FrontPage

強化学習 †

• 強化学習
• 複利型強化学習
• 強化学習のファイナンスへの応用
• 平均報酬強化学習
• リスク回避強化学習
• 強化学習における知識の転移
• 安全な強化学習

• MacでRL-Glueを使う
• 強化学習のプログラムを作るときの注意点

• Pythonで強化学習する
• LEGO MINDSTORMS EV3で強化学習する
  • LEGO MINDSTORMS EV3でPythonを使う
  • LEGO MINDSTORMS EV3で強化学習する

• ColaboratoryでOpenAI Gymを使う
• WindowsでOpenAI Gymを使う
• MacでOpenAI Gymを使う

機械学習 †

• クラスタリング

• MacでSVM-Lightを使う
• MacでLIBSVMを使う
• MacでLIBLINEARを使う
• MacでMahoutを使う
• MacでTensorFlowを使う
• GeForce GTX 1080を搭載したMac ProでTensorFlowを使う

• MacでRを使う
• WindowsでRを使う
• Rの基本
• Rでデータを読み込む
• Rで統計分析する
• Rで相関分析する
• Rで主成分分析する
• Rで独立成分分析する
• Rで機械学習する
• Rでクラスター分析する
  • Rで階層クラスタリングを使う
  • Rでk平均法を使う
  • Rでスペクトラル・クラスタリングを使う
• Rで回帰分析する
• Rで分析分類する
  • Rで決定木を使う
  • RでSVMを使う
  • RでNaïve Bayesを使う
  • RでRandom Forestを使う
  • Rで混合ガウス分布推定を使う
• Rで大規模データを扱う
• Rでグラフを重ねる
• MacでRのkernlabパッケージを使う

• Pythonでデータ分析するはじめの一歩
  • Pythonでデータ分析するはじめの一歩（Mac編）
  • Pythonでデータ分析するはじめの一歩（Windows編）
• Pythonで分類分析する
  • Pythonで決定木を使う
• Pythonで前処理する
• Pythonで説明変数を減らす
• Pythonで学習パラメーターを最適化する
• Pythonでデータ分析する次の一歩
  • Pythonでデータ分析する次の一歩（プログラミング言語、Python編）
  • Pythonでデータ分析する次の一歩（実行環境、Jupyter Notebook編）
  • Pythonでデータ分析する次の一歩（数値計算ライブラリー、NumPy編）
  • Pythonでデータ分析する次の一歩（データ分析支援ライブラリー、pandas編）
  • Pythonでデータ分析する次の一歩（機械学習ライブラリー、scikit-learn編）
  • Pythonでデータ分析する次の一歩（ディープ・ラーニング、Keras編）
• Colabでデータ・サイエンス
  • データ・サイエンス入門 01 ColabとPythonの基礎
  • データ・サイエンス入門 02 記述統計の基礎
  • データ・サイエンス入門 03 確率と推定統計の基礎
  • データ・サイエンス入門 04 pandasによるデータ処理
  • データ・サイエンス入門 05 scikit-learnによる機械学習
  • データ・サイエンス入門 06 Kaggle入門

データ・マイニング †

• データ・マイニングの参考文献
• データ・マイニングの国際会議
• データ・マイニングに関するTEDプレゼンテーション

• Rでネットワーク構造を可視化する
• Rでグラフを重ねる

テキスト・マイニング †

• テキスト・マイニングの参考文献
• テキスト・マイニングの国際会議

• テキスト回帰分析
• テキスト分類による市場予測

• MacでMeCabを使う
• MacでTermExtractを使う
• MacでMySQLを使う
• MacでTokyo Dystopiaを使う
• MacでHyper Estraierを使う
• MacでNamazuを使う
• MacでSennaを使う
• SennaのRubyバインディングを使う

金融データ・マイニング †

• 時系列クラスタリング
• 動的クラスタリングとクラスター変化検出

• 時系列解析の参考文献

• 金融データ・マイニングの論文
• 金融データ・マイニングに関するTEDプレゼンテーション

バイオ・データ・マイニング †

• MacでBioPythonを使う
• MacでHMMERを使う
• MacでClustalWを使う
• FASTAフォーマット
• アミノ酸の生起確率を調べる
• アミノ酸の条件付き生起確率を調べる
• 人工的なたんぱく質データを生成する

• ClustalWでペアワイズ・アラインメントを行う
• ClustalWで多重アラインメントを行う
• BLASTで相同性検索を行う
• HMMERで相同性検索を行う

• DNAマイクロアレイ・データを解析する

• Rの基本
• Rで統計分析する
• Rで相関分析する
• Rで主成分分析する
• Rで独立成分分析する
• Rで回帰分析する
• Rで非線形回帰分析する
• Rで決定木を使う
• Rで階層クラスタリングを使う
• Rでk平均法を使う
• Rでスペクトラル・クラスタリングを使う
• RでSVMを使う
• RでNaïve Bayesを使う

• Rでグラフを重ねる
• Rでマイクロアレイ・データを使う

医療データ・マイニング †

• 医療データ・マイニングの参考文献
• 医療データ・マイニングの論文

• Rで心電図データを解析する

人工知能 †

• 人工知能の参考文献
• 人工知能に関するTEDプレゼンテーション

授業 †

• 情報数学
• 知能情報工学
• 情報技術英語B
• バイオインフォマティクス特論

• C言語基礎

その他 †

• ColabでCUDAとPyTorchとPythonをダウングレードする
• MacでLet's Encryptを使う
• MacでRuby 1.9を使う
• MacでPython 3を使う
• MacでGnuplotを使う
• MacでTeXを使う
• Macで実験結果をまとめる
• Macでパスを通す
• MacでWindowsを使う
• GnuplotでKeynote風のグラフを作成する
• patchファイルの作り方とpatchの当て方

• Rubyの参考文献
• Javaの参考文献
• VBAの参考文献
• Prologの参考文献
• Rの参考文献
• 論文執筆の参考文献
• プレゼンテーションの参考文献
• アルゴリズムの参考文献
• LaTeXの参考文献

• PukiWikiで日本語で始まるページのタイトルが表示できない問題を解決する
• PukiWikiで一部のページへのアクセスを制限する

• 卒業研究を始める前に読んでおくべき3つのマンガ

• MacでLEGO MINDSTORMSの開発環境NXCを使う
• WindowsでLEGO MINDSTORMSの開発環境NXCを使う

• Mailmanのメーリング・リストをバーチャル・ホストに移行する
• PostfixでSMTP AUTH over TLSを使う

• 臨床工学に関するTEDプレゼンテーション

• プライベートWiki（非公開）