|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/python-stats-modeling/
课程评论：没有评论
《Pythonで実践する統計モデリング入門》课程概述 本课程旨在帮助学员从“黑箱”式的机器学习模型理解中解脱出来，掌握“统计模型”和“概率模型”这一核心概念。通过学习统计模型，学员能从宏观视角审视各种机器学习和统计分析方法。 课程将帮助学员理解诸如： * 分类问题（包括深度学习）中，交叉熵为何常被用作损失函数。 * 最大似然估计与贝叶斯估计的区别。 * 正则化（如权重衰减）的含义。 课程内容涵盖统计模型的基础知识，这些基础概念可应用于更复杂的模型，如神经网络。 除了理论讲解，本课程还通过Python实际运行的演示，加深学员对理论的理解。学员可以通过动手实践代码，巩固学习效果，从而获得更深入的认识。 参加本课程，学员将能从仅仅“使用”机器学习模型，提升到能够根据问题“构建”模型的层次。 （注：课程包含Python实现，但不对代码细节进行深入讲解。）
（2023.03.06）コース全体概要の紹介（セクション1のレクチャー1）が間違っていたので修正しました（８章構成として紹介していましたが、本コースは６章構成です）（2023.02.06）コメントで指摘されていた音量を改善するため、全てのコースで動画を作成しなおしました機械学習モデルのブラックボックス的な理解から脱却しましょう！機械学習や統計解析の理論的な背景には「統計モデル」や「確率モデル」と呼ばれる「モデル」という考え方があります。この「モデル」を通した見方を習得することで、様々な手法を俯瞰して眺めることができます。例えば以下のことが理解できるようになります。分類問題などを扱うニューラルネットワーク（ディープラーニング含む）の「損失関数(loss-function)」になぜクロスエントロピーがよく使われているのか？最尤推定とベイズ推定の違い正則化（Weight-Decay）の意味本コースは統計モデルに関する基礎的な内容を解説します。内容は基礎的ですが、ニューラルネットワークなどのより複雑なモデルにも適用できる考えなので、上記の疑問に答えることができるようになります。本コースでは理論面の解説に加えて、Pythonを利用した実際に動くデモを通すことでより深く理論を理解することができます。解説だけではどうしても理解が難しい問題も、実際に動くコードを見ながら自分でも手を動かして確認することができます。そうした経験を積んでいくことで、深い理解が得られるはずです。是非本コースを通して、機械学習をブラックボックスとして利用する立場から、問題に合わせてモデルを構築する立場にステップアップしていきましょう！（注：Python実装を掲載していますが、ソースコードの細かな解説はしておりませんので、ご了承ください）
