python

こちらのSoundCloudのオーディオファイルを聞いてみてください。 https://soundcloud.com/andabi/sets/voice-style-transfer-to-kate-winslet-with-deep-neural-networks 男性（匿名）の方の声を有名な女優Kate Winsletにディープラーニングを使用して変換しています。すごいですね！ tensorflow（ディープラーニングライブラリー）numpy（数値計算ライブラリー）Librosa（オーディオ処理ライブラリー）で実現されている様です。 私たちの声も簡単に有名人の声に変換できるのかもしれません。自分の鼻歌を有名歌手（Ed Sheeranとか？）に変換に作品にできる未来はもうすぐそこかもしれません。歌声にも著作権（肖像権）ができそうですね。１コピーごとに数パーセントとか笑

Pythonでデータ処理をする際、グラフで描画と言えばまずはMatplotlibhttps://matplotlib.org/が有名でしょうか。 それ以外にもあまり知られてはいないものの（十分知られているかもですが、、、汗）さらに高度で便利なグラフ描画ライブラリーがありますので紹介します。 seabornhttps://seaborn.pydata.org/index.html#matplotlibをベースに、より多彩で高度なグラフ描画を可能にするライブラリーです。 下記画像の様に非常な多彩で高度なグラフ描画が可能になっています。 Ipyvolumehttps://ipyvolume.readthedocs.io/en/latest/ ３Dのグラフ（動かせます）を描画できるライブラリーです。JupyterNotebook上で import ipyvolume as ipv import numpy as np x, y, z = np.random.random((3, 10000)) ipv.quickscatter(x, y, z, size=1, marker=”sphere”) 上記の様な簡単なコードで複雑な3Dグラフを作成できます。 アニメーショングラフも描画可能です。 Gymhttps://gym.openai.com/envs/#classic_controlグラフ描画とは少々異なりますが、、、機械学習、特に強化学習の検証でよく使用されるCartPole-v1はGymが活用されています。 import gym env = gym.make(‘CartPole-v0’) env.reset() for _ in range(1000): env.render() env.step(env.action_space.sample()) # take a random action 機械学習を勉強した事のある方は見覚えがあるかもしれません。 Pythonは色々なライブラリーが次々とリリースされアップデートされていくのがすごいところですね。canplayの最新音楽トレンド分析は、１月からAI音楽データサイエンスの講義としてもアップグレードします！この様なライブラリーの使用方法もどんどん解説していきますね！

AI、ディープラーニング、機械学習などで使用できる色々な解説図をご紹介します。 画像は小さく見辛いかもしれませんのでダウンロードの上拡大してお使いください。 まずは・ニューラルネットワークの解説チャートcanplayの講義で一番最初に取り上げる基礎中の基礎Perceptronや、RNN、LSTM、VAEを始め、色々なニューラルネットワークが非常にわかりやすくチャート化されています。 ・ニューラルネットワークをグラフィック化したもの さらに詳しくチャート化したものです。 どの様な流れで、どこでどんな数式が使われているか視覚的にわかりやすいですね。 次は機械学習、ディープラーニングでよく使う数式をシートにまとまたもの ここからは機械学習で頻繁に使用される色々なライブラリーの関数やメソッドの一覧シート これは本当に便利です。 keras Numpy Pandas SciPy Matplotlib ggplot2 Scikit-Learn Scikit-Learnはアルゴリズムも視覚的にグラフ化されています。 いかがですか？ canplayの講義でも解説していますが、機械学習、ディープラーニングについて、何かわからない事があった場合、これらの図を是非参考にしてみてはいかがでしょうか？かなり”使える”ものが多いと思います。 是非ご活用ください。