プロダクション
登録はありません。
コースシラバス
Step1 イントロダクション
- Section1. コース概要
- Section2. 機械学習の種類
- Section3. 線形代数
- Section4. 確率
- Section5. Python
- Section6. Step1 演習
Step2 回帰
- Section1. 回帰
- Section2. 回帰問題
- Section3. 線形回帰モデルの学習
- Section4. 実践に向けて
- Section5. Step2 演習
Step3 分類
- Section1. 分類問題とは
- Section2. ロジスティック回帰とは
- Section3. 実践に向けて
- Section4. Step3 演習
Step5 機械学習モデルの実践に向けて
- Section1. 実用上の問題と考えられる原因
- Section2. オーバーフィッティング対策
- Section3. モデルの選択
- Section4. データの前処理
- Section5. 巨大なデータを集める前に
- Section6. Step5 演習
Step4 ニューラルネットワーク
- Section1. ニューラルネットワーク
- Section2. なぜ隠れ層が必要なのか
- Section3. ニューラルネットワークの学習
- Sectio4. Step4 演習
Step6 サポートベクトルマシン
- Section1. サポートベクトルマシンとは
- Section2. カーネル法
- Section3. サポートベクトルマシンの実践
- Section4. Step6 演習
Step7 教師なし学習
- Section1. 教師なし学習とは
- Section2. k-meansクラスタリング
- Section3. 主成分分析
- Section4. Step7 演習
Step8 ディープラーニング
- Section1. ディープラーニングの基礎
- Section2. ディープラーニングの応用例
- Section3. ディープラーニングの主なモデル
- Section4. Step8 演習
機械学習コース リソース
- リソース
- オプション
コース詳細
登録はありません。