|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/pmyzrhnp/
课程评论：没有评论
课程名称：ChatGPT・生成AI时代的今天正是学习的好时机！人工智能·机器学习入门课程（监督学习篇） 课程概述： 本课程分为前半部分的概述和理论部分，以及后半部分的实践部分，重点学习人工智能和机器学习的基础知识，以及利用监督学习进行模型构建的机制。在实践部分，我们将使用Google Colab环境，利用Python和Scikit-learn进行回归和分类模型的创建，包含从准备数据、学习、评估到改善的完整流程。课程还将教授在学习人工智能和机器学习时所需的思维方式，帮助学员在职业发展上做好准备。 与其他学习材料的不同之处： - 本课程为一体化课程，无需自行查找资料或手册。 - 详细解释模型创建机制和代码使用理由，确保学员能顺利完成学习。 - 所有讲座视频可下载，方便随时随地学习。 - 提供全套数据集和代码，避免因编码错误而增加的额外工作。 课后收获： 完成课程后，学员将自然掌握以下技能： - 师监督学习的AI模型开发技能 - 编程技能（包括Python、Scikit-learn、Pandas、Matplotlib等库） - 完整的开发流程技能 - 提高学习深度学习和强化学习等其他模型开发的效率 - 清晰解答平时使用AI服务中的疑问 - 提升团队管理能力和项目问题解决能力 - 加强风险管理能力 课程内容包括： - 课程概述与学习目标 - 人工智能、机器学习的基础知识 - 各类机器学习方法及流程 - Google Colab和编程方面的基础知识 - 监督学习的理论讲解 - 回归和分类模型的创建与评估 - 数据预处理和模型改进的要点 - 实践环节的回归与分类模型构建 本课程内容丰富，适合希望深入理解并应用人工智能和机器学习的学员。
＜コースの概要＞本コースは前半の概要編と理論編で人工知能・機械学習の基礎と教師あり学習によるモデル作成の仕組みを学びます。その後、後半の実践編で、Google Colabの環境で、PythonとScikit-learnを使用し回帰モデル作成、分類モデル作成の一連のプロセス（事前準備、学習、評価、改善 （標準化、ハイパーパラメータ調整、アルゴリズム変更（PLS、SVM）））をハンズオンで実施することで、学んだ理論を実践で使えるスキルに引き上げていきます。また、スキルだけではなく、人工知能・機械学習を学ぶ際の心構えを含め、ご自身のキャリアを切り開いていくために必要な考え方、マインド面のポイントも合わせてお伝えしていきます。＜他教材との違い＞本コースと他教材（書籍やYoutube動画教材等）との違いは以下の通りです。・１本完結型コースであるためご自身でネット検索やマニュアル確認等を行う手間がかからない。・モデル作成の仕組みや、なぜそのコードを使用するのか等、解説する技術や手順一つとってもその理由や背景を詳細に説明しているため途中で止まらずに受講できる。・全レクチャー動画ダウンロード可能なため、場所を問わずどこからでも受講できる。・全ハンズオンで使用するデータセットや完成版のコード等を添付しているため、コーディングミスによる原因調査等、余計な手間がかからない。＜コース受講後の姿＞本コース受講後には以下のスキルを自然と身に付けることができます。・教師あり学習によるAIモデル開発スキルが身に付く ・プログラミングスキル（Python、Scikit-learn、Pandas、Matplotlib等各種ライブラリ含む） ・開発プロセス完遂スキル（事前準備（データの整形等含む）、学習、評価、改善）・深層学習や強化学習など、教師あり学習以外のAIモデル開発の学習効率が上がる ・他の学習方法との差分（深層学習ならTensorFlow等のライブラリ利用方法等）のみ学習でOK・普段使っているAIサービスに対する疑問が晴れてスッキリする ・ChatGPTが誤った回答を返すことがあるのはなぜ？ ・Amazonのお勧めに求めていない商品がレコメンドされることがあるのはなぜ？ ・Googleフォト上で別人を同一人物と認識されることがあるのはなぜ？・AIエンジニアで構成されるチームや組織のマネジメントスキルが上がる ・プロジェクトの問題解決力アップ ・エンジニアのアサイン力アップ（スキルレベルの見極め） ・リスクマネジメント力アップ＜コースの内容＞本コースの内容は以下の通りです。コース概要本コース受講にあたって自己紹介本コースのねらい本コースの内容人工知能・機械学習概要人工知能とは【キーワード】特化型、汎用型（AGI）機械学習とは【キーワード】大規模言語モデル(LLM)、OpenAI、生成AI、ChatGPT、家賃予測モデル機械学習の種類【キーワード】教師あり学習、教師なし学習、深層学習、強化学習、アンサンブル学習、最小二乗法、k-means、Transformer（GPT）、Q学習、ブースティング機械学習のプロセス機械学習に必要なスキルGoogle Colabとは【キーワード】Google Colab、Jupyter Notebook、PyCharm、Spyder、VSCodePythonとは【キーワード】Python、R、Julia、C++、JavaScriptScikit-learnとは【キーワード】Scikit-learn、Pandas、Matplotlib、NumPy機械学習を学ぶ心構え機械学習ハンズオン理論編（教師あり学習）回帰とは①（概要）【キーワード】最小二乗法、勾配降下法、決定木、ランダムフォレスト、ニューラルネットワーク回帰とは②（モデル作成の仕組み（最小二乗法））分類とは①（概要）【キーワード】単純パーセプトロン（誤差逆伝播法含む）、ロジスティック回帰（最尤推定法含む）、サポートベクターマシン（SVM）分類とは②（モデル作成の仕組み（決定木））【キーワード】ジニ係数、利得計算分類とは③（モデル作成の仕組み（サポートベクターマシン（SVM）（線形分類）））分類とは④（モデル作成の仕組み（サポートベクターマシン（SVM）（非線形分類）））【キーワード】カーネル関数、カーネルトリック事前準備プロセスのポイント①（データ整形）事前準備プロセスのポイント②（データ分割）【キーワード】2分割（ホールドアウト法）、3分割評価プロセスのポイント①（回帰モデル評価）【キーワード】決定係数 (R^2)、平均二乗誤差(MSE)、平均絶対誤差(MAE)評価プロセスのポイント②（分類モデル評価）【キーワード】正解率(Accuracy)、適合率(Precision)、再現率(Recall)、F1値(F1-score)、混同行列(Confusion Matrix)改善プロセスのポイント①（標準化）改善プロセスのポイント②（多重共線性）【キーワード】相関係数(Correlation Coefficient)、VIF(Variable Inflation Factor)、手動削除、Lasso回帰、PCA（主成分分析）、PLS（偏最小二乗法）、Ridge回帰、データセット変更改善プロセスのポイント③（過学習）【キーワード】検証用データの導入（k-分割交差検証含む）、ハイパーパラメータ調整による、モデル複雑さ調整、計算手順（アルゴリズム）変更機械学習ハンズオン実践編①（教師あり学習（回帰））目的定義事前準備（データ収集）事前準備（データ整形）事前準備（データ分割）学習評価改善①（標準化）改善②（計算手順変更（偏最小二乗法（PLS）））機械学習ハンズオン実践編②（教師あり学習（分類））目的定義事前準備（データ収集）事前準備（データ整形）事前準備（データ分割）学習評価改善①（ハイパーパラメータ調整（グリッドサーチ））改善②（計算手順変更（サポートベクターマシン（SVM）））ボーナスレクチャーボーナスレクチャー
