機械学習の基礎: ケーススタディのアプローチ

説明

データを持っていますが、それから何がわかるか疑問に思っていますか? 機械学習がビジネスを改善できる核となる方法について、より深く理解する必要がありますか? 回帰や分類から深層学習やレコメンダーシステムまで、あらゆることについて専門家と会話できるようになりたいと思いませんか?

このコースでは、一連の実践的なケーススタディから機械学習を実践的に体験します。最初のコースの終わりには、住宅レベルの特徴に基づいて住宅価格を予測する方法、ユーザーレビューから感情を分析する方法、関心のあるドキュメントを取得する方法、製品を推奨する方法、および画像を検索する方法を学びました。これらのユースケースを実践的に実践することで、幅広い領域に機械学習手法を適用できるようになります。

この最初のコースでは、機械学習手法をブラックボックスとして扱います。この抽象化を使用すると、関心のあるタスクを理解し、これらのタスクを機械学習ツールに適合させ、出力の品質を評価することに重点を置くことができます。後続のコースでは、モデルとアルゴリズムを調べることで、このブラックボックスのコンポーネントを詳しく調べます。これらの部分が合わさって機械学習パイプラインを形成し、インテリジェントアプリケーションの開発に使用します。

学習成果: このコースを終了するまでに、次のことができるようになります。
-実際の機械学習の潜在的なアプリケーションを特定します。
-回帰、分類、クラスタリングによって可能になる分析における主要な違いについて説明します。
- 潜在的なアプリケーションに適切な機械学習タスクを選択します。
-回帰、分類、クラスタリング、検索、レコメンダーシステム、ディープラーニングを適用します。
- データを特徴として表現し、機械学習モデルへの入力として機能します。
- 各タスクに関連するエラー指標の観点からモデルの品質を評価します。
- データセットを利用してモデルを適合させ、新しいデータを分析します。
-機械学習を中核に使用するエンドツーエンドのアプリケーションを構築します。
-これらのテクニックを Python で実装します。