강의

멘토링

로드맵

Inflearn brand logo image
Data Science

/

Data Analysis

Pythonで始まるマシンラーニング+ディープラーニング

機械学習&ディープラーニングの基礎から確実に! Pythonに分類/回帰/クラスター/人工ニューラルネットワークの作成と活用まで

  • ilifo
이론 실습 모두
Python
sklearn
Machine Learning(ML)
Deep Learning(DL)
Keras

こんなことが学べます

  • 機械学習とディープラーニングの概念、機械学習の主なプロセス

  • 機械学習モデルのパフォーマンスを向上させるための方法:前処理、クロス検証、次元縮小、早期学習終了

  • 実習をもとに学ぶ回帰/分類/群集など多様な機械学習モデル

  • 人工ニューラルネットワークの特徴と構成、学習手順

  • CNNとRNN、画像とテキスト処理のための人工ニューラルネットワーク

私に必要な人工知能を正しく活用しよ

パンダスを利用したデータ探索過程でも十分にデータを理解して分析することができますが、データ分析モデルを使用すれば、より高度な数学、統計アルゴリズムを適用してデータ分析を進めることができ、これにより人の経験や直観で発見できなかった新しい分析結果を得ることができます。私たちがよく機械学習ディープラーニングと呼ぶのがデータ分析モデルであり、サイケラン(sklearn) テンソルフロー(TensorFlow) ケラス(Keras)がデータ分析モデルを作るのに使用する代表的なPythonフレームワークです。

データモデルは、単にパッケージの使い方だけを知っていると、正しく活用することは困難です。データ分析モデルの作成手順とアルゴリズムの主な特徴を理解し、モデルを設計するプロセスが必要です。つまり、さまざまなデータ型(数値型、カテゴリ型、画像、テキストなど)を使用して分析モデルを作成するプロセスの全体的な理解が先行している状態で、特定の目的を果たすアルゴリズムを深く理解する必要があります。

このレッスンでは、次の機械学習、ディープラーニングアルゴリズムを扱っています。

機械学習

  • 意思決定木(Decision Tree)、

  • KNN(K Nearest Neighbor)

  • SVM (Support Vector Machine)

  • ロジスティック回帰(Logistic Regressor)

  • ランダムフォレスト

  • LightBGM

  • 線形回帰(Linear Regressor)

  • K-Means


ディープラーニング

  • 基本ニューラルネットワーク(Dense)

  • 畳み込みニューラルネットワーク(CNN、Convolution Neural Network)

  • 循環ニューラルネットワーク(RNN、Recurrent Neural Network)


そして、よく転がるアルゴリズムのための次の要素も一緒に扱っています。

モデル評価方法

  • 分類(精度、特異度、感度、精度、...)

  • 回帰(MSE、RMSE、MAPE、結晶係数、...)

  • 群集(シルエットスコア)

データ駆動型のパフォーマンスを改善する方法

  • クロス検証

  • スケーリング

  • 次元縮小


モデルベースの性能改善方法

  • アンサンブルモデル

  • ハイパーパラメータのチューニング

  • 早い学習終了


この講義の特徴

📌 機械学習、ディープラーニングに初めて接する方のための入門講義です。

📌機械学習プロセスに基づく説明で、モデリングの全体的なプロセスをすばやく把握できます。

📌さまざまな練習の例を使用して、データモデリングの基礎となることができる実用中心のPython講義です。

サイケラン(sklearn)、テンソルフロー(TensorFlow)、ケラス(Keras)を用いた機械学習&ディープラーニング

このレッスンでは、機械学習、ディープラーニングを説明する前に、各モデルのアルゴリズムがどのように流れるかをプロセスに基づいて説明します。そのため、今学ぶ内容が全体のプロセスのどの部分に該当し、なぜ必要なのかを把握することができ、機械学習、ディープラーニングモデルを明確に理解し、大きな流れをつかむまでの時間投資を大幅に減らすことができます。予測アルゴリズムや分類アルゴリズム学習を通じて普遍的に使用できる学習モデルをはじめとして、CNN、RNNなど、複数の機械学習、ディープラーニングモデルについて学び、人工知能の活用に対する自信を得てください。

こんな方におすすめです

NumPyとPandas、それから?
Python基礎修了後
何をもっと学ぶべきかわからない
行く道を失った方へ
スワイプマシンラーニング&ディープラーニング

データアナリストを夢見ている方
予測や分類モデルなど
基本モデルから人工ニューラルネットワークまで、
さまざまな分析モデルの
しっかりした理解に基づいて
関心領域を具体化してみてください。

AI、私の仕事で簡単に食べるには?
人工知能、遠い話ではありません。
より高度な数学、統計アルゴリズムを適用して、レベルの高いデータ分析を進めてください。

このような内容を学びます。

機械学習&ディープラーニングの主な概念とプロセス

その後、学習の基本となる、機械学習の種類と学習手順について学びます。

様々な機械学習アルゴリズムの実践

回帰/分類/群集など、さまざまなモデルの生成、評価、改善方法を実習で学びます。

人工ニューラルネットワーク構成実習

人工ニューラルネットワークの特徴と学習手順、重みの最適化のための設定方法について学習します。

RNNとCNN

画像処理に優れたパフォーマンスを示すCNN、自然言語、時系列データのためのRNNベースの人工ニューラルネットワークについて学びます。

機械学習プロセスに基づいてそれぞれのモデル特性に合った説明が行われ、見知らぬモデルも各段階で必要なものが何であるかを簡単に把握して活用できます。

[Pythonで始まるデータ分析]で分析の基礎を築いたら

[Pythonで始まるマシンラーニング+ディープラーニング]でAI活用まで!

受講前の注意

練習環境

  • 練習はグーグルコラボに基づいて行われます。

  • この講義の機械学習はPythonサイケラン(sklearn)を使ってサンプルコードを作成し、ディープラーニングはケラス(Keras)+テンソルフロー(TensorFlow 2.8.0)を使ってサンプルコードを作成しました。

こんな方に
おすすめです

学習対象は
誰でしょう?

  • Pythonの基本的な文法は学びましたが、次に何をすべきかわからない人

  • 最近大勢というAIで仕事を楽にしたい方

  • 未来のアルファ高開発者になる方

こんにちは
です。

261

受講生

12

受講レビュー

2

回答

4.3

講座評価

3

講座

빅데이터, 인공지능 분야의 교육 콘텐츠를 개발하고 운영하는 데이터 교육 전문기업입니다.

 

인스타그램: https://www.instagram.com/ilifo0182/

유튜브: https://www.youtube.com/channel/UCYqYscK7l_1Z5AT1Of0KUkQ

カリキュラム

全体

28件 ∙ (8時間 8分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

全体

5件

3.8

5件の受講レビュー

  • yuhyunkim1884님의 프로필 이미지
    yuhyunkim1884

    受講レビュー 1

    平均評価 3.0

    3

    100% 受講後に作成

    • youngjetak0889님의 프로필 이미지
      youngjetak0889

      受講レビュー 1

      平均評価 5.0

      5

      100% 受講後に作成

      役に立ちました

      • jiho81hong7039님의 프로필 이미지
        jiho81hong7039

        受講レビュー 2

        平均評価 3.0

        3

        100% 受講後に作成

        いいね

        • dekman5505님의 프로필 이미지
          dekman5505

          受講レビュー 1

          平均評価 5.0

          5

          61% 受講後に作成

          頭にすっぽり整理があっても、

          • sungmini12317867님의 프로필 이미지
            sungmini12317867

            受講レビュー 1

            平均評価 3.0

            修正済み

            3

            50% 受講後に作成

            資料が不足しています!私が見つけられないのか... 講義は良いです

            ¥4,016

            ilifoの他の講座

            知識共有者の他の講座を見てみましょう!

            似ている講座

            同じ分野の他の講座を見てみましょう!