Youtubeでビデオ・レッスン

---

Googleのビデオレッスンはこちら

---

【機械学習を始めよう】

1：AIとは？ | 機械学習とAIの関係/機械学習入門

2：機械学習入門 / k最近傍法 | 機械学習の手順と基本的なアルゴリズム

3：線形回帰（前編）| 線形回帰の理論

4：線形回帰（後編）| 重回帰と正則化

5：ロジスティック回帰（前編）| ロジスティック回帰の理論と実装

6：ロジスティック回帰（後編）| 多項ロジスティック回帰

7：サポートベクトルマシン（前編）| SVMの理論、ハードマージンとソフトマージン

8：サポートベクトルマシン（中編）| ラグランジュの未定乗数法、双体問題

9：サポートベクトルマシン（後編）| カーネル法、多クラス分類・回帰問題

10：決定木（CART）| 決定木の理論と実装

11：アンサンブル学習（前編）| バギング・スタッキング・バンピング、ランダムフォレスト

12：アンサンブル学習（後編）| AdaBoost、勾配ブースティング

13：モデルの評価と選択 | 交差検証、さまざまな評価基準

14：モデルの改良と前処理 ｜スケーリング、グリッドサーチ

15：次元削減｜教師なし学習、主成分分析

16：クラスター分析｜階層的クラスタリング、k-meansクラスタリング

 

---

【始めて学ぶ深層学習】

1：深層学習とは？｜ディープラーニングの意味、ニューラルネットワーク

2：活性化関数｜ReLU、シグモイド関数、ソフトマックス関数

3：損失関数_勾配降下法｜交差エントロピー誤差、ミニバッチ勾配降下法

4：誤差逆伝播法｜バックプロパゲーション

5：深層学習の実装｜深層学習フレームワーク、Keras

 

---

【統計】

回帰分析　1/4

回帰分析　2/4

回帰分析　3/4

回帰分析　4/4

 

主成分分析　1/3

主成分分析　2/3

主成分分析　3/3

---

【Excelで学ぶ】

重回帰分析

 

---