Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS CompTIA Security+ AWS Certified Developer - Associate
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Mindfulness Personal Development Personal Transformation Life Purpose Meditation Coaching Neuroscience
Web Development JavaScript React CSS Angular PHP WordPress Node.Js Python
Google Flutter Android Development iOS Development Swift React Native Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Retargeting
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Analysis Data Modeling Big Data
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Freelancing Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ Unreal Engine Blueprints 2D Game Development Blender
30-Day Money-Back Guarantee

This course includes:

  • 15.5 hours on-demand video
  • 6 articles
  • 4 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
Development Data Science Machine Learning

【徹底的に解説!】人工知能・機械学習エンジニア養成講座(初級編~統計学から数字認識まで~)

単回帰分析・ロジスティック回帰分析・ニューラルネットワークの学習を通じ、機械学習の考え方を学びましょう。最後は手書きの数字を認識する(画像認識の)アルゴリズムをpythonで実装します。AI・機械学習エンジニアになりたい方にお勧めです。
Rating: 4.1 out of 54.1 (415 ratings)
4,351 students
Created by 大橋 亮太
Last updated 5/2020
Japanese
30-Day Money-Back Guarantee

What you'll learn

  • 機械学習を学ぶ上で大切となる【機械学習の考え方】を身につけることができます。
  • 手書きの数字を推測するアルゴリズムをPythonを使って一から実装することができるようになります。
  • 3つのアルゴリズムを関連付けながら学習をすることで、機械学習の基本的な考え方が理解できるようになります。
  • Pythonを使って、一からアルゴリズムを実装することができるようになります。
  • 機械学習で使うデータの特徴や性質を、統計学の知識をもとに学ぶことができます。
  • 尤度の考え方を用いたアルゴリズムの実装方法について学ぶことができます。
  • 微分と機械学習との関係について理解することができます。
  • 確率・統計の基本的な知識を身につけることができるようになります。
Curated for the Udemy for Business collection

Course content

8 sections • 158 lectures • 15h 43m total length

  • Preview05:18
  • Preview07:57
  • Preview06:03
  • Preview05:15
  • Preview03:08
  • Preview02:58
  • 効率的な講義の進め方
    03:23
  • anacondaのインストール
    06:16

  • 機械学習とは
    06:41
  • 機械学習の定義 その1
    06:45
  • Preview02:47
  • Preview05:23
  • 機械学習の罠と進め方
    07:37
  • 機械学習の全体の進め方のイメージ
    04:52
  • 人工知能と機械学習の違い
    07:37

  • はじめに
    01:45
  • Preview05:55
  • Preview04:57
  • 分析の流れ
    01:06
  • インプットデータの特徴と、データの見方
    09:56
  • アウトプットデータの特徴
    01:50
  • どう分析していくかを考える
    02:38
  • 最小二乗法の定義
    04:07
  • Preview07:07
  • 残差の具体的な計算
    06:48
  • Preview07:51
  • 最急降下法の定義と具体的な計算
    08:22
  • 尤度を使った分析の概要、誤差が正規分布に従うとは?
    06:28
  • Preview08:55
  • 対数と極値
    01:52
  • 外れ値の扱い
    02:35
  • 正規化とは
    11:08
  • 正規化したデータを元に戻す方法
    06:00
  • 実装① 前提条件の確認
    07:02
  • Preview03:10
  • 実装③ 最急降下法
    06:28
  • 実装④ 繰り返しで導関数を完成させる
    04:21
  • 実装⑤ インプットデータの取り込み
    06:33
  • 実装⑥ トレーニング回数の設定
    03:41
  • 実装⑦ 入力データのあてはめ、モデルの完成
    07:06
  • 実装⑧ モデルの検証
    06:14
  • 実装⑨ グラフの描画による検証
    05:36
  • ソースコード
    00:04
  • 演習1 データの正規化をしてみよう
    00:40
  • 回答1 インプットデータの正規化
    04:48
  • 回答2 実装への反映とコードの検証・修正
    03:58
  • 回答3 正規化した直線を元に戻す
    05:24
  • (参考)入力データの正規化を一般的な書き方で表現する
    06:12

  • はじめに
    02:10
  • Preview11:25
  • Preview05:31
  • オッズ比
    02:13
  • Preview05:36
  • どうやってモデルを構築するか
    02:58
  • Preview09:28
  • モデルの構築(シグモイド関数の導出)
    09:55
  • 対数を取ることの是非
    03:47
  • シグモイド関数を用いた具体的な確率の計算
    03:05
  • Preview04:53
  • Preview03:32
  • どう分析していくかを考える
    03:53
  • ロジスティック回帰分析における尤度関数
    11:45
  • Preview07:54
  • 対数尤度関数の導関数の導出
    08:02
  • 尤度関数の形と単調増加関数のメリット
    09:36
  • 実装① 前提条件の確認
    03:57
  • 実装② 導関数と最急降下法
    07:15
  • 実装③ シグモイド関数
    01:58
  • 実装④ インプットデータの取り込み
    03:01
  • 実装⑤ トレーニング回数、初期重みの設定とコードの調整
    04:32
  • 実装⑦ グラフの描画による検証
    09:02
  • ソースコード
    00:04
  • 演習2尤度をグラフに表示してみよう
    00:31
  • 回答1 尤度関数とグラフの実装
    05:44
  • 回答2 αを変化させることによるグラフの変化の考察
    06:58

  • はじめに
    04:28
  • 問題提起
    02:14
  • ロジスティック回帰分析の限界
    03:33
  • ニューラルネットワークとロジスティック回帰分析の関係
    07:35
  • 具体的な数字を使ったニューラルネットワークの計算
    12:30
  • 活性化関数について
    03:30
  • Preview02:54
  • Preview12:01
  • バックプロパゲーション(誤差逆伝搬法)
    16:27
  • (参考)一般的な重みの数え方
    04:45
  • 実装① 前提条件の確認
    09:50
  • 実装② フォワードプロパゲーション(各関数の実装)
    04:41
  • 実装③ 誤差の変化率と最急降下法
    10:18
  • 実装④ インプットデータの取り込み
    05:18
  • 実装⑤ コードの調整
    03:10
  • 実装⑥ 初期重み・繰り返し回数の設定
    04:45
  • 実装⑦ コードの実行と検証
    05:02
  • 実装⑧ モデル修正の考え方
    05:45
  • ソースコード
    00:04
  • 演習3 活性化関数を変更してみよう
    03:48
  • 回答1 tanhの導関数
    03:24
  • 回答2 コードの実装
    06:00
  • 回答3 コードの検証
    02:51

  • Preview02:08
  • 全体の流れと「その1」との違い
    05:38
  • 行列の基礎(積と転置)
    10:28
  • Preview07:40
  • バックプロパゲーションの流れ
    09:19
  • 実装① 流れの確認
    03:05
  • 実装② インプットデータとノードの設定
    05:49
  • 実装③ シグモイド関数と重みの設定
    03:57
  • 実装④ フォワードプロパゲーション
    03:53
  • 実装⑤ バックプロパゲーション
    11:11
  • 実装⑥ 検証用のコードの作成
    02:58
  • Preview05:34
  • 実装その他2 画像のデータ化
    08:55
  • 実装⑦ 検証データの設定
    08:05
  • 実装⑧ 検証データの精度の確認
    05:27
  • ソースコード
    00:05

  • 微分とは
    04:38
  • Preview06:57
  • 解析的・直感的と機械学習の関係
    05:53
  • 微分の定義
    11:29
  • 右微分係数と左微分係数
    07:18
  • Preview06:52
  • 微分の連鎖律(合成微分律)
    10:04
  • 上に凸、下に凸(二回微分)
    09:22
  • Preview13:25
  • 偏微分(解析的)
    08:00

  • Preview09:06
  • 統計学と機械学習の関係
    03:56
  • 統計学で学ぶ内容
    03:30
  • Preview04:59
  • データの分類
    07:11
  • Preview06:15
  • データを整理する方法(度数分布表)
    05:24
  • データを整理する方法(ヒストグラム)
    02:33
  • 平均値、中央値、最頻値
    07:14
  • Preview06:33
  • 標準偏差が重要な理由
    05:34
  • 偏差値とは
    07:31
  • 推測統計の概要
    02:25
  • Preview13:10
  • 公理主義的定義のメリット
    04:01
  • 確率の用語の定義(集合、積集合、和集合)
    07:25
  • 順列と組み合わせ
    08:44
  • 確率変数
    02:40
  • 確率分布
    05:49
  • Preview07:06
  • 二項分布のグラフ
    06:47
  • ポアソン分布
    13:00
  • ポアソン分布の証明
    11:34
  • 正規分布
    03:22
  • Preview06:48
  • 中心極限定理
    12:14
  • 大数の法則と中心極限定理のまとめ
    02:46
  • Preview02:37
  • 標本から母集団を予想する方法
    10:29
  • 標本の数が増えた場合
    08:51
  • 推測統計のまとめ
    02:43
  • 尤度とは
    08:42
  • Preview08:19
  • 尤度の具体的な計算(正規分布)
    09:36

Requirements

  • 機械学習に関する前知識は一切必要ありません。
  • Pythonの基本的な文法を理解していると良いかと思います。

Description

「機械学習はやっぱり難しい。。」


最近、こんな声をよく聞きます。


本やインターネットで調べてみても、書かれているのは見たことも無いような数式ばかり。


どこを見ても難しい解説ばかりで、本やサイトを閉じてしまった方も少なくないのではないでしょうか?


たしかに、機械学習は数時間で身につけることができるようなものではありません。


ただ、教える側が分かるように教えていない。

ということも、機械学習を苦手に感じてしまう人が多い原因の一つではないかと考えています。


例えば、弁護士が専門用語を使って依頼者に説明したところで、依頼者は何を言われているのか分からないですよね。

機械学習もそれと同じです。


これから機械学習を学ぶ方からすると、必要な知識・用語について何も分からないのは当たり前。

だからこそ、教える側は専門的な言葉を使ってはいけない(または、しっかりと一つ一つの言葉について説明をしなければいけない)のです。


機械学習はこれからも伸びていくことが予想される分野です。そして、何よりも機械学習のアルゴリズムを実装できると達成感を感じることができますし、何よりも楽しいです。


ただ、面白いだけでも意味がありません。

ですので、この講義は順番に学習を進めていく中で【機械学習の考え方がしっかりと身につく】ように意識をしてカリキュラムを組んでいます。


これから機械学習エンジニアとして活躍したい方も、機械学習に何となく興味がある方も、是非この講義を聞いて学びを深めて頂ければと思います。



--この講座の5つの特徴--


1. 難しい数式は極力使いません。

機械学習のテキストなどを見ると、見たこともないような数式が沢山出てくると思いますが、そういった数式を使わなくとも学習することは可能です。

むしろ、難しい数式を使うことで、大切な基礎が見えなくなってしまうと考えています。

ですので、この講義では極力難しい数式は使わず、シンプルに説明することを心掛けています。

必要に応じて難しい数式を使う場面もありますが、その場合はしっかりと基礎から説明しておりますのでご安心下さい。

(難しいと感じた場合はQ&Aなどでご連絡頂ければ幸いです。)


2. 定義だけを読むといった講義は行いません。

この講義では、可能な限り一つ一つの用語に対して具体的な例を用いて説明することを心掛けています。

なぜなら、言葉の説明だけを聞いても理解することは難しいのが普通だからです。

例えば、「確率とは、偶然起こる現象の現象全てに対する割合」と説明されても全く頭に入らないですよね。

そうではなく、サイコロの例を使って説明すれば理解が深まることはイメージできるのではないかと思います。

(偶然起こる現象をサイコロで1の目が出る確率、現象全てを1~6の目が出る確率、とすればイメージが湧きやすいですよね。)

他方、説明をお聴きになる中で少し冗長に思われることもあるかもしれませんので、そういった場合は、適宜講義をスキップして頂きながら、学びを深めて頂ければと思います。


3. 機械学習に関する複数の学習分野を、関連付けて説明しています。

機械学習を理解することを難しくしている理由の一つとして、「複数の学習分野にまたがっている」ことが挙げられます。

例えば、統計学と機械学習は何がどう関連しているか、イメージできるでしょうか?

機械学習の基本的な考え方として、統計学における「推測統計」が使われているのですが、そういった繋がりを知ることで、機械学習に対する理解をぐっと深めることができるようになります。

個別の分野を有機的につなげることによって、加速度的に機械学習への理解を深めて頂ければと思います。


4. pythonを使った実装では、ライブラリは使いません。

この講義では、機械学習のライブラリを使わず、pythonを使って一から実装を進めていきます。

ライブラリを使えば簡単に実装をすることができますが、それでは機械学習の本質的な部分は全く分からず、出てきた結果の妥当性の検証をすることもできません。

逆に、一から実装することができるようになれば、ライブラリは簡単に使いこなせるようになります。

一つ一つのアルゴリズムを理解していても、実装するとなると別問題。実際に実装することで、多くの学びを得ることができます。

ですので、この講義ではライブラリを使わず、一から実装を進めていきます。


5. 具体的な成果物が作れるようになります。

最後は手書きの数字を認識するアルゴリズムを作ります。実際に動くアルゴリズムを一から作ることで、機械学習の知識が深まったことを実感できるようになります。

また、自分で書いた数字を機械が認識していることを確認することで、機械学習を少し身近に感じることができるようになると思います。

是非とも最後まで講義を聞き、成果物を作ることで達成感を感じて頂ければと思います。


(この講義でお伝えしないこと)

この講義では、最先端の機械学習アルゴリズムや、行列を使った数式の表現は含まれておりません。

機械学習の基本的な考え方を身につけるうえで、上記のような情報はかえって理解の妨げになると考えているからです。

ですので、上記の内容を学びたいかたはこの講義は最適ではない可能性があること、お含みおき頂きたく、よろしくお願い致します。


--この講義の対象者--


この講義は、機械学習について興味がある方であればどんな方でも対象になりますが、その中でも「機械学習の基礎をしっかりと身につけたい」という方に是非聞いて頂きたいと考えています。

最後に具体的な成果物を作成しますが、それでも講義の中心となるのは「機械学習の考え方」を身につけることです。ですので、どうしても説明が長くなってしまい、少し退屈してしまうことがあるかもしれません。

それでも、講義を終えた際には、「今まで何となく流し読みしていたサイトや本の内容が頭に入ってくる」感覚を持っていただけるのではないかと思います。

どれだけ難しい言葉を使って説明がされていたとしても、基礎をしっかりと身につけていけば理解することができるからです。


これから機械学習エンジニアとして成長していく上で、基礎や基本的な考え方を身につけるのは早いに越したことはありません。

この講義を活用し、機械学習に対する理解をどんどん深めて頂ければ幸いです。


Who this course is for:

  • 機械学習についてこれから学習したいと考えている方
  • 機械学習について少し勉強したことがあるが、何となく理解できている感じがしない方
  • Pythonの基本的な文法を学び終え、機械学習分野で一から実装をしたいと考えている方
  • ライブラリに頼らずに機械学習の実装をしたい方
  • 機械学習の基本的な考え方をしっかりと理解したい方
  • 機械学習の基礎的な知識をまとめて(統計学や微分などを)身につけたい方
  • アルゴリズムの改善を自分でできるようになりたい方

Instructor

大橋 亮太
ITとビジネス / 中小企業庁認定専門家
大橋 亮太
  • 4.3 Instructor Rating
  • 4,120 Reviews
  • 22,869 Students
  • 5 Courses

↑上の名前(大橋亮太)をクリックすると、IT以外のビジネスコンテンツを発信しているリンク(note、twitter等)を見ることができます。


経歴

早稲田大学大学院 環境エネルギー専攻修了、三井物産に入社。

2015年に株式会社CODORを設立。


メッセージ

本ページをご覧いただき、ありがとうございます。


ITの知識にとどまらず、ビジネスで本当に使えるスキルを身につけるための知見を提供することが私のミッションです。


Udemyでは、ITのスキルを分かりやすく、そして本質的な部分を理解できるような講義を提供致します。


知識は頭に詰め込むだけではなく、その知識を使って誰にどんな価値を提供するかが大切です。

その方法は、Udemy外のプラットホーム(noteやtwitterなど)で提供しています。


↑の名前をクリックすることで、詳しい情報を見ることができます。

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.