目的(pupose)
「ゼロから作るDeep Learning」読書会に必要な資料を整理する。
<この項は書きかけです。順次追記します。>
This article is not completed. I will add some words in order.
成果(outcome)
「ゼロから作るDeep Learning」読書会参加者が、必要な予備知識、演習のための基礎技術が身につく。
M.S.WindowsにPython3を導入する（7つの罠）2024年版
https://qiita.com/kaizen_nagoya/items/2b6e7643fb164c287f4e
前書き(preface)
今日(2018年04月13日)がReview最終日
「ゼロから作るDeep Learning ２自然言語処理編」を読む前に読んで置くとよい資料とプログラム
「『ゼロから作るDeep Learning ❷』公開レビューのお知らせ」
終了しました。
「公開レビューのお知らせ」の引用
「ゼロから作るDeep Learning」著者の続編『ゼロから作るDeep Learning ❷ 自然言語処理編』の公開レビューが始まっている。「レビュー期間は2月28日（水）から4月13日（金）までの1ヶ月半です。」
（主催者の記述の引用です。）
https://www.oreilly.co.jp/editors/archives/2018/02/ann-public-review-machine-learning-from-scratch.html
「ゼロから作るDeep Learning ２自然言語処理編」読書会
場所は名古屋市工業研究所（地下鉄名港線六番町徒歩１分：敷地に入ってから電子技術総合センター５階コンピュータ研修室までは２分）です。2018年7月19日から毎月第３木曜で始まります。
書籍の出荷が7月21に変更になりました。読書会の開催は２０１８年８月２３日午後１時から午後５時までになりました。
第1章を担当できる方は、お申し付けください。
午前は、昨年の復習を兼ねた画像処理による自動運転への応用の演習、午後が自然言語処理編の輪講です。どちらかだけの参加も可能です。午前参加希望、午後参加希望、終日参加希望のいずれかを@kaizen_nagoyaまでRT,又はDMください。
「ゼロから作るDeep Learning」参考文献一覧
https://qiita.com/kaizen_nagoya/items/82975f7b63b6ea2f33ff
なぜdockerで機械学習するか 書籍・ソース一覧作成中 (目標100)
https://qiita.com/kaizen_nagoya/items/ddd12477544bf5ba85e2
「ゼロから作るDeepLearning2 自然言語処理編」読書会用資料を ゼロから作る。現在参考文献確認中。
https://qiita.com/kaizen_nagoya/items/33fb2c66175a25e39559
「ゼロから作るDeepLearning2 自然言語処理編」参考文献の参考文献(作業中)
https://qiita.com/kaizen_nagoya/items/45ef08bd8da6d30d1d3e
ゼロから作るDeep Learning 2 自然言語処理編 1.3 まとめ
https://qiita.com/ohakutsu/items/9836f45e4b33e4a62b24
ゼロから作る Deep Learning (2) 自然言語処理編をJulia 1.0.2でやってみる
https://qiita.com/takilog/items/c803fdb2381f07b2cd70
ゼロから作るDeepLearning2をKerasで強くてニューゲームする
https://qiita.com/calderarie/items/61448936d239251ad178
ゼロから作るDeep Learning２の応用 スパムフィルタ
https://qiita.com/mctk/items/79a24cc811c6f8053e1f
「ゼロから作るDeep Learning ２」自習メモ（その20）2巻目 自然言語処理編
https://qiita.com/slow_learner/items/bb0ce93a4577bc7f1105
「ゼロから作るDeep Learning ２」自習メモ（その２１） ３、４章https://qiita.com/slow_learner/items/346f78ae415f649f54ed
最近の記事から
【AI】機械学習の勉強に役に立つサイト
https://qiita.com/wb_seo/items/ce461e181fe127a05a6e
Deep Learningの学習の様子を可視化する、fastprogressがすごく良さげ
https://qiita.com/AnchorBlues/items/fd9b9bd00042337ed0e2
自動運転応用
午前の自動運転への応用は、次のような演習を予定しています。
主に、松浦光洋さんから教えていただいた内容にもとづいています。
名古屋電子工作の会（松浦光洋）
http://ma2.la.coocan.jp/files/ndkk/
DonkeyCar 用 ラズパイ3 boot SD の作り方
https://qiita.com/mituhiromatuura/items/d0268d8ec3577cf3e7d7
DonkeyCar の製作（TAMIYA TT-02）
https://qiita.com/mituhiromatuura/items/c7da046d9b912d8249fc
DonkeyCar の製作（TAMIYA GF-01）
https://qiita.com/mituhiromatuura/items/6b84b4d89abf328b96a7
DonkeyCar の製作（SunFounder Smart Video Car kit）
https://qiita.com/mituhiromatuura/items/9698b09d654ea8245cef
DonkeyCar の製作（Pololu Zumo）
https://qiita.com/mituhiromatuura/items/bd978b07c2b947c9d1fa
DonkeyCar セットアップ
https://qiita.com/mituhiromatuura/items/86a4dde22f469119f9d3
DonkeyCar動画RaspberryPi3 DeepLearning Controlled Model Car（松浦光洋）
https://youtu.be/3BaV8bIyFiY
DonkeyCar動画 RaspberryPi3 DeepLearning Controled Pololu Zumo（松浦光洋）
https://www.youtube.com/watch?v=YkRAuzBT3Yg
「ゼロから作るDeep Learning ２自然言語処理編」読書会に参加する前に読んで置くとよい資料とプログラム
前提条件（主催者の記述ではありません。１読者の記述です。）
公開レビューに参加するに当たって前提条件として知っているとよいこと、意見の根拠文書・URLとして利用するとよい資料を一覧します。
言語処理100本ノック2015
http://www.cl.ecei.tohoku.ac.jp/nlp100/
を、読書会の期間内に最後まで実施することを参加条件とさせてください。開始前に全部やっている必要はありません。毎回のLTで、１章くらいづつ報告をしていただくことを計画しています。
言語処理100本ノック 2015(python) 落ち穂拾い 第1章: 準備運動 00, 01, 02, 03, 04, 05
https://qiita.com/kaizen_nagoya/items/ee1b625b0b65cd63d42a
下記のは読書会への参加例に変更します。
視点としては、次の６種類の立場を想定しています。
技術調査担当者
Pythonプログラマ
データ解析担当者(data scientist)
機械学習技術者
深層学習研究者
量子計算機研究者
『ゼロから作るDeep Learning』斉藤康穀 著 オライリージャパン, 2016
Pythonで機械学習の原理から深層学習の応用までを、プログラム見本を示して説明している。とてもわかりやすい。
見本算譜(sample program)はWebに上がっている。
https://github.com/oreilly-japan/deep-learning-from-scratch
deep-learning-from-scratch/ch01/
# coding: utf-8
class Man:
"""サンプルクラス"""
def __init__(self, name):
self.name = name
print("Initilized!")
def hello(self):
print("Hello " + self.name + "!")
def goodbye(self):
print("Good-bye " + self.name + "!")
m = Man("David")
m.hello()
m.goodbye()
文字コード
文字コードはutf-8。
異なる文字コードを基本としているシステムのエディタで編集する場合はコード変換が必要かも。
$ nkf -s man.py > mans.py
参考資料：pythonのcodingを調べ試して
https://qiita.com/kaizen_nagoya/items/55e92e0636cbcd0c80be
#ゼロから作るDeepLearning読書会 @ 名古屋市工業研究所
名古屋市工業研究所では斉藤直希が企画して2017年3月より半年間「ゼロから作るDeepLearning読書会」を開催しました。（月１回：原則第三木曜日）
毎回最後にLT(Lightning Talk:軽談)を行なった。下記２つはLTの資料をslideshareに公開したもの。
start a learning of Deep Learning with Python
https://www.slideshare.net/kaizenjapan/start-a-learning-of-deep-learning-with-python
From Scratch, let's start Deep Learning with Python (plus Text Processing, privately.)
https://www.slideshare.net/kaizenjapan/deep-learning-with-python-plus-text-processing/kaizenjapan/deep-learning-with-python-plus-text-processing
個人的には文書処理を深めたいと書いている。続編(2)が文書処理で小躍りしてる。
中間報告
をSWEST2017で行った。
https://swest.toppers.jp/SWEST19/program/
Deep learning reading club @ nimiri for SWEST
https://www.slideshare.net/kaizenjapan/deep-learning-reading-club-nimbi
Deep Learning reading club at SWEST 2017 interactive session
https://www.slideshare.net/kaizenjapan/swest-20170714
SWESTまとめ
https://qiita.com/kaizen_nagoya/items/62e56ae151554d6200c0
SWEST20開催案内
https://swest.toppers.jp
関連資料
機械学習(machine learning)と自動会話系(chat bot system)入門前夜
https://qiita.com/kaizen_nagoya/items/808f681f139e2b16bc8d
「pythonによる機械学習入門」入門
https://qiita.com/kaizen_nagoya/items/65d51bf78f52383e71ff
dockerでpythonを使う方法紹介。
言語処理100本ノック 2015(python) 動作確認docker環境構築
https://qiita.com/kaizen_nagoya/items/abaf3fd0198f9f557243
dockerで機械学習 with anaconda(1)「ゼロから作るDeep Learning - Pythonで学ぶディープラーニングの理論と実装」斎藤 康毅 著
https://qiita.com/kaizen_nagoya/items/a7e94ef6dca128d035ab
dockerで機械学習with anaconda(2)「ゼロから作るDeep Learning2自然言語処理編」斎藤 康毅 著
https://qiita.com/kaizen_nagoya/items/3b80dfc76933cea522c6
前回の読書会では macOSでpyenvを使った
tensorflowを使ってみる① pythonの環境構築とtensorflowの導入
https://qiita.com/yossyyossy/items/bc6f077400b80593b2f1#_reference-c0885c43016257e9d9a4
pyenvを使ってMacintoshでpython2, python3を切り分けて使おう
https://qiita.com/kaizen_nagoya/items/cf93981852cc6e0b7cc2
読書会ではPythonはAnacondaを推奨して使った。
Windows(MS)にPython(Anaconda)を導入する（5つの罠）
https://qiita.com/kaizen_nagoya/items/7bfd7ecdc4e8edcbd679
「pythonによる機械学習入門」にWindowsにAnacondaの導入の記述がある。Anacondaの導入記事で省略が多く、罠にはまっていた人がいた。
「pythonによる機械学習入門」入門
https://qiita.com/kaizen_nagoya/items/65d51bf78f52383e71ff
JupyterNotebook(python)の紹介があった。
下記は読書会での紹介ではありません。Qiita上にあったJupyter Notebookによる資料です。
ゼロから学ぶディープラーニング - AWS上のJupyterを使ったハンズオン
https://qiita.com/yoshihiroojp/items/23436992de5b1ab2b92d
JupyterNotebookでの報告も歓迎された。JupyterNotebookのPDF出力はLaTeXを利用している。
MacintoshにLaTeXを導入する７つの利点と導入方法
https://qiita.com/kaizen_nagoya/items/75be26d34a7432d5700b
Python関連のシステム設定・事故解決
python: Error in sitecustomize; set PYTHONVERBOSE for traceback: KeyError: 'PYTHONPATH'
https://qiita.com/kaizen_nagoya/items/50e6c79810a154eb5c5a
GPU
GPU搭載端末利用顛末(1日目・2日目)'SSLError(SSLError(1, '[SSL: CERTIFICATE_VERIFY_FAIL ED] certificate verify failed (_ssl.c:777)'),)'
https://qiita.com/kaizen_nagoya/items/149cae9df7adbf2df1cc
CPUとGPUの速度比較
https://qiita.com/guitar_char/items/1ff037bd1455a64d6d05
KerasでGPUメモリの使用量を抑える方法
https://qiita.com/tags/gpu
オフラインPC（Windows10）にchainer環境構築(with GPU)
https://qiita.com/kappanda/items/a6c8f5a2847e8cd2eb67
Tensorflowを動かすためのGPU環境の構築概要
https://qiita.com/shizuma/items/0fdb644e7a9964d2b8d4
初心者がGPU搭載Windows10にPython+Anaconda+TensorFlow+Kerasの環境を構築してみた[2018/4/28]
https://qiita.com/Joe_Takasuna/items/e5444c31fbd16f30725a
GPUでChainerを動かすならDeep Learning Base AMI(Ubuntu)を使用するのが楽。
https://qiita.com/y428_b/items/e38b456972dd7bf8e2aa
第二金曜日午前９時から、確率論・統計論輪講を開催している
確率論及統計論（伏見康司）の数式をTeX(LaTeX)入力するための13の技法
https://qiita.com/kaizen_nagoya/items/9c692c4d3546ffbb70b4
R関連の資料も整理
参加いただいた方には日頃Rで資料整理をされている方もお見えになっった。Rの資料を整理し、Raspberry PIを使用して確認などを行なっている。
R(データマイニング入門) Windows ６段階。データ取得・導入・起動・スクリプト読み込み・一括実行・逐次実行。３つの罠。
https://qiita.com/kaizen_nagoya/items/52a288b002a54cd613d3
R(データマイニング入門) Raspbian(Raspberry PI),Mac OSX, docker/ubuntu ６段階。データ取得・導入・起動・実行・描画・一括実行。
https://qiita.com/kaizen_nagoya/items/e8417310129c2425af59
データマイニング入門 第９章「潜在意味解析」が本のように動かない件。壁六つ。コードの壁も。
https://qiita.com/kaizen_nagoya/items/44567fb589c040aad40d
終了後は「名古屋のIoTは名古屋のOSで」というRaspberry Piの連続セミナで、Python、R、TOPPPERSリアルタイムカーネルを題材にしている。
名古屋のIoTは名古屋のOSで（TOPPERS まとめ）
https://qiita.com/kaizen_nagoya/items/9026c049cb0309b9d451
名古屋のIoTは名古屋のOSで Raspberry PI & TOPPERS
https://qiita.com/kaizen_nagoya/items/4c46153324a8081fe18c
Raspberry PIのSDカードをRaspbian, TOPPERS/FMP, TOPPERS/SSP起動用に利用する
https://qiita.com/kaizen_nagoya/items/814cccdaa59dc09196e3
Dockerをどっかーらどうやって使えばいいんでしょう。TOPPERS/FMP on RaspberryPi with Macintosh編 ５つの関門
https://qiita.com/kaizen_nagoya/items/9c46c6da8ceb64d2d7af
Dockerどっかー使い方おかしかったんでしょうか。TOPPERS/SSP on RaspberryPi with Macintosh編：９つの関門
https://qiita.com/kaizen_nagoya/items/cbf40186ae4da48ec4c7
TOPPERS/FMPカーネルソース勉強会(0) docker, build_fmp.sh
https://qiita.com/kaizen_nagoya/items/91e27b2881c4b3ef87cf
TOPPERS/FMPカーネルソース勉強会(1) start.S
https://qiita.com/kaizen_nagoya/items/9a0bd8a725de62682602
TOPPERS/SSPカーネルソース勉強会(0) docker, build_ssp.sh, build_ssp_ruby.sh
https://qiita.com/kaizen_nagoya/items/20e382d58c6dd0e40534
TOPPERS/SSPカーネルソース勉強会(1) start.S
https://qiita.com/kaizen_nagoya/items/fa0d482bfaacf37dbe62
TOPPERS/SSPカーネルソース四段活用。落とし方、読み方、コンパイルの仕方、アプリの作り方 ７つの壁
https://qiita.com/kaizen_nagoya/items/cdce810943ba063efc47
推奨資料
読書会を欠席された方には、Yahoo名古屋で開催されていた「機械学習 名古屋 分科会」の資料を予習・復習として読む（観る）ことを推奨させていただいた。
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン @ Yahoo! Japan名古屋
facebookに掲載している動画のURLを掲載。予習・復習に最適。
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン その1
https://machine-learning.connpass.com/event/54539/
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン その2
https://machine-learning.connpass.com/event/55649/
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン その3
https://machine-learning.connpass.com/event/57609/
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン その4
https://machine-learning.connpass.com/event/59899/
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン その5
https://machine-learning.connpass.com/event/62582/
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン その6
https://machine-learning.connpass.com/event/64721/
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン その7
https://machine-learning.connpass.com/event/67109/
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン その8
https://machine-learning.connpass.com/event/69329/
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン その9
https://machine-learning.connpass.com/event/72434/
機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン その10
https://machine-learning.connpass.com/event/74669/
ゼロから作る Deep Learning 勉強メモ@rkosaka
ゼロから作る Deep Learning 勉強メモ #1
https://qiita.com/rkosaka/items/35e61d5c9ceab78860bf
ゼロから作る Deep Learning 勉強メモ #2
https://qiita.com/rkosaka/items/f6c7898d047d1aa67c98
ゼロから作る Deep Learning 勉強メモ #3
https://qiita.com/rkosaka/items/c96975cd50dc6aa1886b#_reference-638ada3558d0d8f23788
ゼロから作る Deep Learning 勉強メモ #4
https://qiita.com/rkosaka/items/b2039efeae4067addb89#_reference-01c8c1d641ff58626fff
ゼロから作る Deep Learning 勉強メモ #5
https://qiita.com/rkosaka/items/60105faf86be1fa1d750#_reference-29d750342df8c844a939
ゼロから作る Deep Learning 勉強メモ #6
https://qiita.com/rkosaka/items/319e2c6af48cc2c85d33#_reference-5e8f1df2aaa871484b28
ゼロから作る Deep Learning 勉強メモ #7
https://qiita.com/rkosaka/items/87df0977d62714dfecba#_reference-d77d4a84c637011db449
ゼロから作るDeep Learning 1 @ Qiita
ゼロから作るDeep Learningのメモまとめ
https://qiita.com/y_ujitoko/items/4f9d3d388a55839f42e9
ゼロから作るDeep Learning Java編 第1章 はじめに
https://qiita.com/saka1029/items/8c8b4bd17669e3da614a#_reference-7103c66519b8b0d6d720
ゼロから作るDeep Learning Java編 第2章 パーセプトロン
https://qiita.com/saka1029/items/bce542064073a2e6b404#_reference-c462bd142e80f35f1526
ゼロから作るDeep Learning Java編 第3章 ニューラルネットワーク
https://qiita.com/saka1029/items/dcc40a9868d709fc6510#_reference-2d2b40dfa065b24df921
ゼロから作るDeep Learning Java編 第4章 ニューラルネットワークの学習
https://qiita.com/saka1029/items/39b13dac9f5fccd5b551#_reference-cea6d77298b4f1bc4772
ゼロから作るDeep Learning Java編 第5章 誤差逆伝播法
https://qiita.com/saka1029/items/00aed8cdb557781d643a
基礎 @ Qiita
高校数学で理解・実装するニューラルネットワーク
https://qiita.com/perrying/items/6b782a21e0b105ea875c
１０分でわかる深層学習のニューラルネットワーク
https://qiita.com/begaborn/items/3fb064215d7f6e6cce96
ニューラルネットワーク、多様体、トポロジー
https://qiita.com/KojiOhki/items/af2241027b00f892d2bd
深層学習を読んでいったときのメモ (1. 順伝播型ネットワーク)
https://qiita.com/ma-oshita/items/99b2cf313494adbb964d
Deep learning（深層学習）チュートリアルなど集
https://qiita.com/tttamaki/items/40d3bdfedad14982317c
「ニューラルネットワークと深層学習」の翻訳ページリンク
https://qiita.com/togoturns/items/117cfdfdb149ce62141c
深層学習いろいろ
https://qiita.com/Ted-HM/items/298116d03cbb9b3477e6
誤差逆伝播法のノート
https://qiita.com/Ugo-Nama/items/04814a13c9ea84978a4c
機械学習・深層学習@icoxfog417
はじめるDeep learning
https://qiita.com/icoxfog417/items/65e800c3a2094457c3a0
機械学習における、定型的な作業を自動化する
https://qiita.com/icoxfog417/items/506fa7dd9da4166e8ea8
Pythonで機械学習を行うための対話環境を構築する
https://qiita.com/icoxfog417/items/240e2b876d7e64fe3b58
Pythonで機械学習アプリケーションの開発環境を構築する
https://qiita.com/icoxfog417/items/950b8af9100b64c0d8f9
Tech-Circle 機械学習を利用したアプリケーション開発をはじめよう(自習編)
https://qiita.com/icoxfog417/items/bf0d4dcaebf2e9490d5d
Chainerで始めるニューラルネットワーク
https://qiita.com/icoxfog417/items/96ecaff323434c8d677b
ニューラルネットワークで時系列データの予測を行う
https://qiita.com/icoxfog417/items/2791ee878deee0d0fd9c
ディープラーニングの判断根拠を理解する手法
https://qiita.com/icoxfog417/items/8689f943fd1225e24358
ゼロからDeepまで学ぶ強化学習
https://qiita.com/icoxfog417/items/242439ecd1a477ece312
Convolutional Neural Networkを実装する
https://qiita.com/icoxfog417/items/5aa1b3f87bb294f84bac
はじめてのパターン認識 第3章 ベイズの識別規則 解説
https://qiita.com/icoxfog417/items/c3c8fed9902ad6200069
はじめてのパターン認識 第7章 パーセプトロン型学習規則
https://qiita.com/icoxfog417/items/e574a9d61f9f680d578b
きみはTensorFlowでフレンズをとらえて揃えてたのしー！アプリなんだね！
https://qiita.com/icoxfog417/items/b1cf7ee404675071935f
機械学習モデルの実装における、テストについて
https://qiita.com/icoxfog417/items/67764a6756c4548b5fb8
深層学習(deep learning) @Qiita
ディープラーニングの有名ライブラリ5種を最短距離で試す半日コース（TensorFlow, Chainer, Caffe, DeepDream, 画風変換）
https://qiita.com/shu223/items/a4fc17eb3356a6068553
例の機械学習コースが良いらしいと知りながらも2年間スルーし続けたがやはり良かったという話
https://qiita.com/shu223/items/9e3a50e092c2997fe6d2
機械学習はじめの一歩に役立つ記事のまとめ
https://qiita.com/shu223/items/9cbde46c0690f1952750
深層学習 第2章 順伝播型ネットワーク
https://qiita.com/t_niimura/items/3890f92849ce55bdfade
深層学習 第3章 確率的勾配降下法
https://qiita.com/y_ujitoko/items/dce196506fbc43069ab5
深層学習 第4章 誤差逆伝播法
https://qiita.com/t_niimura/items/b46a2b02db3e9c26160e
深層学習 第5章 自己符号化器
https://qiita.com/y_ujitoko/items/a271bbfa5d11d8c720de
深層学習 第6章 畳込みニューラルネット
https://qiita.com/t_niimura/items/423468de4dc1e0fca8f4
深層学習 第7章 再帰型ニューラルネット
https://qiita.com/y_ujitoko/items/a04e3564297530522ffb
ディープラーニングを実装から学ぶ（１）はじめに
https://qiita.com/Nezura/items/97c90bdbf615d57e48a4
ディープラーニングを実装から学ぶ（２）ニューラルネットワーク
https://qiita.com/Nezura/items/0a9a04476be084738a82
ディープラーニングを実装から学ぶ（3）学習（勾配降下法）
https://qiita.com/Nezura/items/8635d6764e166aa9f87d
ディープラーニングを実装から学ぶ（4）学習（誤差逆伝播法）
https://qiita.com/Nezura/items/bdbf0ec3ec3962d6037b
ディープラーニングを実装から学ぶ（4-2）学習（誤差逆伝播法２）
https://qiita.com/Nezura/items/4802f8abcd1733300561
ディープラーニングを実装から学ぶ（5）学習（パラメータ調整）
https://qiita.com/Nezura/items/e729705be1a167902a44
ディープラーニングを実装から学ぶ（5-2）学習（パラメータ調整2）
https://qiita.com/Nezura/items/ccb751dc334a63cd8175
ディープラーニングを実装から学ぶ（6-1）学習手法（正則化）
https://qiita.com/Nezura/items/f7416ad17d79ccd1eab6
ディープラーニングを実装から学ぶ（6-2）学習手法（最適化）
https://qiita.com/Nezura/items/0b5457e080aa8070fa16
言語処理
自然言語処理による文書分類の基礎の基礎、トピックモデルを学ぶ
https://qiita.com/icoxfog417/items/7c944cb29dd7cdf5e2b1
自然言語処理における、Attentionの耐えられない短さ
https://qiita.com/icoxfog417/items/f170666d81f773e4b1a7
大自然言語時代のための、文章要約
https://qiita.com/icoxfog417/items/d06651db10e27220c819
形態素解析をして単語を取り出せているつもり・・・か？
https://qiita.com/icoxfog417/items/e83383263badec7a4805
自然言語処理における前処理の種類とその威力
https://qiita.com/Hironsan/items/2466fe0f344115aff177
講義まとめ：自然言語処理のための深層学習（CS224d）
https://qiita.com/yoh_okuno/items/06155fe4666204caf944
pythonでwebScrapingしてみた。
https://qiita.com/dotKomu/items/5099bd6a791a323d99d1
「 立花理香のブログのタイトルの「ボカロ曲感」率を算出する」の裏側
https://qiita.com/albno273/items/69d65f1bd677a7450b6c
機械学習 画像認識のGoogle Cloud Vision 対 Microsoft Computer Visionやってみた
https://qiita.com/tomohiku/items/2969db0c13582c5bc4b3
Word2vec
word2vec
https://qiita.com/teresa/items/b5dc3b0a25aea49f78a1
word2vecの環境構築
https://qiita.com/opankopan/items/45a4e9538c12e2c9d5d7
Python3 で word2vecしてみる
https://qiita.com/MariMurotani/items/d5adc56a090e2f0e09dd#_reference-e94ec9d4c5d5702c5f32
word2vecであそんでみる
https://qiita.com/yuichi_bl/items/cb885a022b8e2233d097
【Python】Word2Vecの使い方
https://qiita.com/kenta1984/items/93b64768494f971edf86
word2vecのC#実装
https://qiita.com/mash0510/items/9284f29f4e6f7a1d2716
kerasでword2vecを構築
https://qiita.com/hiroto0227/items/2e4670cfa68ab06a3b5c
Word2vec応用
semantic volumeの考え方で文章要約をpythonで実装してみた
https://qiita.com/m__k/items/fc6f28b3b7ca7fdea162
ジョブマッチングの為のword2vec
https://qiita.com/watanabe0621/items/584e8502590b50df75f6
##形態素解析器 MeCab
MeCab: Yet Another Part-of-Speech and Morphological Analyzer
http://taku910.github.io/mecab/
MecabをPythonで使う
https://qiita.com/nekkoneko/items/98f8e1810c886ebb0734
Python3からMeCabを使う
https://qiita.com/taroc/items/b9afd914432da08dafc8
mecabで分かち書きコマンド
https://qiita.com/fujitora/items/4c361a20ccc598fa0d6c
MeCab辞書
Mecabに人名辞書を追加
https://qiita.com/awakia/items/9a0dec41d91c997c74b4
MeCabでオリジナル辞書を作成する
https://qiita.com/nnahito/items/16c8e214d71fbc23ed8e
MeCabユーザ辞書作成時の陥りがち？なミス（エラー: cannot find LEFT-ID）
https://qiita.com/tekunikaruza/items/2cb5eff7066b7715510e
MaCabのユーザー辞書にmecab-ipadic-NEologdを手動で追加する
https://qiita.com/K-1/items/5cb3601341f6fa4fdd95
Centos/Redhatへの導入（MeCab）
centos7.2でpython + mecabの環境構築方法
https://qiita.com/sp6/items/c4897878b6c3de5cb86c
Mecabのシステム辞書・ユーザ辞書の利用方法について
https://qiita.com/hiro0217/items/cfcf801023c0b5e8b1c6
mecabの辞書を自動コストで作成
https://qiita.com/wakisuke/items/d15b5defc1aad61cc910
Macintoshへの導入（MeCab）
新し目の辞書を使ってMeCabをPythonから利用する
https://qiita.com/yuichy/items/5c8178e5cc3711386b77
Mecab関連のメモ
https://qiita.com/kamemoge/items/fbcc5e27e597f8972169
MeCabをMacにインストールする手順
https://qiita.com/nkjm/items/913584c00af199794257
$ brew install mecab
$ brew install mecab-ipadic
辞書を作る(macintosh)
https://qiita.com/nkmrtkhd/items/883199864f7da4312673
mecabユーザ辞書を追加(macintosh)
https://qiita.com/takaheraw@github/items/286cdb27887bd00e2245
形態素解析器 Janome(python)
pythonの形態素解析 janomeを導入した
https://qiita.com/kaizen_nagoya/items/0ffc2e4b130ef1c2cb31
自動生成
短歌の自動生成プログラムとデータの収集
https://qiita.com/kaizen_nagoya/items/d3198402d8b8b4ac8cd2
学習データ
学習データは、ネットで公開されている文章と、著作権切れの書籍の電子化データがある。
Free ebooks - Project Gutenberg
http://www.gutenberg.org/
日本語は青空文庫
http://www.aozora.gr.jp
Gutenbergで英語の本で日本語訳があるものが、青空文庫に掲載がまだ十分でない。翻訳の半分でも電子化が進むと英日データとして有用。
FacebookのfastTextでFastに単語の分散表現を獲得する
https://qiita.com/icoxfog417/items/42a95b279c0b7ad26589
日本語情報処理
CJKV日中韓越情報処理
Ken Lunde,オライリージャパン,2002
https://www.amazon.co.jp/dp/4873111080/
前著:
日本語情報処理 (A nutshell handbook), Ken Lunde, ソフトバンククリエイティブ, 1995
https://www.amazon.co.jp/dp/4890527087
日本語語彙大系
https://www.amazon.co.jp/dp/4001301016/
日本語語彙大系著者らが主催してきた
「言語・認識・表現」(Lace: Language, Cognition and Expression)年次研究会一覧
https://researchmap.jp/jov1bp0k3-45644
今昔文字鏡 16万漢字字形(Font)
http://www.mojikyo.co.jp/software/mojikyo45/
今昔文字鏡メンバが企画した「今昔秀歌百撰」全項目索引（一覧）
https://researchmap.jp/joakum54g-1787586/#_1787586
マルチリンガル環境の実現
X Window/Wnn/Mule/WWWブラウザでの多国語環境, 錦見 美貴子, 戸村 哲, プレンティスホール出版,1996
https://www.amazon.co.jp/dp/4887350201
Mule:MULtiscript Enhancement,多用字系拡張
機械翻訳
Google 翻訳
PAT-Transer V12, クロスランゲージ
https://www.amazon.co.jp/dp/B015X2X18M/
上記ソフトで採用されている処理に関する文献
英語複文の構文解析と編集、その論理と方法, 加藤 輝政, 小川清, 佐良木 昌 , 情報処理学会研究報告自然言語処理1997-NL-120, 65-70, 1997-07-24
一般社団法人情報処理学会
https://ci.nii.ac.jp/naid/110002934567/
先端部門に配属されたら
「君は今日から人工知能開発部門のリーダーだ！」と言われた時の処方箋
https://qiita.com/icoxfog417/items/d0319d2208ab4adf956b
応用領域(application)
量子計算機
量子コンピュータプログラムへの道
https://qiita.com/kaizen_nagoya/items/37c90488c87bbe9f2d71
T-QARDの日々 量子コンピュータへのお勧めの入口
https://qiita.com/kaizen_nagoya/items/fb869e5f38ae354e6294
「量子アニーリングの基礎」への記事一覧<作成中>
https://qiita.com/kaizen_nagoya/items/2f9b56d7dea41e3f18dd
データサイエンティスト
データサイエンティストの気づき!「勉強だけして仕事に役立てない人。大嫌い!!」『それ自分かも?』ってなった!!!
https://qiita.com/kaizen_nagoya/items/d85830d58d8dd7f71d07
機械語
Qiitaで組立語(assembler)・機械語(machine language)・CPU＜アセンブラへの道＞
https://qiita.com/kaizen_nagoya/items/46f2333c2647b0e692b2
音楽
プログラムは音楽だ (A program is a music.)
https://qiita.com/kaizen_nagoya/items/33c9f33581e6886f8ad8
参考文献の参考文献
機械学習を体系的に学ぶために何をやればいいか?がわかる記事まとめ
https://qiita.com/okmttdhr/items/8272e33812c9c2694375
ここで書ききれなかった深層学習項目分類（入門、道具、応用、今後、参考文献関連）
https://researchmap.jp/joqwju86n-2078500/#_2078500
一覧
物理記事 上位100
https://qiita.com/kaizen_nagoya/items/66e90fe31fbe3facc6ff
量子(0) 計算機, 量子力学 https://qiita.com/kaizen_nagoya/items/1cd954cb0eed92879fd4
数学関連記事１００
https://qiita.com/kaizen_nagoya/items/d8dadb49a6397e854c6d
言語・文学記事 １００
https://qiita.com/kaizen_nagoya/items/42d58d5ef7fb53c407d6
医工連携関連記事一覧
https://qiita.com/kaizen_nagoya/items/6ab51c12ba51bc260a82
自動車 記事 １００
https://qiita.com/kaizen_nagoya/items/f7f0b9ab36569ad409c5
通信記事１００
https://qiita.com/kaizen_nagoya/items/1d67de5e1cd207b05ef7
日本語（０）一欄
https://qiita.com/kaizen_nagoya/items/7498dcfa3a9ba7fd1e68
英語(0) 一覧
https://qiita.com/kaizen_nagoya/items/680e3f5cbf9430486c7d
転職(0)一覧
https://qiita.com/kaizen_nagoya/items/f77520d378d33451d6fe
仮説（0）一覧
https://qiita.com/kaizen_nagoya/items/f000506fe1837b3590df
Qiita(0)Qiita関連記事一覧（自分）
https://qiita.com/kaizen_nagoya/items/58db5fbf036b28e9dfa6
鉄道（０）鉄道のシステム考察はてっちゃんがてつだってくれる
https://qiita.com/kaizen_nagoya/items/26bda595f341a27901a0
安全（0）安全工学シンポジウムに向けて: 21
https://qiita.com/kaizen_nagoya/items/c5d78f3def8195cb2409
一覧の一覧( The directory of directories of mine.) Qiita(100)
https://qiita.com/kaizen_nagoya/items/7eb0e006543886138f39
Ethernet 記事一覧 Ethernet(0)
https://qiita.com/kaizen_nagoya/items/88d35e99f74aefc98794
Wireshark 一覧 wireshark(0)、Ethernet(48)
https://qiita.com/kaizen_nagoya/items/fbed841f61875c4731d0
線網（Wi-Fi）空中線(antenna)(0) 記事一覧
https://qiita.com/kaizen_nagoya/items/5e5464ac2b24bd4cd001
OSEK OS設計の基礎 OSEK(100)
https://qiita.com/kaizen_nagoya/items/7528a22a14242d2d58a3
Error一覧 error(0)
https://qiita.com/kaizen_nagoya/items/48b6cbc8d68eae2c42b8
プログラマによる、プログラマのための、統計(0)と確率のプログラミングとその後
https://qiita.com/kaizen_nagoya/items/6e9897eb641268766909
官公庁・学校・公的団体（NPOを含む）システムの課題、官（０）
https://qiita.com/kaizen_nagoya/items/04ee6eaf7ec13d3af4c3
「はじめての」シリーズ ベクタージャパン
https://qiita.com/kaizen_nagoya/items/2e41634f6e21a3cf74eb
AUTOSAR(0)Qiita記事一覧, OSEK(75)
https://qiita.com/kaizen_nagoya/items/89c07961b59a8754c869
プログラマが知っていると良い「公序良俗」
https://qiita.com/kaizen_nagoya/items/9fe7c0dfac2fbd77a945
LaTeX(0) 一覧
https://qiita.com/kaizen_nagoya/items/e3f7dafacab58c499792
自動制御、制御工学一覧（０）
https://qiita.com/kaizen_nagoya/items/7767a4e19a6ae1479e6b
Rust(0) 一覧
https://qiita.com/kaizen_nagoya/items/5e8bb080ba6ca0281927
小川清最終講義、最終講義（再）計画, Ethernet(100) 英語(100) 安全(100)
https://qiita.com/kaizen_nagoya/items/e2df642e3951e35e6a53
＜この記事は個人の過去の経験に基づく個人の感想です。現在所属する組織、業務とは関係がありません。＞
This article is an individual impression based on the individual's experience. It has nothing to do with the organization or business to which I currently belong.
文書履歴
ver.1.0 20180306 初稿
ver.1.1 20180307 名古屋市工業研究所の「ゼロから作る Deep Learning読書会」の記事を追記
ver.1.2 20180308 Yahoo! Japan名古屋で開催の「機械学習 名古屋 分科会 #1 ゼロから作る Deep Learning 読書会＋ハンズオン」 の記事を追記
ver.1.3 20180310 日本語情報処理、word2vecを追記
ver.1.3.1 20180310 画像の大きさを調整
https://qiita.com/kaizen_nagoya/items/cef6ae1fcbdbec9e7be2
ver.1.4 20180311 Mecabの節を作り、資料の一部順番入れ替え
ver.1.4.1 20180312 日本語情報処理に補足事項 追記
ver.1.4.2 20180316 anacondaの記述を詳細化
ver.1.4.3 20180318 janome導入。記事追記。
ver.1.4.4 20180322 google翻訳、swest20 追記。
ver.1.5 20180329「終了後は「名古屋のIoTは名古屋のOSで」というRaspberry Piの連続セミナで、Python、TOPPPERSリアルタイムカーネルを題材にしている。」「R関連の資料も整理」追記
ver. 1.51 20180330 機械学習・深層学習@icoxfog417 追記
ver. 1.52 20180331 「先端部門に配属されたら」「量子計算機」 節追記
ver. 1.60 20180401「pyenv」, 「ゼロから作る Deep Learning 勉強メモ@rkosaka」節新設, 節順番入替
ver. 1.61 20180402 「AWS上のJupyterを使ったハンズオン」追記
ver. 1.62 20180408 項目追記
ver. 1.63 20180410 SSLError, KeyError: 'PYTHONPATH 対策項目追記
ver. 1.65 20180413 今日が最終日 追記
ver. 2.0 20180414 標題変更
「ゼロから作るDeep Learning ２自然言語処理編」を読む前に読んで置くとよい資料とプログラム
から
「ゼロから作るDeep Learning ２自然言語処理編」読書会に参加する前に読んで置くとよい資料とプログラム
に変更
ver. 2.01 20180417 誤植訂正 「全開」ー＞「前回」
ver. 2.02 20180618 書籍の出荷が7月21に変更になりました。読書会の開催は８月からにさせてください。
ver. 2.03 20180704 GPU追記中
ver. 2.10 20180716 Docker Car項目追加
ver. 2.11 20180720 「読書会の開催は２０１８年８月２３日午後１時から午後５時までになりました。当日、第1章を担当できる方は、お申し付けください。」
ver. 2.12 20180723 項目追記
ver. 2.13 20180724 目的と成果追記
ver. 2.14 20180801 項目追記
ver. 2.15 20180815 参考文献一覧URL追記
ver. 2.16 20190113 最近の記事から追記
ver. 2.17 20190214 参考資料 dockerで機械学習 追記
ver. 2.18 20190622 補足
ver. 2.19 20200217 はてなURL追記
ver. 2.20 20201226 参考資料 「ゼロから作るDeep Learning ２」自習メモ @slow_learner 追記
ver. 2.21 URL追記 20220918
ver. 2.22 ありがとう追記 20230521
ver. 2.23 python 追記 20240107
最後までおよみいただきありがとうございました。
いいね 💚、フォローをお願いします。
Thank you very much for reading to the last sentence.
Please press the like icon 💚 and follow me for your happy life.
