MACS 教育プログラム
スタディグループ (SG) の2018年度ページ

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
最新ページの
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.
このページは2018年度の情報です.最新の情報はこちらから

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
いろんなデータに応用
基本的にグループ作業
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 Group A(月曜4, 5限)は北部総合教育研究棟2階 SUURI-COOL(205室)の予定
 北部構内マップの13番の建物
Group B は現在設定なし

SG実施日

前期

Group A 日付 場所 時間 内容
1回目 5/29(火) 理学6号館809室 14:45-16:15 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 6/12(火) SUURI-COOL 16:30-18:00 パーセプトロンモデルとMLPClassifier
3回目 6/26(火) SUURI-COOL 16:30-18:00 決定木とランダムフォレスト
4回目 7/10(火) SUURI-COOL 16:30-18:00 TensorFlow で AutoEncoder
  火曜5限は7/17, 24ともに不可なので,夏休み突入.
  7月中は Group B と同様にスケジュール合わせをしますが,
  試験期間が近いか最中なので,自由議論の時間にする可能性があります.
Group B 日付 場所 時間 内容
2回目 6/21(木) 6-208 16:30-18:00 パーセプトロンモデルとMLPClassifier
3回目 7/5(木) 6-208 10:30-12:00 決定木とランダムフォレスト

Group A は火曜日5限実施のグループ
Group B はそれ以外で実施のグループ
都合に応じてもう一方のグループの実施日に参加してもかまいません


後期

Group A 日付 場所 時間 内容
5回目 11/5(月) SUURI-COOL 14:45-18:00 自分で実装 Reservoir Computing
6回目 11/19(月)
SUURI-COOL
14:45-18:00
強化学習の入り口
7回目 12/3(月) SUURI-COOL
の予定
14:45-18:00 予定は未定
8回目 12/10(月) SUURI-COOL
の予定
14:45-18:00 予定は未定
1/28(月) なし
  基本月曜4, 5限で実施.2月と3月は不定曜日で開催予定.
Group B 日付 場所 時間 内容
  今のところ Group B は設定なし.

Group A は月曜日4, 5限実施のグループ
Group B はそれ以外で実施のグループ(今のところ設定なし)
都合に応じてもう一方のグループの実施日に参加してもかまいません



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3.6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)


TensorFlow インストール

Anaconda Navigator から Terminal を起動して,
pip install --upgrade tensorflow
でインストールできます.詳しくはガイドを見てください.


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


参加者アンケート調査

SG11実施の参考のため,下記のURLからアンケートにご協力ください
グーグルフォーム


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