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
機械学習では、予測を行うのではなく、データの中からパターンを見つけ出すことを目的とする場合が多くあります。これを教師なし学習と呼びます。教師なし学習の代表的な活用例としては、人口統計データや購買履歴をもとに消費者をグループ分けし、ターゲットを絞ったマーケティングキャンペーンを展開することが挙げられます。また、都市間の犯罪率の違いに最も影響を与えている、測定されていない要因を説明したい場合にも活用されます。このコースでは、機械学習の観点から R におけるクラスタリングと次元削減の基礎を学び、データからいち早く洞察を得られるようになることを目指します。
前提条件
カリキュラム
コース概要
1
R による教師なし学習
k-means 法はクラスタリングの代表的な手法の一つです。このアルゴリズムの仕組みを理解し、R で k-means クラスタリングを実装し、結果を可視化して解釈する方法を学びます。さらに、事前にクラスタ数がわからない場合の決め方も学びます。この章の最後には、楽しい「実世界」のデータセットに k-means クラスタリングを適用します。
2
階層的クラスタリング
階層的クラスタリングは、もう一つの代表的なクラスタリング手法です。この章では、その仕組みと使い方、そして k-means クラスタリングとの違いについて学びます。
3
PCA による次元削減
主成分分析（PCA）は、次元削減の代表的な手法です。PCA が実際に何を行っているのかを理解し、バイプロットとスクリープロットを使って結果を可視化します。また、PCA を実行する前にデータを中心化・スケーリングするといった実践的な課題にも取り組みます。
4
ケーススタディで学ぶ総まとめ
この章では、これまでの3つの章で学んだ教師なし学習の手法を使って、一連の分析の流れを最初から最後まで学びます。乳房腫瘤の細胞核の測定データを使い、PCA をクラスタリングの前処理として組み合わせる方法を学び、理解をさらに深めます。
R
R による教師なし学習
コース修了
