Inflearn brand logo image
Inflearn brand logo image
Inflearn brand logo image
AI Development

/

Deep Learning & Machine Learning

うちの母でもできる機械学習(基礎実習)

AIを学ぶ第一歩:人工知能入門者のための最適なカリキュラムを作成!そのうち二つ目、学んだ理論とコードをマッチングさせよう!いよいよ実践だ!学んだ理論をコードで紐解き、自分の知識に対する基盤と自信を固める段階

25名 が受講中です。

  • yc
머신러닝기초
이론 실습 모두
하이퍼파라미터
EDA
Machine Learning(ML)

こんなことが学べます

  • ⭐ モデルパラメータ VS ハイパーパラメータ

  • ⭐モデル別ハイパーパラメータの動作方式の理解

  • ⭐ データを扱う基本常識

  • ⭐ 分類、回帰、クラスタリング、レコメンデーションシステム実習

  • ⭐ ハイパーパラメータチューニング技法

📢この講義は非専攻者を対象とする講義です。

人工知能、とても簡単に解放しました!

統計的、数学的概念はできるだけ排除しました!

理論講義、恐れないでください!

私のお母さんもできる機械学習(基礎実習)

人工知能(AI)

機械学習

Scikit-Learn

コース紹介

  • さまざまなコードアプリケーションのための足場、まさに理論です。

  • 非専攻者の身分でわずか5ヶ月ぶり​​に公募展最優秀賞及び優秀賞、競進大会優勝及びプロジェクト対象及び優秀賞を受けました。

  • 原理を知ってこそ、さまざまな状況、データに応用できます。

  • 人工知能を初めて学びながら注ぐ様々な用語や機関でカリキュラムを追いながら学びながらも異質感が聞こえた学習シーケンスをすべて考案し、初めて学習する人もできるだけ不便なく追いつくことができるように、本当にたくさん悩んで順序を修正して配置しました。

  • 無作為の数学的統計的概念を説明するのではなく、モデルや指標で関連する言及が出たとき、なぜ使用するのか、その式概念の必要性について言及するので、はるかに理解も早く、納得しやすく、学習をよりスムーズにすることができます。

講義概要

  • 理解のために必要な最小限に数学、統計学的概念のみを使用し、そのさえもすべての例に基づいて簡単に理解できるように構成しました。

  • 理論講義で学んだ内容をそのまま実習に適用させ、自分の知識を確認し、その内容をコードで適用し、人工知能分野の入門に対する恐怖と心配を完全に壊してしまいます。

  • 機械学習について知らない方は体系的に負担感なく幅広く学んでいき、機械学習についてご存知の方は概念をもう一度正確に確立することができるようになります。

  • 機械学習の中で直感的に理解できるほぼすべての部分を網羅している基礎過程であり、SVMやROC-AUC、次元縮小自然言語処理(NLP)のような概念は機械学習の深化理論で取り上げられます。

  • すべての講義学習は今後ディープラーニング講義にフォーカスが合わせられていますので、機械学習からしっかりと基礎を固める方におすすめです

実習進行方式

練習問題ファイルを受け取り、まず見てください。

講義を見て問題の空白を埋めて理解します。

実習講義 STEP

1.モデルパラメータVSハイパーパラメータ(理論)

練習のためにハイパーパラメータを正確に理解する時間

2. Decision Tree ハイパーパラメータ(理論)

Decision Tree ハイパーパラメータの正確な理解時間

3. Ensemble ハイパーパラメータ(理論)

Voting、Bagging、Boosting ハイパーパラメータを正確に理解する時間

4. 分類実習(実習)

学んだモデルを通して分類モデル学習とハイパーパラメータチューニングを直接試す時間

4. 線形回帰モデル ハイパーパラメータ(理論)

LinearRegressionのハイパーパラメータがない理由、Ridge、Lasso、ElasticNet、PolynomialFeaturesハイパーパラメータ

を正確に理解する時間

5. 回帰実習(実習)

学んだ回帰モデルとCARTモデルを通してモデル学習とハイパーパラメータチューニングを直接試す時間

6. クラスタリングハイパーパラメータ(理論)

K-means、Mean-shift、GMM、DBSCANハイパーパラメータの正確な理解時間

7. 群集化実習(実習)

学んだ群集化モデルを通じてモデル学習とハイパーパラメータチューニング、結果分析をしてみる時間

8. 推奨システム実習(実習)

理論講義で学んだ推奨システムアルゴリズムの動作方法をコードで確認してみる時間

9. ハイパーパラメータ最適化技法+ファイナル実習(理論+実習)

最適化手法について簡単に見て、すべての内容を整理する練習を進める時間

段階的な学習内容

この講義は5つのカリキュラムのうち2番目のカリキュラムです。残りのカリキュラムは順次公開されます。

講義の特徴

🎯この講義は、コード実習のための理論講義とコード実習で構成されています。

🎯PPTとコード実践資料の提供

講義プレビュー

データ前処理Skewデータログ適用原理

Decision Treeの可視化と学習戦略

Decision Tree ハイパーパラメータの説明

Light GBM ハイパーパラメータの説明

LinearRegression(傾斜下降法 vs OLS)

AdaBoostハイパーパラメータの説明

こんな方に
おすすめです

学習対象は
誰でしょう?

  • ⭐ うちの母でもできる機械学習(基礎理論)受講生

  • ⭐ ハイパーパラメータの理解が必要な人

  • ⭐ 機械学習に関する実習をしたい人

前提知識、
必要でしょうか?

  • Pythonの基礎

  • NumPy、pandasの基礎

こんにちは
です。

135

受講生

10

受講レビュー

5

回答

4.9

講座評価

3

講座

비전공자이기 때문에, 비전공자를 잘 압니다.

비전공자의 시선에서 도움을 드리기 위해 최선을 다하겠습니다.

 

인공지능 사관학교 5기 수료

시계열 농산물 가격 예측 프로젝트 대상

케글 경진대회 1등 (200 )

객체 탐지, RAG 기반 모의면접 프로젝트 우수상

한국인공지능협회 주관 AI활용 사회문제 해결 공모전 최우수상

호남 ICT이노베이션 디지털 신기술 공모전 우수상

カリキュラム

全体

16件 ∙ (6時間 47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

まだ十分な評価を受けていない講座です。
みんなの役に立つ受講レビューを書いてください!

¥3,525

yc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!