ワークアウト最終報告会資料作成：野口

[noguchikazuki]

取り組むトレーニングの概要

最終報告会で発表する資料を作る

取り組む期間

～８/９

獲得スキル(workout)

現状、常人の途中まで出来ています。その中で発表します。

線形代数

ビギナー：ベクトル空間
ベクトル空間が何かを説明できる
ベクトル空間に標準内積を導入できる
常人：線形変換
写像が説明できる
射影が説明できる
線形変換の定義が説明できる

ベイズルール

ビギナー：ベイズルール
条件付き確率，周辺化，同時確率，独立の定義が書ける
条件付き確率の定義からベイズの定理を導出できる
ベイズの定理の式の各部分の名前が言える
常人：点推定
問題設定を説明できる
最尤推定でデータからモデルのパラメータを推定できる
MAP推定で（以下同）
玄人：分布推定
点推定との違いを説明できる
ベイズ推定でデータからモデルのパラメータの確率分布を推定できる
これらは古川先生の講義を押さえれば獲得可能なスキルセットであるため，特定のトレーニングメニューは用意していない．その代わりに火曜の1,2限に古川先生の講義の復習会を行う．先輩たちとのフリーディスカッション形式で行うため，講義中に分からないところ・気になったところをピックアップしておくこと．

前処理

ビギナー&常人：前処理入門

獲得スキルセット

与えられたnumpy arrayを平均0，分散1に標準化できる
sklearnやUCIなどの任意の公開データセットデータを「使える」
タスクに応じて適切なデータセットを調べられる
標準的な形式のファイルを読み込める

モデル

ビギナー：sklearnを用いた実装済みモデルの利用

獲得スキルセット

irisデータセットに対してPCAをかける
Boston house-pricesに対して線形回帰を行い予測できる
sklearnの以下のサンプルコードを写経し自身の環境下で実行せよ
単回帰
PCA
常人：Kerasを用いたNNモデルの構築

獲得スキルセット

任意のニューラルネットワークを構築できる
チュートリアルを実行しmnist datasetをClassificationせよ
CNNを構築しmnist datasetに対するClassificationの精度を向上させよ
Autoencoderを構築しmnistデータを用いて学習させよ．また入力データと再構成した画像を比較せよ． 任意の潜在変数からデコードした画像を表示せよ.

検証

ビギナー: matplotlibによる描画

獲得スキルセット

結果を出力できる
print
plot
scatter
histgram
matplotlib tutorialのpyplot tutorialの内容を実行せよ.(必要に応じてmatplotlibのuser guideも参考に)
matplotlib tutorialのsample plots in matplotlibのサンプルプログラムを実行せよ
自分の好きな関数を３つ選んで同じfigureでplotを用いて描画せよ
自分の好きな関数を1つ選んで3次元のプロットを実行せよ.
animationを使って,自分の好きな関数を作成し,animationで動かせ（参考）
常人: 教師あり学習のモデル評価・選択

獲得スキルセット

教師あり学習モデルの評価・選択が出来る
Cross Varidation: CVができる
結果の平均分散を計算できる（バイアスバリアンス）
バイアスとバリアンスについて説明せよ.
cross Validationについて説明せよ.
sklearnのBoston house-pricesデータセットをloadして線形回帰を用いて学習させよ（参考）
学習させた結果をsklearnのcross validationで評価せよ（参考）
学習結果の平均・分散を計算せよ（参考）

Action list

• 獲得スキルの調査
• 資料作成