| 名前 | URL | 備考 | リスペクト元 |
|---|---|---|---|
| python.jp ゼロからのPython入門講座 | 公式サイト: Top - python.jp ゼロからのPython入門講座 | - | @EndoNrak |
| paiza.jp Python3入門編 | Python3入門編 | ---- | @EndoNrak |
| progate | https://prog-8.com/courses/python | ---- | @ryochinbo |
pythonを使う練習として、Atcoderの過去問を解くことをオススメします。
※順次追加
| 問題 | URL | 備考 | リスペクト元 |
|---|---|---|---|
| Atcoder Beginner Selection | https://atcoder.jp/contests/abs/tasks | pythonの基本問題 | @seigot |
| ABC258 B問題 | https://atcoder.jp/contests/abc258/tasks/abc258_b | 二次元配列を扱えれば解ける問題 | @EndoNrak |
| ABC231 C問題 | https://atcoder.jp/contests/abc231/tasks/abc231_c | ソート済み数列への二分探索がわかれば解ける問題 | @EndoNrak |
| ABC241 C問題 | https://atcoder.jp/contests/abc241/tasks/abc241_c | 二次元配列を扱えれば解ける問題 | @EndoNrak |
| ABC241 F問題 | https://atcoder.jp/contests/abc241/tasks/abc241_f | 幅優先探索がわかって、頑張れば解ける問題 | @EndoNrak |
AI(特に強化学習)を使う練習として、何かお勧めがあれば追加予定です。
※順次追加
| 問題 | URL | 概要 | 備考 | リスペクト元 |
|---|---|---|---|---|
| みんなの強化学習講座 | https://www.youtube.com/watch?v=aKHXXgAo_rA | 強化学習(DQN)についての説明が分かり易い | - | @seigot |
| Deep Learningの世界 | https://www.youtube.com/playlist?list=PLhDAH9aTfnxKXf__soUoAEOrbLAOnVHCP | 中身は東大の数学科の博士出の人がDeep Learning などの解説をしてくれています。 | @kiriyama-san | |
| 【Lv.1】下の添付資料 | 授業「インテリジェンスデザイン」の講義資料 | 「機械学習って何？」という学生を対象に背景知識をざーっと概観する内容で、強化学習やその他の高級な手法までカバー | @sato-san | |
| 【Lv.2】Pythonによる機械学習入門 / 株式会社システム計画研究所 | https://www.ohmsha.co.jp/book/9784274219634/ | 機械学習の基本的な手法である"クラスタリング"・"分類"。"回帰"を学習できます | 本書は「3手法をとりあえず実装して動かしてみよう！」ということからスタートするので、第1章のたった30ページ弱で内容をいったん総ざらいできます。また、Lv.1の資料で簡単にまとめられていた背景知識が、体系的に読みやすい文の形でまとめられています。 | @sato-san |
| 【Lv.3】Pytorchチュートリアル(日本語翻訳版) | https://yutaroogawa.github.io/pytorch_tutorials_jp/ | 「Pytorch」の使い方サイト | よく"機械学習"と聞くときの手法、"ニューラルネットワーク"(・"CNN"・"RNN")・"強化学習"などを学習できます。 | @sato-san |
| 【Lv.3+】データシステムの知能化とデザイン | https://github.com/keioNishi/lec-dataai#readme | Google Colabに講義テキストが丁寧にまとめられていることが特徴 | 学部2年生の「プログラミング演習」(純粋なPythonの習得を目指す授業です)の応用科目なので、Pythonの復習からスタートし、やさしくステップアップしていきます。 | @sato-san |
| 【Lv.4】ゼロから作るDeep Learning / 斎藤 康毅 | https://www.oreilly.co.jp/books/9784873117584/ | (今までライブラリを使って計算してもらっていたことを、Lv.1〜3で勉強してきた理論やイメージを実装する形で理解する内容です。) | @sato-san | |
| Deep Q-Network〜Rainbowの研究の流れと実装①（Rainbowの論文の確認) | https://lib-arts.hatenablog.com/entry/rl_trend6 | ---- | 参考文献 | ---- |
| nablaRL, Deep Q-Network (DQN) | https://www.youtube.com/watch?v=Rr2sI1JsAh4 | - | @bushio | |
| 【深層学習】ディープラーニングとは関数近似器である【ディープラーニングの世界 vol. 1 】 | https://www.youtube.com/watch?v=SyWwoMpP_P4 | - | @bushio |
| 問題 | URL | 概要 | 備考 | リスペクト元 |
|---|---|---|---|---|
| 深層強化学習と活用するためのコツ（reward_clipping については下記資料のP27 が参考になるかも） | https://openreview.net/pdf?id=8TLyqLGQ7Tg | MLPのベース論文 | - | @bushio |
| 問題 | URL | 概要 | 備考 | リスペクト元 |
|---|---|---|---|---|
| Learn to Play Tetris with Deep Reinforcement Learning | https://openreview.net/pdf?id=8TLyqLGQ7Tg | MLPのベース論文 | - | @bushio |