Skip to content
Getting Started Machine Learning
概要
Initializing search
getting-started-machine-learning
Home
更新履歴
記事
開発
戦略
要件
設計
ADR
運用
レビュー
リファレンス
テンプレート
Getting Started Machine Learning
getting-started-machine-learning
Home
更新履歴
記事
記事
概要
機械学習から始めるプログラミング入門
機械学習から始めるプログラミング入門
概要
執筆計画
執筆ワークフロー
Python
Python
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
付録 A 総合演習(Bank)
Kotlin
Kotlin
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
TypeScript
TypeScript
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
F#
F#
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
Java
Java
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
C#
C#
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
Scala
Scala
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
Go
Go
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
Rust
Rust
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
Clojure
Clojure
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
Elixir
Elixir
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
PHP
PHP
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
Haskell
Haskell
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
Ruby
Ruby
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
なでしこ3(番外編)
なでしこ3(番外編)
概要
第 1 章 機械学習とはじめてのテスト
第 2 章 データの前処理と三角測量
第 3 章 決定木による分類と明白な実装
第 4 章 バージョン管理とデータ管理
第 5 章 パッケージ管理と静的解析
第 6 章 タスクランナーと CI/CD
第 7 章 線形回帰による数値予測
第 8 章 実践的な分類と前処理パイプライン
第 9 章 特徴量エンジニアリング
第 10 章 ロジスティック回帰とアンサンブル学習
第 11 章 評価指標と交差検証
第 12 章 正則化とモデル選択
第 13 章 主成分分析による次元削減
第 14 章 K-means によるクラスタリング
第 15 章 機械学習 API とモジュール設計
多言語統合解説
多言語統合解説
概要
第 1 章 言語とライブラリの概要
第 2 章 データ構造の比較
第 3 章 アルゴリズムの実装の比較
第 4 章 ライブラリのエコシステムの比較
第 5 章 学習ロードマップ
テスト駆動開発から始めるプログラミング入門
Grokking Functional Programming
Grokking Concurrency
関数型デザイン - 原則、パターン、実践
実践データベース設計:基幹業務システム編
Docker/Kubernetes 実践コンテナ解説
開発
開発
概要
戦略
戦略
概要
要件
要件
概要
設計
設計
概要
ADR
ADR
概要
001 Python 版の機械学習・可視化・API ライブラリの選定
002 Kotlin 版の機械学習・データ・可視化・API ライブラリの選定
003 TypeScript 版の機械学習・データ・API ライブラリの選定
004 F# 版の機械学習・データ・可視化・API ライブラリの選定
005 Java 版のビルド・テスト・静的解析・機械学習・API ライブラリの選定
006 C# 版のビルド・テスト・静的解析・機械学習・API ライブラリの選定
007 Scala 版のビルド・テスト・静的解析・機械学習・API ライブラリの選定
008 Go 版のビルド・テスト・静的解析・機械学習・API ライブラリの選定
009 Rust 版のビルド・テスト・静的解析・機械学習・API ライブラリの選定
010 Ruby 版のビルド・テスト・静的解析・機械学習・API ライブラリの選定
011 Clojure 版のビルド・テスト・静的解析・機械学習・API ライブラリの選定
012 Elixir 版のビルド・テスト・静的解析・機械学習・API ライブラリの選定
013 PHP 版のビルド・テスト・静的解析・機械学習・API ライブラリの選定
014 Haskell 版のビルド・テスト・静的解析・線形代数・API ライブラリの選定
015 なでしこ3 版の処理系・テスト・静的検査の選定
運用
運用
概要
レビュー
レビュー
概要
概要
Table of contents
レビュー一覧
リファレンス
リファレンス
概要
よいソフトウェアとは
ロジカルシンキング
開発ガイド
開発ガイド(AI-DLC 版)
AI-DLC 導入ガイド
AI-DLC 用語集
ドキュメント構成ガイド
経営戦略分析ガイド
ビジネスアーキテクチャ分析ガイド
要件定義ガイド
ユースケース作成ガイド
ユースケース作成ガイド(AI-DLC 版)
アーキテクチャ設計ガイド
データモデル設計ガイド
ドメインモデル設計ガイド
UI 設計ガイド
テスト戦略ガイド
非機能要件定義ガイド
運用要件定義ガイド
インフラ設計ガイド
コーディングとテストガイド
コーディングとテストガイド(AI-DLC 版)
エクストリームプログラミング
リリースガイド
リリース・イテレーション計画ガイド
リリース・イテレーション計画ガイド(AI-DLC 版)
環境変数管理ガイド
言語別開発ガイド
Java アプリケーション環境構築ガイド
TypeScript アプリケーション環境構築ガイド
運用スクリプト作成ガイド
Codex CLI MCP アプリケーション開発フロー
Codex CLI MCP サーバー設定手順
SonarQube ローカル環境セットアップ手順書
Vim 操作マニュアル
OKF 導入ガイド(Open Knowledge Format v0.2)
企業経営論
運営管理
テンプレート
テンプレート
概要
まずこれを読もうリスト
ビジネスアーキテクチャ
要件定義
完全形式のユースケース
設計
ADR
インセプションデッキ
イテレーション計画
イテレーション完了報告書
リリース計画
リリース完了報告書
アプリケーション開発環境セットアップ手順書
開発環境セットアップ手順書
AWS ステージング環境セットアップ手順書
AWS プロダクション環境セットアップ手順書
企業分析
事例分析
README
レビュー
¶
分析フェーズの成果物に対するマルチパースペクティブレビューの結果を管理します。
レビュー一覧
¶