【データサイエンティスト育成講座】Python初心者も歓迎!機械学習を駆使してビジネス課題を解決するためのエッセンス
3.4 (43 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
453 students enrolled

【データサイエンティスト育成講座】Python初心者も歓迎!機械学習を駆使してビジネス課題を解決するためのエッセンス

ビジネスの現場で即戦力になるデータエンジニアリング力をつけよう。 最新のDeepLearning手法やLightGBMなどの高精度アルゴリズムを網羅しながら 最速でデータサイエンティストになるためのエッセンスを凝縮
3.4 (43 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
453 students enrolled
Created by Haya Ken
Last updated 10/2019
Japanese
Current price: $139.99 Original price: $199.99 Discount: 30% off
5 hours left at this price!
30-Day Money-Back Guarantee
This course includes
  • 5.5 hours on-demand video
  • 4 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • 機械学習を実装するために必要なPythonの基礎知識を習得する
  • numpy, pandas, sklearnを用いて機械学習の実装方法を学ぶ
  • LightGBMを用いて年収予測モデルを作成する
  • 決定木、RandomForestを用いてオンラインニュースのシェア数を予測する
  • Prophetを用いて時系列分析を実施し、株価の予測モデルを作成する
  • Prophetを用いて異常検知プログラムを作成する
Requirements
  • 高校数学の知識が必要
  • 初歩的なPC操作の知識が必要
Description

機械学習やデータサイエンスは、「理解し実装する」のではなく、「道具として利用する」時代へと変わりつつあります。しかし、未だに理解・習得すべきことは存在します。この講座では、その大切な「エッセンス」を体系的に学ぶことができます。

世の中では、

  • 実装はしたものの、なぜか精度が全然高くない

  • 精度は高いのに効果が出なかった

  • 活用されずにプロダクトが終わってしまった

といったように、機械学習が身近な存在になりすぎたことによって、様々な問題が発生しています。

この問題は、適切な知識を得ることで解決できるのですが、機械学習は様々な理論や実装方法が存在し、全て学習することは大変な時間を要します。

「機械学習を利用するために必要な知識・技術とはなんなのか?」

この問いに答え、最速で機械学習を利用できる人材になるための講義に仕上げました。


本講義では、pythonを主に利用します。ただ、pythonに自信がないという方も、一から学ぶことができるようにpythonそのものの講義も作成しておりますのでご安心ください。


※注意事項※

一部、ライブコーディングの際にタイピング音が含まれている講義があります。雑音は極力抑えようと努力していますが、ご留意いただいた上でのご購入をお願いいたします。

Who this course is for:
  • ビジネスに機械学習を活用したい方
  • 実生活に機械学習を活用したい方
  • 知識を得るだけでなく、AIを自分で作りたい方
Course content
Expand all 103 lectures 05:42:13
+ はじめに
2 lectures 06:05
【ダウンロード可】ソースコード&ドキュメント
02:04
+ 【基礎】pythonの基礎(skip可能)
5 lectures 28:35

本セクションの概要を説明します

セクション概要
03:09

Pythonを用いて、整数、文字列を取り扱う技術を習得します


整数、文字列
05:20

リスト、辞書と呼ばれるデータ型について学びます

リスト、辞書
09:37

プログラミング の基本となる、if文やfor文を学び、ロジックを記述する方法を学びます

制御構文
08:08

pythonのmoduleという概念について学びます

モジュール
02:21
+ 【基礎】pandas(skip可能)
4 lectures 13:22

本セクションの概要を説明します

セクション概要
00:42

pandasの基本単位(列)である、Seriesについて学びます

Seriesの操作
03:04

pandasの基本単位で、表を表現するDataFrameについて学びます

DataFrameの操作
08:17

DataFrameを用いて、基本的な統計量の計算方法を学びます

基礎統計
01:19
+ 【基礎】numpy(skip可能)
5 lectures 28:15

本セクションの概要を説明します

セクション概要
01:30

numpy arrayの基本的な操作方法について学びます

基本操作
05:15

numpyのarrayについて、複数の作成方法を紹介します


配列作成
03:46

配列を操作して、自由な形式に変化させることを学びます

配列操作
09:36

簡単な線形代数を用いた行列演算の方法について学びます

行列演算
08:08
+ 【応用】Webスクレイピング
10 lectures 15:24

本セクションの概要を説明します

セクション概要
00:24

webスクレイピングの仕組みを講義形式で学びます

Webスクレイピングの仕組み
01:39

インターネットからhtmlファイルを取得する方法について学びます

【実践】htmlデータの取得_01
01:16

インターネットからhtmlファイルを取得する方法について学びます

【実践】htmlデータの取得_02
02:24

Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます

【実践】Beautiful Soupを用いたhtml解析_01
03:21

Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます

【実践】Beautiful Soupを用いたhtml解析_02
00:35

Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます

【実践】Beautiful Soupを用いたhtml解析_03
01:15

Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます

【実践】Beautiful Soupを用いたhtml解析_04
00:17

Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます

【実践】Beautiful Soupを用いたhtml解析_05
00:44

Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます

【実践】Beautiful Soupを用いたhtml解析_06
03:29
+ 【応用】気候データ分析
15 lectures 38:50

本セクションの概要を説明します

Preview 01:00

線形回帰について、講義形式で説明していきます

線形回帰について_01
02:39

線形回帰について、講義形式で説明していきます

線形回帰について_02
02:02

機械学習の分類問題に対するアルゴリズムとして最も基本的なLogistic回帰について、講義形式で説明していきます

Logistic回帰について_01
02:21

機械学習の分類問題に対するアルゴリズムとして最も基本的なLogistic回帰について、講義形式で説明していきます

Logistic回帰について_02
04:42

ここからは実戦に入っていきます。まずは、データを取得していきます

【実践】データの取得
01:57

データをクリーニングしていく方法について、実践していきます。天気情報を取得します

【実践】データのクリーニング_天気情報を抽出する
02:09

データをクリーニングしていく方法について、実践していきます。天気情報を取得し、機械学習に適した形式へ変換します


【実践】データのクリーニング_機械学習可能な形式へ変換
03:26

基本的な可視化方法を用いて、データについて基本的な理解を進めます

【実践】基礎分析
03:46

分析設計と呼ばれる工程を学びます。

  • 母集団

  • 説明変数

  • 目的変数

  • 検証

について、設計方法をさらっていきます

【実践】分析設計をしてみよう
01:41

今回は、気温や天気などを予測対象、つまり目的変数として分析します。

【実践】目的変数を設定しよう
02:30

sklearnを用いて線形回帰の実装をしていきます

【実践】線形回帰を実装しよう
03:58

まずは、当日の気温を明日の気温とする、という最もシンプルな方法で予測します

【実践】当日の気温で明日の気温を予測する
03:05

線形回帰で明日の気温を予測します

【実践】線形回帰で明日の気温を予測しよう
01:49

LogisticRegressionで、明日の天気がどうなるかを予測するアルゴリズムを実装します

【実践】LogisticRegressionで、明日雨が降るかを予測しよう
01:45
+ 【応用】ビジネス分析1_オンラインnewsの分析
31 lectures 01:38:17

本セクションの概要を説明します

Preview 01:03

決定木について講義形式で学んでいきます

Preview 01:15
決定木について_02
02:54

RandomForestについて、図解を交えながら講義形式で学んでいきます

Random Forestについて
03:40

オンラインニュースのデータを読み込みます

【実践】データの読み込み_01
00:56

オンラインニュースのデータを読み込みます

【実践】データの読み込み_02
01:22

オンラインニュースのデータを読み込みます

【実践】データの読み込み_03
00:58

オンラインニュースのデータを読み込みます

【実践】データの読み込み_04
04:04

オンラインニュースのデータを読み込みます

【実践】データの読み込み_05
03:08

EDAと呼ばれる、データをより深く学ぶための可視化分析を実施します

【実践】EDA_01
05:08

EDAと呼ばれる、データをより深く学ぶための可視化分析を実施します

【実践】EDA_02
05:44

分析設計を実施します

【実践】分析設計_01
03:30

sklearnを用いて決定木を実装します

【実践】決定木の実装_01
05:05

sklearnを用いて決定木を実装します

【実践】決定木の実装_02
01:25

sklearnを用いて決定木を実装します

【実践】決定木の実装_03
02:18
【実践】RandomForestの実装_01
00:02

sklearnを用いてRandomForestを用いた機械学習を実装していきます

【実践】RandomForestの実装_02
03:26

sklearnを用いてRandomForestを用いた機械学習を実装していきます

【実践】RandomForestの実装_03
02:01

sklearnを用いてRandomForestを用いた機械学習を実装していきます

【実践】RandomForestの実装_04
03:30

sklearnを用いてRandomForestを用いた機械学習を実装していきます

【実践】RandomForestの実装_05
01:34

sklearnを用いてRandomForestを用いた機械学習を実装していきます

【実践】RandomForestの実装_06
01:35
【実践】追加講習: 決定木 from scratch_02
03:09
【実践】追加講習: 決定木 from scratch_03
03:45
【実践】追加講習: 決定木 from scratch_04
05:37
【実践】追加講習: 決定木 from scratch_05
04:31
【実践】追加講習: 決定木 from scratch_06
05:56
【実践】追加講習: 決定木 from scratch_07
01:50
【実践】追加講習: 決定木 from scratch_08
07:37
【実践】追加講習: 決定木 from scratch_09
04:23
【実践】追加講習: 決定木 from scratch_10
03:02
+ 【応用】ビジネス分析2_年収予測
23 lectures 01:24:32

本セクションの概要を説明します

Preview 02:22
精度評価について
02:17
True or False, Positive or Negative
04:42
Precision, Recall, Accuracy
03:43
ROC-AUC
04:48
回帰予測の精度指標
02:06
CrossValidationについて
02:08
GBDTについて
04:21
【実践】データの読み込み
02:52
【実践】データのクリーニング01
02:52
【実践】データのクリーニング02
01:41
【実践】データのクリーニング03
02:38
【実践】データのクリーニング04
01:01
【実践】EDA_01
02:39
【実践】EDA_02
03:53
【実践】EDA_03
04:10
【実践】カテゴリカル変数のエンコーディング
04:57
【実践】検証設計
01:09
【実践】LightGBMによる予測分析
08:34
【実践】精度検証_accuracy
05:38
【実践】精度検証_precision
04:25
【実践】精度検証_recall
02:59
【実践】精度検証_ROC-AUC
08:37
+ 【応用】株価分析(応用)
8 lectures 28:53
Prophetについて
05:28
データの読み込み
01:51
データクリーニング
02:21
【実践】Prophetによる予測分析01
02:20
【実践】Prophetによる予測分析02
03:55
【実践】Prophetによる異常検知プログラムの作成01
02:37
【実践】Prophetによる異常検知プログラム02
04:36
【実践】Prophetによる異常検知プログラム03
05:45