次世代IT人材育成セミナー2020/第1回のバックアップ(No.5)

バックアップ一覧
差分を表示
現在との差分を表示
ソースを表示
次世代IT人材育成セミナー2020/第1回へ行く。
- 1 (2020-11-14 (土) 16:14:03)
- 2 (2020-11-14 (土) 18:20:41)
- 3 (2020-11-15 (日) 00:04:35)
- 4 (2020-11-15 (日) 02:15:18)
- 5 (2020-11-15 (日) 18:53:34)

次世代IT人材育成セミナー2020 第1回 †

次世代IT人材育成セミナー2020 第1回

↑

計算機による学習理論2020 †

計算機による学習理論2020.pdf

↑

さくらエディタのインストール †

フリーの多機能テキストエディタであるサクラエディタを使用します。

まだインストールされていない場合は以下からインストールしてください。

ここから sakura_install2-2-0-1.exe (2.2.0.1) をクリックしてインストーラをダウンロード

↑

Google CoLaboratory †

Pythonの実行環境として、Googleが無償で提供しているPython3環境であるColaboratoryを使用します。

Google Colaboratory
- Googleアカウント（Gmailアドレス）が必要です。
- 個人的に使用しているアカウントがあればそれを使用しても良いです。
- 別途、新しいアカウントを作成したい場合は、スマートフォン等から作成してください。
  - kisa.fuchida@gmail.comなどがおすすめ。

↑

Pythonの基礎 †

Pyhtonを用いたプログラミングの基礎を実習します。

↑

初めてのPython †

Hello Word!
```
print("Hello Python!")
```

名前入力

name=input("お名前は？")
print(name+"さん、こんにちは！")

数値演算

n1=float(input("１個目は？"))
n2=float(input("２個目は？"))
add=n1+n2
print("和は"+str(add))  # +で結合するとスペースは空かない
sub=n1-n2
print("差は",sub)       # ,で並べるとスペースが空く
mul=n1*n2
print("積は",mul)
div=n1/n2
print("商は",div)

偶奇判定

n1=int(input("数値を入れてね："))
if n1%2==0:
  print(n1,"は偶数です")
else:
  print(n1,"は奇数です")

1から100までの素数

#1から100までの素数
primes=[2]
for i in range(3,101):
  is_prime=True
  for j in primes:
    if i%j==0:
      is_prime=False
      break
  if is_prime:
    primes.append(i)
print(primes)

1から100までの素数（関数の利用）

#素数判定
def IsPrime(n,list):
  for j in list:
    if n%j==0:
      return False
  return True

#1から100までの素数
primes=[2]
for i in range(3,101):
  if IsPrime(i,primes):
    primes.append(i)
print(primes)

さいころの目のカウント

#さいころの目のカウント
import random

dice={
    1:0,
    2:0,
    3:0,
    4:0,
    5:0,
    6:0
}

for i in range(60000):
  r=random.randint(1,6)
  dice[r]+=1
print(dice)

↑

機械学習の基礎 †

Scikit-learnを用いた機械学習の基礎を実習します。

XORの学習

LinearSVCではうまくいかない。

KNeighborsClassifierではうまくいく。

from sklearn.svm import LinearSVC
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

learn_data=[[0,0],[1,0],[0,1],[1,1]]
learn_label=[0,1,1,0]

#clf=LinearSVC()
clf=KNeighborsClassifier(n_neighbors=1)

clf.fit(learn_data,learn_label)

test_data=[[1,1],[0,0],[0,1],[1,0]]
test_label=clf.predict(test_data)

print(test_data,"の予測結果：",test_label)
print("正解率=",accuracy_score([0,0,1,1],test_label))

アヤメの分類

アヤメのデータ（https://github.com/kujirahand/book-mlearn-gyomu/blob/master/src/ch2/iris/iris.csv）
"iris.txt"というファイル名でダウンロードフォルダにダウンロードする。

Google Colabにアップロードする。

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC
from sklearn.metrics import accuracy_score

iris_data=pd.read_csv("iris.txt",encoding="utf-8")

#print(iris_data)

y=iris_data.loc[:,"Name"]
x=iris_data.loc[:,["SepalLength","SepalWidth","PetalLength","PetalWidth"]]

#print(x,y)

x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2,train_size=0.8,shuffle=True)

#print(x_train,y_train)

clf=SVC()
clf.fit(x_train,y_train)

y_pred=clf.predict(x_test)
print("正解率：",accuracy_score(y_test,y_pred))

#print(y_test,y_pred)

上のprint()のコメントを外すと、各時点でのデータを見ることができる。

↑

発展課題 †

Python(Colab)で次のような四則演算が可能な簡単な電卓を作成せよ。ただし、数値と演算子との間にはスペースを入れるものとする。qを入力するとendと表示して終了すること。(表示桁数は問わない）
```
式: 1 + 2
3
式: 4 * 5
20
式: 3.3 / 3
1.1
式: q
end
```
3入力のAND回路を学習するLinearSVCを作成せよ。
10入力の論理回路は1024通りの組み合わせを持つ。このうちランダムに10通りを選んでランダムな出力ラベルを設定して学習する機械学習を行え。アルゴリズムとしてSVCとKNeighborsClassifierを用いよ。

次世代IT人材育成セミナー2020