認する。
    • 概要(コマンド実行、インタラクティブ実行)
    • 詳細(変数、制御構文、関数・クラス、その他)
  • NumPy?
  • 配列基礎
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/NumPyTraining1.ipynb
    以下の様なコンテンツを確認できる。
    はじめは配列操作などについて説明する。
    ・環境準備(インストール、インポート)
    ・操作(生成、コピー、表示)
    ・計算(算術計算、統計計算)
    ・アクセス(インデックス番号で指定、複数要素の抽出、複数要素の置換)
    ・ベクトルの積算(内積、データ生成、計算方法、交換法則)
  • 型の変換
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/NumPyTraining3.ipynb
     以下の様なコンテンツを確認できる。ココでは、型の変換から、配列⇔行列の変換、次元の変更(行列の行・列の追加・削除、各種の行列の変換)などの操作方法について説明する。
    ・型の変換(要素の型の変換、LISTやDF等の型へ変換)
    ・配列⇔行列変換(配列の行列化、行列の配列化)
    ・行列の行・列の追加・削除(行追加、列追加、行削除、列削除、要素の追加)
    ・行列の変換(転置行列、次元の入れ替え、再構成)
    ・One-Hotエンコーディング(エンコーディング、デコーディング)
  • Pandas
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/PandasTraining.ipynb
     以下の様なコンテンツを確認できる。ココでは、配列(Series)、行列(DataFrame?)的なPandasのデータセットについて説明する。特に、DataFrame?は表形式のデータセットを処理する様々な機能を持っている。データを読み込み、CRISP-DMプロセスのデータの理解、データの準備などで重宝する。
    • 環境準備(インストール、インポート)
    • Series(生成、アクセス)
    • DataFrame?(生成、アクセス)
    • 編集(型変換、集計操作)
    • CRISP-DM(データの理解、データの準備)
  • Matplotlib
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/MatplotlibTraining.ipynb
     以下の様なコンテンツを確認できる。ココでは、さまざまなMatplotlibの可視化の方法を確認できる。散布図行列、ヒートマップなど、DataFrame?のデータの理解の機能を併用することも多い。
    • 環境準備(インストール、インポート、jupyter上で利用するとき)
    • 表示
      ・画像の表示、ヒストグラム、パレート図、散布図、散布図行列、ヒートマップ
      ・二次元プロット(三次関数、三角関数グラフ)、三次元プロット(点、線、面)
  • 機械学習コンテンツの説明
  • scikit-learn
  • 単回帰、重回帰分析
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/ScikitLearnTraining0.ipynb
     以下の様なコンテンツを確認できる。ココでは、scikit-learnを使用した2つの線形回帰分析である単回帰分析、重回帰分析の例を確認できる。また、ここでのフォーマット(データ読込、理解、準備、学習、推論、評価流れ)は、以降の、全ての機械学習アルゴリムズで使用できる。
    ・単回帰分析
    ・重回帰分析
  • 主成分分析、クラスタ分析
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/ScikitLearnTraining0.ipynb
     以下の様なコンテンツを確認できる。ココでは、scikit-learnを使用した主成分分析と、ユークリッド距離(円形のクラスタリング)を使う主成分分析と相性が良いk-means法のクラスタ分析の例を確認できる(マハラノビス距離(楕円形のクラスタリング)を用いると2変量間の相関関係を考慮する)。
    ・主成分分析
    ・クラスタ分析
  • 性能の評価、チューニング 編
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/ScikitLearnTraining0.ipynb
     以下の様なコンテンツを確認できる。ココでは、性能の評価(回帰問題、分類問題)と、交差検証法による汎化性能の評価、チューニング(グリッドサーチ、特徴量の選択とエンジニアリング)の例を確認できる。
    ・性能の評価(回帰問題、分類問題)
    ・汎化性能の評価(k分割交差検証法、層化k分割交差検証法)
    ・チューニング(グリッドサーチ、特徴量の選択とエンジニアリング)
  • Kaggleチュートリアル 編
    ・タイタニック生存者予測
     …
    ・住宅価格予測
     …
  • 深層学習コンテンツの説明
  • 深層学習の理論
    o'reillyのカサゴ深層学習の本
  • MINST推論と学習
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/KasagoDL2.ipynb
     ココでは、フレームワーク等を使用せずに、(ディープ)ニューラルネットワークでMINSTの画像認識の調整済みの重みを使用した推論と、数値微分+勾配降下法による学習の例を確認できる。
    ・多層パーセプトロン(ニューラルネットワーク
    ・MINST順方向(推論
    ・MINST逆方(学習
  • オプション
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/KasagoDL4.ipynb
     ココでは、フレームワーク等を使用せずに、(ディープ)ニューラルネットワークの学習に関する様々なオプション(勾配降下法アルゴリズムの選択、…、…など)の例を確認できる。
    ・勾配降下法アルゴリズムの選択
    ・…
  • 畳込ニューラルネットワーク(CNN)
    ・CNNの...
     ...
    ・CNNの...
     ...
  • 深層学習の実践
    TensorFlow?・Keras
  • 環境準備、共通処理
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/TensorFlowAndKeras0.ipynb
     ココでは、TensorFlow?・Kerasを使用した(ディープ)ニューラルネットワークの環境準備(インストール、インポート)から共通処理(モデルの生成、勾配降下法アルゴリズムの選択、モデルの定義とコンパイル、モデルの学習と推論、モデルの保存と復元、過学習の抑止)の例を確認できる。
    ・環境準備(インストール、インポート)
    ・共通処理
     ・モデルの生成
     ・勾配降下法アルゴリズムの選択
     ・モデルの定義とコンパイル
     ・モデルの学習と推論
     ・モデルの保存と復元
     ・過学習の抑止
  • DNN
    https://github.com/OpenTouryoProject/DxCommon/blob/master/Notebook/Jupyter/path/TensorFlowAndKeras1.ipynb
     ココでは、TensorFlow?・Kerasを使用した(ディープ)ニューラルネットワーク(DNN)による回帰、分類の例を、モデルの定義方法を含めて確認できる。ポイントは、出力層の数と活性化関数を変更している点。
    ・環境準備(インポート、共通関数)
    ・DNNアルゴリズム・モデル
     ・DNNで重回帰分析
     ・DNNの2クラス分類器
     ・DNNの多クラス分類器

結果

機械学習・深層学習のPython実装の方法が解った!ハズ。

動画

1/31 セルフZoom部会(第39回)

準備

PPTを作成しました。

生産技術施策の分析レポート.pptx

デモ

施策の分類と実績の情報を土台とし、更に、
マーケティング手法を導入し、今後の方向性を見出す。

結果

今後の方向性が見えたハズ。

動画

2/5 セルフZoom部会(第40回)

準備

デモ

IoTソリューションのなんたるか?を説明してみる回

結果

IoTソリューションのなんたるか?が少々 理解 出来て来た?

動画

x/x セルフZoom部会(第41回)

準備

デモ

CNNのなんたるか?を説明してみる回

結果

CNNのなんたるか?が少々 理解 出来て来た?

動画

参考

部会メモ(開発基盤部会)


トップ   編集 凍結 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2023-04-25 (火) 14:46:31 (361d)