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
|