第 3 回マシンラーニングのら猫勉強会「Python Machine Learning」読書会

第３回マシンラーニングのら猫勉強会「Python Machine Learning」読書会
　８月２０日（土）13:30 - 17:00　（受付は13:15から）
　市ヶ谷健保会館、E会議室　（レストランの２F）　東京都新宿区市谷仲之町4-39
　会場払い500円
　※　懇親会希望者は当日募りますので、予定が空きそうであれば空けておいてください。会費は2000円程度の予定です。
　※　今回から、Machine Learning with TensorFlow (Manning) やその他の課題図書を加えることを考えてみます。

●概要
東京農工大の石井一夫先生が一般向けに開く、「Python Machine Learning」の洋書読書会です。
洋書を元に、担当者が本の内容をまとめ、参加者に紹介します。実際にサンプルコードを動かしてみてわからなかったことや翻訳版と原文を読み比べたりします。
一人での読書とは違った新たな発見があること間違いなしです。ご興味があれば是非お気軽にお申込みください。

６月の第１回から７月の第２回では、１、２、４章の抄読会が開催されました。
第３回は、３、５、６、８、９、１３章の中から適宜選択して抄読会を開催します。

第３章　分類問題　機械学習ライブラリ Scikit-learn の活用
Chapter 3, A Tour of Machine Learning Classifiers Using Scikit-learn, describes the essential machine learning algorithms for classification and provides practical examples using one of the most popular and comprehensive open source machine learning libraries, scikit-learn.

第５章　次元削減でデータを圧縮する
Chapter 5, Compressing Data via Dimensionality Reduction, describes the essential techniques to reduce the number of features in a dataset to smaller sets while retaining most of their useful and discriminatory information. It discusses the standard approach to dimensionality reduction via principal component analysis and compares it to supervised and nonlinear transformation techniques.

第６章　モデルの評価とハイパーパラメータのチューニングとベストプラクティス
Chapter 6, Learning Best Practices for Model Evaluation and Hyperparameter Tuning, discusses the do's and don'ts for estimating the performances of predictive models. Moreover, it discusses different metrics for measuring the performance of our models and techniques to ne-tune machine learning algorithms.

第８章　機械学習の適用　1 -- 感情分析
Chapter 8, Applying Machine Learning to Sentiment Analysis, discusses the essential steps to transform textual data into meaningful representations for machine learning algorithms to predict the opinions of people based on their writing.

第９章　機械学習の適用　2 -- Webアプリケーション
Chapter 9, Embedding a Machine Learning Model into a Web Application, continues with the predictive model from the previous chapter and walks you through the essential steps of developing web applications with embedded machine learning models.

第１３章　ニューラルネットワーク　-- 数値計算ライブラリ Theano によるトレーニングの並列化
Chapter 13, Parallelizing Neural Network Training with Theano, builds upon the knowledge from the previous chapter to provide you with a practical guide for training neural networks more ef ciently. The focus of this chapter is on Theano, an open source Python library that allows us to utilize multiple cores of modern GPUs.

担当の方は、事前学習用にということで資料の共有が可能であれば、任意でメールまたは共有しておりますgoogleドキュメントフォルダに保存をお願いします。
gmailアカウントが無い場合は、メールで事務局までご送付ください。

初回に参加されなかった初めての方は、機械学習関連の知識習得という目的でも大丈夫です。
次回以降の抄読会にご自身が参加したいという希望があれば是非お願いします。

●受付時間　13:15 受付開始　13:30　開始　　17:00　終了
●費用　500円（資料・会場）
●募集人数　30名
●参加者要件
　・機械学習を学ぶ意欲のある方。
　・PythonやRでデータ分析をやってみたい方。
　・本、またはスライドに英単語が多く出てくるので、英語に抵抗の無い方。
　・PythonやRのほか、Spark、Juliaなど順次取り上げていきますのでこれらに関心の有る方。
●機械学習本について
　・原書をご購入希望される方は、こちらより電子書籍をお求めください。任意です。
→　https://www.packtpub.com/big-data-and-business-intelligence/python-machine-learning