機械学習 - 初級レベル

難易度: ⭐️⭐️☆☆☆

コース詳細

機械学習は、ますます多くのデータを消費する事によって機械の性能を向上させる力を機械に与えるという点で、人工知能の需要な分野です。このコースでは、受講者は機械学習、特にハンズオンでチューターから概念を学び、実用的な問題に様々な機械学習アルゴリズムを適用します。



		

コースの学習目標

コース修了時に受講生は下記の内容を修得できます

  • Python / Rによる基本のプログラミング
  • データ構造の理解
  • 簡単なデータセットを読み、書き、分析するスキル
  • 回帰モデルを使用して連続値を予測するスキル
  • ロジスティック回帰、決定木、サポートベクターマシーン、K最近傍などの様々な分類モデルを使用してデータをカテゴリ別に予測するスキル。
  • 機械学習モデルを評価するスキル

コース受講必要条件

  • 基本のコンピュータースキル

本コースのカリキュラム

    1. 機械学習序説
    2. Pythonの基本プログラミング
      1. コメント
      2. print() コマンド
      3. 基本のデータタイプ
      4. 基本のオペレータ
      5. 基本のコントロールフロー: if 文による条件分岐
      6. 変数と変数の種類
      7. 基本の文字列操作
    3. 基本のコントロールフロー: for ループ
    4. 練習問題
    1. Pythonの複雑なデータ構造:
      1. リスト
      2. ディクショナリ
      3. タプル
    2. Pythonの上級データ構造
      1. Numpy 配列
      2. Pandas DataFrame (データフレーム)
    3. 練習問題
    1. 基本のデータ可視化
    2. Matplotlib (マットプロットリブ) ライブラリ
      1. 図関数
      2. Plot 関数
      3. Show 関数
    3. 散布図, 折れ線グラフ, 棒グラフ
    4. Python/Rにおける上記のプロットの実装
    5. 演習問題
    1. 回帰問題序説
    2. 単純線形回帰モデル
    3. 最小二乗法
    4. 平均平方エラー
    1. 重回帰モデル
    2. 最急降下法
    3. train/test splitを使用したモデル評価
    1. スポーツ、不動産、人文学の3つのテーマの中からデータセットを選択
    2. データ可視化手法を使用したデータセットの調査と分析:
      1. 散布図
      2. 折れ線図
      3. 棒グラフ
      4. バブルプロット
      5. 箱ひげ図
      6. ヒストグラム
    3. 問題を定義し回帰モデルを使って解く
    4. モデルを評価する
    1. 分類問題序説
    2. 決定木モデル
    3. ジニ クライテリア
    4. 決定木モデル実装
    1. k-foldを使った交差検証でモデル評価
    2. Leave-one-out メソッド
    3. 決定木とk-fold交差検証の評価実装
    1. K-近傍法モデル
    2. kのハイパーパラメーター調整
    3. 近傍法モデルの実装
    4. k-fold交差検証で近傍法モデル評価実装
    1. サポートベクターマシーンモデル
    2. サポートベクターマシーンモデル実装
    3. k-fold交差検証でサポートベクターマシーンモデル評価実装
    1. ロジスティック回帰モデル
    2. ロジスティック回帰モデルの実装
    3. k-fold交差検証でロジスティック回帰モデル評価の実装
      1. Pick a dataset from our dataset bank
      2. Using learned knowledge to perform analysis on the dataset.
      3. Make a machine learning model
      4. Evaluate the machine learning model

近日開催のコース / ワークショップ

Group name Start date Session duration Number of sessions Standard price

もっと他のオプションをお探しですか?

本コース修了後には下記のコースを取る事をお薦めします!

FEATURED MENTOR

Tokyo Techies Lecturer

フォン・グエン

人工知能・データサイエンス責任者

  • Tokyo Techies データサイエンス及びリサーチメンター
  • カーネギーメロン大学(Carnegie Mellon University) 修士号取得
  • 大手グローバル企業のAIラボの研究員
  • シンガポール、オーストラリア、アメリカ、ベトナム、日本において実務経験あり
  • 財務管理、マーケティング、事業計画における豊富な管理および技術経験を持つ結果思考の研究者でありデータグルである
  • Java, Python, Rなど複数の異なるプログラミング言語に対応