マイページのお気に入りに追加されます
JMOOC(日本オープンオンライン教育推進協議会) 機械学習(早稲田大学提供)
- 団体名
- JMOOC(日本オープンオンライン教育推進協議会)
- 課程名
- 機械学習(早稲田大学提供)
- 課程区分
- その他
- 地域:詳細
- 科目・講師
- 科目・講師詳細にてご参照ください
- 開講日時
- 2024/7/17
- 受講期間の目安
- 受講料
- 無料
- 学費支援
(奨学金) - 無し
- 学費支援(教育訓練給付金)
- 無し
- ジャンル
- コンピュータ科学
- 通学/通信区分
- 通信
- 募集期間
- 2024/6/12~2025/2/25
- 講座の概要
- 講座内容
スマートエスイーは早稲田大学を中心とし、第一線の教育者・研究者・実務家が、超スマート社会を国際的にリードするイノベーティブ&DX人材を育成するAI・IoT・ビッグデータ技術分野のビジネススクールとしての社会人学び直しプログラムです。
本講座「機械学習」では、機械学習の理論を把握した上で、ツールを用いた教師あり・教師なし・半教師あり・強化学習、Pythonについて学びます。
Week1
第1回 Python言語の基礎
1-1 Python言語とは
1-2 変数・代入・数値計算
1-3 比較演算子・真偽値・ループ
1-4 条件分岐・関数
1-5 NumPyによる配列の処理
第2回 Python言語によるデータ分析の基礎
2-1 NumPyによる統計値の計算・列に対する演算
2-2 Matplotlibによる散布図の描画
2-3 pandasを使った統計値の分析
Week2
第3回 教師あり学習・教師なし学習-1
3-1 教師あり学習 k-NN(1)
3-2 教師あり学習 k-NN(2)
3-3 教師あり学習 回帰(1)
3-4 教師あり学習 回帰(2)
3-5 ハイパーパラメータ調整と評価
第4回 教師あり学習・教師なし学習-2
4-1 決定木
4-2 サポートベクターマシン(1)
4-3 サポートベクターマシン(2)
4-4 クラスタリング
4-5 アソシエーション分析
Week3
第5回 強化学習
5-1 強化学習とは?(1)
5-2 強化学習とは?(2)
5-3 価値関数ベース手法(モンテカルロ法)
5-4 価値関数ベース手法(Q-learning)
5-5 価値関数ベース手法(Sarsa)
5-6 ”OpenAI Gym” フレームワーク(1)
5-7 ”OpenAI Gym” フレームワーク(2)
5-8 方策探索ベース手法
5-9 環境の自作と利用
5-10 Q-learning+ニューラルネット
第6回 その他一般的な機械学習についていくつか
6-1 ハイパーパラメーターチューニング
6-2 入力データの標準化・正規化
6-3 Data leakage
6-4 不均衡なデータへの対応、他
6-5 機械学習の注意点
Week4
第7回 異常検知と半教師あり学習
7-1 はじめに
7-2 異常検知(1)
7-3 異常検知(2)
7-4 異常検知(3)
7-5 半教師あり学習(1)
7-6 半教師あり学習(2)
7-7 半教師あり学習(3)
7-8 半教師学習と能動学習
前提条件
<準備学習・前提知識>
- 統計解析の基礎知識
- 微分積分、線形代数の基礎知識
課題内容
各週選択形式の確認テスト
修了条件
得点率60%以上
学習期間
4週間
※本講座はスマートエスイープログラムの実際の講座を録画し、動画教材用に編集して作成しております。
※講義動画収録時期:2019年
- 科目一覧
- 科目詳細にてご参照ください
ユーザーコメント