After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
この初心者向けのMachine Learning入門では、最も一般的な4つの分類アルゴリズムを扱います。各アルゴリズムが学習タスクにどのように取り組むかの基礎を理解し、さらに自分の業務に適用するために必要なR関数も学べます。
前提条件
カリキュラム
コース概要
1
k-近傍法（kNN）
kNNアルゴリズムは文字どおり「例から学ぶ」ため、Supervised Machine Learningを理解し始めるのに最適な題材です。この章では、kNNを自動運転車の道路標識認識に適用しながら、分類の基礎を紹介します。
2
ナイーブベイズ
ナイーブベイズは統計学の原理を用いて予測を行います。この章では、ベイズ手法の基本を紹介し、iPhoneのような目的地候補の提案にこれらの手法をどのように応用できるかを探ります。
3
ロジスティック回帰
ロジスティック回帰は、数値データに曲線を当てはめて二値の事象を予測します。最も広く使われているMachine Learning手法の一つといえるこの手法について、概要を示しつつ、寄付（ファンドレイジング）データへの適用方法を解説します。
4
分類木
分類木はフローチャートのような構造で意思決定を行います。人間が直感的に理解しやすい構造のため、融資審査のように透明性が求められる場面で有用です。ここではLending Clubのデータセットを使ってこのシナリオを再現します。
R
Rで学ぶSupervised Learning：分類
コース修了
