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

 


 

Be the first to comment

Leave a Reply

Your email address will not be published.


*