米国データサイエンティストのブログ https://validator.w3.org/feed/docs/rss2.html サポートベクターマシンを図でやさしく理解する(理論+実装)【機械学習入門34】 【ついに3部完結】機械学習超入門講座の本番編を公開しました!! XGBoostの概要とPython実装をわかりやすく解説【機械学習入門32】 【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!! LightGBMを超わかりやすく解説(理論+実装)【機械学習入門33】 【受講生5000人越えのベストセラー】14時間越えのDockerの動画講座を公開します【星4.7の超高評価】 【公開初日で受講生1000人超え！】データサイエンスのためのPython動画講座を公開しました【全23時間…!!】 アンサンブル学習を超わかりやすく解説【機械学習入門30】 ゼロから体系的に学べるAI講座(全11講座) 機械学習のおすすめの本とロードマップ【米国データサイエンティスト厳選】 データサイエンスのためのPython入門28〜OpenCVによる画像の読み込みと色空間の変換，表示〜 ランダムフォレストをわかりやすく解説【機械学習入門31】 最適な機械学習モデルを探索する(Pipeline+Grid Search)【機械学習入門35】 【公開初日で900人以上が受講!】Git入門動画講座を公開しました！！ 【初日で1200人が受講】ゼロから学べる統計学超入門動画講座を公開しました!! 【無料】データサイエンス入門:機械学習編全35回まとめと目次 【決定版】Python入門動画講座を公開しました【超高評価でベストセラー】 DataScienceHubコンテンツ第一弾！Coding Challenge始めます(コードレビューもします！) DataScienceHubコンテンツ第二弾! ML Scratch Challenge始動!!(コードレビューもします) Kamereon_Udemy オンラインコミュニティ「DataScienceHub」作りました 次元削減とは？PCA(主成分分析)を理解する【機械学習入門24】 正則化項を用いて特徴量選択をする(Lasso)【機械学習入門14】 線形回帰の損失関数をわかりやすく解説【機械学習入門2】 k-Fold Cross Validation(交差検証)を解説する【機械学習入門9】 【決定木】ジニ不純度と木の剪定(cost complexity pruning)を解説【機械学習入門29】 回帰の決定木アルゴリズムを完全図解する【機械学習入門28】 階層クラスタリング(Hierarchical Clustering)をわかりやすく解説【機械学習入門27】 教師なし学習(クラスタリング)のk-meansをわかりやすく説明【機械学習入門26】 PCA(主成分分析)を使ってモデル構築する(MNISTを分類)【機械学習入門25】 多クラス分類におけるROCとAUC【機械学習入門23】 ROCとAUCを超わかりやすく解説(超重要!!)【機械学習入門22】 F値とPrecisionとRecallのトレードオフを理解する(超重要!!)【機械学習入門21】 分類器の評価指標~Accuracy, Precision, Recall, Specificity~【機械学習入門20】 分類器の評価指標~TP, TN, FP, FNと混同行列を理解する~【機械学習入門19】 Pythonでロジスティック回帰をする【機械学習入門18】 ロジスティック回帰を多クラス分類に応用する【機械学習入門17】 分類タスクとロジスティック回帰をわかりやすく解説【機械学習入門16】 kNN回帰(k最近傍法: k Nearest Neighbor)アルゴリズムをわかりやすく解説【機械学習入門15】 質的変数を説明変数として使う方法を解説(one-hot エンコーディングとダミー変数トラップ)【機械学習入門13】 多項式特徴量で線形を超える！【機械学習入門11】 回帰モデルの評価指標を一挙に解説(MSE, RMSE, MAE, R-Squared等)【機械学習入門10】 LOOCVについて解説&Pythonで実装する【機械学習入門8】 (超重要)過学習と汎化性能を理解する(hold-out法を解説)【機械学習入門7】 線形回帰の係数の解釈の仕方(p値)【機械学習入門6】 scikit-learnを使って線形回帰モデルを構築する【機械学習入門5】 正規方程式を完全解説(導出あり)【機械学習入門4】 最急降下法を図と数式で理解する(超重要)【機械学習入門3】 機械学習とは？なにをしているのか？【機械学習入門1】 本サイトについて