handson unsupervised learningダウンロード - handson unsupervised learningソースコードのダウンロード

handson unsupervised learning

AI ソースコード

Better support for Tensor

ダウンロード

Python を使用した実践的な教師なし学習

このリポジトリには、O'Reilly Media, Inc. の書籍『Python を使用した教師なし学習の実践: ラベルなしデータから応用機械学習ソリューションを構築する方法』 (Ankur A. Patel 著) のコードが含まれています。

公式書籍ウェブサイト: https://www.unsupervisedlearningbook.com/thebook

Amazon で入手可能: https://www.amazon.com/Hands-Unsupervised-Learning-Using-Python/dp/1492035645

オライリー Safari で利用可能: https://www.oreilly.com/library/view/hands-on-unsupervised-learning/9781492035633/

著者の詳細: https://www.anakurapatel.io

リリースアップデート

2021 年 5 月: TensorFlow 2.x、ファッション MNIST サンプル、および次元削減のための Tensorboard のサポートを追加しました。

本の説明

多くの業界専門家は、教師なし学習が人工知能の次のフロンティアであり、AI研究における聖杯、いわゆる汎用人工知能への鍵を握る可能性があると考えています。世界のデータの大部分にはラベルが付けられていないため、従来の教師あり学習を適用することはできません。ここで教師なし学習が登場します。教師なし学習をラベルのないデータセットに適用すると、データの奥深くに埋もれた意味のあるパターン、つまり人間が発見するのはほぼ不可能なパターンを発見できます。

著者の Ankur Patel は、scikit-learn と TensorFlow という 2 つのシンプルな実稼働対応 Python フレームワークを使用して教師なし学習を適用する方法に関する実践的な知識を提供します。提供されている実践的な例とコードを使用すると、データ内の見つけにくいパターンを特定し、より深いビジネス洞察を取得し、異常を検出し、自動特徴量エンジニアリングと選択を実行し、合成データセットを生成できます。始めるために必要なのは、プログラミングと機械学習の経験だけです。

さまざまな機械学習アプローチ (教師あり学習、教師なし学習、強化学習) の長所と短所を比較します。
データ取得からモデルの構築、本番環境でのソリューションの実装に至るまで、機械学習プロジェクトをエンドツーエンドでセットアップおよび管理します。
次元削減アルゴリズムを使用してデータ内の最も関連性の高い情報を明らかにし、クレジットカード詐欺を検出するための異常検出システムを構築します。
クラスタリングアルゴリズムを適用して、ローン借り手などのユーザーを個別の同種のグループにセグメント化します。
オートエンコーダを使用して自動特徴量エンジニアリングと選択を実行する
教師あり学習アルゴリズムと教師なし学習アルゴリズムを組み合わせて、半教師ありソリューションを開発する
制限されたボルツマンマシンを使用して映画レコメンダーシステムを構築する
深層信念ネットワークと敵対的生成ネットワークを使用して合成画像を生成する
心電図などの時系列データをクラスタリングする
これまでの教師なし学習の成功とその有望な未来を探る

Google コラボレーション

(ローカルマシンの代わりに) Google Colab を使用する場合は、次の手順に従って Google Colab でコードを実行してください。

メイン Conda 環境のセットアップ

このリポジトリをローカルマシンで実行する場合は、以下の手順に従ってください。

macOS を使用している場合は、ターミナルでxcode-select --install使用して Xcode コマンドラインツールをインストールします。
OS に基づいて Python 3.8 の Miniforge ディストリビューションをインストールします。 Windows を使用している場合は、必要に応じて、Miniforge ディストリビューションの代わりに Python 3.8 の Anaconda ディストリビューションを選択できます。
NVIDIA GPU をサポートするには、CUDA 11.0 をインストールします。これは、一部の NVIDIA GPU でのみ利用可能です。
新しい Anaconda 環境をセットアップし、OS に基づいて次の手順に従います。

Windowsの場合:

 ```
conda env create -f environment_windows.yml
conda activate unsupervisedLearning
pip install -r requirements_windows.txt
```

macOSの場合:

 ```
conda env create -f environment_mac.yml
conda activate unsupervisedLearning
pip install -r requirements_mac.txt
```

Google ドライブからデータをダウンロードします (ファイルが大きすぎるため、Github に保存したりアクセスしたりすることはできません)。
```
 https://drive.google.com/drive/folders/1TQVOPUU4tVOYZvdpbxUo6uOCh0jvWNhv?usp=sharing
```
Jupyter を使用してノートブックを実行します。
```
 jupyter notebook
```
セットアップやコード、その他何かで問題やエラーが発生した場合は、著者 ([email protected]) に電子メールを送信してください。

macOS Conda 環境用に TensorFlow をセットアップする

macOS 用の TensorFlow をセットアップするには、次の手順に従ってください。

macOSの場合:

 ```
conda env create -f environment_tensorflow_mac.yml
conda activate tensorflow_mac
pip install -r requirements_tensorflow_mac.txt

For Apple Silicon Mac (M1):
	pip install --upgrade --force --no-dependencies https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_addons_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl

For Intel Mac:
	pip install --upgrade --force --no-dependencies https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_macos-0.1a3-cp38-cp38-macosx_11_0_x86_64.whl https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha3/tensorflow_addons_macos-0.1a3-cp38-cp38-macosx_11_0_x86_64.whl 
```

問題が発生した場合は、この TensorFlow for macOS ガイドを参照するか、当社までご連絡ください。

拡大する

追加情報