|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/kagglepython-ai/
课程评论：没有评论
本课程旨在帮助学员掌握Python AI机器学习的基本编程方法，并能自主地设定和追求目标。 **课程目标：** * 能够进行Python基础编程。 * 可以用基础知识解释AI和机器学习。 * 理解机器学习预测模型的创建流程并能独立完成。 * 找到适合自己的Kaggle竞赛并参与。 * 为未来的学习和技能提升制定计划。 **课程内容概览：** * **第一部分：课程介绍** * 课程概览与目标 * 未来发展步骤 * 讲师问候 * **第二部分：课程整体规划与学习方法** * Kaggle概述与短期目标 * 课程内容与开发环境 * 相关知识点（Coluｍn） * **第三部分：Python基础编程（STEP 1）** * 学习Python基础语法和函数。 * 搭建Python开发环境（Anaconda），或使用Google Colaboratory。 * 学习Numpy、Pandas、Matplotlib等常用库。 * 通过实践练习巩固所学知识。 * **第四部分：机器学习基础知识（STEP 2）** * 理解AI与机器学习的概念。 * 学习机器学习的分类（监督学习、强化学习、无监督学习）。 * 掌握数据分析所需的统计指标（平均值、中位数、众数、方差、标准差）和可视化方法（基本图表、散点图、气泡图、直方图、箱线图）。 * 学习统计指标和可视化的注意事项。 * **第五部分：Kaggle实战（STEP 3）** * 了解Kaggle平台及其基本操作。 * 学习并实践完整的模型创建流程。 * 以Titanic竞赛为例，进行数据读取、统计分析、特征工程、模型构建（随机森林、逻辑回归、LightGBM）、模型评估、参数调优、交叉验证、数据预处理（One-Hot编码）、过拟合处理、时间序列数据处理以及模型集成（Ensemble）。 * 通过实战提升和检验学习成果。 * **第六部分：未来发展规划（STEP 4）** * 探讨未来的发展方向，如在Kaggle竞赛中获奖、成为数据科学家、成为Pythonic工程师等。 * 课程结束时的意见征集和未来课程计划介绍。 本课程通过理论学习与Kaggle平台实战相结合的方式，帮助学员建立扎实的Python编程和机器学习基础，并引导学员独立探索机器学习的世界。
■このコースのゴールAI機械学習の基本的なプログラミング方法を習得し、さらに目標に向けて自発的に踏み出せるようになる。■受講後にできるようになることの一例・Pythonの基本的なプログラミングができる・AI、機械学習とは何か基礎知識をもとに説明できる・機械学習による予測モデルの作成フローを理解し、自分で作成できる・自分に合ったKaggleのコンペを探し、参加できる・今後の目標を立て、さらなるスキル習得に向けて自発的に踏み出せる※いくつか無料のプレビュー動画を公開しておりますので、イメージ確認のためぜひご覧ください。セクション1 はじめにコース概要と目的未来に向けてのステップご挨拶セクション2 コースの全体像と進め方Kaggleの概要と最初に目指す近い未来講座の内容と開発環境コラムセクション3 （STEP1）Pythonの基本的な書き方を学ぶこのセクションで学ぶことPythonの開発環境を用意しようPython(Anaconda)をインストールしよう実践の注意点やポイントGoogle Colaboratoryを使ってみようPython速習①：基礎構文・変数①・変数②・リスト・タプル・辞書・比較演算・条件分岐演算・繰り返し演算・実習①：基礎演算・関数Python速習②：ライブラリ・Numpy・Pandas・Matplotlib・実習②：ライブラリ学んだことチェックコラムセクション4 （STEP2）機械学習の基礎知識を学ぶこのセクションで学ぶことAIとは？機械学習とは？機械学習の種類教師あり学習強化学習教師なし学習データ分析に必要な知識統計指標（平均）統計指標（中央値・最頻値）統計指標（分散・標準偏差）可視化（基本のグラフ）可視化（散布図・バブルチャート）可視化（ヒストグラム・箱ひげ図）統計指標と可視化の注意学んだことチェックコラムセクション5 （STEP3）Kaggleで実践を交えながら学ぶ全体像の確認Kaggleのアカウントを作成しようKaggleの基本操作を確認しようモデル作成の流れTitanicコンペに挑戦！Lesson1：データを読み込んでみようLesson1：主要な統計指標を確認しようLesson1：Pandas Profilingを使ってみようLesson1：特徴量と目的変数の関係性を確認しようLesson1：特徴量エンジニアリンクとはLesson1：特徴量エンジニアリンクの実践Lesson1：（補足）One-HotエンコーディングとはLesson1：モデル作成実践①（ランダムフォレストとは）Lesson1：モデル作成実践②（ランダムフォレストの実装）Lesson1：モデル作成実践③（予測結果のsubmit）Lesson1：モデル作成実践④（スコアの確認）Lesson2：精度向上に向けて取り組むことLesson2：ロジスティック回帰とアルゴリズムチートシートLesson2：ロジスティック回帰を実装しようLesson3：新たな特徴量を作ろうLesson4：LightGBMと過学習Lesson4：教師データの分割と検証Lesson4：LightGBMを実装しようLesson4：予測の実施から精度を確認しようLesson5：パラメータチューニングしてみようLesson6：交差検証とはLesson6：交差検証（KFold）を実装しようLesson7：交差検証（StratifiedKFold）を実装しようLesson7：時系列データに関する注意Lesson8：アンサンブルしてみよう学んだことチェックセクション6 （STEP4）今後の方針を学ぶコンペで入賞し賞金を得る未来を目指すデータサイエンティストとして働いている未来を目指すPythonicなエンジニアになる未来を目指すアンケートのお願いと今後作成予定の動画について
