
本セクションの概要を説明します
Pythonを用いて、整数、文字列を取り扱う技術を習得します
リスト、辞書と呼ばれるデータ型について学びます
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
pythonのmoduleという概念について学びます
本セクションの概要を説明します
pandasの基本単位(列)である、Seriesについて学びます
pandasの基本単位で、表を表現するDataFrameについて学びます
DataFrameを用いて、基本的な統計量の計算方法を学びます
本セクションの概要を説明します
numpy arrayの基本的な操作方法について学びます
numpyのarrayについて、複数の作成方法を紹介します
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
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
本セクションの概要を説明します
webスクレイピングの仕組みを講義形式で学びます
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
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
Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます
Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます
Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます
Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます
Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます
Beautiful Soupを用いて、Yahoo!天気の情報を取得していきます
本セクションの概要を説明します
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、講義形式で説明していきます
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
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
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
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
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
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
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
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。
sklearnを用いて線形回帰の実装をしていきます
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
線形回帰で明日の気温を予測します
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
本セクションの概要を説明します
決定木について講義形式で学んでいきます
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
オンラインニュースのデータを読み込みます
オンラインニュースのデータを読み込みます
オンラインニュースのデータを読み込みます
オンラインニュースのデータを読み込みます
オンラインニュースのデータを読み込みます
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
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
分析設計を実施します
sklearnを用いて決定木を実装します
sklearnを用いて決定木を実装します
sklearnを用いて決定木を実装します
sklearnを用いてRandomForestを用いた機械学習を実装していきます
sklearnを用いてRandomForestを用いた機械学習を実装していきます
sklearnを用いてRandomForestを用いた機械学習を実装していきます
sklearnを用いてRandomForestを用いた機械学習を実装していきます
sklearnを用いてRandomForestを用いた機械学習を実装していきます
本セクションの概要を説明します
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。