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 Personal Development Mindfulness Meditation Personal Transformation Life Purpose Emotional Intelligence 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 Google Analytics
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Modeling Data Analysis Big Data
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Blogging Freelancing Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee
Development Data Science Python

Pythonで機械学習:scikit-learnで学ぶ識別入門

pythonの機械学習ライブラリscikit-learnを使って,識別の基本を徹底的にマスターしよう!
Rating: 4.0 out of 54.0 (1,478 ratings)
11,940 students
Created by Toru Tamaki
Last updated 5/2020
Japanese
30-Day Money-Back Guarantee

What you'll learn

  • 機械学習の識別(分類・パターン認識)が何かが分かります
  • Pythonとjupyter notebookが使えるようになります.
  • Pythonの機械学習ライブラリscikit-learnを使えるようになります
  • 学習データとテストデータを準備する
  • データの前処理をする
  • 学習データで識別器を学習する
  • 交差確認(cross validation)やleave-one-outなどを使う
  • 識別器でテストデータを識別する
  • 識別結果を評価する
  • 過学習とは何かを知る
  • 2クラス分類と多クラス分類の違いを知る
  • k最近傍識別器(k-NN)を使う
  • サポートベクターマシン(SVM)を使う
  • ロジスティック回帰を使う
  • 多層ニューラルネットワーク(多層パーセプトロン)を使う
  • パーセプトロンを使う
Curated for the Udemy for Business collection

Course content

11 sections • 119 lectures • 9h 12m total length

  • Preview01:34
  • 識別とは
    02:54
  • 識別の流れ
    01:02
  • ラベルについて
    02:31
  • 回帰とは(ここでは扱わない)
    01:24
  • 教師あり,教師なし,半教師あり
    01:28
  • ディープラーニング(深層学習)とは
    00:55

  • 環境設定について
    00:33
  • Preview01:27
  • macOS:ダウンロードとインストール
    01:27
  • macOS:起動と終了
    04:15
  • macOS:アップデート
    03:13
  • macOS:ターミナルでの操作
    03:21
  • Preview01:17
  • Preview04:00
  • Preview03:08
  • Preview02:54
  • linux:ダウンロードとインストール
    01:42
  • linux:起動と終了
    02:11
  • linux:アップデート
    01:49
  • linux:ダウングレード
    01:26
  • linux:GUIのAnaconda navigator
    01:35
  • linux:anacondaを使わずaptとpipでインストールするなら
    04:28
  • オプション:dockerを使うなら
    00:50
  • オプション:どうしてもクラウドというならSageMathCloud
    06:31

  • Preview04:40
  • レクチャー用のnotebookのダウンロードはこちら(ソースコードはここにあります)
    00:50
  • 参考ウェブサイト
    00:50
  • Preview07:36
  • Preview08:44
  • Preview05:40
  • Preview04:02
  • Preview08:46

  • Preview12:21
  • Preview01:56
  • Preview04:25
  • Hold-out 2: stratified 04_03
    03:59
  • cross validation, stratified 10-fold CV 04_04
    04:58
  • Leave One Out, Leave-p-out, Leave-one-gruop-out 04_05
    06:25
  • 学習データ・検証データとテストデータ 04_06
    06:12

  • データから特徴量へ
    01:30
  • 欠損値の扱い・データクリーニング 05_01
    10:48
  • 特徴抽出:テキストデータと特徴量 05_02
    08:03
  • 特徴抽出:画像データと特徴量 05_02
    05:04
  • 特徴選択 05_03
    13:41
  • 特徴変換:PCA 05_04
    10:45
  • 特徴変換:PCAと次元削減 05_04
    09:07
  • 特徴変換:非線形(多項式)変換 05_04
    09:46
  • 標準化 05_05
    07:57
  • スケーリング 05_05
    02:20
  • 正規化 05_05
    03:53
  • PCA白色化 05_05
    03:32
  • ZCA白色化 05_05
    04:49

  • 2クラス問題のconfusion matrix 06_01
    05:56
  • 2クラス問題で重要なTP, TN, FP, FN 06_01
    03:13
  • 多クラス問題のconfusion matrix 06_01
    07:36
  • PCAで文字認識 06_01
    01:01
  • precisionとrecall 06_02
    10:15
  • f-measure,f値 06_02
    05:00
  • precision, recall, f-measureをいっぺんに 06_02
    02:09
  • 多クラス分類のprecisionとrecall 06_02
    02:02
  • ROC AUC 06_03
    09:45
  • ランダムならどうなるROC 06_03
    03:37
  • average precision, AP 06_03
    05:16
  • 多クラス問題のmAP 06_03
    03:21

  • 2クラス識別と多クラス識別 07_01
    03:37
  • 多クラス識別:One-vs-Rest (ロジスティック回帰) 07_01
    08:04
  • 多クラス識別:One-vs-Rest (SVM) 07_01
    02:33
  • 多クラス識別:One-vs-One (SVM) 07_01
    03:54
  • 多クラス識別:ovrとovoの補足 07_01
    01:36
  • kNN:最近傍識別器 (NN),k近傍識別器 (kNN) 07_02
    08:01
  • kNN:KNNの亜種:radius NN 07_02
    03:10
  • kNN:スケーリングしてKNN 07_02
    01:43
  • パーセプトロン 07_03
    06:05
  • パーセプトロン:平面・直線の数式
    07:21
  • パーセプトロン:学習則
    06:12
  • パーセプトロン:損失関数
    03:06
  • パーセプトロン:損失関数をインタラクティブに 07_03
    01:48
  • パーセプトロン:ランダムな動作 07_03
    06:31
  • パーセプトロン:癌データの認識 07_03
    03:54
  • パーセプトロン:まとめ 07_03
    01:27
  • ロジスティック回帰 07_04
    07:19
  • ロジスティック回帰:癌データの認識 07_04
    06:38
  • ロジスティック回帰:2次元データで確率の予測 07_04
    03:54
  • ロジスティック回帰:別の2次元データでも確率を 07_04
    01:48
  • Preview08:10
  • SVM:マージン,サポートベクトル,確率 07_05
    05:52
  • SVM:非線形カーネル(rbf, poly) 07_05
    07:28
  • SVM:癌データの認識 07_05
    05:15
  • MLP:多層パーセプトロン 07_06
    07:12
  • MLP:層を変えてみる 07_06
    05:20
  • MLP:癌データの認識 07_06
    04:07
  • ランダムフォレスト:2次元データの認識 07_07
    07:05
  • ランダムフォレスト:別の2次元データの認識と過学習 07_07
    02:11
  • ランダムフォレスト:癌データの認識 07_07
    02:41

  • 注意:並列計算のn_jobsの指定
    00:19
  • 注意:windowsでのグリッドサーチの表示
    00:14
  • グリッドサーチ:1パラメータのロジスティック回帰 08_01
    13:51
  • グリッドサーチ:2パラメータのSVM 08_01
    05:17
  • グリッドサーチ:3パラメータのSVM(linear, rbf) 08_01
    05:02
  • グリッドサーチ:kNN 08_01
    01:57
  • ランダムサーチ:多層パーセプトロン 08_01
    05:45
  • パイプライン:PCAとロジスティック回帰を一緒に 08_02
    04:22
  • パイプライン:スケーリングとSVMを一緒に 08_02
    01:33
  • パイプライン:前処理もグリッドサーチで 08_02
    07:10
  • 正則化パラメータC 08_03
    11:45
  • 正則化パラメータと過学習 08_03
    05:23

  • linear SVM(lib linear) 09-01
    10:41
  • inear SVM(liblinear):primalソルバ 09-01
    07:07
  • linear SVM(liblinear):グリッドサーチ 09-01
    04:50
  • 確率勾配法 (SGD) 09-02
    04:49
  • 確率勾配法 (SGD):数式の説明 09-02
    05:46
  • 確率勾配法 (SGD):グリッドサーチ 09-02
    04:04
  • 確率勾配法 (SGD):スモールデータの認識 09-02
    02:12

  • 20カテゴリのテキスト分類:1 10_01
    08:31
  • 20カテゴリのテキスト分類:2 10_01
    02:10
  • 20カテゴリのテキスト分類:3 10_01
    01:00
  • 20カテゴリのテキスト分類:4 10_01
    04:43

Requirements

  • pythonプログラミングの初歩的な知識
  • jupyter notebook のプログラミング環境が構築できるスキル

Description

このコースでは,機械学習における識別(分類・認識)の基礎をPythonを用いて学びます.このコースの目標は,機械学習でデータを識別するための一連の流れ(データの準備・前処理・識別器・評価など)を理解することです.Pythonの機械学習ライブラリscikit-learnとインタラクティブなプログラミング環境jupyter notebook (ipython notebook)を使って,実際にpythonコードを実行しながら学びます.

レクチャーでは,notebook上で実行するpythonコードとその内容を説明します.pythonコードのnotebookはダウンロードできますので,レクチャーを見ながら・見た後で実際に実行することをおすすめします.自分なりに改変・修正すると,さらに理解が高まるでしょう.

機械学習を理解するためには数学が必要になるのですが,このレクチャーでは(ほとんど)数式を使わず,コードを実行して結果を議論することで,機械学習のコンセプトを伝えるようにしています.理論的なことを知りたい場合には,他の資料を参考にしてください.

プログラミングの注意:pythonやその他の言語でのプログラミング経験があることを前提にしていますので,python自体の説明は省略しています.


レクチャーで使用しているnotebookはダウンロードできます.「レクチャー用のnotebookのダウンロードはこちら(ソースコードはここにあります)」というレクチャーを参照してください.

Who this course is for:

  • 機械学習という言葉は知っているが,中身を知らない人
  • プログラミングが嫌いではない人(Pythonプログラミングをします)
  • Pythonプログラミング環境を用意できる人
  • 具体的に機械学習を適用したいデータがある人

Instructor

Toru Tamaki
コンピュータビジョン,画像認識,機械学習などを研究
Toru Tamaki
  • 4.3 Instructor Rating
  • 3,527 Reviews
  • 24,879 Students
  • 6 Courses

コンピュータビジョン,画像認識,パターン認識,動画像処理,医用画像処理などを専門とする.電子情報通信学会和文誌D編集委員,PRMU委員,MI委員.情報処理学会CVIM委員,GCAD委員など歴任.2001年新潟大学助手,2005年広島大学准教授.2020年名古屋工業大学教授.翻訳書に「コンピュータビジョン ―アルゴリズムと応用―」「統計的学習の基礎」「スパースモデリング」(共立出版)「Pythonで体験するベイズ推論」(森北出版).電子情報通信学会シニア会員.情報処理学会,IEEE,IEEE Computer Society等会員.

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