What you'll learn:
- Pythonを使って機械学習のアルゴリズムの実装を行うことができます
- 多くの機械学習のアルゴリズムを直観的に理解できるようになります
- 統計学の手法を活用したモデルの評価方法を学ぶことができます
- 強化学習、ディープラーニングなどの実装を行うことができます
- モデルの精度を高める方法を知ることができます
- Google colabの使い方を学ぶことができます
- Tensorflowの使い方を学ぶことができます
このコースは全世界で220万人を超える受講者を持ち、人工知能、機械学習、深層学習の第一人者、SuperDataScienceTeamによってUdemyで公開されているベストセラー「Machine Learning A-Z」の完全日本語版です。
オリジナルの講義の内容を、「講義/Pythonを用いた実装」という形で一から再収録しました（Rの実装は除いています）。
昨今メディアなどで人工知能、AI 、機械学習と言ったキーワードを聞かない日はありませんが、多くの方は 「興味は持っているものの、何から手を付けて良いのか分からない。」 「数学が苦手でとっつきにくい」 と感じている方も多いのではないでしょうか。
本コースはそのような学習者の為にデザインされたコースです。
文書の翻訳といった分野にとどまらず、IPhoneの音声認識、AmazonやNetfrixなどにおけるお勧め機能、Facebookなどにおける画像認識をはじめ、医療、宇宙開発、拡張現実など、あらゆる領域において活用できる可能性を秘めているのが人工知能・機械学習なのです。
また、世の中で生み出されるデータの量の増加により、今後更なる発展が期待される分野とも言えるでしょう。
その一方で、初学者にとって機械学習を学ぶにはハードルが高いという難点がありました。
機械学習の参考書を手に取ってはみたものの、複雑な数式だらけで挫折してしまった、という方もいらっしゃるかもしれません。
更に、機械学習は異なる領域の専門家がそれぞれの見解を元に書籍が作られているため、学ぶ内容に一貫性がないというもの非常に大きな問題でした。
機械学習を学んだことがあるが、挫折してしまった。そんな方にこそ是非受講して頂きたいコースです。
本コースでは、機械学習で用いられる26のアルゴリズムに関し、まずは直観的な理解をし、その上で実装をしていきます。 難しい数式は極力使わないように配慮していますので、数学に苦手意識がある方でもスムーズに学習を進めることが可能です。
また、それぞれのアルゴリズムをカテゴリに分け、まとめて学習を進めていきますので、それぞれの学習内容が有機的につながっていくでしょう。
本コースの内容は以下のとおりです。
Part 1 - データの前処理
Part 2 - 回帰: 単回帰, 重回帰, 多項式回帰, サポートベクトル回帰, 回帰木, ランダムフォレスト（回帰）
Part 3 - 分類: ロジスティック回帰, K近傍法, サポートベクトルマシン, カーネルSVM, ナイーブベイズ, 分類木, ランダムフォレスト（分類）
Part 4 - クラスタリング: K平均法, 階層クラスタリング
Part 5 - Association Rule Learning: Apriori, Eclat
Part 6 - 強化学習: Upper Confidence Bound, Thompson Sampling
Part 7 - 自然言語処理: Bag-of-words model
Part 8 - ディープラーニング: ニューラルネットワーク, 畳み込みニューラルネットワーク
Part 9 - 次元削減: 主成分分析, 線形判別分析, カーネル PCA
Part 10 - Model Selectionとブースティング: k分割交差検証, グリッドサーチ, XGBoost
本講義を終えた時には、機械学習のアルゴリズムに対する理解がぐっと深まっているでしょう。
これからも需要が伸びることが予想される機械学習の分野で、ライバルに差を付けたいという方は、ぜひとも本コースを受講してみてください。
本コースを終えた時には、機械学習に対する見え方が変わっていることをお約束します。
