[ASP]Pythonを動かして理解する機械学習 ～回帰と分類～
| 標準学習時間 | 10時間 | 提供元 | トレノケート | | 価格(税込) | 26,400円(税込) | 備考 | --- | |
| 提供形態/付帯教材種別 | 
| 商品コード | DBX0041G |
|
対象者情報
| 対象者 | ・機械学習の原理をPythonとともに学習したい方
・AIエンジニアとしてより深い知識を学習したい方
・Pythonやライブラリの応用を学習したい方
| | 前提条件 | |
|
学習内容の詳細
| コース概要 | 本コースでは、Pythonプログラミングの基礎、AIを理解するための数学を身につけた方向けに、機械学習の全体像を把握し、主に回帰・分類の原理の理解を目指すコースです。
機械学習は、クラウドサービスやライブラリで手軽に行えるようになってきました。しかし、これらをしっかりと使いこなすにはライブラリの中で何が起こっているのか理解した上で、データを扱う必要があります。本コースのハンズオンでは、予め用意されたコードを基に重要なコードを講師の解説に合わせて、Pythonで実際に回帰・分類を実現するコードを実装しながら進めます。
回帰は、次元を徐々にあげていき、どのように実現されるかをプログラムや数学としての理解を目指し、分類では、オーバーフィッティングの問題から2次元3クラス分類ロジスティック回帰モデルの理解を目指します。
| | 学習目標 | ● 機械学習がPythonでどのようにプログラムされるのか理解できる
● ライブラリの中で行われる処理がイメージできる
● D次元線形回帰モデルの仕組みが理解できる
● 2次元3クラス分類ロジスティック回帰モデルが理解できる
| | 学習内容 | はじめに 機械学習とは
-人工知能(AIとは)
-機械学習のコツ
Session1 1次元入力の線形回帰モデル
-年齢と身長の問題
-人工データを作る・表示
-直線モデルをデータの上に表示する
-平均二乗誤差をspreadsheetで計算する
-勾配法
Session2 パラメータの解析解
-解析解
-計算の準備
-まとめ
Session3 2次元線形回帰モデル
-2つの数値から1つの数値を予測する
-人工データの生成
-平均二乗誤差
-解析解を計算する
Session4 D次元線形回帰モデル
-D個の数値から1つの数値を予測する
-解析解の導出
-人口データの生成
-人工データの生成D=4
Session5 線形基底関数モデル
-1次元データの準備
-線形基底関数モデルとは
-ガウス関数を描く
-μの異なる4つのガウス関数
-線型基底関数モデルを描く
Session6 オーバーフィッティングの問題
-線形基底関数によるフィッティング
-Session5で作成したデータと関数準備
-最適なMを探す方法
-テストデータの誤差
-ホールドアウト検証結果
Session7 オリジナルモデル
-線形基底関数モデルの問題点
-モデルAの描画
-最適パラメータの導出（勾配法）
-リーブワンアウト交差検定でモデル比較
Session8 1次元入力2クラス分類ロジスティック回帰モデル
-1次元入力2クラス分類問題
-人工データを生成する
-ロジスティック関数を描く
-最尤推定
-平均交差エントロピー誤差を計算する
-最適パラメータを求める
Session9 2次元入力2クラス分類ロジスティック回帰モデル
-2次元入力2クラス分類問題
-2次元ロジスティック回帰モデルを3Dで描く
-平均交差エントロピー誤差
-最適パラメータを求める
Session10 2次元入力3クラス分類ロジスティック回帰モデル
-2次元入力3クラス分類問題
-2次元入力3分類ロジスティック回帰モデル
-2次元3分類ロジスティック回帰モデルを定義する
-平均交差エントロピー誤差を定義する |
|
ご注意・ご連絡事項
・ソフトウェアのバージョンは最新版と異なる可能性があります。
・受講期間はID発行より90日間です。
・本製品はASPサービスで提供するため、インターネットに接続できる環境が必要です。
|
|