Textbook

目次

• 1. 導入
• 2. Pythonの前提知識
• 3. k-NN (k-Nearest Neighbors Classifier; k近傍法)
• 4. k平均法(k-Means)
• 5. 線形回帰 （Linear Regression）
• 6. ロジスティック回帰 (Logistic Regression)
• 7. SVD (Singular Value Decomposition; 特異値分解)
• 8. PCA (Principal Component Analysis; 主成分分析)
• 9. NMF (Non-Negative Matrix Factorization; 非負値行列因子分解)
• 10. RF (Random Forest; ランダムフォレスト)
• 11. パーセプトロン（Perceptron）
• 12. 多層パーセプトロン (MLP: Multi-Layer Perceptron)
• 13. Word2Vec
• 14. Recurrent Neural Network
• 15. Convolutional Neural Network
• 16. Auto Encoder
• 17. Generative Adversarial Network
• 18. 参考文献

備考

前半（ランダムフォレストまで）は去年度使った資料をそのまま上げているので要修正．
ある程度書き終わったセクション：

• Pythonの前提知識

• パーセプトロン（Perceptron）

• Word2Vec

• Convolutional Neural Network

• Auto Encoder