機械学習入門
機械学習入門コースターへようこそ！
機械学習は、人工知能（AI）のアプリケーションであり、タスク用に明示的にプログラムしなく、自動的に学習して改善する機能を機械に提供します。機械学習の主な焦点は、そのようなシステムを構築およびトレーニングし、それらを使用して特定の問題を解決するためのアルゴリズムを提供することです。したがって、機械学習とは何か、それを仕事にどのように適用するかを理解することは非常に重要です。
コースの目標
本コースを受講した後、全ての学習者は以下のことができるようになります。
- 機械学習の概念の基礎を理解する。
- 線型代数学、記述統計、確率の基礎を理解する。
- 基本的なPythonプログラミング、Pythonのデータ構造、PandasとNumpy、クラスと継承の使用方法を理解し、応用できる。
- Sklearn, Jupyter Notebook等の機械学習用のツールを理解し、応用できる。
- 事例を使用して、機械学習における教師あり学習と教師なし学習の基礎を概説できる。
コースの構成
モジュール1：機械学習入門
- レッスン1：機械学習へようこそ
- ラボ１：Jupyter Notebook
モジュール2：機械学習のためのPython
- レッスン2：Pythonの基礎：データ構造
- ラボ２：Pythonの基礎
- レッスン3：Python上級：OOP（オブジェクト指向プログラミング）とAPI（アプリケーション・プログラミング・インターフェース）
- ラボ３：Pythonを使用したOOP
- ラボ4：単純なAPIの作成
- レッスン4：PythonでのNumPy
- ラボ５：NumPy
- レッスン5：データとPandas基本操作
- ラボ６：Pythonでのデータ操作
- レッスン6：Matplotlibを使用したデータの視覚化
- ラボ７：Matplotlibを使用してデータを視覚化する
プロジェクト1：テストグレード計算機
モジュール3：機械学習のための数学
- レッスン7：線型代数学 ベクトル（ Vector）
- レッスン8：線型代数学 行列（Matrix）
- レッスン9：多変数微分積分学 勾配（gradient)とデリバティブ（Derivative）
- レッスン10：多変数微分積分学 連鎖律と最適化
- レッスン11：記述統計（Descriptive statistics ）
- レッスン12：相関（correlation)と回帰（regression)
- ラボ8：Pythonを使用した基本的な統計
- レッスン13：確率（probability）
- レッスン14：確率分布（probability distribution）
- ラボ9：Pythonを使用した基本的な確率
プログレステスト
モジュール4：機械学習：事例
- レッスン15：線形回帰（Linear regression）の問題
- ラボ10：住宅価格予測モデル
- レッスン16：分類（Classification ）の問題
- ラボ11：製品評価分析モデル
- レッスン17：クラスタリング（Clustering ）の問題
- ラボ12：ウィキペディア（Wikipedia）のコンテンツのクラスタリング
- レッスン18：レコメンデーション（レコメンド）システム
- ラボ13：曲のクラスタリングモデル
- レッスン19：深層学習（ディープラーニング：Deep Learning）の問題
- ラボ14：画像クエリ問題の情報抽出モデル
プロジェクト2：感情分析と画像分類
学習リソース
現代では、各科目には、印刷された本やオンラインの本など、関連する多数の学習資料があります。FUNiX Wayは特定の学習リソースを提供しませんが、学生が最も適切なソースを選択するための推奨事項を提供します。その個人的な選択に基づいて多くの異なるソースから勉強する過程で、学生は彼らの質問に答えるためにメンターにタイムリーに接続されます。多肢選択問題、演習、プロジェクト、口頭試験を含むすべての評価は、FUNiXによって設計、開発、実施されています。
学習者は、固定された学習教材を選択する義務を負いません。印刷された教科書、MOOC、ウェブサイトなど、適切な情報源から積極的に見つけて学習することをお勧めします。学生は、これらの学習ソースを使用し、ソース所有者のポリシーに完全に準拠することを保証する責任があります。 FUNiXと正式に協力している場合を除きます。さらにサポートが必要な場合は、詳細な手順についてFUNiXアカデミック部門にお気軽にお問い合わせください。
資料元
現在、機械学習に関する多くのオンライントレーニング資料があります。しかし、次のコースは機械学習を開始するための学習シーケンスの優れた情報元であるため、Courseraから選択しました。
- 機械学習のための数学
- 統計基礎
- データサイエンスとAIのためのPython
- 機械学習の基礎：事例
それに、学習者が新しい資料を自分で見つけることを奨励するためにテキストでの講義やオープンソースサイト、またはオンライン非営利サイトへのやリンクも使用します。
フィードバックのチャネル
FUNiXは、[email protected]の電子メールを介して、コースに関連するすべての指摘とフィードバックを受け取ります。