コンピューター

第1章　各種設定
§1　jupyter notebook の PDF変換方法
§2　Inkscape ( Win10 ) での LaTeX の使用方法
§3　Jupyter Notebook の設定
§4　condaによるインストール時のRemoveErrorの対処法
§5　Basemap のインストール方法
§6　Tensorflow 2.0 で SSD を使用するための修正点
§7　TensorFlow 2.0 での GPU メモリの制限
§8　matplotlib の文字化け対策
§9　Lxyでのヤング図形・ブラケットの書き方
§10　写像の対応関係を表示する方法

第2章　Python
§1　イテレータとは
§2　ジェネレータ関数とジェネレータイテレータ

第3章　GPGPU
§1　Google colaboratoryでの GPU の情報
§2　CUDA
§3　TensorFlow 1.13.1 での GPU 動作の確認プログラム
§4　Windows10 への CUDA & TensorFlow & CuPy のインストール
§5　CUDA Templateの利用法
§6　単精度浮動小数点数

第4章　GitHub Gist プログラムコード
§1　気象衛星データ表示プログラム
§2　CNN による CIFAR10 分類プログラム
§3　1次元反強磁性ハイゼンベルグモデルの厳密解
§4　制限ボルツマンマシンによる基底状態の解析
§5　CUDA の Google Colab での使用方法
§6　Google Colab での 2D Ising model のモンテカルロシミュレーション
§7　ルジャンドル変換
§8　バッチ正規化
§9　マルコフ決定過程
§10　動的計画法による価値関数の学習 : Value Iteration
§11　動的計画法による方策の学習：Policy Iteration
§12　方策反復法（簡単な例）
§13　価値反復法（簡単な例）
§14　モンテカルロ法
§15　GPU 動作確認
§16　WMAP 全天データからの Power Spectrum の導出

第5章　機械学習
§1　パーセプトロン
§2　線形回帰の閉じた解
§3　スカラー値のベクトルでの微分
§4　情報量とエントロピー
§5　損失関数としてのクロスエントロピー
§6　誤差逆伝播法 (I)
§7　誤差逆伝播法 (II)
§8　バッチ正規化
§9　ドロップアウト
§10　2クラスハードマージンSVM
§11　強化学習
§12　マルコフ決定過程と逐次的意思決定問題
§13　方策
§14　逐次的意思決定問題 (1)
§15　逐次的意思決定問題 (2)
§16　ベルマン方程式
§17　強化学習の学習法
§18　Value ベースのベルマン方程式による価値の算出
§19　動的計画法（Dynamic Programming : DP）
§20　動的計画法（簡単な例）
§21　動的計画法:価値反復法（簡単な例）
§22　モンテカルロ法
§23　TD 学習
§24　モデルフリーな制御 (1)
§25　モデルフリーな制御 (2)
§26　モデルフリーな制御 (3)

第6章　TensorFlow
§1　TensorFlow 1.x と TensorFlow 2.0 の比較
§2　Keras によるモデル化

第7章　数値計算
§1　ミー散乱における散乱強度の数値計算
§2　ミー散乱における散乱強度の数値計算 (2)
§3　第一種リッカチ・ベッセル関数の対数微分
§4　sicpy によるミー散乱強度の角度分布の計算
§5　sicpy によるミー散乱の消散効率（extinction efficiency） Qext の計算
§6　複素屈折率の波長依存性を考慮した水滴の消散効率（extinction efficiency） Qext の計算
§7　楕円偏光の計算

第8章　GeoGebra （幾何学）
§1　球面三角形