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

化学系データサイエンティスト駆け出しのおすすめURL

More than 1 year has passed since last update.

化学系データサイエンティスト駆け出しの私が参考になったURLのおすすめを羅列していきます(メモに近いです。)。内容は化学と機械学習中心です。:eyes:

機械学習 概要編:point_up:

・道具としての機械学習:直感的概要とその実際
https://www.slideshare.net/itakigawa/ss-72983543
ーー機械学習の基礎が学べました。

・結局、機械学習と統計学は何が違うのか?
https://qiita.com/KanNishida/items/8ab8553b17cb57e772d6
・AI/データサイエンスのプロジェクトが失敗する10の危険なサイン
https://qiita.com/KanNishida/items/054500a4bd1a3ca03379
ーー技術書だけではなく、このような新聞っぽい記事も読むべきと思いました。

・Tinker With a Neural Network in Your Browser.
Don’t Worry, You Can’t Break It. We Promise.
https://playground.tensorflow.org/#activation=tanh&batchSize=10&dataset=xor&regDataset=reg-plane&learningRate=0.03&regularizationRate=0&noise=0&networkShape=4,2&seed=0.19837&showTestData=false&discretize=false&percTrainData=50&x=true&y=true&xTimesY=false&xSquared=false&ySquared=false&cosX=false&sinX=false&cosY=false&sinY=false&collectStats=false&problem=classification&initZero=false&hideText=false
ーーNNを視覚的に理解できます。教材に使えるかも。

・ソシャゲエンジニアの自分が開発MacBookにインストールしているアプリやら設定やら
https://qiita.com/west-hiroaki/items/9560f0504c3bdfe970f5
ーー開発環境を作る際に大変勉強できました。結局Vim使ってますが。。。

・エンジニアの情報収集法まとめ
https://qiita.com/nesheep5/items/e7196ba496e59bb2aa28

・Deep Dream Generator
https://deepdreamgenerator.com
ーー面白いです。

化学編:v_tone4:

・Python用ケムインフォマティクスツールRDKitのインストール
https://qiita.com/mojaie/items/2113274201038b29af3d
ーーマテリアルインフォマティクスの登竜門??RDkitについて

・IS LIFE WORTH LIVING?
https://iwatobipen.wordpress.com
ーーこの方のブログはRdkitの話題が多く、大変参考になる。

・化合物の構造を表現する記述子
http://lan496.hatenadiary.jp/entry/2018/02/16/091521

・Kerasで化合物の溶解度予測(ニューラルネットワーク,回帰分析)
http://www.ag.kagawa-u.ac.jp/charlesy/2017/07/21/kerasで化合物の溶解度予測(ニューラルネットワー/
ーー実践的になってます。

機械学習 実践編:runner_tone2:

・機械学習 トレーニングデータの分割と学習・予測・検証
https://qiita.com/terapyon/items/8f8d3518ee8eeb4f96b2

・「データ視覚化のデザイン #1」をmatplotlibで実装する
https://qiita.com/skotaro/items/cdb0732ad1ad2a4b6236
ーー予測したデータを視覚するために必要

・Python: 機械学習で分類問題のモデルを評価する指標について
https://blog.amedama.jp/entry/2017/12/18/005311

・SVM(RBFカーネル)のハイパーパラメータを変えると何が起こるの?
https://qiita.com/sz_dr/items/f3d6630137b184156a67
ーー機械学習を学んでいくとカーネル法やサポートベクターマシーンのハイパーパラメーターの壁にぶち当たりました。

・kerasでtensorboardの表示とmodelの保存
https://qiita.com/uni-3/items/021cbb6c9ac803081b13
https://knowledge.sakura.ad.jp/13150/
ーーtensorboardで視覚的にNNのパラメーターやフロー図をみることができます。

・あまりに暑いので,140年分の気温をProphetで分析した
https://qiita.com/haltaro/items/9c68f0914677bb3a629c
ーーqiitaで話題になっていた記事。データの取り扱いの入門書になる気がした。とてもおすすめ。

・Google ColabでやるPyTorchとKerasの比較(DenseNetを例に)
https://qiita.com/koshian2/items/9877ed4fb3716eac0c37#comment-a92841e41c6fc15b1f9f
ーーこの方の記事は機械学習の処理速度を中心に検討されており、マニアックな感じで興味深いです。

以上です。何か皆様の一助になればと願っております。

Why do not you register as a user and use Qiita more conveniently?
  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
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