|
所在平台: Coursera |
课程主页: https://www.coursera.org/learn/launching-machine-learning-jp
课程评论：没有评论
课程名称：Launching into Machine Learning 日本語版 课程概述： 本课程将从机器学习的历史入手，探讨神经网络在各种数据科学问题中为何能够有效运作。接着，我们将设置监督学习问题，并介绍使用梯度下降法寻找合适解决方案的方式，其中包括创建具有一般化能力的数据集。此外，还将讲解如何构建可重复利用的数据集，以应对实验需求。 课程目标： 1. 理解深度学习为何受到关注 2. 使用损失函数和性能指标进行模型的优化和评估 3. 解决机器学习中常见问题 4. 创建可重复使用且可扩展的训练、评估和测试数据集 课程大纲： 1. **介绍** - 该模块将介绍课程的概述及其目标。 2. **了解数据：通过探索性数据分析提升数据质量** - 本模块将介绍如何通过探索性数据分析来改善数据质量以及如何进行数据探索，强调数据整理在机器学习中的重要性及其对数据质量的影响。 3. **机器学习实践** - 本模块将介绍促进您作为机器学习负责人发展的关键类型。 4. **使用Vertex AI训练AutoML模型** - 本模块将介绍如何使用Vertex AI进行AutoML模型的训练。 5. **BigQuery机器学习：数据驱动的ML模型开发** - 本模块将介绍BigQuery ML及其功能。 6. **优化** - 本模块将讲解如何优化机器学习模型。 7. **泛化与抽样** - 本模块将探讨何时最准确的ML模型并不是正确的选择，学习如何创建可重复性训练、评估和测试数据集，并建立性能基准。 通过该课程，您将获得机器学习领域的基本知识和实践能力，进一步推动您在数据科学的职业发展。
Name:はじめに
Description:このモジュールでは、コースの概要とその目標を説明します。
Name:データについて知る: 探索的データ分析によるデータ品質の改善
Description:このモジュールでは、探索的データ分析を実行することで、データの品質を向上させる方法と、データを探索する方法について紹介します。機械学習におけるデータ整理の重要性について説明し、データ品質にどのように影響するかを説明します。たとえば、欠損値があると結果に歪みが生じる可能性があります。また、データ探索の重要性についても学びます。データを整理したら、データセットに対して探索的データ分析を実行しましょう。
Name:機械学習の実践
Description:このモジュールでは、ML 担当者としての成長を加速できるように、機械学習の主要なタイプを紹介します。
Name:Vertex AI を使用した AutoML モデルのトレーニング
Description:このモジュールでは、Vertex AI を使用した AutoML モデルのトレーニングについて紹介します。
Name:BigQuery の機械学習: データが存在する ML モデルの開発
Description:このモジュールでは、BigQuery ML とその機能を紹介します。
Name:最適化
Description:このモジュールでは、ML モデルを最適化する方法を説明します。
Name:一般化とサンプリング
Description:次に、かなり変わった質問にお答えいただきます。最も正確な ML モデルが適切な選択モデルではないのは、どのような場合ですか？ 最適化に関する最後のモジュールで示唆したとおり、モデルのトレーニング データセットの損失指標が 0 だからといって、実際の環境の新しいデータでうまく機能するわけではありません。再現可能なトレーニング、評価、テスト データセットを作成し、パフォーマンス ベンチマークを確立する方法を学習します。
機械学習の歴史を皮切りに、ニューラル ネットワークがデータ サイエンスのさまざまな問題でうまく機能している理由をご紹介します。次に、教師あり学習の問題を設定し、勾配降下法を使用して適切な解決策を見つける方法について説明します。これには、一般化が可能なデータセットの作成も含まれます。実験に対応するため、繰り返し使用できるデータセットの作成方法について解説します。 コースの目標: ディープ ラーニングが注目を集めている理由を理解する 損失関数とパフォーマンス指標を使用して、モデルの最適化と評価を行う 機械学習で発生しがちな一般的な問題を軽減する 繰り返し使用可能でスケーラブルなトレーニング用、評価用、テスト用のデータセットを作成する
