データを探索し、予測モデルを作成する方法について学習します。
コースの概要を確認します。データのインポートと処理、データの特徴の探索、分類モデルの学習と評価について学びます。
教師なし学習の手法を使用して、一連の説明変数に基づいて観測値をグループ化し、データセットに潜む妥当なパターンを見つけます。
利用可能な分類メソッドを使用して、データ分類モデルの学習を行います。予測を行い、予測モデルの精度を評価します。
モデルのパフォーマンスを検証します。モデルのプロパティを最適化します。データセットの次元を減らして、機械学習モデルをシンプルにします。
教師あり学習の手法を使用して、連続的な応答変数に対する予測モデリングを実行します。
クラスタリングおよび予測モデリングのニューラル ネットワークを作成して、学習を行います。ネットワークのアーキテクチャを調整して、パフォーマンスを改善します。
次のステップを確認し、コースについてのフィードバックをお願いします。
形式: 自己学習形式
言語:日本語
データ解析、モデル化、プログラミングにおける MATLAB の主な機能について学習します。
分類問題の実用的な機械学習手法の基礎を学習します。
実際の画像およびシーケンス データを使用して、ディープ ニューラル ネットワークの理論と実践について学習します。
最短で MATLAB の基礎を学習します。
データ解析、モデル化、プログラミングにおける MATLAB の主な機能について学習します。
分類問題の実用的な機械学習手法の基礎を学習します。