KIYO

普段は製造業で設計しておりますが、Python・プログラミング・機械学習関係の記事をメインで作成します。 内容は学術的な説明より実装・アウトプット(ほしくなるもの)を重視して作成しています。 https://github.com/KIYO-note

KIYO

普段は製造業で設計しておりますが、Python・プログラミング・機械学習関係の記事をメインで作成します。 内容は学術的な説明より実装・アウトプット(ほしくなるもの)を重視して作成しています。 https://github.com/KIYO-note

    マガジン

    • コンペ(Kaggle, SIGNATE, Nishika)

      コンペの参加記録

    • Python基礎

      Pythonの使い方をまとめます。対象者は完全な初心者向けではなくYoutubeや本を少しみたけどもう少し応用的なところを学びたい人向け(兼自分の備忘録)に作成しています。

    • Pythonライブラリ(機械学習・AI)

      AI・機械学習・深層学習に特化したライブラリをまとめました。

    • Pythonライブラリ

      Pythonライブラリの使用方法のご紹介。教科書より参考書よりの内容です。

    • VBA・Excel・SpreadSheet

      自分が作成したVBAや役立つExcel関数を紹介します。学習用ではなく参考資料のような内容です。

    最近の記事

    • 固定された記事

    作成ノート(+予定)一覧 by KIYO

    概要私が作成予定のノートのご紹介です。気分屋ですが適宜作成します。需要があれば収益化とかもしたいです(そっちの方がやる気がでるので)。 1.Python基礎下記予定(一部作成済み)。本や動画で勉強しても十分に理解できなかったり、体系的に理解できなかった部分を記載していきます。 2.Python応用・実践具体的にPythonでできることや、実際にPythonで何かをやってみます。 3.Pythonライブラリライブラリを使用して仕事に生かせそうなものを紹介予定。できればあま

      • Python基礎13:正規表現(regular expression):re

        0.概要 Pythonの標準ライブラリである"re"を使用して正規表現を扱います。標準ライブラリのため環境構築などは不要です。  なお文字列操作は完全に理解しているものとして進めます。 0-1.サンプルデータ  本記事で使用するサンプルデータとして下記使用しました。 【データ1:AV女優のリスト】 データ数は最大8個であり(年齢、身長、カップ数、バスト、ウエスト、ヒップ、血液型、出身地)です。 データには欠損値があり、データがない部分部分は左埋め(Noneは無し)

        • Pythonライブラリ(AutoML):Lazypredict

          1.概要 「Pythonライブラリ(AutoML):PyCaret」と同様に、Lazypredictは多数のライブラリ・フレームワーク(機械学習:scikit-learn、XGBoostなど、パラメータ調整:Optunaなど、可視化:SHAPなど)のPythonラッパーです。  Lazypredictを用いることで複数モデルでの学習・推論をまとめて比較でき最適な機械学習モデルの選定・学習が可能となります(AUTOML)。 1-1.PyCaret Vs Lazypredict

          • Nishikaコンペ:材料の物性予測 ~機械学習で材料の研究開発を推進しよう~その1(チュートリアルの理解)

            1.概要 Nishikaで2023/03/10まで開催中のコンペ「材料の物性予測 ~機械学習で材料の研究開発を推進しよう~」に参加してみました。  専門ではないのですが将来的に使う可能性があるスキルのため、試行錯誤しながら少しだけ頑張ってみます。  本記事では「Nishikaが公開しているチュートリアルを見ながらコンペを理解する」ことを紹介します。オリジナルの内容は結果がでたら記事にします。 2.データの理解2-1.データ概要の確認  データは化合物の物性・組成情報から「

          マガジン

          マガジンをすべて見る すべて見る
          • コンペ(Kaggle, SIGNATE, Nishika)
            KIYO
          • Python基礎
            KIYO
          • Pythonライブラリ(機械学習・AI)
            KIYO
          • Pythonライブラリ
            KIYO
          • VBA・Excel・SpreadSheet
            KIYO
          • 環境構築(Python・ソフトウェア)
            KIYO

          記事

          記事をすべて見る すべて見る

            Nishikaトレーニングコンペ:日本絵画に描かれた人物の顔分類に機械学習で挑戦!

            概要 CNNモデルの練習も含めてNishikaの「【トレーニングコンペ】日本絵画に描かれた人物の顔分類に機械学習で挑戦!」に参加してみました。 0.分析フロー 基本的な分析フローはほぼ同じになるため、一度整理しました。 データの準備/タスクの理解 データの前処理 特徴量エンジニアリング(データの特徴量作成) データセット/データローダーの作成 AIモデルの選定・作成 ハイパーパラメータの選定(モデルのハイパラ、損失関数、最適化関数、学習率、乱数シード、データ分割

            Python基礎12:日付型および時間型の操作(datetime)

            0.概要 Pythonの標準ライブラリであるdatetimeを使用して日付型や時間型の操作をします。標準ライブラリのため環境構築などは不要です。 1.datetimeの概要1-1.UNIX時間と日本標準時   時刻表現には複数種類あり、Pythonではtimeモジュール:UNIX、datetimeモジュール:日本標準時 (JST)(※正確には使用している環境により異なる)となります。 [IN]import datetimeimport time#UNIX時間time_u

            Pythonライブラリ(Webアプリ):gradio

            1.概要 PythonのWebアプリ向けライブラリはFlask、Django、Streamlitなどがありますが、今回は機械学習向けWebアプリのgradioを紹介します。  なお個人的にはStreamlit推しでありこちらでも簡単に実装できると思いますので、状況に応じて使いやすい方を選択したらよいと思います。 1-1.gradioの強み(ポイント)  gradioの強みは下記です。特に1.はgradioが”機械学習に特化”と言われる所以になります。 機械学習に必要な最

            VBA基礎5':VS CODEでVBAを編集(XVBA)

            1.概要 普段業務効率化のためにExcelのVBAを使用することが多いですが①VBEが使いにくい、②GitHub Copilotを購入しているため有効活用したい という理由でVS CODEを使用したいと思っております。  下記記事を参考にしながら、VS CODEでもVBAを編集できるようにしたいと思います。  なお別手法は下記記事に記載しましたのでご参考までに。 2.環境構築 環境構築として大きく分けて下記があります。 編集用のExcelマクロファイルを準備 VS C

            VBA基礎5:VS CODEでVBAを編集(ariawase)

            1.概要 普段業務効率化のためにExcelのVBAを使用することが多いですが①VBEが使いにくい、②GitHub Copilotを購入しているため有効活用したい という理由でVS CODEを使用したいと思っております。  下記記事を参考にしながら、VS CODEでもVBAを編集できるようにしたいと思います。  なお別手法もあるため、そちらは別途記載予定です。 2.環境構築 環境構築として大きく分けて下記があります。 Excelから標準モジュール(所謂VBAの中身)を抽出

            本の感想一覧:データ分析(統計・数理・データサイエンス)

            概要・前提 自分が読んだ本の記録を記載します(自分の備忘録用)。  内容は「データ分析(統計・数理・データサイエンス)」です。 1.はじめての統計(推定・検定編) ~記述統計から推測統計へ!_MindSeeds 丹羽 亮介評価:10点 状態:受講済み 備考:ー  統計学の基礎を学べる講座であり、個人的には受けたUdemyの中でも過去1クラスの良い講座だった。 2.データ分析に必須の知識・考え方 統計学入門 仮説検定から統計モデリングまで重要トピックを完全網羅_阿部真

            本の感想一覧:Python(画像処理)

            概要・前提 自分が読んだ本の記録を記載します(自分の備忘録用)。  内容は「画像処理関係」です。 1.物体・画像認識と時系列データ処理入門 [TensorFlow2/PyTorch対応第2版] NumPy/TensorFlow2(Keras)/PyTorchによる実装ディープラーニング評価:8点 状態:2022年3月24日購入ー>2022年10月2日完読 備考:ー  図解も多く数式も丁寧に書いてあり解説に力を入れていることが目に見えてわかるため非常によい。ただ、コメン

            本の感想一覧:サイエンス(MI/シミュレーションなど

            概要・前提 自分が読んだ本の記録を記載します(自分の備忘録用)。  内容は「サイエンス(MI/シミュレーションなど」です。 1.マテリアルズ・インフォマティクス-材料開発のための機械学習超入門_岩崎 悠真評価:7点 状態:完読 備考:ー  事例も含めてMIのことが勉強でき、かつ比較的簡単のため初学者向きだった。実践ですぐに使える技術が身につくわけではないため、とっかかりの一つになればよいと思う。 2.Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析_金

            Pythonで学ぶ統計学5:推測統計(検定)

            1.概要 本記事は統計学の学習記録用として作成しており、私が理解するのに時間がかかった場所や追って参照したい内容を中心にまとめております。  本記事のテーマは「推測統計:(仮説)検定」になります。  参考資料として下記(CC-BY)を使用させていただきました。 1-1.記事説明:データとPythonライブラリ  本記事で使用したサンプルデータを紹介します。本題ではないため詳細な説明は省きます。  またPythonも使用していきますがライブラリの詳細説明は省きますので個別

            Pythonで学ぶ統計学4:推測統計(推定)

            1.概要 本記事は統計学の学習記録用として作成しており、私が理解するのに時間がかかった場所や追って参照したい内容を中心にまとめております。  本記事のテーマは「推測統計:推定」になります。  参考資料として下記(CC-BY)を使用させていただきました。 1-1.記事説明:データとPythonライブラリ  本記事で使用したサンプルデータを紹介します。本題ではないため詳細な説明は省きます。  またPythonも使用していきますがライブラリの詳細説明は省きますので個別のライブ

            Pythonで学ぶ統計学2:母集団と標本/抽出

            1.概要 本記事は統計学の学習記録用として作成しており、私が理解するのに時間がかかった場所や追って参照したい内容を中心にまとめております。  本記事のテーマは「母集団と標本/抽出」になります。  参考として下記(CC-BY)を使用させていただきました。 1-1.記事説明:データとPythonライブラリ  本記事で使用したサンプルデータを紹介します。本題ではないため詳細な説明は省きます。  またPythonも使用していきますがライブラリの詳細説明は省きますので個別のライブ

            Pythonで学ぶ統計学3:確率変数と確率分布

            1.概要 本記事は統計学の学習記録用として作成しており、私が理解するのに時間がかかった場所や追って参照したい内容を中心にまとめております。  本記事のテーマは「確率変数と確率分布」になります。なお資料として下記(CC-BY)を参考にさせていただきました。 1-1.確率分布とは  確率とは「事象がどの程度起きそうか」という度合いであり、確率分布は「ある試行で起こり得るすべての事象の確率を出力する関数」です。  確率分布を考える上でのポイントは下記の通りです。 記述統計で