MACS 教育プログラム
スタディグループ (SG) のページ

SG11「理学におけるデータ科学実践:機械学習で自然科学を読み解けるか」

〜 データをカガクする データでカガクする 〜

*MACS教育プログラムのトップページ
*MACS教育プログラムのSG11のページ
QR code
このページの
QRコード
SGで用いる資料やSG実施日,その他連絡事項はこのページに掲載します.
SG担当教員(中野)から既に第1回ミーティングについて連絡をしています.
ページ末尾にあるアドレスからのメールを受信できるようにしてください.
まだ連絡を受け取っていない場合は至急連絡すること.

SGの概要

目的 とにかもかくにも機械学習の各種手法を使えるようになる
できることなら自身の研究に使えるようになる
あわよくば新しい発見に結びつける
方針 機械学習手法の紹介
テストプログラムで練習
単に機械学習で遊ぶのはなし
いろんなデータに応用
単独作業もしくはグループ作業でとにかく自分の手を動かす
気合と根性
手段 基本的に Python の scikit-learn を利用します
手法の説明には大概 Jupyter Notebook を使います
そのため情報の共有も ipynb 形式を用います
なので Anaconda を入れてください(下記参照)
ついでに TensorFlow も入れてください(下記参照)
実施場所 理学研究科1号館335室(MACSプロジェクトスペース)の予定
北部構内マップの2番の建物
実施曜時限 おそらく火曜日5限(だいたい隔週くらいのペースでやりたい)

SG実施日

前期 日付 場所 時間 内容
1回目(その1) 5/28(火) 理学1号館335室 16:30-18:00 SG11の方針の説明と参加者顔合わせ
・インストールセッション
1回目(その2) 6/4(火) 理学1号館335室 16:30-18:00 SG11の方針の説明と参加者顔合わせ
・インストールセッション
2回目 7/2(火) 理学1号館335室 16:30-18:00
3回目 7/9(火) 理学1号館335室 16:30-18:00
4回目 7/16(火) 理学1号館335室 16:30-18:00
5回目 7/23(火) 理学1号館335室 16:30-18:00


Anaconda インストール

ここから Anaconda のインストーラをダウンロードできます
Windows, macOS, LinuxのどのOSのPCにでもインストールできます
Pythonは3.7にしてください(どうしても2.7が良い人は自己責任でお願いします)

Anaconda の Jupyter Notebook を使わずに Google Colaboratory を使うのも手です
(ただし Google Chrome による利用推奨です)
Google のアカウントがあれば一切何のインストールも必要なく,
クラウドで Jupyter Notebook と同様の環境を利用することができます
(しかもなんとGPUが使える!)
なので,これを使うとタブレットやスマホでも利用可能です
(さすがにキーボードはある方が良い.Shift+Enterを押す必要があるため)

もしくは Azure Notebooks を利用するのが良いでしょう.
これも Jupyter Notebook で用いる ipynb 形式のファイルを
オンラインで作成・実行・共有するサービスです.
メモリやファイルサイズの制限はあるものの,手軽に試すのであれば
Google Colaboratory 同様使い勝手の良いサービスです.

注意事項
Anaconda を使うときは pip を用いないで conda を使うこと.
参考ページ:condaとpip:混ぜるな危険 -- onoz000's blog


TensorFlow インストール

Anaconda Navigator から Terminal を起動して,
conda install tensorflow
とか
conda install tensorflow-gpu
でインストールできます.


Google Colaboratory の使い方

TensorFlow をフルに使おうと思うとかなり自分のマシンに負荷がかかります.
また,GPU 計算による高速化も重要になります.
これらの問題を Google Colaboratory の利用で解決できます.

やり方は,Google のアカウントを持っていれば,極めて簡単です.
Google Drive に Colab Notebooks のフォルダを作り,
そこにこれまで通り ipynb ファイルを書きます.
ローカルで作成した ipynb ファイルをインポートしても構いません.

実行前に,メニューの「ランタイム」から「ランタイプのタイプを変更」を選び
ハードウェアアクセラレータを「GPU」に変更して「保存」します.
そのあと「接続」を押せば,GPU に接続できます.後はいつもどおり実行していくだけです.

参考ページ: 【秒速で無料GPUを使う】TensorfFow/Keras/PyTorch/Chainer環境構築 on Colaboratory -Qiita


問い合わせ先

中野直人 理学研究科 連携講師 
     国際高等教育院附属データ科学イノベーション教育研究センター 特定講師


トップページに戻る