トラックの説明

教師あり機械学習 Pythonで

教師あり機械学習の基礎を習得し、ラベル付きデータを用いた予測手法について学びましょう。本日より機械学習革命にご参加ください！機械学習が初めての方、または教師あり機械学習を専門にしたい方にとって、こちらは理想的な入門の場です。まず、K近傍法（KNN）、ロジスティック回帰、線形回帰、サポートベクターマシン（SVM）、そして人気のscikit-learnライブラリを用いた木ベースのモデルなど、主要な教師あり学習モデルについて学び、実装していただきます。また、XGBoostなどの最先端アルゴリズムを活用し、表形式データセットにおけるモデリング性能を効率的に向上させる方法についても学んでいただけます。モデルの効果を最大限に引き出すために、様々なハイパーパラメータ調整手法について学び、ご自身のユースケースにどの手法を採用すべきかを判断する方法をご理解いただけます。これらの多様なモデルに関する知識を統合することで、アンサンブル学習について学び、コースを修了することになります。アンサンブル学習では、異なるモデルを組み合わせることで性能を向上させ、より複雑な問題を解決します。学習を終える頃には、監督付き機械学習の重要な概念を習得し、Pythonでそれらを応用できるようになるでしょう。

前提条件

このコースには前提条件はありません

Course
1
scikit-learn で学ぶ Supervised Learning
Pythonのscikit-learnを用いて、機械学習のスキルを磨きましょう。このインタラクティブなコースでは、実際のデータセットを活用し、強力な予測を行う方法を学んでいただけます。
Project
ボーナス
Predictive Modeling for Agriculture
Dive into agriculture using supervised machine learning and feature selection to aid farmers in crop cultivation and solve real-world problems.
Course
3
Python で学ぶ線形分類器
このコースでは、logistic regression や SVM などの線形分類器の詳細を学びます。
Course
4
Pythonで学ぶ木ベースのMachine Learning
本コースでは、scikit-learnを用いた回帰および分類のための木ベースモデルとアンサンブル手法の活用方法を学んでいただきます。
Project
ボーナス
Predicting Movie Rental Durations
Build a regression model for a DVD rental firm to predict rental duration. Evaluate models to recommend the best one.
Course
6
XGBoost で学ぶ極限の勾配ブースティング
勾配ブースティングの基礎を学び、XGBoostで分類・回帰の課題を解く最先端の機械学習モデルを構築します。
Course
7
Hyperparameter Tuning in Python
Learn techniques for automated hyperparameter tuning in Python, including Grid, Random, and Informed Search.
Course
8
Pythonで学ぶアンサンブル手法
Pythonでbagging、boosting、stackingなどのアンサンブル手法を用い、高度で効果的な機械学習モデルの構築を学びます。