SlideShare a Scribd company logo
データサイエンス概論第二+演習第一「
Pythonによるプログラミング」
(5月22日)
九州大学 大学院システム情報科学研究院 情報知能工学部門
システム情報科学研究院
備瀬 竜馬, Diego Thomas, 末廣 大貴
データサイエンスに必要なスキル
2
データ解析スキル
検定、クラスタリング、回帰、
主成分分析、・・・
概論一で学習
プログラミングスキル
解析のための具体的なデータ加工処理を
コンピュータに指示
データを集めて後、実際にこれらの分析を行うには?
概論二・演習一
で学習
前回の復習
Data types
3
まずはここに注目
(コンソールと呼ばれる部分)
4
大事な「おまじない」
●今後,spyder を起動したらまずはじめに
必ずやること!
●from __future__ import division
と打って enter キーを押す
●import numpy as np
と打って enter キーを押す
5
文字を表示してみよう!
コンソールのところで
好きな言葉を“ ”に入れて表示させよう
Print “ ” と入力
return キーを押す(実行)
6
こんどはこっち(エディタ)
7
命令集を書く!
エディタの使い方(実行)
③ 開いているファイルの命令文を全部実行
8
editor_ex.py を参照
練習0:BMI
●自分の BMI を計算してみよう
ヒント:BMI は 体重 ÷ (身長×身長)
●変数を使ってBMIを計算するコードを書いてみよう
9
※体重は kg, 身長は m
if
10
比較(1)
11
a b
5 3
a b<
a が b より小さい?
True
(正しい)
False
(正しくない)
or
比較(2)
12
演算子 例 意味 出力
== a==b a と b が等しい? True
(正しい)
または
False
(正しくない)
!= a!=b a と b が異なる?
> a>b a が b より大きい?
>= a>=b a が b 以上?
< a<b a が b より小さい?
<= a<=b a が b 以下?
例
「a=b」は、aにbの中身を入
れるという意味だったので、
混同しないように比較は、
「==」
「かつ」と「または」(1)
●例:あなたの結婚の条件は?
25歳以上かつ身長180cm以上!
age= 30
height=1.68
age>=25 and height>=1.80
13
「かつ」と「または」(2)
演算子 例 意味 出力
and a and b
a かつ b が
両方 正しい ?
True
(正しい)
または
False
(正しくない)
or a or b
a または b の
どちらかが
正しい ?
14
if, elif, else
●条件文で分岐をつくる
●例:20歳以上は”Adult”, 13歳以上20歳未満
なら “Young”, それ以外は“Child”
age=30
if age>=20:
print “Adult”
elif age>=10:
print “Young”
else:
print “Child”
15
#もし20歳以上なら・・・
#20歳以上でない.でももし10歳以上なら・・・
#20歳以上でも10歳以上でもないなら・・・
ところで・・・
「コロン」と「インデント」
if age>=20:
print “OK”
else:
print “NG”
●コロン「:」で「次の行に続きますよ」
●インデント「空白4つ」で「続いてますよ」
16
練習1: if
●BMIを入力として与えて、以下のように表示するプログラムを作ろう!
●18.5未満の場合、「やせ型」と表示
●18.5以上25未満の場合、「標準」と表示
●25以上の場合、「肥満気味」と表示
●以下の3人のBMIを計算し、上のプログラムで動かそう
●A君:1.7m, 52kg
●B君:1.6m, 75kg
●C君:1.8m, 73kg
17
list
18
list
●数字のリスト:[]の中に数字をコンマ区切りで記載
●例:
19
list
●リストの要素の呼び出し
例:
20
0番目の要素を出力
4番目の要素を出力
※)pythonでは、0から数える
list
●リストの初期化と要素追加
例:
21
初期化
Listの要素に“1”を追加
※)list.append(x)で、listの最後にxが追加される
Listの要素に“2”を追加
練習2: list
22
●以下の3人のBMIを計算し、BMIsという名前のリストに下記の順で
入れてみよう
●A君:1.7m, 52kg
●B君:1.6m, 75kg
●C君:1.8m, 73kg
●ヒント)listの初期化が必要:BMIs=[]
listに要素の追加 :BMIs.append(xx)
●リストBMIsの1番目(B君)の値を表示してみよう
for
23
for(1)
●同じ計算を繰り返す
●例:
for i in [0,1,2]:
print i
24
1回目は、i に0を代入して、
print i
2回目は、i に1を代入して、
print i
3回目は、i に2を代入して、
print i
リストの中身がなくなるまで繰り返す
for(2)
●リストの中身を増やすと?
for i in [0,1,2,3,4]:
print i
25
100回繰り返したい場合は、
リストの中に、100個書く?
for(3)
for i in range(5):
print i
26
range()
リストを作る関数
for i in [0,1,2,3,4]:
print i
同じ
for(4)
●同じ計算を繰り返す
●例:xに1を3回足す
x=1
for i in range(3):
x = x + 1
print x
27
繰り返しの中で、
毎回 print x が実行
for(5)
●インデントによる違い
●例:xに1を3回足す
x=1
for i in range(3):
x = x +1
print x
28
繰り返しの中で、x=x+1 のみが実行され、
print x は、最後に1回のみ実行される
練習3: for
●練習2で計算したA君、B君、C君のBMIのリストをfor文を使って、
順に呼び出してprint文で表示してみよう
●それぞれの身長、体重
●A君:1.7m, 52kg
●B君:1.6m, 75kg
●C君:1.8m, 73kg
29
データの種類
Data types
30
Python のデータタイプ
●様々なデータタイプがある
●年齢は、数値で表現
●住所は文字列で表現
●他にも5つの代表的なデータタイプがある:
●Numbers/ Strings / List / Tuple /
Dictionary
31
Numbers(数値)
●数値データ(numeric values).
●変数に数値を代入したときに、number オブジェクトが作成される
●4つの異なる数値タイプがある:
●Integer (整数、大きさに制限) (…, -2, -1, 0, 1, 2, …)
●Long (整数、大きさに制限なし) (51924361L)
●Float (実数) (0.0, 3.2, 2.5e2 = 2.5 x 10^2 = 250.0)
●Complex (虚数:a + bJ) (1.2 + 5.4j)
32
変数エクスプローラー
Integers(整数型)
●整数
●例)21, 4, 0, -50 are integers
●9.75, , は整数でない
●Pythonにおける integer は、大きさに制限があるから注意
●Pythonでは、大きな値の整数を変数に入れると自動的に
Long型に変わる。
34
Floats(実数)
●Floating-point numbers (float) :実数
●0.1, 10.5, 236.7777 …
35
文字列
●Str:文字列
●quotes (’ or ")で囲めばstr型となる:
●文字列の中のxx番目の文字を取り出せる:
※)pythonは、0から始まる
36
文字列
●改行: “¥n”
●文字同士をつなげたり、繰り返したりできる:
●+ (つなげる)
●* (繰り返す)
37
文字列
●文字列 と 数字はそのままは結合できない
●% を使って出力する
●%d: int型の変数の値を代入
●%f: float型の変数の値を代入
38
文字列: example
39
int型の変数
Int型の変数の代入
代入するという印改行
練習4: 文字列+数字の表示
●練習2で計算したA君、B君、C君のBMIをそれぞれプリント文を使って、次のように
表示してみよう。まずはforなしで書いてみて、できた人はfor文で書いてみよう
●A君のBMIは xxx です
●B君のBMIは xxx です
●C君のBMIは xxx です
●ヒント)
●それぞれの身長と体重
●A君:1.7m, 52kg
●B君:1.6m, 75kg
●C君:1.8m, 73kg
40
外部データの読み込み
CSV file
41
CSV file format
●CSV = comma separated values
●File format specifications:
●項目ごとにコンマ “,” で区切られたデータ
●1行が一まとめのデータで、改行で行を識別
●Example:
Name, age, weight, height
Bob, 40, 80, 175
Taro, 35, 65, 170
・・・
42
CSV file with Excel
●Excel file
43
CSV file with Excel (input)
●テーブルにデータを入力
44
CSV file with Excel (export)
●CSV fileとして保存
45
Click “名前を付けて保存”
フォルダの選択
Click “file format”
Click “Commat
Separated Values (.csv)”
CSV file with Excel (save)
●Save the file
46
ファイルの名前を入力
Click to
save the file
Edit a .csv file with Excel
●Exelで csvファイルを開く
47
右クリック
“プログラムから開
く”をクリック
Microsoft Excelを
クリック
ExelでCSVファイルを作ってみよう!
●Exelを開いて、次の内容を自分で書いてみよう!
●Bob, Taroに加えて、1行分、適当に自分で、データを書
いて、CSVファイルとしてsaveしてみよう!
Name, age, weight, height
Bob, 40, 80, 175
Taro, 35, 65, 170
(ここに好きなデータを記載)
48
PythonによるCSVファイルの読み込み
●CSVファイル読み込み用の道具をPython上で呼
び出す
49
CSVファイルの読み込み(1/3)
●CSVファイルを呼び出すおまじない
50
CSVファイルを操作するた
めの変数(後で実際に値
を読むときにこれを利用)
読み込むCSVファイルの名前
読み込むファイルのタイプ
データを読むだけのときは、’rb’とつけ
ると覚えよう!
r = read
以下を事前に行うことを忘れないように!
(1) import csv
(2) “some.csv” をコードと同じフォルダに置く
CSVファイルの読み込み(2/3)
●読み込むために、readerオブジェクトを作成 (csv.reader)
●ファイル内の文字を行ごとに読み取り
51
CSVファイルの読み込み(3/3)
●最後にファイルを閉じる
52
CSVファイルの書き込み(1/3)
●“書き込み” モードでファイルを開く
53
import csv を書くのを忘れずに!
“test.csv”が既にあると、上書きされてしまうので注意!
CSVファイルを操作するため
の変数(後で実際に値を書
き込むときにこれを利用)
書き込む先の
CSVファイルの名前
書き込み用のファイルタイプ
データを書き込むときは、’wb’とつける
と覚えよう!
w = write
CSVファイルの書き込み(2/3)
●読み込むために、writerオブジェクトを作成 (csv.writer)
●1行ずつファイルへ書き込み
54
Writing CSV files (2/3)
●Use the writer function (writer) to generate a
writer object
●Write rows (in the list format) into the file
55
CSVファイルの書き込み(3/3)
●ファイルを閉じる
●作成したCSVファイルを見てみよう!
56
練習5: CSVファイルの読み込み
●“height_weight.csv”ファイルを読み込んで、
データの内容を各行に順番に表示してみよう
●CSVファイルをExelで開いてあっているか確認して
みよう
57
乱数
random
58
乱数(1)
●乱数:次に何がでるかわからない数字
例)サイコロ
1から6の整数をランダムに出す乱数
59
#乱数を作る道具の準備
import random
#1から6の整数をランダムに発生
random.randint(1,6)
実行するたびに違う値
乱数(2)
●1~20の目を出すサイコロを作ろう!
60
#乱数を作る道具の準備
import random
#1から20の整数をランダムに発生
random.randint(1,20)
乱数(3)
random.random() # 0 以上 1 未満の実数値を返す
random.uniform(1.0, 10.0) # 1 以上 10以下の実数値を返す
61
break
●繰り返しを強制的に終了させる
●例:くじ引き(当りが出たら終わり)
当選確率 は 1/10
for i in range(5):
number = random.randint(1, 10)
if number == 1:
print “atari !”
break
else:
print “hazure”
62
練習6: くじ引き
●当選確率が1/5のくじ引きを作ろう
●ヒント)random.randint(1,5)
63
演習資料
Playing with the Body-mass index
64
演習1: for
●1から10まで順に足して行くプログラムをforを使って
書いてみよう。また、それぞれの計算結果をprint文
で出力してみよう
ヒント)0+1, 1+2, 1+2+3,…,
1+2+3+4+5+6+7+8+9+10
●上記の問題で最後の1~10まで全部足した結果
だけをPrint文で出力してみよう
65
66
Answer
演習2: CSVの読み込み・書き込み+for
67
●“height_weight.csv”ファイルを読み込んで、各行のBMIを
計算して、BMIをリストに追加しよう
●“BMI.csv”というファイルを作成して、以下の情報を書き込もう
(height_weight.csvの項目を1つ追加した情報の書き込み)
●[‘’,’Sex’,’Ht’,’Wt’,’BMI’]
●ヒント1)1行目は項目名が入っているので、if文を使ってrow
の1つ目の要素に値が入っている場合のみ実行しよう。if
len(row[0])>0:
●ヒント2)読み込んだ段階では文字列として読み込んでいるの
で、float型に変換しよう。float()
●ヒント3)身長は㎝単位になっているので、m単位に変換しよ
う。float(row[2])/100
●ヒント4)listへの要素の追加は、list.append()
68
Answer
演習3: CSVの読み込み+for+if
69
●“height_weight.csv”ファイルを読み込んで、各
行のBMIを計算して、BMIの値に応じて次のように
表示するプログラムを作成しよう
●18.5未満の場合、「やせ型」と表示
●18.5以上25未満の場合、「標準」と表示
●25以上の場合、「肥満気味」と表示
アドバンス1
(進みが早い人用)
A simple game in Python (the random game)
70
演習2:宝くじ
●宝くじって儲かるの!?調べてみよう!
71
等 当選金額 確率
1等 5億円 1/1000万
2等 1億円 2/1000万
3等 1000万円 4/1000万
4等 10万円 1/10万
5等 3000円 1/100
6等 300円 1/10
※ 実際の宝くじとは異なります
演習:宝くじ
●takarakuji.py を開く
●大体いくらくらいになるか調べてみよう
●1等が出るまで引き続けるまで引いてみよう
●持ち金を変えてやってみよう
●1円でも儲かったらやめる!
72
アドバンス2
(進みが早い人用)
A simple game in Python (the random game)
73
For で遊ぼうバトル10回
●ユーザが0と1を入力して、ランダムの値を当てること
ができたら(同じ値になったら)HPが増えるゲーム
hp = 0
for i in range(10): #以下を10回繰り返し
rand = random.randint(0, 1) #0か1をランダムで生成
print “please input 0 or 1”
inp = int(input()) # ユーザの入力を読み込み
if inp==rand: #ユーザの入力とランダム値が一致していたら、
hp = hp + 1 #hpを1増やす
print “Your HP = ” + str(hp) #現在のhpを表示
74
減ることもある
●ユーザが0と1を入力して、ランダムの値を当てることができたら
(同じ値になったら)HPが増え、間違うと減るゲーム
hp = 0
for i in range(10): # 10回繰り返し
rand = random.randint(0, 1) #ランダムで0か1を生成
print "please input 0 or 1"
inp = int(input()) #ユーザの入力の読み込み
if inp==rand:#ユーザの入力とランダム値が一致していたら、
hp = hp + 1 #hpを1増やす
else #間違ったら
hp = hp – 1 #hpを1減らす
print “Your HP = ” + str(hp) #現在のhpを表示
75
増減量もランダム
●ユーザが0と1を入力して、ランダムの値を当てることができたら、ラン
ダムな量HPが増え、間違うとランダムに減るゲーム
hp = 0
for i in range(10): # 10回繰り返し
rand = random.randint(0, 1) #ランダムで0か1を生成
print "please input 0 or 1"
inp = int(input()) #ユーザの入力の読み込み
if inp==rand:#ユーザの入力とランダム値が一致していたら、
hp = hp + random.randint(0, 9) #hpを0~9ランダムに増やす
else #間違ったら
hp = hp – random.randint(0, 9) #hpをランダムに減らす
print “Your HP = ” + str(hp) #現在のhpを表示
76
HPがマイナスになったらゲームオーバー
●同じルールで、HPがマイナスになったらゲームオーバー
hp = 0
for i in range(10): # 10回繰り返し
rand = random.randint(0, 1) #ランダムで0か1を生成
print "please input 0 or 1"
inp = int(input()) #ユーザの入力の読み込み
if inp==rand:#ユーザの入力とランダム値が一致していたら、
hp = hp + random.randint(0, 9) #hpを0~9ランダムに増やす
else #間違ったら
hp = hp – random.randint(0, 9) #hpをランダムに減らす
print “Your HP = ” + str(hp) #現在のhpを表示
if hp < 0: #HPが0以下になったら
print “Game Over!” #ゲームオーバーと表示して、
break # 繰り返しを終了
77
おまけ:興味ある人はバトルを作ってみよう
●HPを敵(コンピュータ)、自分と2人分設定して、
●自分のターンでは、敵のHPをランダムに減らし、
●コンピュータのターンでは、自分のHPをランダムに減らす
●どちらかのHPがなくなるまで続ける
78
おまけ:興味ある人はバトルを作ってみよう
応用
●防御力、攻撃力等のパラメータを振ってその値によって、HPの減らし
方を変える。
●例1)a=自分の攻撃力3、d=敵の防御力2
hp = hp – random.randint(0+a-b, 9+a-b)
⇒ hp = hp – random.randint(1, 10)
●例2)a=自分の攻撃力5、d=敵の防御力1
hp = hp – random.randint(0+a-b, 9+a-b)
⇒ hp = hp – random.randint(4, 13)
攻撃力が敵の防御力より高いとより多くのHPを減らしやすい
79

More Related Content

What's hot

TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
Etsuji Nakai
 
NumPy闇入門
NumPy闇入門NumPy闇入門
NumPy闇入門
Ryosuke Okuta
 
データ解析技術入門(R編)
データ解析技術入門(R編)データ解析技術入門(R編)
データ解析技術入門(R編)Takumi Asai
 
Python 学習教材 (300~309ページ)
Python 学習教材 (300~309ページ)Python 学習教材 (300~309ページ)
Python 学習教材 (300~309ページ)
Jun MITANI
 
Pythonによる機械学習入門〜基礎からDeep Learningまで〜
Pythonによる機械学習入門〜基礎からDeep Learningまで〜Pythonによる機械学習入門〜基礎からDeep Learningまで〜
Pythonによる機械学習入門〜基礎からDeep Learningまで〜
Yasutomo Kawanishi
 
Python 学習教材
Python 学習教材Python 学習教材
Python 学習教材
Jun MITANI
 
17ゼロから作るディープラーニング2章パーセプトロン
17ゼロから作るディープラーニング2章パーセプトロン17ゼロから作るディープラーニング2章パーセプトロン
17ゼロから作るディープラーニング2章パーセプトロン
Keiichirou Miyamoto
 
Python 学習教材 (~299ページ)
Python 学習教材 (~299ページ)Python 学習教材 (~299ページ)
Python 学習教材 (~299ページ)
Jun MITANI
 
Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編
Etsuji Nakai
 
2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習
Motoya Wakiyama
 
普通のプログラミング言語R
普通のプログラミング言語R普通のプログラミング言語R
普通のプログラミング言語R
Shuyo Nakatani
 
動的計画法
動的計画法動的計画法
Deep Learning基本理論とTensorFlow
Deep Learning基本理論とTensorFlowDeep Learning基本理論とTensorFlow
Deep Learning基本理論とTensorFlow
Tadaichiro Nakano
 
はてなインターン「機械学習」
はてなインターン「機械学習」はてなインターン「機械学習」
はてなインターン「機械学習」Hatena::Engineering
 
Pythonによる機械学習
Pythonによる機械学習Pythonによる機械学習
Pythonによる機械学習
Kimikazu Kato
 
はじめての「R」
はじめての「R」はじめての「R」
はじめての「R」
Masahiro Hayashi
 
初心者講習会資料(Osaka.R#7)
初心者講習会資料(Osaka.R#7)初心者講習会資料(Osaka.R#7)
初心者講習会資料(Osaka.R#7)
Masahiro Hayashi
 
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
Takuya Akiba
 
Pythonデータ分析 第3回勉強会資料 8章
Pythonデータ分析 第3回勉強会資料 8章 Pythonデータ分析 第3回勉強会資料 8章
Pythonデータ分析 第3回勉強会資料 8章
Makoto Kawano
 
第1回 Jubatusハンズオン
第1回 Jubatusハンズオン第1回 Jubatusハンズオン
第1回 JubatusハンズオンYuya Unno
 

What's hot (20)

TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門TensorFlowによるニューラルネットワーク入門
TensorFlowによるニューラルネットワーク入門
 
NumPy闇入門
NumPy闇入門NumPy闇入門
NumPy闇入門
 
データ解析技術入門(R編)
データ解析技術入門(R編)データ解析技術入門(R編)
データ解析技術入門(R編)
 
Python 学習教材 (300~309ページ)
Python 学習教材 (300~309ページ)Python 学習教材 (300~309ページ)
Python 学習教材 (300~309ページ)
 
Pythonによる機械学習入門〜基礎からDeep Learningまで〜
Pythonによる機械学習入門〜基礎からDeep Learningまで〜Pythonによる機械学習入門〜基礎からDeep Learningまで〜
Pythonによる機械学習入門〜基礎からDeep Learningまで〜
 
Python 学習教材
Python 学習教材Python 学習教材
Python 学習教材
 
17ゼロから作るディープラーニング2章パーセプトロン
17ゼロから作るディープラーニング2章パーセプトロン17ゼロから作るディープラーニング2章パーセプトロン
17ゼロから作るディープラーニング2章パーセプトロン
 
Python 学習教材 (~299ページ)
Python 学習教材 (~299ページ)Python 学習教材 (~299ページ)
Python 学習教材 (~299ページ)
 
Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編Python 機械学習プログラミング データ分析演習編
Python 機械学習プログラミング データ分析演習編
 
2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習2013.07.15 はじパタlt scikit-learnで始める機械学習
2013.07.15 はじパタlt scikit-learnで始める機械学習
 
普通のプログラミング言語R
普通のプログラミング言語R普通のプログラミング言語R
普通のプログラミング言語R
 
動的計画法
動的計画法動的計画法
動的計画法
 
Deep Learning基本理論とTensorFlow
Deep Learning基本理論とTensorFlowDeep Learning基本理論とTensorFlow
Deep Learning基本理論とTensorFlow
 
はてなインターン「機械学習」
はてなインターン「機械学習」はてなインターン「機械学習」
はてなインターン「機械学習」
 
Pythonによる機械学習
Pythonによる機械学習Pythonによる機械学習
Pythonによる機械学習
 
はじめての「R」
はじめての「R」はじめての「R」
はじめての「R」
 
初心者講習会資料(Osaka.R#7)
初心者講習会資料(Osaka.R#7)初心者講習会資料(Osaka.R#7)
初心者講習会資料(Osaka.R#7)
 
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
乱択データ構造の最新事情 -MinHash と HyperLogLog の最近の進歩-
 
Pythonデータ分析 第3回勉強会資料 8章
Pythonデータ分析 第3回勉強会資料 8章 Pythonデータ分析 第3回勉強会資料 8章
Pythonデータ分析 第3回勉強会資料 8章
 
第1回 Jubatusハンズオン
第1回 Jubatusハンズオン第1回 Jubatusハンズオン
第1回 Jubatusハンズオン
 

Similar to DS Exercise Course 2

九大_DS実践_Python基礎その1
九大_DS実践_Python基礎その1九大_DS実践_Python基礎その1
九大_DS実践_Python基礎その1
RyomaBise1
 
実験心理学者のためのPython
実験心理学者のためのPython実験心理学者のためのPython
実験心理学者のためのPython
Masataka Miyoshi
 
2023_freshman
2023_freshman2023_freshman
2023_freshman
TakaakiYonekura
 
Introduction of Python
Introduction of PythonIntroduction of Python
Introduction of Python
Tomoya Nakayama
 
講座C入門
講座C入門講座C入門
講座C入門
Tokai University
 
DATUM STUDIO PyCon2016 Turorial
DATUM STUDIO PyCon2016 TurorialDATUM STUDIO PyCon2016 Turorial
DATUM STUDIO PyCon2016 Turorial
Tatsuya Tojima
 
ユニットテスト 1日目
ユニットテスト 1日目ユニットテスト 1日目
ユニットテスト 1日目
Yoshiki Shibukawa
 
第一回Data mining勉強会 -第二章 - 原案
第一回Data mining勉強会 -第二章 - 原案第一回Data mining勉強会 -第二章 - 原案
第一回Data mining勉強会 -第二章 - 原案
yushin_hirano
 
El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613
RCCSRENKEI
 
Django_fukuoka
Django_fukuokaDjango_fukuoka
Django_fukuoka
ShuyaMotouchi1
 
Python と型ヒント (Type Hints)
Python と型ヒント (Type Hints)Python と型ヒント (Type Hints)
Python と型ヒント (Type Hints)
Tetsuya Morimoto
 
Enjoy handwritten digits recognition AI !!
Enjoy handwritten digits recognition AI !!Enjoy handwritten digits recognition AI !!
Enjoy handwritten digits recognition AI !!
KAIKenzo
 
Django_Fukuoka
Django_FukuokaDjango_Fukuoka
Django_Fukuoka
Shuya Motouchi
 
ji-5. 繰り返し計算
ji-5. 繰り返し計算ji-5. 繰り返し計算
ji-5. 繰り返し計算
kunihikokaneko1
 
第一回Data mining勉強会 -第二章
第一回Data mining勉強会 -第二章第一回Data mining勉強会 -第二章
第一回Data mining勉強会 -第二章Tomonobu_Hirano
 
ふるたに流プログラミング学習法
ふるたに流プログラミング学習法ふるたに流プログラミング学習法
ふるたに流プログラミング学習法
Kazuma Furutani
 
pf-3. 計算誤差,データの種類
pf-3. 計算誤差,データの種類pf-3. 計算誤差,データの種類
pf-3. 計算誤差,データの種類
kunihikokaneko1
 
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
Unity Technologies Japan K.K.
 
【Unity道場スペシャル 2017札幌】乱数完全マスター
【Unity道場スペシャル 2017札幌】乱数完全マスター 【Unity道場スペシャル 2017札幌】乱数完全マスター
【Unity道場スペシャル 2017札幌】乱数完全マスター
Unity Technologies Japan K.K.
 
15分でざっくり分かるScala入門
15分でざっくり分かるScala入門15分でざっくり分かるScala入門
15分でざっくり分かるScala入門
SatoYu1ro
 

Similar to DS Exercise Course 2 (20)

九大_DS実践_Python基礎その1
九大_DS実践_Python基礎その1九大_DS実践_Python基礎その1
九大_DS実践_Python基礎その1
 
実験心理学者のためのPython
実験心理学者のためのPython実験心理学者のためのPython
実験心理学者のためのPython
 
2023_freshman
2023_freshman2023_freshman
2023_freshman
 
Introduction of Python
Introduction of PythonIntroduction of Python
Introduction of Python
 
講座C入門
講座C入門講座C入門
講座C入門
 
DATUM STUDIO PyCon2016 Turorial
DATUM STUDIO PyCon2016 TurorialDATUM STUDIO PyCon2016 Turorial
DATUM STUDIO PyCon2016 Turorial
 
ユニットテスト 1日目
ユニットテスト 1日目ユニットテスト 1日目
ユニットテスト 1日目
 
第一回Data mining勉強会 -第二章 - 原案
第一回Data mining勉強会 -第二章 - 原案第一回Data mining勉強会 -第二章 - 原案
第一回Data mining勉強会 -第二章 - 原案
 
El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613El text.tokuron a(2019).watanabe190613
El text.tokuron a(2019).watanabe190613
 
Django_fukuoka
Django_fukuokaDjango_fukuoka
Django_fukuoka
 
Python と型ヒント (Type Hints)
Python と型ヒント (Type Hints)Python と型ヒント (Type Hints)
Python と型ヒント (Type Hints)
 
Enjoy handwritten digits recognition AI !!
Enjoy handwritten digits recognition AI !!Enjoy handwritten digits recognition AI !!
Enjoy handwritten digits recognition AI !!
 
Django_Fukuoka
Django_FukuokaDjango_Fukuoka
Django_Fukuoka
 
ji-5. 繰り返し計算
ji-5. 繰り返し計算ji-5. 繰り返し計算
ji-5. 繰り返し計算
 
第一回Data mining勉強会 -第二章
第一回Data mining勉強会 -第二章第一回Data mining勉強会 -第二章
第一回Data mining勉強会 -第二章
 
ふるたに流プログラミング学習法
ふるたに流プログラミング学習法ふるたに流プログラミング学習法
ふるたに流プログラミング学習法
 
pf-3. 計算誤差,データの種類
pf-3. 計算誤差,データの種類pf-3. 計算誤差,データの種類
pf-3. 計算誤差,データの種類
 
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
【Unity道場スペシャル 2017京都】乱数完全マスター 京都編
 
【Unity道場スペシャル 2017札幌】乱数完全マスター
【Unity道場スペシャル 2017札幌】乱数完全マスター 【Unity道場スペシャル 2017札幌】乱数完全マスター
【Unity道場スペシャル 2017札幌】乱数完全マスター
 
15分でざっくり分かるScala入門
15分でざっくり分かるScala入門15分でざっくり分かるScala入門
15分でざっくり分かるScala入門
 

More from 大貴 末廣

相関分析と回帰分析
相関分析と回帰分析相関分析と回帰分析
相関分析と回帰分析
大貴 末廣
 
統計分析
統計分析統計分析
統計分析
大貴 末廣
 
主成分分析
主成分分析主成分分析
主成分分析
大貴 末廣
 
データサイエンスことはじめ
データサイエンスことはじめデータサイエンスことはじめ
データサイエンスことはじめ
大貴 末廣
 
画像処理応用
画像処理応用画像処理応用
画像処理応用
大貴 末廣
 
画像処理基礎
画像処理基礎画像処理基礎
画像処理基礎
大貴 末廣
 
距離とクラスタリング
距離とクラスタリング距離とクラスタリング
距離とクラスタリング
大貴 末廣
 
DS Exercise Course 6
DS Exercise Course 6DS Exercise Course 6
DS Exercise Course 6
大貴 末廣
 
DS Exercise Course 5
DS Exercise Course 5DS Exercise Course 5
DS Exercise Course 5
大貴 末廣
 
DS Exercise Course 4
DS Exercise Course 4DS Exercise Course 4
DS Exercise Course 4
大貴 末廣
 
DS Exercise Course 1
DS Exercise Course 1DS Exercise Course 1
DS Exercise Course 1
大貴 末廣
 

More from 大貴 末廣 (11)

相関分析と回帰分析
相関分析と回帰分析相関分析と回帰分析
相関分析と回帰分析
 
統計分析
統計分析統計分析
統計分析
 
主成分分析
主成分分析主成分分析
主成分分析
 
データサイエンスことはじめ
データサイエンスことはじめデータサイエンスことはじめ
データサイエンスことはじめ
 
画像処理応用
画像処理応用画像処理応用
画像処理応用
 
画像処理基礎
画像処理基礎画像処理基礎
画像処理基礎
 
距離とクラスタリング
距離とクラスタリング距離とクラスタリング
距離とクラスタリング
 
DS Exercise Course 6
DS Exercise Course 6DS Exercise Course 6
DS Exercise Course 6
 
DS Exercise Course 5
DS Exercise Course 5DS Exercise Course 5
DS Exercise Course 5
 
DS Exercise Course 4
DS Exercise Course 4DS Exercise Course 4
DS Exercise Course 4
 
DS Exercise Course 1
DS Exercise Course 1DS Exercise Course 1
DS Exercise Course 1
 

DS Exercise Course 2