サルでもわかる機械学習

こちらには、書籍付属のサンプルコード以外のコードのリンクを掲載します。

2017.03.06連載開始
機械学習で遊ぼう! APIサービスやTensorFlowを使ったサンプルレシピ集
https://book.mynavi.jp/manatee/series/detail/id=65670

その他にもたくさん面白いサンプルコードが公開されつつあるので、以下のリンクにて順次、ご紹介させていただきたいと思います。

機械学習のライブラリ（フレームワーク）としては、TensorFlow（テンソルフロー）、scikit-learn（サイキット・ラーン）、Chainer（チェイナー）、Caffe（カフェ）などがあります。

以下のサイトに、どのライブラリをどういうときに使ったら良いかについて、分かりやすくまとめてくださっています。

2016-10-01 Chainer, tensorflow, Keras, それともゼロから作る？Deep Learningを制するには何がいいのか？！
http://www.procrasist.com/entry/2016/10/01/200000

Chainerとは、日本の会社が2015年に公開した機械学習フレームワーク。インストールが簡単であり、日本語のドキュメントも充実しているらしいです。難点としては、後方互換性の無いVersion改定を繰り返しており、今から学ぶのであれば、1.5以上が良いらしい。といっている間にversion2になってしまったらしい。コードの見分け方は、以下の記事を参照してください。

shi3zの長文日記 2017-04-11 06:31 ■後方互換性をバッサリと切り捨てたというふれこみのChainer2(ベータ1)を恐る恐る試す。そして未来
http://d.hatena.ne.jp/shi3z/touch/20170411/1491859884

2016-01-19 chainerのバージョンごとの違い(2016年1月19日現在)
http://studylog.hateblo.jp/entry/2016/01/19/005627

2015-11-22 ディープラーニングでおそ松さんの六つ子は見分けられるのか？　〜準備編〜
http://bohemia.hatenablog.com/entry/2015/11/22/161858

Chainerのimagenetを[確実に]動かす rerere0101 2017年06月10日に更新
http://qiita.com/rerere0101/items/fde1661df4a26f1d0626 ⇒python2

Tensorflow playground
http://playground.tensorflow.org/

2016-01-05 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）
http://d.hatena.ne.jp/shu223/touch/20160105/1451952796

karas（ケラス）はTheanoやTensorFlowに対応したDeep Learning用のラッパーライブラリ。 詳細はよくわからないが、kerasからTensorflowをつかうことができる。

ザコ大学生がKerasについてどんなものか簡単にまとめてみた halspring 2017年05月25日に更新
http://qiita.com/halspring/items/362d050b85f39e0e2658

無から始めるKeras 第1回 Ishotihadus 2017年06月02日に更新
http://qiita.com/Ishotihadus/items/c2f864c0cde3d17b7efb

GPUなしではじめるディープラーニング namakemono 2017年02月02日に更新
http://qiita.com/namakemono/items/75ec9549da6fc602b470
転移学習

犬と猫の写真を判定するウェブサービスを作ってみた elm200 2017年05月29日に更新
http://qiita.com/elm200/items/5b04a2be69a6fdf1e19c

[Keras/TensorFlow] Kerasで自前のデータから学習と予測 agumon 2017年05月03日に更新
http://qiita.com/agumon/items/ab2de98a3783e0a93e66

2017-04-28 ディープラーニング実践入門 〜 Kerasライブラリで画像認識をはじめよう！
https://employment.en-japan.com/engineerhub/entry/2017/04/28/110000

2015-01-23 Deep Learningでラブライブ！キャラを識別する
http://christina.hatenablog.com/entry/2015/01/23/212541

2015-02-20 ご注文はDeep Learningですか？
http://kivantium.hateblo.jp/entry/2015/02/20/214909

これらの具体的な方法を記載してくださっているブログを読むと、画像を5000枚用意するなど、学習用データの収集（クローリング）と抽出（スクレイピング）に非常に時間がかかり、また大事であることが分かる。

近年は少ない学習データをもとに機械学習を行う手法も開発されつつあるとは言っても、基本は大量の学習用データをWEBから集めるのが現実的と思われる。いつか、WEBクローリング&スクレイピングについてまとめてみたい。

前： windowsで機械学習フレームワークを導入する方法
目次
次： 機械学習用データの収集方法