Help us understand the problem. What is going on with this article?

GTUG Girls+PyLadiesTokyo Meetup 初めての機械学習に行ってみた

More than 3 years have passed since last update.

まだまだ底辺Webプログラマー1年目のひよっこですが、行ってきましたよ。pythonで機械学習。

そもそもPyLadies Tokyoってなに?

PyLadies の日本支部なのですが
ECナビで有名なVOYAGE Groupがなんか毎回主催してるっぽいです。
それで今回行ったのがこちら↓2016/2/23
PyLadies Tokyo Meetup #9 初めての機械学習

機械学習がなんか勤務先で流行ってたのもあるし、ウェイで有名なVOYAGE groupのオフィスとても見てみたかったので行ってきましたよ。(笑)

事前準備

事前準備としてAnaconda環境を入れる必要があります。
MacでPython3系ベースの機械学習環境設定(Python2系との共存
みたいな感じでやればいいでしょう。
一応私がやった流れとしては、macbook+homebrewを使いまして

pyenvのインストール
※rubyのrbenvみたいなバージョン管理システム

brew install pyenv

これで~に.pyenvディレクトリが入ってそこでバージョン管理されます。

Anacondaのインストール
※Anaconda入れればpythonと数値計算で使う便利ツール一式入るので別途pythonインストールしなくても大丈夫です。注意。

pyenv install anaconda3-2.5.0

あと今回のディープラーニングで使うテストデータダウンロード
http://deeplearning.net/data/mnist/mnist.pkl.gz

内容

https://github.com/PyLadiesTokyo/intro_neural_network
これが教材でクローンしときます。

git clone https://github.com/PyLadiesTokyo/intro_neural_network.git

クローンしたらnotebooksディレクトリに移動して、

jupyter notebook

でJupyter起動します。localhost:8888が起動します。
それでノートの内容を進めていきました。Jupyter初めて使ったんだけど便利だね。いいね。
内容は

  1. pythonの簡単な文法
  2. Jupyterの使い方
  3. Machine_Learning
  4. MNISTで手書き文字認識
  5. Neural_Network
  6. Digit_Recognizer

というなんとなく機械学習の空気を触れる内容やれました。上辺だけなのでいまいち理解度微妙ですね。
そんな感じで初めての機械学習やりましたとさ。
最後に解答例もありました。https://github.com/amacbee/intro_deep_learning

あとgoogle女子エンジニア勉強会あるから良かったら参加してね~だって
https://www.womentechmakers.com/iwd16

会場の様子

女の子いっぱい。
IMG_1293.JPG

おおお!?!?なんか意識高いぞ??
IMG_1294.JPG

わわわ!!!!あのよくわからない船だ!!
IMG_1295.JPG

タダ酒飲めた!
IMG_1296.JPG

fgnhssb
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした