Deep Insider 全記事一覧

• ● ＠IT／Deep Insiderの歩き方：
  　 「AI・機械学習の勉強をこれから始めたい」「AIサービスを作りたい」
  　　　という人のためのAI技術情報フォーラムです！
• 　　（Deep Insider イメージキャラクターについて、Deep Insider 編集部 について）

最終更新日： 2024年11月07日

やさしい確率分布（2024/11/07）

1. やさしいデータ分析【確率分布編】　新連載開始！
2. ［データ分析］二項分布とベルヌーイ分布 〜 離散型確率分布の基本
3. ［データ分析］超幾何分布 〜 くじ引き（非復元抽出）の確率を求める！
4. ［データ分析］ポアソン分布 〜 100年に1人の天才は何人現れる？
5. ［データ分析］幾何分布と負の二項分布 〜 三度目の正直の確率は？
6. ［データ分析］累積分布関数の逆関数 〜 95％の確率で推しのチケットを入手するまでに何回チャレンジすればいい？
7. ［データ分析］正規分布 〜 私より背の高い人はどれぐらいいるの？
8. ［データ分析］カイ二乗分布 〜 ポテトチップスの内容量のばらつきは改善されたか？
9. ［データ分析］t分布 〜 自動車の平均燃費は改善されたか？
10. ［データ分析］F分布 〜 2つの農法で果物の糖度が安定しているのはどちら？
11. ［データ分析］指数分布 〜 5分以内に次の顧客が到着する確率は？

AI・機械学習の用語辞典（2024/11/06）

1. 強いAI／弱いAI、汎用型AI（AGI：Artificial General Intelligence）／特化型AIとは？
2. 音声認識とは？
3. 音声生成、音楽生成とは？
4. 画像認識とは？
5. 画像生成とは？
6. 自然言語処理（NLP：Natural Language Processing）とは？
7. 学習（learning）とは？
8. 推論／推定（inference）とは？
9. 転移学習（Transfer Learning）とは？
10. 機械学習（ML：Machine Learning）とは？
11. ニューラルネットワーク（NN：Neural Network）とは？
12. ディープラーニング（DL：Deep Learning、深層学習）とは？
13. ディープニューラルネットワーク（DNN：Deep Neural Network）とは？
14. 手法（approaches）とは？
15. アルゴリズム（algorithm）とは？
16. モデル（model）とは？
17. 回帰（regression）とは？
18. 分類（classification）とは？
19. クラスタリング（clustering）とは？
20. AutoML（Automated Machine Learning： 自動化された機械学習）とは？
21. オートエンコーダー（Autoencoder）とは？
22. 次元削減（Dimensionality Reduction）とは？
23. CNN（Convolutional Neural Network： 畳み込みニューラルネットワーク）とは？
24. 表現学習（feature learning、特徴表現学習）とは？
25. LSTM（Long Short-Term Memory： 長・短期記憶）とは？
26. ラベル（labels、正解ラベル、教師データ：labeled training data）とは？
27. 学習方法（learning types）とは？
28. RNN（Recurrent Neural Network： 再帰型ニューラルネットワーク）とは？
29. TensorFlow（機械学習フレームワーク）とは？
30. トレーニング（training、訓練）とは？
31. トレーニングデータ（training data、訓練データ）とは？
32. 精度検証データ（validation data、評価データ：evaluation data）とは？
33. テストデータ（test data）とは？
34. 教師あり学習（Supervised Learning）とは？
35. 教師なし学習（Unsupervised Learning）とは？
36. 強化学習（RL：Reinforcement Learning）とは？
37. 半教師あり学習（Semi-Supervised Learning）とは？
38. PoC（概念実証）とは？
39. PoC貧乏とは？
40. XAI（Explainable AI：説明可能なAI）／解釈可能性（Interpretability）とは？
41. 透明性（Transparency）／透明なAI（Transparent AI）とは？
42. MLOps（機械学習基盤）とは？　AIOpsとの違い
43. アカウンタビリティ（Accountability、説明責任）とは？
44. 公平性（Fairness、フェアネス）とは？
45. ［活性化関数］ステップ関数（Step function）とは？
46. ［活性化関数］シグモイド関数（Sigmoid function）とは？
47. ［活性化関数］ReLU（Rectified Linear Unit）／ランプ関数とは？
48. ［活性化関数］tanh関数（Hyperbolic tangent function： 双曲線正接関数）とは？
49. 活性化関数（Activation function）とは？
50. ［活性化関数］恒等関数（Identity function）／線形関数（Linear function）とは？
51. ［活性化関数］ソフトマックス関数（Softmax function）とは？
52. ［活性化関数］Swish関数（スウィッシュ関数）とは？
53. ［活性化関数］ソフトプラス関数（Softplus関数）とは？
54. ［活性化関数］Mish関数（ミッシュ関数）とは？
55. ［活性化関数］Leaky ReLU（Leaky Rectified Linear Unit）／LReLUとは？
56. ［活性化関数］PReLU／Parametric ReLU（Parametric Rectified Linear Unit）とは？
57. ［活性化関数］ELU（Exponential Linear Unit）とは？
58. ［活性化関数］SELU（Scaled Exponential Linear Unit）とは？
59. 次元の呪い（Curse of dimensionality）とは？
60. ノーフリーランチ定理（No Free Lunch theorem）とは？
61. みにくいアヒルの子の定理（Ugly Duckling theorem）とは？
62. バーニーおじさんのルール（Uncle Bernie's rule）とは？
63. 内挿／外挿（Interpolation／Extrapolation）とは？
64. バイアスとバリアンス（偏りと分散）のトレードオフ（Bias-Variance Tradeoff）とは？
65. モラベックのパラドックス（Moravec's paradox）とは？
66. トイプロブレム（Toy problem）とは？
67. Garbage In, Garbage Out（ゴミを入れたら、ゴミが出てくる）とは？
68. フレーム問題（Frame problem）とは？
69. トロッコ問題（Trolley problem）とは？
70. チューリングテスト（Turing test）とは？
71. 中国語の部屋（Chinese room）とは？
72. 人工知能（AI：Artificial Intelligence）とは？
73. シンギュラリティ（Singularity：技術的特異点）とは？
74. 無色の緑の考えが猛烈に眠る（Colorless green ideas sleep furiously）とは？
75. シンボルグラウンディング問題（Symbol grounding problem）とは？
76. 身体性（Embodiment）とは？
77. シンプソンのパラドックス（Simpson's paradox）とは？
78. 損失関数（Loss function）とは？　誤差関数／コスト関数／目的関数との違い
79. 評価関数（Evaluation function）／評価指標（Metrics）とは？
80. ［損失関数／評価関数］平均絶対誤差（MAE：Mean Absolute Error）／L1損失（L1 Loss）とは？
81. ［損失関数／評価関数］平均二乗誤差（MSE：Mean Squared Error）／RMSE（MSEの平方根）とは？
82. ［損失関数／評価関数］平均二乗対数誤差（MSLE：Mean Squared Logarithmic Error）／RMSLE（MSLEの平方根）とは？
83. ［評価関数］平均絶対パーセント誤差（MAPE：Mean Absolute Percentage Error）とは？
84. ［評価関数］平均二乗パーセント誤差の平方根（RMSPE：Root Mean Squared Percentage Error）とは？
85. ［損失関数］Huber損失（Huber Loss）／Smooth L1 Lossとは？
86. ［評価関数］中央絶対誤差（MedAE：Median Absolute Error）とは？
87. ［評価関数］決定係数（Coefficient of Determination）R2とは？
88. 平均値（Mean）／中央値（Median）／最頻値（Mode）とは？
89. 分散（Variance）／標準偏差（SD：Standard Deviation）とは？
90. 平均絶対偏差（Mean Absolute Deviation）／中央絶対偏差（Median Absolute Deviation）とは？
91. 正規化（Normalization）／標準化（Standardization）とは？
92. 相関係数（Correlation Coefficient）／ピアソンの積率相関係数（PCC）とは？
93. ［評価関数］分散説明率（Explained variance score）とは？
94. ［評価関数］相対絶対誤差（RAE：Relative Absolute Error）／相対二乗誤差（RSE：Relative Squared Error）とは？
95. マンハッタン距離（Taxicab distance）／ユークリッド距離（Euclidean distance）、L1／L2ノルムとは？
96. 残差平方和（RSS：Residual Sum of Squares）／［損失関数］二乗和誤差（SSE：Sum of Squared Error）とは？
97. コサイン類似度（Cosine Similarity）とは？
98. tf-idf（term frequency - inverse document frequency）とは？
99. SOTA（State-of-the-Art）とは？
100. データ中心のAI（DCAI：Data-Centric AI）とは？
101. 概念ドリフト（Concept drift）／データドリフト（Data drift）とは？
102. ヒューマン・イン・ザ・ループ（HITL ：Human-in-the-Loop）とは？
103. 人間中心のAI（HCAI：Human-Centered AI）とは？
104. 責任あるAI（Responsible AI）とは？
105. マルチモーダルAI（Multimodal AI）とは？
106. DX（デジタルトランスフォーメーション）とは？
107. ［評価指標］混同行列（Confusion Matrix）とは？
108. 多クラス分類の混同行列（Confusion matrix for multi-class classification）とは？
109. 不均衡データ（Imbalanced Data）とは？
110. ［評価指標］正解率（Accuracy）とは？
111. ［評価指標］適合率（Precision、精度）とは？
112. ［評価指標］再現率（Recall）／感度（Sensitivity）とは？
113. ［評価指標］特異度（Specificity）とは？
114. ［評価指標］F値（F-measure、F-score）／F1スコア（F1-score）とは？
115. ［評価指標］重み付きF値（Weighted F-measure）／Fβスコア（Fβ-score）とは？
116. ［評価指標］LogLoss（Logarithmic Loss）とは？
117. ［評価指標］AUC（Area Under the ROC Curve：ROC曲線の下の面積）とは？
118. ［評価指標］PR-AUC（Area Under the Precision-Recall Curve：PR曲線の下の面積）／AP（Average Precision）とは？
119. ［評価指標］mAP（mean Average Precision）とは？
120. ［評価指標］macro-F1／micro-F1、多クラス分類のマクロ平均／マイクロ平均とは？
121. 生成系AI（ジェネレーティブAI：Generative AI）とは？
122. ファインチューニング（Fine-tuning：微調整）とは？
123. 事前学習（Pre-training）と下流タスク（Downstream Tasks）とは？
124. 自己教師あり学習（Self-Supervised Learning：SSL）とは？
125. 基盤モデル（Foundation Model）とは？
126. 大規模言語モデル（LLM：Large Language Model）とは？
127. ハルシネーション（Hallucination）とは？
128. イライザ効果（ELIZA effect）とは？
129. AI効果（AI effect）とは？
130. 言語モデルのスケーリング則（Scaling Laws for Neural Language Models）とは？
131. RLHF（Reinforcement Learning from Human Feedback：人間のフィードバックからの強化学習）とは？
132. フランケンシュタイン・コンプレックス（Frankenstein Complex）とは？
133. 大規模言語モデルの「創発的」能力（Emergent Abilities of Large Language Models）とは？
134. Zero-shot Learning（ゼロショット学習）とは？
135. Few-shot Learning（フューショット学習）とは？
136. Chain-of-Thought（CoT：思考の連鎖）Prompting（プロンプティング）とは？
137. プロンプトエンジニアリング（Prompt Engineering）とは？
138. 加重平均とは？　算術平均との違い、使い分け
139. 幾何平均とは？　算術平均との違い、使い分け
140. 調和平均とは？　算術平均との違い、使い分け
141. 「Average」と「Mean」の違いとは？　「平均」を意味する2つの英単語
142. トリム平均（Trimmed Mean）とは？
143. 移動平均（Moving Average）とは？　SMA／WMA／EMAの違い
144. Embedding（エンベディング：埋め込み、埋め込み表現）とは？
145. ベクトル検索（Vector Search）とは？　キーワード検索との違い
146. 密ベクトル（Dense Vector）とは？　疎ベクトル（Sparse Vector）との違い
147. ベクトルデータベース（Vector Database）／ベクトルストア（Vector Store）とは？
148. 生成AIのグラウンディング（Grounding）とは？
149. RAG（Retrieval-Augmented Generation：検索拡張生成）とは？
150. 生成AIの用語10選 〜 一般ユーザーが知っておくべき基礎知識
151. BM25／Okapi BM25（情報検索のアルゴリズム）とは？
152. チェビシェフ距離（Chebyshev distance）／L∞ノルムとは？
153. ミンコフスキー距離（Minkowski distance）／Lpノルムとは？
154. マハラノビス距離（Mahalanobis distance）とは？
155. ハミング距離（Hamming distance）とは？
156. レーベンシュタイン距離（Levenshtein distance）／編集距離とは？
157. ジャッカード類似度（Jaccard Similarity）／ジャッカード係数（Jaccard Index）とは？
158. ダイス係数（Dice coefficient）とは？
159. オーバーラップ係数（Overlap coefficient）／シンプソン係数（Szymkiewicz-Simpson coefficient）とは？
160. ジャッカード距離（Jaccard distance）とは？　ジャッカード係数との違い
161. 人工超知能（ASI：Artificial Superintelligence）とは？　AGIとの違い
162. エッジAI（Edge AI）とは？
163. AIアライメント（AI Alignment）とは？
164. AIエージェント（AI Agent）とは？

解決！Python（2024/11/05）

1. ［解決！Python］数値を0埋めして文字列化するには
2. ［解決！Python］文字列やリストの要素数を調べるには
3. ［解決！Python］for文で繰り返し処理を行うには
4. ［解決！Python］if文で条件分岐を行うには
5. ［解決！Python］print関数で変数や式の値を出力するには
6. ［解決！Python］文字列を結合するには
7. ［解決！Python］range関数を使いこなすには
8. ［解決！Python］リスト（配列）の要素にインデックスやスライスを使ってアクセスするには
9. ［解決！Python］リスト（配列）に要素を追加するには（+演算子／+=演算子／append／extend／insertメソッド）
10. ［解決！Python］リスト（配列）から要素を削除するには（del文、remove／clear／popメソッド、リスト内包表記）
11. ［解決！Python］リスト（配列）から要素を検索するには（in／not in演算子、count／indexメソッド、min／max関数）
12. ［解決！Python］リスト（配列）をソートしたり、逆順にしたりするには（sort／reverseメソッド、sorted／reversed関数）
13. ［解決！Python］リスト（配列）の使い方まとめ
14. ［解決！Python］文字列と数値を変換するには（int／float／str／bin／oct／hex関数）
15. ［解決！Python］文字列から部分文字列を検索するには（in演算子、find／index／count／startswith／endswithメソッド）
16. ［解決！Python］文字列を置換するには（replace／translate／expandtabsメソッド）
17. ［解決！Python］文字列の大文字／小文字を変換するには（lower／upper／swapcase／caplitalize／titleメソッド）
18. ［解決！Python］文字列から部分文字列を削除する基本的なやり方とは（replace／translate／strip／removeprefix／removesuffixメソッド、re.sub関数）
19. ［解決！Python］文字列を中央寄せ／左寄せ／右寄せするには（center／ljust／rjust／zfillメソッド）
20. ［解決！Python］文字列が英字（文字）のみで構成されているかどうかを判定するには（isalpha/／isasciiメソッド、re.match／re.fullmatch関数）
21. ［解決！Python］文字列が数値へ変換可能かどうかを判定するには（int／float関数の例外、re.fullmatch関数）
22. ［解決！Python］文字列が数字だけで構成されているかどうかを判定するには（isdecimal／isdigit／isnumeric／isasciiメソッド）
23. ［解決！Python］正規表現を使って文字列が数字だけで構成されているかどうかを判定するには
24. ［解決！Python］文字列が英数字（文字および数字）のみで構成されているかどうかを判定するには（isalnum／isasciiメソッド、正規表現）
25. ［解決！Python］インデックスやスライスを使って文字列から一部を抽出するには
26. ［解決！Python］re.findall関数と正規表現を使って文字列から部分文字列を抽出するには
27. ［解決！Python］re.search／re.match関数と正規表現を使って文字列から部分文字列を抽出するには
28. ［解決！Python］文字列から正規表現を使って数字だけを抽出するには（re.findall／re.sub／re.search関数）
29. ［解決！Python］文字列から特定の文字で囲まれている部分を抽出するには（re.findall関数）
30. ［解決！Python］正規表現を使って文字列から特定の文字以降の部分や特定の文字より後ろの部分を抽出するには
31. ［解決！Python］数値を四捨五入する（丸める）には（round関数／decimal.Decimalクラス）
32. ［解決！Python］テキストファイルに書き込むには
33. ［解決！Python］テキストファイルを読み書き両用にオープンするには
34. ［解決！Python］エンコーディングを指定して、シフトJISなどのファイルを読み書きするには
35. ［解決！Python］テキストファイルのエンコーディングを調べて、その内容を読み込むには（chardetパッケージ）
36. ［解決！Python］バイナリファイルを読み書きするには：文字列と整数編
37. ［解決！Python］バイナリファイルを読み書きするには：structモジュール編
38. ［解決！Python］バイナリファイルを読み書きするには：pickle編
39. ［解決！Python］テキストファイルの読み書きまとめ
40. ［解決！Python］バイナリファイルの読み書きまとめ
41. ［解決！Python］内包表記でリストを作成するには
42. ［解決！Python］リストの内包表記と「if」を組み合わせるには
43. ［解決！Python］内包表記で辞書を作成するには
44. ［解決！Python］内包表記で集合を作成するには
45. ［解決！Python］内包表記を使ってリスト／辞書／集合を作成する方法まとめ
46. ［解決！Python］CSVファイルから読み込みを行うには（csvモジュール編）
47. ［解決！Python］CSVファイルに書き込みを行うには（csvモジュール編）
48. ［解決！Python］CSVファイルに書き込みを行うには（NumPy編）
49. ［解決！Python］CSVファイルから読み込みを行うには（pandas編）
50. ［解決！Python］CSVファイルに書き込みを行うには（pandas編）
51. ［解決！Python］CSVファイルの読み書きまとめ
52. ［解決！Python］pass文で何もしない文を記述するには
53. ［解決！Python］while文やfor文で無限ループを記述するには
54. ［解決！Python］Pythonでコメントを書くには
55. ［解決！Python］今日の日付や時刻を取得するには
56. ［解決！Python］日付や時刻をYYMMDDhhmmssなどの形式に書式化するには
57. ［解決！Python］datetime型の日付や時刻とISO 8601形式の文字列との間で変換するには
58. ［解決！Python］日付や時刻の文字列表現をstrptimeメソッドでdatetime型のオブジェクトに変換するには
59. ［解決！Python］Python処理系のバージョンを確認するには
60. ［解決！Python］うるう年かどうかを判定するには
61. ［解決！Python］順列や組み合わせを取り出したり、総数を計算したりするには
62. ［解決！Python］Pythonスクリプトに与えられたコマンドライン引数を処理するには
63. ［解決！Python］argparseモジュールを使ってコマンドライン引数を処理するには
64. ［解決！Python］Clickパッケージを使ってコマンドライン引数を処理するには
65. ［解決！Python］クラスを定義するには
66. ［解決！Python］クラスを継承するには
67. ［解決！Python］OpenPyXLを使ってExcelファイルを読み書きするには
68. ［解決！Python］OpenPyXLを使ってExcelワークシートのセルの書式設定をするには
69. ［解決！Python］OpenPyXLで面グラフをExcelワークシートに作成するには
70. ［解決！Python］Excelワークシートに散布図を作成するには（OpenPyXL）
71. ［解決！Python］Excelワークシートに円グラフを作成するには（OpenPyXL）
72. ［解決！Python］Excelワークシートにレーダーチャートを作成するには（OpenPyXL）
73. ［解決！Python］Excelワークシートにドーナツグラフを作成するには（OpenPyXL）
74. ［解決！Python］Excelワークシートに株価チャートを作成するには（OpenPyXL）
75. ［解決！Python］Excelワークシートでグラフのスタイルを設定するには（OpenPyXL）
76. ［解決！Python］関数の定義の仕方まとめ
77. ［解決！Python］if文にand／or演算子を使って複数の条件を記述するには
78. ［解決！Python］f文字列の置換フィールドをネストさせて、整数や浮動小数点数の書式化方法を動的に切り替えるには
79. ［解決！Python］range関数と同様に、浮動小数点数値の等差数列を作成するには
80. ［解決！Python］文字列から空白文字を削除するには
81. ［解決！Python］Pythonで列挙型（enum）を使うには
82. ［解決！Python］ディレクトリを作成／削除するには：osモジュール編
83. ［解決！Python］ディレクトリを作成／削除するには：pathlibモジュール編
84. ［解決！Python］ファイルやディレクトリを名前変更／移動するには：osモジュール編
85. ［解決！Python］ファイルやディレクトリを名前変更／移動するには：shutilモジュール編
86. ［解決！Python］ファイルやディレクトリをコピーするには
87. ［解決！Python］割り算の商と余りを求めるには
88. ［解決！Python］map関数でリストに関数やラムダ式（無名関数）を適用するには
89. ［解決！Python］JSON形式のファイルや文字列を読み書きするには
90. ［解決！Python］ラムダ式（lambda）を記述して使うには
91. ［解決！Python］Requestsモジュールを使って、Webページやデータを取得するには
92. ［解決！Python］os.pathモジュールのisdir／isfile関数を使ってパスがディレクトリやファイルであるかどうかを調べるには
93. ［解決！Python］Path.existsメソッドを使ってパスが存在するかどうかを確認するには
94. ［解決！Python］os.pathモジュールのexists関数を使ってパスが存在するかどうかを確認するには
95. ［解決！Python］abspath関数やPath.absoluteメソッドを使って絶対パスを求めるには
96. ［解決！Python］splitext関数やPath.stem／Path.suffix属性を使ってパスを拡張子とそれ以外の部分に分割するには
97. ［解決！Python］os.path.join関数を使ってパスを結合するには
98. ［解決！Python］pathlib.Path.joinpathメソッドを使ってパスを結合するには
99. ［解決！Python］パスからディレクトリ名とファイル名を取得するには
100. ［解決！Python］pipコマンドでパッケージをインストール／アンインストールするには
101. ［解決！Python］複数のリスト（配列）を結合するには（+／+=演算子、extendメソッド、アンパック演算子）
102. ［解決！Python］リスト（配列）の要素を文字列のjoinメソッドで結合するには
103. ［解決！Python］pipでGitHubからパッケージをインストールするには
104. ［解決！Python］pipでローカル環境にあるパッケージをインストールするには
105. ［解決！Python］venvモジュールを使って仮想環境を構築するには
106. ［解決！Python］venvモジュールで作成した仮想環境のPythonをバージョンアップするには
107. ［解決！Python］変数の値をインクリメント／デクリメントするには
108. ［解決！Python］input関数でキーボード入力を受け取るには
109. ［解決！Python］タプルを作成するには
110. ［解決！Python］タプルの要素を取り出すには
111. ［解決！Python］辞書を作成するには
112. ［解決！Python］辞書の要素を削除したり追加したり変更したりするには
113. ［解決！Python］辞書のキーや値を反復したり、特定のキーや値が含まれているかを確認したりするには
114. ［解決！Python］集合を作成するには
115. ［解決！Python］集合の要素を追加したり削除したりするには
116. ［解決！Python］集合の要素を操作するには
117. ［解決！Python］環境変数の値を取得／変更／削除するには
118. ［解決！Python］PyInstallerでPythonスクリプトを実行可能ファイル化するには
119. ［解決！Python］all／any関数を使って、リストなどの要素が全て真か／偽か、真な要素があるか／偽な要素があるかを調べるには
120. ［解決！Python］例外を処理するには
121. ［解決！Python］例外を送出するには
122. ［解決！Python］データクラスを定義するには
123. ［解決！Python］データクラスのフィールドの初期化をカスタマイズするには
124. ［解決！Python］match文で構造的パターンマッチを行うには
125. ［解決！Python］match文のシーケンスパターンで複雑な条件を記述するには
126. ［解決！Python］timeモジュールで実行時間を計測するには
127. ［解決！Python］timeitモジュールで実行時間を計測するには
128. ［解決！Python］変数の値などがNoneであるかどうかを判定するには
129. ［解決！Python］PEP 8の命名規則まとめ
130. ［解決！Python］プログラムを終了する3つのexit関数の違いまとめ
131. ［解決！Python］assert文でプログラム実行時に特定の条件が満たされているかどうかを確認するには
132. ［解決！Python］type関数やisinstance関数でオブジェクトの型を確認するには
133. ［解決！Python］文字列のcountメソッドで特定の部分文字列が含まれている数を数えるには
134. ［解決！Python］Counterクラスで文字列やリストの要素をカウントするには
135. ［解決！Python］プログラムを実行しているプラットフォームを判別するには
136. ［解決！Python］globモジュールを使って特定のパターンにマッチするパス名を取得するには
137. ［解決！Python］global文で変数がグローバルであると宣言するには
138. ［解決！Python］nonlocal文でスコープにない変数をノンローカルであると宣言するには
139. ［解決！Python］カレントディレクトリ（作業ディレクトリ）を取得したり、移動したりするには
140. ［解決！Python］not演算子で整数の0と1を反転、~演算子でビット単位に0と1を反転させるには
141. ［解決！Python］文字列が大文字だけで構成されているか、小文字だけで構成されているかを区別するには（isupperメソッド、islowerメソッド）
142. ［解決！Python］print関数でファイルに書き込みを行うには
143. ［解決！Python］zipfileモジュールを使ってZIPファイルに書き込みを行うには
144. ［解決！Python］zipfileモジュールを使ってZIPファイルの読み込み／展開を行うには
145. ［解決！Python］tomllibモジュールを使ってTOMLファイルを読み込むには
146. ［解決！Python］tomli-wモジュールを使ってTOMLファイルにデータを書き出すには
147. ［解決！Python］PyYAMLモジュールを使ってYAMLデータを読み込むには
148. ［解決！Python］PyYAMLモジュールを使ってオブジェクトをYAMLドキュメントとして書き出すには
149. ［解決！Python］Pythonのサポート期限まとめ
150. ［解決！Python］リスト（配列）から重複する要素を削除するには
151. ［解決！Python］絶対値を計算するには
152. ［解決！Python］整数値（10進数値）を2進数表現に変換するには
153. ［解決！Python］整数値（10進数値）を16進数表現に変換するには
154. ［解決！Python］splitext関数でファイルパスから拡張子を取得するには
155. ［解決！Python］split関数でファイルパスを分割するには
156. ［解決！Python］splitdrive関数でファイルパスをドライブ文字とその他の部分に分割するには
157. ［解決！Python］splitroot関数でファイルパスをドライブ、ルート、それ以外に分割するには
158. ［解決！Python］exec関数やglobals関数を使って変数を動的に定義するには
159. ［解決！Python］NaN（非数）かどうかを判断したり、NaNの数をカウントしたりするには
160. ［解決！Python］PDFファイルからテキストや画像を抽出するには
161. ［解決！Python］ReportLab Toolkitを使ってテキストをPDFファイルに書き出すには
162. ［解決！Python］py7zrパッケージを使って7-Zip（.7z）形式のアーカイブにファイルを圧縮するには
163. ［解決！Python］py7zrパッケージを使って7-Zip（.7z）アーカイブを展開したり、ファイルを読み込んだりするには
164. ［解決！Python］文字列とバイト列を相互に変換するには
165. ［解決！Python］ビット演算まとめ
166. ［解決！Python］日付から曜日を求めるには
167. ［解決！Python］python-dotenvモジュールを使って.envファイルを基に環境変数を設定するには
168. ［解決！Python］qrcodeモジュールを使ってQRコードを作成するには
169. ［解決！Python］小数点以下の有効桁数を指定して浮動小数点数値を文字列化するには
170. ［解決！Python］mathモジュールを使ってlog（対数）を計算するには
171. ［解決！Python］べき乗を計算するには（**演算子、pow関数、math.pow関数）
172. ［解決！Python］試し割り法で素因数分解をするには
173. ［解決！Python］エラトステネスのふるいで素数を求めるには
174. ［解決！Python］ユークリッドの互除法で最大公約数を求めるには
175. ［解決！Python］format関数や文字列のformatメソッド、f文字列で指定する書式指定子まとめ
176. ［解決！Python］base64モジュールを使ってBase64形式のエンコード／デコードを行うには
177. ［解決！Python］dir関数やinspectモジュールを使ってオブジェクトのメソッドや属性の一覧を取得するには
178. ［解決！Python］累積和や累積積を求めるには
179. ［解決！Python］ランダムな文字列を生成するには
180. ［解決！Python］os.path.abspath関数で絶対パスを取得するには
181. ［解決！Python］pathlib.Path.absolute／resolveメソッドで絶対パスを取得するには
182. ［解決！Python］深いコピーを作成するには
183. ［解決！Python］名前付きタプルを使うには（collections.namedtuple編）
184. ［解決！Python］dequeオブジェクトを使うには

Deep Insider's Eye　一色＆かわさきの編集後記（2024/10/28）

1. 編集後記「データ＆AIを使う時代への変化」「誰かに何かを伝えるということ」
2. 編集後記「chocoZAP始めました」「Deep Insiderの2023年の方針」
3. 編集後記「執筆者のためのChatGPTの使い方」と『ChatGPTの頭の中』（ハヤカワ新書）
4. 編集後記「『人は流れに乗ればいい』（シャア・アズナブル）＆ダイエット進捗」と「連載企画の状況や思ったこと」
5. 編集後記「ChatGPTで株取引スクリプトを作ってバックテスト」と「たんぱく質取ってますか？」
6. 編集後記「どうする？　どうなる？　解決！Python」と「何をもってPythonicなのか」
7. 編集後記「ONEXPLAYER X1 AMD版で楽しむChatGPT×プログラミング」と「何をもってPythonicなのか（refrain）」
8. 編集後記「買っちゃった！」と「文章を引き締める技術」

Pythonデータ処理入門（2024/10/18）

1. ［NumPy超入門］Pythonでのデータ処理をNumPyから始めよう！
2. ［NumPy超入門］多次元配列「ndarray」に触ってみよう
3. ［NumPy超入門］インデックスやスライスなどを使って多次元配列「ndarray」を操作してみよう
4. ［NumPy超入門］多次元配列「ndarray」の高度なインデックス指定に触れてみよう
5. ［NumPy超入門］多次元配列から最大値／最小値を求めてみよう
6. ［NumPy超入門］内積、行列積からコサイン類似度までNumPyを使って試してみよう
7. ［NumPy超入門］逆行列、行列式、固有値と固有ベクトルを計算してみよう
8. ［NumPy超入門］平均／中央値／最頻値や分散／標準偏差を求めてみよう
9. ［NumPy超入門］データ処理の最初の一歩！　基本統計量からデータの特徴を把握しよう
10. ［NumPy超入門］箱ひげ図とヒストグラムを使ってデータセットを可視化してみよう
11. ［NumPy超入門］相関係数とヒートマップ、散布図を使ってデータセットのさらなる可視化をしてみよう
12. ［NumPy超入門］Pythonで単回帰分析：手作業で計算してみよう
13. ［NumPy超入門］日付や時刻、その差分の扱い
14. ［NumPy超入門］異なる型のデータを格納する構造化配列を使ってみよう
15. ［pandas超入門］Pythonでデータ分析を始めよう！　データの読み書き方法
16. ［pandas超入門］Seriesオブジェクトの作成とその基本
17. ［pandas超入門］DataFrameオブジェクトの作成と行や列、要素の選択
18. ［pandas超入門］DataFrameの情報（形状、要素数、要素のデータ型など）を調べてみよう
19. ［pandas超入門］DataFrameの要素を選択するさまざまな方法
20. ［pandas超入門］DataFrameをソートしたり行や列を入れ替えたりしてみよう
21. ［pandas超入門］DataFrameをさまざまなオブジェクトに変換しよう
22. ［pandas超入門］欠損値とその処理
23. ［pandas超入門］探索的データ分析の基礎：タイタニックデータセットを調べてみよう
24. ［pandas超入門］データセットの前処理をしてみよう
25. ［pandas超入門］データをスケーリングしてみよう（正規化と標準化）

機械学習入門（2024/08/22）

1. 機械学習をPythonで学ぼう！　基礎、できること、ライブラリ
2. scikit-learn入門＆使い方 ― 機械学習の流れを学ぼう
3. 「線形回帰」（数値予測）をPythonで学ぼう

＠IT／Deep Insiderの歩き方（2024/06/13）

1. Python＆AI・機械学習を無償の記事で学ぼう！　＠IT連載まとめ
2. 「AI・機械学習の勉強を始めたい」「AIサービスを作りたい」人のための技術情報フォーラムです！
3. 初心者向け、データ分析・AI・機械学習の勉強方法　Deep Insiderで学ぼう

TensorFlow 2＋Keras（tf.keras）入門（2024/05/22）

1. スタンドアロンKerasとtf.kerasの違いとは？　〜 #AskTensorFlow より〜
2. 第1回　初めてのニューラルネットワーク実装、まずは準備をしよう ― 仕組み理解×初実装（前編）
3. 第2回　ニューラルネットワーク最速入門 ― 仕組み理解×初実装（中編）
4. 第3回　ディープラーニング最速入門 ― 仕組み理解×初実装（後編）
5. 第4回　知ってる!?　TensorFlow 2.0最新の書き方入門（初中級者向け）
6. 第5回　お勧めの、TensorFlow 2.0最新の書き方入門（エキスパート向け）
7. 第6回　カスタマイズするための、TensorFlow 2.0最新の書き方入門
8. マルチバックエンドKerasの終焉、tf.kerasに一本化
9. 第7回　回帰問題をディープラーニング（基本のDNN）で解こう
10. 第8回　分類問題をディープラーニング（基本のDNN）で解こう
11. 第9回　機械学習の評価関数（回帰／時系列予測用）を使いこなそう
12. 第10回　機械学習の評価関数（二値分類用）の基礎を押さえよう
13. 第11回　機械学習の評価関数（二値分類／多クラス分類用）を理解しよう
14. tf.kerasが終了　Keras 3がTensorFlowから独立し、マルチバックエンド復活！

人気連載まとめ読み！ ＠IT eBook（2024/04/24）

1. 普通のエンジニアでも分かるディープラーニング概説
2. Pythonチートシート
3. 普通のエンジニアが初めて動かすディープラーニング
4. 作って試そう！　ディープラーニング工作室
5. 解決！Python：リスト（配列）編
6. AI・機械学習のための数学超入門 〜中学数学からのおさらい編〜
7. AI・機械学習のための数学超入門 〜第2部 偏微分〜
8. Stable Diffusion入門
9. 解決！Python　CSVファイル編
10. Excelで学ぶ、やさしいデータ分析

やさしいデータ分析（2024/03/28）

1. 高校生に負けない！　社会人が学ぶべき、やさしいデータ分析
2. データ分析の進め方と、分析前に知っておきたいデータの種類
3. ［データ分析］平均値の落とし穴 〜 平均給与が高すぎる？！
4. ［データ分析］分散／標準偏差 〜 給与の格差ってどれぐらい？
5. ［データ分析］四分位範囲と平均情報量 〜 趣味や好みにはどれぐらいの幅があるのか？！
6. ［データ分析］順位と偏差値 〜 私の成績順位はどのあたり？
7. ［データ分析］グラフの種類と使い分け 〜 データ可視化入門【特別予告編】
8. ［データ分析］棒グラフで「規模や効果」を可視化 〜 どちらの広告が効果的なのか？
9. ［データ分析］折れ線グラフで「変化」を可視化 〜 売り上げは本当に上がっているか？
10. ［データ分析］円グラフやパレート図で「重要度」を可視化 〜 どの割合が本当に多いのか？
11. ［データ分析］ヒストグラムや箱ひげ図で「分布」を可視化 〜 集団の特徴や外れ値を見つける
12. ［データ分析］クロス集計表やヒートマップで「分布」を多角的に可視化 〜 項目同士の関連を見つける
13. ［データ分析］散布図を徹底活用して「関係」を可視化 〜 関係と規模を一度に見る
14. ［データ分析］相関係数 〜 気温と電気代に関係はあるのか？
15. ［データ分析］単回帰分析による予測（線形回帰、指数回帰） 〜 排気量から中古車の価格を予測しよう
16. ［データ分析］重回帰分析による予測（線形回帰、多項式回帰） 〜 年式、走行距離、排気量から中古車の価格を予測
17. データ分析に適したデータ形式に変換する方法と、表データを読み込む方法

AI・機械学習の業界動向（2024/01/10）

1. 2020年の「AI／機械学習」界わいはこうなる！　10大予測
2. 2021年の「AI／機械学習」はこうなる！　5大予測
3. 2022年の「AI／機械学習」はこうなる！　8大予測
4. 2023年の「AI／機械学習」はこうなる！　6大予測
5. 2024年の「AI／機械学習／データ分析」はこうなる！　7大予測

AI・データサイエンス超入門（2023/12/14）

1. 社会人が学ぶべき、やさしいAI・データサイエンス
2. 初めてのデータ分析。手軽に体験してみよう
3. 知識ゼロからのビジネスAI活用。議事録AIを作ってみよう
4. 生成AI入門：議事録を答えるチャットAI（RAGアプリ）を作ってみよう【プログラミング不要】
5. データ分析もChatGPTの機能（旧Code Interpreter）でできるか、やったみた【番外編】

AI・機械学習の無料電子書籍（2023/11/13）

1. 無料で読める「機械学習／ディープラーニング」の有名書籍　厳選4冊
2. 無料で読める、東大／京大の「Python教科書」電子書籍

Google Colaboratory入門（2023/10/02）

1. Lesson 1　ディープラーニングを始めるための、作業環境の特長と使い分け指針
2. Google Colaboratory（Jupyter Notebook）の準備と、ノートブックの作成
3. Google Colaboratory（Jupyter Notebookのオンライン版）の使い方
4. 「ディープラーニング作業環境の概要とGoogle Colaboratory（Jupyter Notebookのオンライン版）の使い方」まとめ
5. Google ColabユーザーのためのTipsトップ10
6. Google Colabで知られていないが有用な機能7選
7. Colab Pro／Pro+／Pay As You Goとは？　無料版との違い、比較表

AI・機械学習のデータセット辞典（2023/04/05）

1. fastMRI Dataset：膝MRI／脳MRIの画像データセット
2. MNIST：手書き数字の画像データセット
3. KMNIST／Kuzushiji-MNIST：日本古典籍くずし字（手書き文字）データセット
4. Fashion-MNIST：ファッション商品（写真）の画像データセット
5. CIFAR-10：物体カラー写真（乗り物や動物など）の画像データセット
6. CIFAR-100：物体カラー写真（動植物や機器、乗り物など100種類）の画像データセット
7. Boston Housing：ボストンの住宅価格（部屋数や犯罪率などの13項目）の表形式データセット
8. Titanic：タイタニック号乗客者の生存状況（年齢や性別などの13項目）の表形式データセット
9. Large Movie Review：IMDb映画レビューコメントの「肯定的／否定的」感情分析用データセット
10. Dataset Search：Googleによる「データセット検索」サイト
11. PyTorch／TensorFlow／Keras／scikit-learnライブラリ内蔵のデータセット一覧
12. アクティブに更新され続けている、お勧めの機械学習データセット一覧サイト
13. 機械学習／データサイエンスに活用できる「政府系」オープンデータセット3選
14. ImageNet：大規模なカラー写真の画像データベース
15. Reuters newswire：ロイターのニュース記事のトピック分類データセット
16. EMNIST：手書きアルファベット＆数字の画像データセット
17. QMNIST：手書き数字の画像データセット（MNIST改良版）
18. 画像データをキーワード検索で効率的に収集する方法（Python「icrawler」のBing検索）
19. Open Images Dataset：Googleによる膨大な画像データセット
20. Food-101：料理カラー写真（アップルパイや餃子など）の画像データセット
21. Food-101N：料理カラー写真（分類ラベルのノイズが多いバージョン）の画像データセット
22. Wiki-40B：高品質に加工された、40以上の言語のWikipediaデータセット
23. クラウド（AWS／Azure／GCP／IBM）で手軽に使えるオープンデータセット
24. 浮世絵顔データセット
25. Papers With CodeのDatasets： 人気度まで分かるデータセット一覧サイト
26. COCO dataset：セグメンテーションなどに使える大規模なカラー写真の画像データセット
27. Hugging FaceのDatasets： 自然言語処理のデータセット提供サイト
28. SVHN：ストリートビューでの家の番地（数字）の画像データセット
29. California Housing：カリフォルニアの住宅価格（部屋数や築年数などの8項目）の表形式データセット
30. Iris Dataset：あやめ（花びら／がく片の長さと幅の4項目）の表形式データセット
31. Diabetes Dataset：糖尿病（年齢／血圧／血糖値などの10項目）の表形式データセット
32. Wine Dataset：ワイン（アルコール度数／色の濃さなどの13項目）の表形式データセット
33. LAION-5B：オープンで大規模なマルチモーダル（画像＋テキストのペア）データセット
34. GLUE：英語用の一般言語理解評価ベンチマーク

ChatGPT入門（2023/03/24）

1. ChatGPTとは何か
2. ChatGPTやInstructGPTはなぜユーザーの意図に沿った返答を生成できるのか？
3. OpenAI Cookbookで学ぶプロンプトの基礎の基礎
4. 新しいBingに組み込まれたChatGPTよりも強力な言語モデルに触ってみよう
5. 思考の連鎖（Chain of Thought）でChatGPTからよりよい応答を引き出そう
6. ChatGPTのAPIを使ってみよう

5分で分かるシリーズ（2023/03/20）

1. 5分で分かる人工知能（AI）
2. 5分で分かる機械学習（ML）
3. 5分で分かるディープラーニング（DL）
4. 5分で分かるデータ分析
5. 5分で分かるデータサイエンス

数学×Pythonプログラミング入門（2023/01/23）

1. 中学・高校数学で学ぶ、数学×Pythonプログラミングの第一歩
2. 中学数学だけでフェルマーの小定理をプログラミングしてみよう
3. 中学・高校数学でオイラーのγの近似値を求めるプログラミング
4. Matplotlibで折れ線グラフ（正規分布など）を描こう
5. Pythonでグラフを描こう ― 棒グラフ／ヒストグラム／散布図／ヒートマップ
6. 微分法の数値計算をプログラミングしてみよう
7. 積分法の数値計算をプログラミングしてみよう
8. ［数学×Python］再帰呼び出しをマスターしよう
9. Pythonで線形代数！　〜ベクトル編〜
10. Pythonで線形代数！〜行列編（基礎・前編）
11. Pythonで線形代数！〜行列編（基礎・後編）
12. Pythonで線形代数！〜行列・応用編（行列式・固有値）
13. Pythonで三角関数！〜サウンドも作成してみよう
14. Pythonで統計・データ分析！〜基本統計量の活用と機械学習の基本

Stable Diffusion入門（2022/12/02）

1. 誰もが知っておくべき画像生成AI「Stable Diffusion」の仕組みと使い方
2. Stable Diffusionでノイズから画像が生成される過程を確認しよう
3. 「Stable Diffusion」で生成された画像とプロンプトがどのくらい似ているのかを確認してみよう
4. Stable Diffusion 2.0で追加された機能を試してみよう

Python最新情報キャッチアップ（2022/11/11）

1. Python 3.9で追加された辞書の和集合演算子、removeprefix／removesuffixメソッドとは
2. 「Python 3.9」登場、デコレーターに関する制約の緩和、新しいパーサーの採用とは
3. Python 3.10の新機能：「構造的パターンマッチ」とは
4. Python 3.10の新機能：with文の強化／エラーメッセージの改善／EncodingWarningクラス
5. Python 3.10の新機能：型ヒントに関連する新機能
6. 「Python 3.11」からその成果が得られ始めたPython高速化プロジェクトとは
7. 「Python 3.11」で追加されたExceptionGroup例外とexcept*節、TaskGroupとは

AI・機械学習の独学リソース（2022/10/13）

1. TensorFlowが学べる、無料のオンライン学習講座。CourseraとUdacityに新設
2. 人気の東大松尾研「DL4US」ディープラーニング講座のコンテンツが無償公開
3. 機械学習概論〜ディープラーニングGAN、本格的に学べる全20時間の大学講義が無償公開
4. 機械学習・ディープラーニングの数学／技術の概要を理解できる厳選「無料動画」
5. 「機械学習の最先端」を効率的に情報収集！　おすすめのメルマガ3選
6. 機械学習／ディープラーニングの「数学」が学べるオススメ本
7. AI／機械学習の認定資格ガイド（主要テクノロジー別）
8. データサイエンス／AI／ディープラーニングの資格ガイド
9. 機械学習／ディープラーニングが無料で学べる、米国有名大学の「オンライン講座／講義動画」
10. 機械学習／統計学／データサイエンスの無償gacco動画、全まとめ【2022年秋版】

AI・機械学習の数学入門（2022/09/21）

1. AI・機械学習のための数学超入門 ― 前提知識は四則演算だけ！
2. ［AI・機械学習の数学］文字式を使いこなせば一気にレベルアップ
3. ［AI・機械学習の数学］総和を表すΣは機械学習に必須の記号
4. ［AI・機械学習の数学］微分法の基本を身につけて「変化」を見極めよう
5. ［AI・機械学習の数学］微分法を応用して、回帰分析の基本を理解する
6. ［AI・機械学習の数学］偏微分の基本（意味と計算方法）を理解する
7. ［AI・機械学習の数学］偏微分を応用して、重回帰分析の基本を理解する
8. ［AI・機械学習の数学］番外編1　「0」の取り扱い
9. ［AI・機械学習の数学］合成関数の微分（連鎖律）とニューラルネットワーク初歩の初歩
10. ［AI・機械学習の数学］ベクトルの基本と類似度の計算
11. ［AI・機械学習の数学］行列の基本と、回帰／ニューラルネットワークでの表現
12. ［AI・機械学習の数学］確率の基本から条件付き確率までをおさらいしよう
13. ［AI・機械学習の数学］機械学習でよく使われる「ベイズの定理」を理解する
14. ［AI・機械学習の数学］確率分布の基本、ベルヌーイ分布、二項分布を理解する
15. ［AI・機械学習の数学］正規分布とベータ分布、確率分布とベイズ統計の関係を理解する
16. ［AI・機械学習の数学］番外編2　指数と対数（指数編）
17. ［AI・機械学習の数学］番外編3　指数と対数（対数編）
18. ［AI・機械学習の数学］線形代数の行列式をマスター
19. ［AI・機械学習の数学］線形代数の固有値・固有ベクトルをマスター

AI・データサイエンスで遊ぼう（2022/08/26）

1. 自作できる小型ロボット「犬」に物体追跡AIを搭載してみよう
2. AIで人を画像認識して走ってくるロボット犬を作ってみよう
3. ドラッグストアチェーンの開店場所の推測でやっていること
4. ドラッグストアの開店予想で足りなかったモノ

簡単に試せるAI・機械学習（2022/08/04）

1. 画像認識の機械学習を、無料で誰でも簡単に作れる「Microsoft Lobe」
2. 無料で誰でも簡単に、テキストから画像を生成できる「Craiyon（旧名：DALL・E mini）」を使ってみよう

ニューラルネットワーク入門（2022/06/22）

1. Pythonでニューラルネットワークを書いてみよう
2. 図とコードで必ず分かるニューラルネットワークの逆伝播
3. Pythonで実装するニューラルネットワークを完成させよう
4. NumPyでニューラルネットワークをフルスクラッチ実装してみよう

AI・機械学習のクラウドサービス（2022/06/02）

1. これから始める人のための最新Cognitive Services入門
2. クラウド「AI」API入門：AWS／Cognitive Services／Google Cloud／IBM Watsonの比較

Python環境構築入門（2022/04/01）

1. Pythonディストリビューション使い分けのポイントを考えてみよう（Windows編）
2. Pythonディストリビューション使い分けのポイントを考えてみよう（macOS編）

僕たちのKaggle挑戦記（2022/03/04）

1. Kaggle初心者のためのコンペガイド ― Titanicの先へ
2. 「無料のKaggle公式講座×コンペ初参戦」で機械学習を始めよう
3. Kaggleで学ぶ、k-fold交差検証と、特徴量エンジニアリング
4. Titanicから始めよう：ベースラインの作成とユーティリティースクリプトの記述
5. Kaggleで学ぶ、Optunaによるハイパラ自動チューニング
6. Kaggleで学ぶ、モデルのブレンディングとスタッキング
7. Titanicから始めよう：データを可視化して、EDAのまねごとをしてみた
8. Titanicから始めよう：特徴量エンジニアリングのまねごとをしてみた
9. Titanicから始めよう：ハイパーパラメーターチューニングのまねごとをしてみた
10. Titanicから始めよう：GridSearchCVクラスを使ってハイパーパラメーターチューニングしてみた
11. 番外編：VS CodeでKaggleしよう！
12. 環境編：VS CodeからPythonでKaggle APIを呼び出してみよう

Amazon SageMaker Studio Lab入門（2022/01/27）

1. 無料でPython／機械学習できるAmazon SageMaker Studio Labとは？　Colabと比較
2. Amazon SageMaker Studio Lab環境とCondaの使い方

AI・機械学習のツール＆ライブラリ（2022/01/17）

1. DataRobot概説： データサイエンティストでない人に、データサイエンティストっぽく働いてもらおう
2. PyTorch vs. TensorFlow、ディープラーニングフレームワークはどっちを使うべきか問題
3. Neural Network Console概説： GUIで直感的にディープラーニングしよう！
4. PyTorch vs. TensorFlow、ディープラーニングフレームワークはどっちを使うべきか問題【2021年】
5. PyTorch vs. TensorFlow、ディープラーニングフレームワークはどっちを使うべきか問題【2022年】

Visual Studio Codeで快適Pythonライフ（2021/11/19）

1. Visual Studio Codeから「Hello Python」してみよう
2. アクティビティーバーと［エクスプローラー］ビューとエディタを使ったファイルの作成と編集の第一歩
3. VS CodeでのPythonコーディングを快適にするエディタ機能の使い方
4. コマンドパレットを駆使してVS Codeを使いこなそう！
5. ショートカットキーを活用して、VS Codeをより快適に！
6. ここから始めるVS Codeのカスタマイズ
7. フォントからエディタ、改行文字まで、VS Codeを自分好みにカスタマイズ
8. VS Codeの拡張機能でPythonの仮想環境構築からコード整形、Lintまでを体験してみよう
9. VS Codeを使ってPythonコードをデバッグするための基礎知識
10. VS CodeでPythonコードのデバッグ構成をしてみよう
11. VS CodeでJupyterしてみよう
12. Jupyter対話環境を使ってVS Codeでノートブックのデバッグ
13. ColabCodeを使って、Google Colabの上でVS Codeを使ってみよう
14. colab-sshを使って、VS CodeからGoogle Colabに接続してみよう
15. VS Codeのタスクを使ってGoogle ColabへのSSH接続の構成を自動化しよう
16. VS Codeでソースコード管理、初めの一歩
17. VS Codeでソースコード管理：ブランチを操作してみよう
18. VS Codeでソースコード管理：拡張機能でコミット履歴を簡単操作
19. VS Codeでソースコード管理：リポジトリをGitHubに発行してみよう
20. VS Codeでソースコード管理：プルリクエストを作成してみよう
21. VS Codeでソースコード管理：issueを作成してみよう
22. VS Codeでソースコード管理：GitLens拡張機能を使ってみよう

Kaggle入門（2021/11/08）

1. Kaggleはじめの一歩
2. 脱・Kaggle初心者 〜 一歩先に行くためのノウハウ
3. メダル獲得、Kaggle Masterへの道 〜 他者と差を付ける
4. Kaggle Grandmasterへの道 〜 データサイエンティスト“最高峰”を目指す

作って試そう！　ディープラーニング工作室（2021/04/09）

1. 機械学習やディープラーニングってどんなもの？
2. Hello Deep Learning：ニューラルネットワークの作成手順
3. データセット、多次元配列、多クラス分類
4. ニューラルネットワークの内部では何が行われている？
5. ニューラルネットワークの学習でしていること
6. 自分だけのLinearクラスを作ってみよう
7. MNISTの手書き数字を全結合型ニューラルネットワークで処理してみよう
8. CNNなんて怖くない！　その基本を見てみよう
9. CNNなんて怖くない！　コードでその動作を確認しよう
10. プログラムを関数にまとめて、実行結果をグラフにプロットしよう
11. RNNに触れてみよう：サイン波の推測
12. PyTorchのRNNクラスとRNNCellクラスを再発明しよう
13. PyTorchでオートエンコーダーによる画像生成をしてみよう
14. PyTorchでCIFAR-10を処理するオートエンコーダーを作ってみよう
15. PyTorchで畳み込みオートエンコーダーを作ってみよう
16. PyTorchからGPUを使って畳み込みオートエンコーダーの学習を高速化してみよう
17. MNISTを使ってオートエンコーダーによる異常検知を試してみよう
18. PyTorchで全結合型のGANを作ってみよう
19. PyTorchでDCGANを作ってみよう
20. PyTorchでCIFAR-10を基にDCGANで画像生成をしてみよう
21. ［文章生成］スクレイピングで青空文庫からデータを取得してみよう
22. ［文章生成］MeCabをインストールして分かち書きを試してみよう
23. ［文章生成］マルコフ連鎖で文を生成してみよう
24. ［文章生成］PyTorchのRNNクラスを使って文章生成を行う準備をしよう
25. ［文章生成］PyTorchのRNNクラスを使って文章を生成してみよう
26. ［文章生成］パープレキシティーとドロップアウトにより、よりよい文章生成を目指してみよう

Kaggleイベントレポート（2021/02/01）

1. Kaggle Grandmasterに聞く「トップデータサイエンティストの過去・現在・未来」 ― データサイエンティスト協会 6th シンポジウム
2. 企業の“Kaggler枠”って実際どうなの？ ― データサイエンティスト協会 7th シンポジウム

MLOpsイベントレポート（2021/01/27）

1. 第1回勉強会：なぜ今MLOpsなのか、先駆者や実際の現場からMLOpsを学ぼう
2. MLOps実践者たちのリアルなお悩の解決にコミュニティーがどう貢献できるか
3. 第3回勉強会：異音検知プラットフォーム開発を通した機械学習プロダクト開発の体制と課題

データサイエンスのイベントレポート（2020/10/22）

1. 目指すべき今後の人工知能とは？ パネルディスカッション ― データサイエンティスト協会 セミナー2018 第1回
2. 企業から見たデータサイエンティストの採用と育成（パネルディスカッション）― データサイエンティスト協会 調査・研究委員会セミナー
3. コロナ時代におけるデータサイエンティストの育成と、日常業務におけるメリット／デメリット

AI・機械学習の活用ガイド（2020/06/01）

1. 各AI研究分野の立ち位置を示す「AIマップ」（人工知能学会の公開リソース）とは？

PyTorch入門（2020/02/20）

1. 第1回　難しくない！　PyTorchでニューラルネットワークの基本
2. 第2回　PyTorchのテンソル＆データ型のチートシート
3. 第3回　PyTorchによるディープラーニング実装手順の基本

Pythonチートシート（2020/02/18）

1. ［Pythonチートシート］基本要素編
2. ［Pythonチートシート］関数定義編
3. ［Pythonチートシート］文字列／リスト／タプル／辞書／集合の操作編
4. ［Pythonチートシート］クラス定義編
5. ［Pythonチートシート］ファイル操作編
6. ［Pythonチートシート］モジュール／例外編
7. ［Pythonチートシート］特殊メソッド編

AWS DeepRacer入門（2020/01/16）

1. 第1回　強化学習が楽しく学べる自律走行レーシングカー「AWS DeepRacer」とは？
2. 第2回　AIの強化学習の基礎を学ぼう
3. 第3回　強化学習を簡単に調整できるDeepRacerのコンソールとシミュレーター
4. 第4回　手を動かして強化学習を体験してみよう（自動運転ロボットカーDeepRacer編）
5. 第5回　DeepRacerリーグ勝者に聞く「どうすれば勝てますか？」

Python入門（2019/12/10）

1. Pythonってどんな言語なの？
2. Hello Python
3. 数値と算術演算
4. ［Python入門］変数とは
5. ［Python入門］文字列の基本
6. ［Python入門］文字列の操作
7. ［Python入門］文字列の書式指定
8. ［Python入門］コメント
9. ［Python入門］if文による条件分岐
10. ［Python入門］for文による繰り返し処理
11. ［Python入門］while文による繰り返し処理
12. ［Python入門］関数の基本
13. ［Python入門］関数の引数
14. ［Python入門］関数のローカル変数とスコープ
15. ［Python入門］ローカル関数とラムダ式
16. ［Python入門］リストの基本
17. ［Python入門］リストの操作
18. ［Python入門］リストと繰り返し処理
19. ［Python入門］タプル
20. ［Python入門］辞書
21. ［Python入門］集合
22. ［Python入門］モジュールの使い方
23. ［Python入門］モジュールの作り方
24. ［Python入門］パッケージ
25. ［Python入門］Pythonのオブジェクトとは
26. ［Python入門］オブジェクトの同一性、比較、文字列表現
27. ［Python入門］Pythonの演算子まとめ
28. ［Python入門］クラスの基礎知識
29. ［Python入門］クラス変数／クラスメソッド／スタティックメソッド
30. ［Python入門］クラスを使ってスタックとキューを作成する
31. ［Python入門］クラスの継承
32. ［Python入門］リストを継承してスタックを作成する
33. ［Python入門］クラスのスコープとプライベートな属性
34. ［Python入門］多重継承
35. ［Python入門］多重継承とmixin
36. ［Python入門］例外と例外処理の基礎
37. ［Python入門］例外の送出と例外クラス
38. ［Python入門］ファイル操作の基本
39. ［Python入門］バイナリファイルの操作
40. ［Python入門］pickleモジュールによるオブジェクトの直列化
41. ［Python入門］shelveモジュールによるオブジェクトの永続化
42. ［Python入門］urllib.requestモジュールによるWebページの取得
43. ［Python入門］Beautiful Soup 4によるスクレイピングの基礎
44. ［Python入門］ディレクトリ操作の基本
45. ［Python入門］pathlib.Pathクラスによるパス操作
46. ［Python入門］shutilモジュールによる高水準ファイル操作
47. ［Python入門］ファイル操作と例外処理
48. ［Python入門］イテレータとは
49. ［Python入門］ジェネレータ関数とジェネレータイテレータの基礎
50. ［Python入門］ジェネレータの高度な話題
51. ［Python入門］デコレーターの基礎
52. ［Python入門］docstringの書き方
53. ［Python入門］PEP 8：Pythonコーディングスタイルガイド

AIと法律・知財・契約（2019/12/02）

1. 生データ使い放題？！ 「日本は機械学習パラダイス」になった ― DEEP LEARNING LAB 勉強会
2. 個人情報を含むデータは、AI＆機械学習に使えるのか？〜個人情報保護法〜 ― DLLAB勉強会

気になるニュース＆ネット記事（2019/11/25）

1. Swift For TensorFlowのオープンソース化など、GW前後の機械学習関連ニュースまとめ
2. Microsoft Build 2018 vs. Google I/O 2018［機械学習視点］： FPGA vs. TPU、ML.NET vs. ML Kit
3. Neural Network Console クラウド正式版など - 機械学習の必読情報
4. 無償公開！ AI関連のPDF『Future Computed』、I/O 2018 ＆ Build 2018 のセッション動画
5. de:code 2018、AI関連セッションの動画＆資料の一覧
6. 立教大学大学院、2020年4月新設の「人工知能科学研究科」の特設サイトをオープン
7. BigQueryが無料で試せる「BigQueryサンドボックス」。毎月1TBの検索が可能
8. Deep Learning Labの次回大規模イベント情報と、今後の方針・施策　〜2周年イベントより〜
9. Python 2系終了のタイムリミット迫る。早く「3系」に切り替えよう
10. 人気プログラミング言語の変遷、1965〜2019年（Python視点）

Pythonイベント（2019/09/27）

1. Pythonが世界を席巻している理由：PyCon JP 2019 第1日目 基調講演レポート
2. Pythonで切り開く新しい農業：PyCon JP 2019 第2日目 基調講演レポート
3. 今がPython 2から移行するのにベストなタイミング：トークセッションレポート

イベントから学ぶ最新技術情報（2019/09/05）

1. AIの音声／画像認識技術は人間レベルを超えた！？ Microsoftによる最新AI技術。Japan Partner Conference 2017 Tokyo
2. Chainer×Azureの関係とは？ Preferred NetworksのCEO、西川氏が登壇。JPC 2017 Tokyo
3. 機械学習の作業がはかどる新ツール「Workbench」とは？ TensorFlowやAWSも使える。Microsoft Tech Summit 2017
4. 「DEEP LEARNING LAB」勉強会の開催方針と、7割補助金が出るハンズオン講座
5. GTC 2018におけるAI関連の発表内容、そこから見えるNVIDIAの方向性
6. 深層学習にはどんなデータが使えるのか？ どれくらいのデータ量が必要か？ ― DLLAB コミュニティ勉強会 2018Q2
7. MSやPFNのAI技術最新情報からPost Kまで ― DLLAB DAY 2018 基調講演レポート
8. グーグルのAI技術、2018年9月最新情報 ― Google Cloud Next ’18 in Tokyo 基調講演レポート
9. TensorFlow 2.0 α版で何が変わる？ 新機能の概要 ― TensorFlow Dev Summit 2019
10. AI・機械学習関連のマイクロソフト最新技術情報　〜de:code 2019の基調講演より〜
11. グーグルのAI技術、2019年夏の最新情報 ― Google Cloud Next ’19 in Tokyo 基調講演2レポート

機械学習＆ディープラーニング入門（Python編）（2019/08/31）

1. ディープラーニングを始めるための、Python基礎文法入門
2. Lesson 2　モジュール ― Python基礎文法入門
3. Lesson 3　コメント ― Python基礎文法入門、APIリファレンスの使い方
4. Lesson 4　変数、オブジェクト ― Python基礎文法入門
5. Lesson 5　データ型（ブール／数値／文字列） ― Python基礎文法入門
6. Lesson 6　データ型（リスト／タプル／辞書／各種オブジェクト） ― Python基礎文法入門
7. Lesson 7　関数 ― Python基礎文法入門
8. Lesson 8　関数の定義 ― Python基礎文法入門
9. Lesson 9　条件分岐 ― Python基礎文法入門
10. Lesson 10　ループ処理 ― Python基礎文法入門
11. Lesson 11　クラス ― Python基礎文法入門
12. Lesson 12　クラスの定義 ― Python基礎文法入門
13. Lesson 13　旧バージョン2環境への対応、標準ライブラリ ― Python言語の文法（応用編）
14. Lesson 14　if 条件式、and／or／not 論理演算子 ― Python言語の文法（応用編）
15. Lesson 15　ラムダ式 ― Python言語の文法（応用編）
16. Lesson 16　リスト内包表記 ― Python言語の文法（応用編）
17. Lesson 17　例外 ― Python言語の文法（応用編）
18. Lesson 18　「Python言語基礎文法」と「いくつかの応用文法」のまとめ

機械学習＆ディープラーニング環境構築入門（2019/08/29）

1. UbuntuでのGPUディープラーニング環境の構築【Ubuntu 16.04 LTS対応】
2. UbuntuでのGPUディープラーニング環境の構築【Ubuntu 18.04 LTS対応】

機械学習の参考事例（2019/06/17）

1. Deep Learningが医療向けVR／MRサービスでどう活用されたのか
2. Deep LearningがECサイトの商品分類でどう活用されたのか

機械学習＆ディープラーニング入門（データ構造編）（2019/02/08）

1. Lesson 1　機械学習を始めるための、Pythonデータ構造「多次元リスト」入門
2. Lesson 2　機械学習に欠かせない、NumPy入門と「多次元配列（ndarray）」
3. Lesson 4　「AIのデータ構造となるNumPyの多次元配列と、数値計算」の基礎まとめ
4. Lesson 3　NumPyによる数学計算と、数学用語の「テンソル」

機械学習＆ディープラーニング入門（コンピューター概論編）（2018/12/18）

1. Lesson 1　ディープラーニングを始めるための、プログラムの基礎
2. Lesson 2　ディープラーニングを始めるための、コンピューターの基礎
3. Lesson 4　「プログラム、コンピューター、アプリケーションと開発」の基礎まとめ
4. Lesson 3　ディープラーニングを始めるための、アプリケーションと開発の基礎

ディープラーニング習得、次の一歩（2018/08/08）

1. Kerasを用いたディープラーニング（LSTM）による株価予測
2. 挑戦！ word2vecで自然言語処理（Keras＋TensorFlow使用）
3. word2vecリターンズ！ 品詞分類による精度改善
4. ディープラーニングで自動筆記 − Kerasを用いた文書生成（前編）
5. ディープラーニングで自動筆記 − Kerasを用いた文書生成（後編）

TensorFlow入門（2018/04/27）

1. 第1回　TensorFlowとは？ 入門連載始動！ データフローグラフ、事例、学び方
2. 第2回　TensorFlow環境の構築
3. 第3回　TensorFlowの基本構成要素：「テンソル」と「セッション」
4. 第4回　CNN（Convolutional Neural Network）を理解しよう（TensorFlow編）
5. 第5回　画像認識を行う深層学習（CNN）を作成してみよう（TensorFlow編）
6. 第6回　RNN（Recurrent Neural Network）の概要を理解しよう（TensorFlow編）
7. 第7回　時系列データの予測を行う深層学習（RNN）を作成してみよう（TensorFlow編）
8. 第8回　TensorBoardとは？ スカラー値やデータフローグラフの可視化

機械学習＆ディープラーニング入門（概要編）（2018/04/18）

1. Lesson 1　AI・機械学習・ディープラーニングがしたい！ そもそも何ができるの？
2. Lesson 2　機械学習やディープラーニングには、どんな手法があるの？
3. Lesson 3　機械学習＆ディープラーニングの、基本的なワークフローを知ろう

Deep Insiderオピニオン：吉崎亮介（2017/11/27）

1. 第1回　人工知能・機械学習・ディープラーニングとは？ 基礎概念まとめ
2. 第2回　機械学習に必要なスキルセット

OpenCV入門【3.0対応】（2017/09/12）

1. 第1回　OpenCVとは？ 最新3.0の新機能概要とモジュール構成
2. 第2回　OpenCV 3.0の新機能（＋ 次バージョンのロードマップ）
3. 第3回　OpenCVの環境構築（OpenCV 3.0／3.1）
4. 第4回　初めてのOpenCV開発 ― Visual Studio／CMake／NuGetでプロジェクト作成【OpenCV 3.0／3.1】
5. 第5回　初めてのOpenCV開発 ― coreモジュール【OpenCV 3.1.0】
6. 第6回　初めてのOpenCV開発 ― highgui／imgcodecs／videoioモジュール【OpenCV 3.1.0】
7. 第7回　初めてのOpenCV開発 ― デバッグ機能およびデバッグ支援プラグイン【OpenCV 3.1.0】
8. 第8回　初めてのOpenCV開発 ― CMakeを使ったOpenCVのカスタマイズ【OpenCV 3.1.0】
9. 第9回　初めてのOpenCV開発 ― opencv_contrib紹介【OpenCV 3.1.0】

まだ知らないエンジニアのための人工知能／機械学習概説（2016/05/20）

1. 第3次人工知能（AI）ブームにおける機械学習、そろそろ入門しよう！

ITmediaはアイティメディア株式会社の登録商標です。

メディア一覧 | 公式SNS | 広告案内 | お問い合わせ | プライバシーポリシー | RSS | 運営会社 | 採用情報 | 推奨環境