PythonとTensorflowを使って、機械学習の概念と実践技術の両方を学びましょう。
主なテーマごとに5つの異なるプロジェクトを一緒にしながら、あなたのスキルをキーワードにします。

機械学習の基本である線形回帰の概念を学びます。

線形回帰の基本概念を学び、Python TensorFlowを使用してボストンマラソンデータを機械学習で分析して予測します。

約8万件のボストンマラソンビッグデータを利用して希望のランナーを選択すると、30kmまでの記録を機械学習が学習します。そして、残余区間である35、40、42.195kmの記録を線形回帰を用いて予測し、実際のデータと比較します。テンソルフローを利用して線形回帰問題を解決する概念と技術を学びます。

Multi Variable回帰（Regression）問題を理解し、解決方法を習得します。

Multi Variable 回帰(Regression) 問題の基本と解決方法を学び、性別、年齢、Pace 資料を入力して、皆さんと友達のボストンマラソン大会完周録を予測してください。

Multi Variable回帰（Regression）手法を使用して、性別、年齢、Pace値を入力し、約8万件のボストンマラソンビッグデータを学習した機械学習の完期録予測結果を確認してください。マラソンを走らずに機械学習を学習し、分析したデータに基づいて記録を予測します。

Multi Variable、Output 回帰（Regression）問題を理解し、解決方法を習得します。

今回は、Multi Variableを入力してMulti Outputを出力する回帰（Regression）問題の基本と解決方法を学びます。性別、年齢、Pace資料を入力したら、ボストンマラソン大会完周録だけでなく、10、20、30Km区間別の予想記録も一緒に予測してください。

Multi Variable入力とMulti Output出力回帰（Regression）手法を用いて、性別、年齢、Pace値を入力して約8万件のボストンマラソンビッグデータを学習した機械学習が完期録だけでなく、10、20、30km区間別記録を予測します。

Logistic Regression/Classificationの基本であるBinary Classificationの概念を理解し、解決方法を習得します。

マラソンに参加する前に、性別、年齢、Pace資料を入力してQualifyingかどうかを確認してください。過去のボストンマラソン大会の記録に基づいて、あなたのQualifyingの有無を予測します。

Logistic Regressionの基本であるBinary Classification技術を使用して、マラソンのQualifyingかどうかを予測します。 Pythonパンダスの高度な技術を活用して、約8万件の既存のボストンマラソンデータにQualifyingを追加する技術も一緒に学びます。

Logistic Regression/ClassificationのMultinomial Classificationの概念を理解し、解決方法を習得します。

マラソンに参加する前に、性別、年齢、Pace資料を入力して、予想される記録評価を確認してください。過去のボストンマラソン大会記録をもとに、皆様の記録等級を予測します。

Logistic RegressionのMultinomial Classification技法を利用して、マラソンの完走記録を「Outstanding(>25%)」、「Average(25～75%)」と「Below(<75%)」の3つの等級に分け、皆さんの予想評価を予測します。

今後、機械学習を活用したディープラーニング、IoTなど様々な講義をお楽しみください。
講義に使用された資料とプログラムのソースは、私が運営する知識を学ぶためのクリアフル（www.creapple.com）サイトで入手できます。

Pythonの基本とデータの視覚化、分析のためのコースを聞くと、プロジェクトの実行に大きな助けになります。

Python 100分コア講義
Pythonの中心的で基本的な
技術を身につければ、他の過程で大きな力になります。

Pythonデータ視覚化分析実戦プロジェクト

PythonのPandas、Matplotlib、Seabornを使った機械学習、
ディープラーニングなど様々なプロジェクトで活用できる
データの可視化と分析技術を一度に学びましょう。