これらのコースを受講したことで、プロフェッショナルなビジュアライゼーションやダッシュボードを自信を持って作成できるようになりました
Shoebur Rahman調達スペシャリスト、Giz Bangladesh
コースの説明
このコースでは、scikit-learn を使って線形分類器、具体的にはロジスティック回帰とサポートベクターマシン（SVM）を扱う方法を学びます。実装方法を身につけたら、これらの手法の背景にある考え方を深掘りし、仕組みを理解します。コースの最後には、Python でこれらの線形分類器を訓練・評価・チューニングする方法を習得できます。また、他の多くの Machine Learning アルゴリズムを理解するための概念的な基盤も得られます。
前提条件
カリキュラム
コース概要
1
ロジスティック回帰と SVM の適用
この章では、ロジスティック回帰とサポートベクターマシン（SVM）を分類問題に適用する基本を学びます。
scikit-learn ライブラリを使って、実データに分類モデルを適合させます。2
損失関数
この章では、ロジスティック回帰と SVM の背後にある概念的な枠組みを学びます。モデルの内部動作をより深く理解できるようになります。
3
ロジスティック回帰
この章では、ロジスティック回帰の詳細を掘り下げます。正則化の考え方や、モデル出力の解釈方法を学びます。
4
サポートベクターマシン
この章では、サポートベクターマシンの詳細について学びます。ハイパーパラメータのチューニングや、カーネルを用いて非線形の決定境界を当てはめる方法を扱います。
Python で学ぶ線形分類器
コース修了
