|
学習内容
|
1. 機械学習の概要
- 人工知能、機械学習、深層学習
- 機械学習の実装例
- 機械学習と従来型プログラム
- 機械学習の主な種類
2. 教師あり学習
- 教師あり学習の概要
- 教師データ
- 線形回帰
- ロジスティック回帰
- サポートベクタマシン
- 決定木
- ランダムフォレスト
- ニューラルネットワーク
3. ニューラルネットワーク
- ニューラルネットワークの概要
- ニューラルネットワークの構成要素
- 順伝播と逆伝播
- 畳み込みニューラルネットワーク (CNN)
- CNNによる画像分類、物体検出、セグメンテーション
- 再帰型ニューラルネットワーク (RNN)
- RNNによる時系列データ、自然言語処理
4. 教師なし学習
- 教師なし学習の概要
- クラス分類とクラスタリング
- 階層型クラスタリング
- k-means法
- 主成分分析 (PCA)
- オートエンコーダー
- GAN (Generative Adversarial Networks)
5. 強化学習
- 強化学習の概要
- Q学習 (Q-Learning)
- DQN (Deep Q-Network)
6. 機械学習の利用と実装
- 機械学習のビルディングブロック
- データの前処理
- 機械学習の予測精度向上手法
- ライブラリとフレームワーク
- 機械学習のクラウドサービス
- データセットの入手
- 学習済モデル
|