トップページ情報工学を学ぶデータサイエンス、人工知能の入門

データサイエンス、人工知能の入門

大学で使用した自作の教材を,手直しの上公開している. クリエイティブ・コモンズ BY NC SA.

目次

  1. ma-1. 人工知能の概要
  2. ma-2. データサイエンス・AIの事例
  3. ma-3. データサイエンス・AIの演習
  4. ma-4. 機械学習

    時系列

    • 2022年4月: 公開開始
    • 2022年6月: 目次ページおよびコンテンツの更新

資料

ma-1. 人工知能

トピックス:人工知能とは,人工知能でできること,人工知能の種類,人工知能の種類,人工知能とコンピュータ,人工知能の現状,人工知能の歴史,人工知能による社会の変化

資料: [PDF], [パワーポイント]

【外部ページへのリンク】

人工知能のデモサイト

作者に感謝します.

ma-2. データサイエンス・AIの事例

トピックス: データサイエンス,表計算ソフトウェア Excel,散布図(Excel を使用),合計、平均(Excel を使用),分布、密度(Excel を使用),人工知能による分類,特徴抽出

資料: [PDF], [パワーポイント]

Excel ファイル(各自の演習に活用)

ma-3. データサイエンス・AIの演習

トピックス:政府統計データ,クロス集計表(Excel を使用),相関(Excel を使用),平均,誤差,オープンデータ,

資料: [PDF], [パワーポイント]

Excel ファイル(各自の演習に活用)

【外部ページへのリンク】

資料で出てくるサイト

ma-4. 機械学習

トピックス:機械学習,教師あり学習,教師なし学習,訓練データ,クラスタ分析,線形近似,最適化

資料: [PDF], [パワーポイント]

Excel ファイル(各自の演習に活用)

Python プログラム

4-7. 最適化の用途

謝辞:https://docs.scipy.org/doc/scipy/tutorial/optimize.html のプログラムをそのまま使用しています.

import numpy as np
from scipy.optimize import minimize
def rosen(x):
    """The Rosenbrock function"""
    return sum(100.0*(x[1:]-x[:-1]**2.0)**2.0 + (1-x[:-1])**2.0)

x0 = np.array([1.3, 0.7, 0.8, 1.9, 1.2])
res = minimize(rosen, x0, method='nelder-mead',
    options={'xtol': 1e-8, 'disp': True})
print(res.x)