0. 機械学習準備プロジェクト

クライアントと製品に基づく実世界のプロジェクト

このコースは、教師あり学習と教師なし学習のコンテンツを厳選してまとめたものです。

重要：このコースは、私のUdemyプロフィールにある過去の2つのコースの教材を再利用しています。すでにそれらを受講している場合は、これは両方を統合・再編成したものであり、別々のコースを行き来することなく、一貫した学習体験を提供することを目的としています。

1. 実践プロジェクトと現実の応用

プロジェクト1：WebトラフィックのA/Bテスト
このプロジェクトでは、実際の企業のWebトラフィックデータを使用して、2つのページバージョンがコンバージョン率に与える影響を評価します。以下を学びます：

• Pandasを使用したトラフィックデータのクリーニングと探索

• t検定や仮説検定などの統計的手法の適用

• 結果の視覚化とデータに基づく意思決定

• Webサイトのパフォーマンスを最適化するためのアクション可能なインサイトのレポート作成

プロジェクト2：機械学習のための銀行データ探索
この実践的なケースでは、銀行のクライアント情報を含む金融データセットを分析し、パターンを検出して将来の機械学習モデルの準備を行います。次のことに焦点を当てます：

• PandasとNumPyを使用したデータのクリーニングと変換

• Seabornを使った視覚的探索で傾向と相関関係を特定

• 記述統計を用いて顧客行動を理解

• 予測モデル用にデータセットを準備

プロジェクト3：保険データ分析
保険会社のデータを使用して、ポリシーコストやクライアントリスクに影響を与える主要な要因を特定します。次を学びます：

• 顧客および請求データのクリーニングと変換

• 傾向や異常値を見つけるための探索的データ分析技法の適用

• 意思決定を支える記述統計と視覚化の活用

• リスク予測モデルのためのデータ準備

プロジェクト4：マルウェアデータ分析
このプロジェクトでは、マルウェア情報を含むデータセットを分析し、サイバー攻撃パターンを検出して脆弱性の予防に役立てます。以下に焦点を当てます：

• マルウェアデータのクレンジングと構造化

• 関連する特徴を特定するための視覚的探索

• データ品質を向上させる前処理手法の適用