ゼロから学ぶPythonプログラミング
Google Colaboratoryでらくらく導入
内容紹介
プログラミングにはじめて触れる読者を、数値シミュレーションや機械学習まで導く。環境構築も簡単で、教科書として最適な一冊！ Google Colaboratoryで環境構築も簡単！
目次
第1章 Pythonの概要とGoogle Colabの使い方
1.1 Pythonの特徴
1.2 Google Colabの使い方
1.3 課題
第2章 条件分岐と繰り返し処理
2.1 変数と型
2.2 条件分岐と繰り返し
2.3 ニュートン法
2.4 課題
第3章 関数とスコープ
3.1 While文
3.2 ループのスキップと脱出
3.3 関数
3.4 スコープ
3.5 課題
第4章 リストとタプル
4.1 リスト
4.2 タプル
4.3 enumerate
4.4 メモリ上でのリストの表現
4.5 参照の値渡し
4.6 リスト内包表記
4.7 コッホ曲線
4.8 課題
第5章 文字列処理
5.1 文字列と文字コード
5.2 辞書
5.3 正規表現
5.4 ワードクラウド
5.5 課題
第6章 ファイル操作
6.1 ファイルシステム
6.2 Pythonでのファイル操作
6.3 CSVファイルの扱い
6.4 課題
第7章 再帰呼び出し
7.1 再帰呼び出し
7.2 階段の登り方問題
7.3 迷路
7.4 課題
第8章 クラスとオブジェクト指向
8.1 オブジェクト指向
8.2 クラスとインスタンス
8.3 オブジェクト指向プログラミングの実例
8.4 割りばしゲーム
8.5 課題
第9章 NumPyとSciPyの使い方
9.1 ライブラリ
9.2 NumPyとSciPy
9.3 Numpyの使い方
9.4 SciPy
9.5 シュレーディンガー方程式
9.6 特異値分解による画像圧縮
9.7 課題
第10章 Pythonはどうやって動くのか
10.1 コンピュータはどうやって動くのか
10.2 機械語
10.3 プログラミング言語とコンパイラ
10.4 バイトコードとスタックマシン
10.5 逆ポーランド記法
10.6 課題
第11章 動的計画法
11.1 最適化問題
11.2 ナップサック問題
11.3 貪欲法
11.4 全探索
11.5 動的計画法とは
11.6 課題
第12章 乱数を使ったプログラム
12.1 モンテカルロ法
12.2 疑似乱数
12.3 モンテカルロ法による数値積分
12.4 モンティ・ホール問題
12.5 パーコレーション
12.6 課題
第13章 数値シミュレーション
13.1 数値シミュレーション
13.2 差分化
13.3 ニュートンの運動方程式
13.4 反応拡散方程式(グレイ・スコット模型)
13.5 課題
第14章 簡単な機械学習
14.1 機械学習の概要
14.2 重回帰分析
14.3 GANとは
14.4 課題
付録 Pythonのインストール
1 Pythonのライブラリについて
2 Anacondaのインストール
3 Pythonの実行方法