内容としてはPythonの基本的な内容は知っている前提でJupyter Notebookの環境でscikit-learnを使った機械学習のプログラムを試し、さらにTensorFlow・Kerasによるディープラーニングのプログラムを試すというもので、丁度良いレベルでした。
つくったプログラムは以下のとおり。写経ではありますが結構色んな種類のプログラムを作成・動作させることができ、機械学習がどのように活用できるのか学ぶことができました。
～ 機械学習 ～
- アヤメの分類
- 美味しいワインの判定
- 過去10年間の気象データの解析
- 顔検出
- 手書き文字の判定
- はがきの郵便番号の認識
- 動画から熱帯魚の検出
- 文章の分類
- 自動作文
- スパム判定
～ ディープラーニング ～
- アヤメの分類
- 手書き数字の判定
- 写真に写った物体を認識
- 画像からカタカナの判定
- 文章ジャンル判定Webアプリ
- 身長・体重データベース作成、分類
- Flickrの料理写真からカロリーを調べる
業務で使えるかというともう少しですかね。実際のデータはもっと汚いとか色々。というわけで次は『Python実践データ分析100本ノック』に取り組みます。汚いデータでリアルなデータ分析を学べるようです。(経営戦略・物流寄りの内容。生産技術寄りの100本ノックがあればよかったのですが)
