概要

shml 機械学習勉強会＠渋谷は、機械学習の勉強会です。

今まではPythonではじめる機械学習を読んできました。次は詳解 ディープラーニングを教科書に時系列データの予測（外挿）を目指して実習に重点を置いてすすめていこうと思います。

各人あるいは共同で、実行環境を整備し、データを集め、前処理をして、教科書にあるテクニックを習得し、応用してみる実習をする予定です。詳細は参加者で相談しながら決めていきます。

教科書

• Andreas C. Mullerら Pythonではじめる機械学習――scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎 : 今まで使ってきた教科書です。 機械学習の基礎。
• 巣籠悠輔 詳解 ディープラーニング——TensorFlow・Kerasによる時系列データ処理 : 次の教科書です。 深層学習 + 時系列データ がテーマっぽい。
• The Home of Data Science & Machine Learning : 機械学習の競技を行うサイト。データセットもたくさんあります。

参加について

はじめての方もぜひご参加ください。

参加費用について

参加費用を仮に200円としてありますが、貸し会議室等の費用を人数で割った金額になります。200円〜300円程度です。

株式会社nana musicの会議室を使えるため、参加費用は無料です。

事前準備について

事前準備は必須ではありません。 もし余裕がある方は以下などをやってきてくださるとたいへん良いと思います。

• 教科書を読む
• 実行環境(anacondaなどpythonの環境)を整える
• ご自分の機械学習の実習をすすめる
• 関連ニュース・発表のネタを用意する (プロジェクタを使った発表も大歓迎です)

当日の持ち物について

• 上の教科書 (もちろん電子書籍でもかまいません)
• ノートPC (実習中心のため必須とさせていただきます)
• プロジェクタと繋ぐためのケーブル (発表者のみ。hdmiケーブル等。)
• ご自分の飲み物など (差し入れ大歓迎です)
• 参加費用 (貸し会議室を借りる場合。小銭を用意していただけると助かります)
• お名刺を一枚 (株式会社nana musicの会場を借りる都合上)

実績と予定

• 8/22 (終了) 実習初回. 教科書に沿ってirisをk近傍法でクラス分けしました. データを散布図にして観察しました. きゅうりの分類などについて話しました. その他関連ニュースについて情報交換しました. 7名参加しました.
• 8/29 (終了) 実習第2回. 教科書のデータをつかって実習をしました. bostonの不動産のデータを、決定木を使って分析しました. pythonのコードを助け合いつつ各人で書きました. 決定木の可視化なども行いました.
• 9/12 (終了) 実習つづき 簡単にロードできる練習用サンプルデータに頼らず、実世界のデータを pandasをつかってcsvを取り込んで、分析まで持ち込みました. それぞれ決定木・ランダムフォレスト・多層パーセプトロンなど違う手法を使って分析・学習しました. 精度が高くなるパラメーターをさぐる等しました. ノートPCが熱くなるという機械学習らしい経験をしました.
• 9/19 (終了) 時系列データの分析として、Poloniexからビットコインのチャートのデータを取得しました. 周期を分析しやすいよう曜日の列を足しました.
• 10/3 (終了) RNNについて発表してもらいました。次の教科書や実習テーマについて相談しました。
• 10/11 (終了) 次からのテーマを相談しました。「詳解ディープラーニング」を教科書に、RNNで時系列データを扱うことになりました。
• 10/18水 (終了) 「詳解ディープラーニング」の1章を復習しました。すこし実習をしました。
• 11/01水 (予定) 「詳解ディープラーニング」を教科書に、実習をすすめます。まずはTensorFlow や Keras のサンプルを動かしてから、サンプルコードを読んだり変更したり、Kaggleのデータを入れてみたりする予定です。
• (やります) ディープラーニング
• (やります) 新しい教科書「詳解ディープラーニング」を読んで実習していきます。
• (やります) 時系列データの予測(外挿)
• (いずれやりたい) webからのスクレイピング
• (いずれやりたい) パラメータの自動調整・グリッドサーチなど
• (いずれやりたい) 実際に役に立つことをしてみたい
• (いずれやりたい) 実習で理解が深まったらまた教科書を読み進めたい