データサイエンス かめ@米国データサイエンティスト

【日本一の高評価】機械学習超入門講座(前編&後編)を公開しました!!

グローバルでAI開発者・データサイエンティストを目指す人向け
おすすめUdemy講座一覧

TOEIC300→海外就職の英語勉強法まとめ

こんにちは，米国データサイエンティストのかめ(@usdatascientist)です．

少し時間が経ちましたが，機械学習超入門動画講座を公開したので内容などを記事にしたいと思います．

今回は前編と後編の2部作の全23時間の超大作となっております！→追記) 前後編の後続として，本番編を公開し3部作完結となりました！（全38時間）

 

【前編】米国データサイエンティストがやさしく教える機械学習超入門【Pythonで実践】(講座の受講は下の画像をクリック!!↓)

【後編】米国データサイエンティストがやさしく教える機械学習超入門【Pythonで実践】(講座の受講は下の画像をクリック!!↓)

  • ☆4.8と☆4.9であらゆるUdemyの機械学習講座の中で最高評価!!
  • 公開１ヶ月で累計4000人の受講生を記録!!

と，かなりの反響をいただいております．(高評価を付けていただいた方，ありがとうございます)

ゼロから機械学習を学べる動画講座では間違いなく日本で最良の講座だと自負しているので，これから機械学習を学びたい人は是非受講ください！

11月限定クーポン「DATAWOKAGAKUNOV24」配っています．(本クーポンは，講師のみ発行できる特別クーポンです．11月だけ有効にする予定です．今後これよりも割引率が高くなることはないクーポンとなっています．)

目次

機械学習はデータサイエンスの真髄となる学問

機械学習はデータサイエンスのメインです．機械学習なしに「データサイエンティスト」になるのは難しいですし，昨今本当に多くの企業が機械学習を取り入れていてその応用範囲は計り知れず，機械学習は最も(というより最低限)データサイエンティストに期待するスキルであることはいうまでもないでしょう．

また，機械学習はAI開発に必要な深層学習を学ぶために必要な知識であるともいえます．(深層学習も機械学習の一つですが，本講座では深層学習の前段階の一般的な機械学習を範囲としています．)

本講座ではそんなデータサイエンスにおける真髄となるような機械学習を「超丁寧に」そして「完全体系的に」解説していきます．理論は当然，実装も学べる最高の講座となっています．

本講座の内容と対象者

本講座は理論+実装を交互にやっていきます．

理論について

機械学習の事前知識はゼロでOKです．

機械学習の未経験者でも安心して学習を進めることができます．

数学については，講座で使用する最低限の数学の知識(行列演算など)は解説をしますが，基本的な微積などは事前に学習しておくことをお勧めします．(こちらに数学のおすすめ本を載せているので是非参考にしてください．)

また，機械学習は統計学の上に成り立つ学問なので，事前に統計学を学習しておくことを強くお勧めします．まだ統計学を勉強していない人は是非僕の統計学の動画講座で学習してください！(こちらも日本一評価が高い統計学講座となっております．)

実装について

本講座は各理論を学習したあとにPythonでの実装(スクラッチで実装したり，ライブラリを使って実装します)をします．

実装についてはDockerとJupyterLabを使った本格的なデータサイエンス環境を使います．Dockerの知識がなくても問題なく受講できますが，Dockerの知識があれば自分で環境を変えたり，気軽にトラブルシューティングをすることができます．興味がある人は是非僕のDocker講座で受講してください！

実装にはPythonを使うので，Pythonの基本的な知識(基本的な文法，関数の作成や使用など)とNumPyやPandasなどのデータサイエンス用のPythonライブラリの知識が必要です．

この辺りは僕のPythonの入門動画講座およびデータサイエンスのPython講座を受講していれば問題なく学習を進めることができるので，まだ受講されていない方は是非これらの講座を先に受講しておくことをお勧めします．

機械学習のモデル構築に必要なライブラリであるscikit-learnの使い方については本講座でゼロから解説するのでscikit-learnの事前知識は不要です

講座の内容

詳細な内容は各講座の目次を参考ください

大まかな内容は

前編(主に回帰)

  • 線形回帰(最急降下法, 正規方程式, t検定, F検定)
  • 特徴量スケーリング(標準化)
  • ダミー変数
  • 汎化性能(hold-out, LOOCV, k-FoldCV, Bias-Variance tradeoff)
  • 回帰モデルの精度指標
  • 非線形回帰(多項式回帰, kNN)
  • 正則化項(Lasso, Ridge)

後編(主に分類とクラスタリング)

  • (多項)ロジスティック回帰
  • 分類器の精度指標
  • PCA
  • クラスタリング(k-means, 階層クラスタリング)
  • 決定木
  • SVM

後編は前編の内容を既知として解説していくので，是非前編→後編の流れで学習を進めてください！

目次をみてわかる通り，機械学習(深層学習を除く)の基本的なアルゴリズムはほぼ全て網羅しています．全23時間もあるので，しっかりと基礎を固められる講座です

本講座の特徴

■実際にデータサイエンティストとして機械学習のモデルを構築/評価/デプロイ/運用してきた経験をもとに作成
■なので「教科書ベース」ではなくて「実践ベース」の内容
■実際に機械学習をする際の注意点など，本講座でしか学べない内容が多い
■理論と実装を交互に行うので，ハンズオンで学習することができ効率的に習得できる
■計パワポ300枚以上を使用し，完全図解で徹底的に解説
■数式からも逃げず丁寧に解説し，必要な数学の知識の多く(例えば行列演算など)は復習レクチャーとして補足

公開１ヶ月で☆4.8と☆4.9という超高評価を得ているので，品質については安心していただければと思います！

受講生の声

今回も本当に多くの方からTwitterにて絶賛コメントいただきました．本当に本当に嬉しい限りです．

みんなのコメントが嬉しくてここまで続けられてます笑　みんなありがとーー！！

以下はほんの一部ですが，みなさんのコメントは全て目を通しております！

こちらもおすすめ★★★

・AI開発者を目指す人向けおすすめUdemy講座一覧

・初心者にオススメする統計学超入門本まとめ
・データサイエンス読み物系おすすめ本まとめ
・全エンジニアにオススメする良書まとめ

RECOMMENDこちらの記事も人気です。

ABOUTこの記事をかいた人

かめ@米国データサイエンティスト

アメリカの企業でデータサイエンティストしてます．専門はコンピュータビジョンで，人工知能の製品を開発中． アメリカからデータサイエンス全般をゆるーく配信中

NEW POSTこのライターの最新記事