
Rプログラミング基礎を整える
coco
Rプログラミングについて全く知らない方を対象とするRプログラミングの基礎を固める授業です。
입문
R
理論と実践は異なります。機械学習の基本概念を把握し、必ず知っておくべきいくつかのモデルの中核概念と理論を紹介します。そして、さまざまなデータを扱いながら、実践に役立つさまざまな技術とノウハウを共有します。

学習した受講者のレビュー
5.0
eastone0508
教育が楽しかったです。
5.0
김동현
現業に役立つことが多いようです。
5.0
blueday
講義ありがとうございます。
機械学習と人工知能の基本概念
線形回帰分析
知っておくべき機械学習モデルの重要な概念
クラスの不均衡問題を解決する技術
群集解析の概念と理論
データを正しく分析する方法
初心者データサイエンティストのための第一歩!
機械学習と人工知能の基本的なコアコンセプトを学びたいですか?このレッスンでは、データサイエンティストになるために必要な重要な概念と理論、そして実践に必要なさまざまなテクニックを紹介します。
そこで、この講義では数学的な説明ではなく、核心中心の概念説明で初心者の方々も簡単に理解できるようにしました。さらに、本番でデータを扱うときに遭遇する問題と、それらを解決するためのいくつかの方法とノウハウも一緒に共有します。
機械学習モデル
コアコンセプトと理論
知りたい方
データサイエンティストとして
急成長
ご希望の方
本番で必要
機械学習技術とノウハウ
身につけたい方
内容をすべて学習したら、少なくともデータサイエンティストとしてデータを正しく分析できるように講義を構成しました。さらに、データドメインに合った適切な実験設計を行い、モデルパフォーマンスを向上させるための変数の選択やモデリングまで行うことができるようになります。
Q. 講義を聞くには数学的知識がたくさん必要ですか?
学部レベルの統計学が必要ですが、関連知識がなくても無防備です。
Q. Rを扱うことを知っておくべきですか?
はい、RまたはPythonをある程度行うことを前提としてクラスを進めます。下
Rプログラミング基礎を整える
データ分析、Rプログラミングが初めてなら? 無料講義
経験からの
コアノウハウ
渡す
鮮やかに
学ぶ
ライブコーディング
様々な
データとして
実戦感覚アップ
単に機械学習理論を講義し、データに適しているだけの実践では終わりません。 7回参加したビッグデータ大会(7回本選進出、5回受賞)と多様なプロジェクトを通じて得た経験からデータ分析を上手くするためのノウハウを最大限にお届けしたいと思います。
実際に私がデータ分析を行う過程をお見せするために、ほとんどは実習はライブコーディングで行われます。コーディングの過程で分からないことが生じたときに、どのように検索を行い、どのように適用するかまで細かくお見せします。
さまざまなデータを扱います。例としてよく使われるBoston Houseの住宅価格予測データを含め、多重共線性が非常に強いシミュレーションデータ、映画レビュー肯定/否定予測(韓国語)データ、ソウルのヴィラチャーター値予測データ、Kaggleのottoデータなど様々なデータを取り扱い、実戦感覚を身につけるようにします。
機械学習とは何か、機械学習で何ができるかについて説明します。また、機械学習とディープラーニングの違いは何であり、さまざまな機械学習モデルとディープラーニングモデルについて簡単に紹介します。また、機械学習とディープラーニングの分野で共通して発生する過適合現象について説明します。
機械学習を学ぶとき、常に最初に学ぶモデルは線形回帰モデルです。それほど簡単でシンプルなモデルですが、性能が良くないというあまり使われない傾向があります。しかし、線形回帰モデルは現業で多く使用され、線形回帰問題では強力なツールです。最も基本となる理論と概念を集中的に扱いましょう。
基本的に知っておくべき機械学習モデルについて説明します。数学的な内容ではなく、理解しやすいように概念中心に講義を進めます。あまり使われていないモデルであるDecision Tree、kNNなどのモデルは、単一モデルとしてはよく使われませんが、他の分野やモデルで多様に活用されます。したがって、等しい時は絶対にできません。さまざまなモデルの概念と活用法を習得し、eXplainable AIで脚光を浴びているShapValueについても紹介します。
クラスの不均衡の問題は、思ったよりもさまざまな分野で頻繁に発生し、さまざまな問題を引き起こします。代表的には、多数のクラス偏向的にモデルが学習して予測性能が低下することが挙げられます。これらの問題を解決するためのさまざまなテクニック(Resampling method)について紹介します。
データの分析は、単にデータを読み取るだけで、モデルに適したプロセスで終わることはありません。基本的には、データの前処理を経てY値を予測するために主要な派生変数を生成し、適切な実験設計を必須に進める必要があります。さまざまな状況に合った実験設計とデータサイエンティストとして知っておく必要のある知識をお届けします。
「機械学習の理論と実践にはかなりの違いがあります。世界にはさまざまなドメインとデータがあり、データを分析するためには単にモデルを学習させることで止まってはいけません。
このレッスンでは、データサイエンスと人工知能の概念と核心をできるだけ簡単に説明し、本番で使用できるさまざまなヒントとノウハウを提供します。今回の講義では、データ分析の実践感を高めるために実力を向上させることができればと思います」
学習対象は
誰でしょう?
機械学習モデルの重要な概念と理論を知りたい人
データサイエンティストとして急速に成長したい人
前提知識、
必要でしょうか?
学部レベルの統計学
Rプログラミングの基礎
8,388
受講生
509
受講レビュー
136
回答
4.4
講座評価
20
講座
学部では統計学を専攻し、産業工学(人工知能)の博士号を取得して今もなお勉強中の無職です。
受賞
ㆍ 第6回ビッグコンテスト ゲームユーザー離脱アルゴリズム開発 / NCソフト賞(2018)
ㆍ 第5回ビッグコンテスト 住宅ローン延滞者予測アルゴリズム開発 / 韓国情報通信振興協会長賞(2017)
ㆍ 2016 気象ビッグデータコンテスト / 気象産業振興院長賞(2016)
ㆍ 第4回ビッグコンテスト 保険詐欺予測アルゴリズム開発 / 本選進出(2016)
ㆍ 第3回ビッグコンテスト 野球試合予測アルゴリズム開発 / 未来創造科学部 長官賞(2015)
* blog : https://bluediary8.tistory.com
主に研究している分野は、データサイエンス、強化学習、ディープラーニングです。
クローリングとテキストマイニングは、現在は趣味でやっています :)
クローリングを利用して、人気のコミュニティ投稿だけを収集して表示する「マロン」というアプリを開発し、
全国のグルメ店リストとブログを収集して、グルメ推薦アプリも作りましたね :) (見事に大失敗しましたが..)
現在は人工知能を研究している博士課程の学生です。
全体
71件 ∙ (14時間 31分)
講座資料(こうぎしりょう):
1. オリエンテーション
10:28
2. 機械学習の概念
13:09
3. 機械学習の区別
06:35
4. 機械学習の種類
25:17
5. ディープラーニングとは?
10:22
6. ディープラーニングのさまざまな分野
19:04
7. モデルの適合性評価
22:25
8. モデルのパフォーマンス指標
15:06
9. 回帰分析とは
08:15
10. 回帰係数の推定
13:32
11. 回帰係数の意味
15:10
12. 多重回帰分析
09:32
13. モデル検定と多重共線性
11:26
14. 多重共線性診断方法
17:36
15. 回帰モデルの性能指標
04:57
17. 交互作用
04:11
18. 回帰モデルの診断
06:28
19. 多項回帰分析
04:15
20. ロジスティック回帰分析
08:53
22. 回帰係数縮小法
08:08
23. 回帰係数縮小法 - Ridge
09:02
全体
29件
4.8
29件の受講レビュー
受講レビュー 4
∙
平均評価 4.8
受講レビュー 5
∙
平均評価 5.0
受講レビュー 5
∙
平均評価 5.0
受講レビュー 6
∙
平均評価 4.5
受講レビュー 2
∙
平均評価 5.0
¥10,465
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!