【前編】米国データサイエンティストがやさしく教える機械学習超入門【Pythonで実践】

米国で働くデータサイエンティストがゼロからやさしく教えます.学習した機械学習の理論をPythonで実装するので即実務に適用可能です

4.83 (580 reviews)
Udemy
platform
日本語
language
Other
category
【前編】米国データサイエンティストがやさしく教える機械学習超入門【Pythonで実践】
3,331
students
12.5 hours
content
Jun 2023
last update
$124.99
regular price

What you will learn

Pythonで実際のデータから機械学習の回帰モデルを構築/評価できるようになります

機械学習の回帰モデルの学習や評価の仕方を学べます

機械学習の理論をPythonで実装できるようになります

DockerとJupyterLabを使った本格的なデータサイエンスの環境で機械学習ができるようになります

Description

機械学習の基礎をゼロから学べます.学習した理論をPythonでどのように実際のデータに適用できるのかも学習でき,理論x実装の相乗効果で確実に機械学習を習得できます.

(2部構成で本講座は「前編」となっており,主に回帰アルゴリズムを解説しています.)

【特徴】

- 米国で働く現役データサイエンティストから学ぶ

- 実際の現場でどのように使うのかを解説

- 機械学習の事前知識は不要

- 全くの未経験者でも本講座を受講すれば機械学習の基本を理解することができる

- Pythonでの実装も紹介

- 学習したことをすぐに実データに適用可能

- DockerとJupyterLabを使った本格データサイエンス環境 (Dockerを使って簡単環境構築)

- これ1本で理論x実装が同時に,着実に学べる


機械学習の理論とPythonの実装のレクチャーは別になっているため,理論だけを学習することも可能です.そのためPythonを知らなくても本講座で機械学習を学ぶことができます.


Pythonの実装のレクチャーは,Pythonの基礎知識とデータサイエンスに必要なPython(NumpyやPandasなど)の知識が必要です.

Macを使って講義を進めますが,環境が作れればWindowsでも問題ありません.

DockerとJupyterLabを使った本格的なデータサイエンスの環境を使いますが,WindowsでDocker環境を作れれば,全く同じ環境を構築することができます.(Windowsでの環境構築のサポートはしておりません.あらかじめご了承ください)

Content

紹介

紹介

環境準備

本セクションの補足
環境構築概要(Docker+JupyterLab)
M1チップをお使いの方へ
DockerHubアカウント作成
Docker環境構築
Dockerの基本操作
次レクチャーの補足
JupyterLabの基本操作

線形回帰

本講座の資料
線形回帰とは
最小二乗法
最急降下法(概要)
最急降下法(式変形)
最急降下法実装(step1~3)【Python】
最急降下法実装(step4)【Python】
最急降下法実装(step5)【Python】
最急降下法実装(step6)【Python】
最急降下法の注意点
まとめ

正規方程式

線形代数(復習)
正規方程式導出
正規方程式実装【Python】
正規方程式の注意点
線形回帰【Python】
まとめ

特徴量スケーリング

特徴量スケーリング概要
標準化
標準化【Python】
正規化
正規化【Python】
特徴量スケーリングの注意点
標準化 vs 正規化
まとめ

線形回帰の解釈

線形回帰の係数
統計的仮説検定(復習)
係数の仮説検定(t検定)
係数の仮説検定(t検定)【Python】
係数の仮説検定(F検定)
検定統計量FとF分布
t検定とF検定
まとめ

質的変数の特徴量

one-hot エンコーディング
ダミー変数トラップ
ダミー変数【Python】

汎化性能と過学習

汎化性能と過学習
hold-out
hold-out【Python】
LOOCV
LOOCV【Python】
k-Fold CV
k-Fold CV【Python】
Pipeline(k-FoldCV + 標準化)【Python】
Bias-Variance Tradeoff
LOOCV vs k-Fold CV
まとめ

回帰モデルの精度指標

MSEとRMSEとMAE
MSEとRMSEとMAE【Python】
R-Squared(決定係数)
R-Squared(決定係数)【Python】
調整済みR-Squared(補足)
まとめ

非線形回帰

非線形回帰概要
多項式特徴量
多項式特徴量【Python】
多項式特徴量と線形回帰【Python】
kNN回帰
kNN回帰【Python】
さまざまなkでkNN回帰【Python】
kNNと線形回帰比較
まとめ

正則化項

正則化項概要
Ridge (L2ノルム)
Ridge【Python】
さまざまなλでのRidge【Python】
Lasso (L1ノルム)
Lasso【Python】
さまざまなλでのLasso【Python】
RidgeとLasso比較
正則化項のもう一つの式
まとめ

後編へ続く・・・

後編へ続く・・・

ボーナスレクチャー

ボーナスレクチャー

Reviews

Kurohyou
August 18, 2023
内容のわりに高額。標準化や多項式特徴量生成などの概要は解説しているが、計算の過程や仮定の解説はない。また、各論で終わっており、複数の手法を組み合わせて使う必要があるような場面を想定した実用的な解説はない。「僕のxxを受講した方は分かると思いますけど」とよくしゃべっているが、受講生にとって何の意味もない言葉は可能な限り除くべき。
Erika
July 3, 2023
機械学習の理論については学習したことがありましたが、Pythonで実装したことがあまりなかったため受講しました。難しい内容も平易な日本語で教えてくれるため役に立ちました。また、何回かビデオ中のコードに誤りがあり、Q&Aや動画の最後で修正されていることがあるのですが、それに気づかず数十分コードを見比べて途方に暮れるということがありました。動画中の誤りがテロップなどで修正されていると初心者にもわかりやすいのではないかと思います。
Ikeda
June 22, 2023
機械学習の理論は簡潔に的を得た形で説明されていて理解しやすかった。個人的にはRidgeとLassoのセクションが分かりやすかった。 実装もPythonの小技を含めて実践的な内容で大いに参考になった。 動画で使われた図やテキストがpdfになっているのもありがたい。 かめれおんさんのこれまでの講座と比べても内容がよく整理されており学習しやすいと思う。
岡田
June 19, 2023
分かりやすい説明でした。Pythonのコーディングについても今まで知らなかった書き方を知ることもできたり勉強になりました。線形回帰について多少の知識はあったのですが、体系的に学習できてより深く知ることができたと思っています。
サイトウ
May 7, 2023
講師の他講座である統計学や、データサイエンスのためのPython講座等を受講してきました。どれもボリューミーで内容の濃いものでしたが、それらの講座の総集編という感じの講座。まだ前編ではありますが、かなり濃い内容です。 後編は、また違う手法の機械学習を学べるので続けて受講する予定です。 個人的感想ですが、どの講座も背景まで理解しようとすると、理系じゃないとなかなかついていくのがハードかなという印象です。数式がかなり出てくるので。
オノタクヤ
December 28, 2022
統計学編に続き非常に分かりやすい説明でした。実際のデータをハンズオンで説明してくれるので理解度が高いです。 自分は事前にある程度pythonや統計学の知見があったのですんなり理解する事ができました。上記2つを勉強してからコチラの受講をススメます。 一点残念なのは、今回の講座ではコードの記述の際に画面が小さく見辛かった事です。何度かtypoに繋がりました、、 ネガティブな点はそれ位で、内容は非常に良く、遠く見えた機械学習が一気に近づいてきた感がありますww 引き続き後編も勉強していきたいと思います。
菊池
October 19, 2022
いろいろなpythonの講義を受けてきただダントツ一番である。写経に等しい講義もあるが、この講義はしっかり数学的な理論と絵を使ったイメージで教えてくれる。回帰分析の原理を理解しながらpythonのスキルを上げることができる貴重な講義であり、ただの教師ではなく現役バリバリの方だからこそできる講義に思える。ハイパラチューニングを使ったお題(λの最適化の講義があるので実質あるともいえるが)がないのが唯一の欠点かもであるがこの講義を受けたあと本とかで十分自己学習できると思う。本当にすばらしい以外の言葉が見つからないぜひおすすめしたい講義である。
小田果奈
September 12, 2022
いつもブログを拝見させていただいており、わかりやすかったので受講してみました。pythonの構文の理解がイマイチなので、python で動かす部分以外を全て受講しましたが、本当にわかりやすいです。2週目ではpython でコードを書きつつ、かめさんの他の講座も受講し、より学習を進めていこうと思います!後編も楽しみにしてます!

Charts

Price

【前編】米国データサイエンティストがやさしく教える機械学習超入門【Pythonで実践】 - Price chart

Rating

【前編】米国データサイエンティストがやさしく教える機械学習超入門【Pythonで実践】 - Ratings chart

Enrollment distribution

【前編】米国データサイエンティストがやさしく教える機械学習超入門【Pythonで実践】 - Distribution chart
4835242
udemy ID
8/16/2022
course created date
8/22/2022
course indexed date
Bot
course submited by