Pythonによる機械学習実践演習~線形回帰からCNNやRNNなどの最新DeepLearningアルゴリズムまで~
4.2 (140 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.
1,258 students enrolled

Pythonによる機械学習実践演習~線形回帰からCNNやRNNなどの最新DeepLearningアルゴリズムまで~

本コースは、機械学習を用いたデータ分析のコースです。機械学習をする前の基本的な統計処理から、最近流行りのディープラーニングまで学ぶことができます。Jupyter notebookを用いて、手を動かしながら解説していきます。
4.2 (140 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.
1,258 students enrolled
Created by Haya Ken
Last updated 6/2018
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
  • 18 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
  • 機械学習を用いたデータ分析の流れが理解できます。
  • Deep Learning(CNNやRNN)を実装できます。
  • 教師あり学習、教師なし学習をそれぞれ理解することができます。
  • データの前処理について学ぶことができます。
  • scikit-learn, chainer, tensorflowの使い方をマスターできます。
Course content
Expand all 55 lectures 05:28:05
+ 機械学習の概要
6 lectures 13:36
Lesson3回帰と分類
01:46
Lesson4 機械学習を用いたデータ分析の流れ
03:21
Lesson5 まとめ
01:25
+ 教師あり学習(回帰)
7 lectures 31:58
lesson2.1 データの準備
05:32
lesson2.2 pandasを使ったデータの理解
06:37
lesson3 sklearnによる線形回帰
06:39
lesson4 重回帰分析
06:03
Lesson5 まとめ
01:06
+ 教師あり学習(分類)
8 lectures 41:49
Lesson0 Section4の概要
01:52
lesson1.2 Logistic Regressionとは
08:06
lesson 2.1 データの準備
02:37
lesson2 pandasとmatplotlibでデータを理解する
08:26
lesson3 Logistic Regression(実装)
07:20
lesson4.1 SVM
04:10
lesson4.2 SVMの実装
07:03
+ 教師なし学習
8 lectures 27:18
lesson2.1 データの準備
01:53
lesson2.2 pandasとmatplotlibでデータを理解する
06:37
lesson3.1 主成分分析(PCA)
01:26
lesson3.2 主成分分析(PCA)の実装
04:31
lesson4.1 k-means
01:57
lesson4.2 k-meansの実装
05:56
+ Neural Network
12 lectures 02:04:55
Lesson1.2 Back propergation
04:06
Lesson2.1 画像データ
02:38
Lesson2.2 データの準備(p)
07:43
lesson3.2 chainerによる多層パーセプトロンの実装1
07:26
lesson3.3 chainerによる多層パーセプトロンの実装2
17:23
lesson4.1 tensorflowの使い方
13:00
lesson4.2 tensorflow用いた多層パーセプトロンの実装1
14:58
lesson4.3 tensorflowを用いた多層パーセプトロンの実装2
17:03
+ Deep Learning
11 lectures 01:23:23
lesson2.1 Convolutional neural network1
04:48
lesson3 データの準備
07:43
lesson4.1 chainerを用いたCNNの実装1
12:00
lesson4.2 tensorflowを用いたCNNの実装1
13:41
lesson4.3 tensorflowを用いたCNNの実装2
02:14
Lesson5.1 Recurrent Neural Networkとは
03:34
Lesson5.2 時系列データの準備(p)
07:20
Lesson5.3 chainerによるLSTMの実装_1(p)
23:06
Lesson5.3 chainerによるLSTMの実装_2(p)
02:50
Requirements
  • 初歩的な高校数学の知識が必要
  • 基本的なpythonの知識が必要
  • 基本的なプログラミング文法の学習経験(入門レベルで構いません)
Description

※各sectionごとのコースの流れと理論の概要についての説明講義のみ無料でプレビューにて公開してあります。受講する前に一度視聴して、レベル感などを確かめてから受講を決定されることをお勧めします。


本コースは、機械学習の仕組みから、chainer、tensorflowを用いたDeepLearningの実装までカバーした講座です。

こんな方にオススメ

  • 機械学習がよくわからない
  • ビジネスで機械学習を応用したい
  • Deep Learningを実際に動かしながら学びたい


受講するメリット

  • 教科書では学びにくい実装の部分を、一緒に手を動かしながら学習できます。
  • 複雑な数理やアルゴリズムはあえてスキップしているので、直感的な理解が得られます。
  • 機械学習だけでなく、データ分析全体の流れを理解できます。


学習のステップ

  1. 機械学習とは何かを理解します。
  2. データ分析の流れを理解します。
  3. 教師あり学習を理解・実装できるようになります。
  4. 教師なし学習を理解・実装できるようになります。
  5. ニューラルネットワークについて、理解・実装できるようになります。
  6. Deep Learningを理解、実装できるようになります。


以上のステップでは、各セクションで機械学習を用いたデータ分析の流れに沿うことで、繰り返し学習を行い、現場ですぐに使える知識と技術を学んでいきます。

実装の講義では、データ分析の現場で頻繁に利用されているJupyter notebook上でPythonを実装していきます。

Who this course is for:
  • ある程度プログラミング言語は触ったことがあり、機械学習を仕事に応用したり、教養として機械学習を学びたい方。