After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
コース説明
scikit-learn を使って機械学習のスキルを伸ばしましょう。この人気の Python ライブラリを使い、ラベル付きデータでモデルを訓練する方法を学びます。このコースでは、顧客が解約するかどうか、ある人が糖尿病かどうか、さらには楽曲のジャンルを分類するといった、実用的な予測を行う方法を学びます。実際のデータセットを使って、予測モデルの構築、パラメータの調整、そして未知のデータに対するモデルの性能評価まで取り組みます。
動画には字幕が用意されており、動画左下の「文字起こしを表示する」をクリックすると表示できます。
コースの用語集は右側のリソースセクションからご覧いただけます。
CPE クレジットを取得するには、コースを修了し、認定試験で 70% 以上のスコアを獲得する必要があります。右側の CPE クレジットの案内から試験に進むことができます。
前提条件
カリキュラム
コース概要
1
分類
この章では、分類問題を紹介し、教師あり学習の手法を使ってそれを解く方法を学びます。データを訓練セットとテストセットに分割し、モデルを適合させ、予測を行い、精度を評価する方法を習得します。また、モデルの複雑さと性能の関係を理解し、通信会社の顧客の解約状況を分類するチャーンデータセットに応用します。
2
回帰
この章では、回帰を紹介し、広告費のデータセットを使って、売上値を予測するモデルを構築します。線形回帰の仕組みや、決定係数（R²）や平均二乗誤差の平方根（RMSE）といった代表的な評価指標について学びます。また、k 分割交差検証を実施し、過学習のリスクを低減するために回帰モデルに正則化を適用します。
3
モデルの精度を高める
モデルの訓練が完了したら、今度はその評価方法を学びましょう。この章では、scikit-learn を使った分類モデルの性能分析に役立つ複数の評価指標と可視化手法を紹介します。また、ハイパーパラメータのチューニングを通じて、分類モデルと回帰モデルを最適化する方法も学びます。
4
前処理とパイプライン
欠損値の補完、カテゴリデータの数値変換、データのスケーリング、複数の教師あり学習モデルの同時評価、そしてワークフローを効率化するパイプラインの構築方法を学びましょう。
scikit-learn による教師あり学習
コース修了
