機械学習集中講座はあなたに適していますか？
すべての資料を順番に確認することをおすすめします。
機械学習集中講座は、復習に最適です。すべてのモジュールを順番に確認するか、関心のあるモジュールのみを選択します。
「機械学習の入門」は、機械学習の基本コンセプトの復習に役立ちますが、さまざまな分野の ML の問題を解決するためのツールと手法について説明する上級者向けの ML コースもご利用ください。
Machine Learning Crash Course には、numpy、pandas、Keras などの ML ライブラリを使用するいくつかのプログラミング演習が含まれていますが、主に ML のコンセプトの説明に重点を置いており、ML API を詳しく説明するものではありません。Keras のその他のリソースについては、Keras デベロッパー ガイドをご覧ください。
機械学習クイック コースを開始する前に、次の事前作業と前提条件のセクションを読んで、すべてのモジュールを完了する準備を整えてください。
事前作業
機械学習集中講座を開始する前に、次の準備を行います。
- 機械学習を初めて使用する場合は、機械学習の概要をご覧ください。この短いセルフ トレーニング コースでは、ML の基本コンセプトについて説明します。
- NumPy を初めて使用する場合は、NumPy 超高速チュートリアル Colab 演習を行います。この演習では、このコースに必要な NumPy のすべての情報を確認できます。
- pandas を初めて使用する場合は、pandas UltraQuick チュートリアルの Colab 演習を行います。この演習では、このコースに必要なすべての pandas 情報を確認できます。
前提条件
機械学習集中講座では、機械学習に関する事前知識は必要ありません。ただし、説明されているコンセプトを理解し、演習を完了するには、次の前提条件を満たすことをおすすめします。
変数、線形方程式、関数のグラフ、ヒストグラム、統計的平均に精通している必要があります。
優れたプログラマである必要があります。プログラミング演習は Python で行われるため、Python でのプログラミング経験があると理想的です。ただし、Python の経験がない経験豊富なプログラマでも、通常はプログラミング演習を完了できます。
以降のセクションでは、役立つ追加の背景資料へのリンクを示します。
代数学
線形代数
三角法
統計情報
- 平均値、中央値、外れ値、標準偏差
- ヒストグラムを読み取る能力
微積分学（省略可、上級者向け）
- 微分の概念（実際に微分計算を行う必要はありません）
- 勾配または傾斜
- 偏微分（勾配と密接に関連）
- チェーンルール（ニューラル ネットワークのトレーニングに関する誤差逆伝播アルゴリズムを完全に理解するため）
Python プログラミング
Python チュートリアルでは、次の Python の基本について説明しています。
位置引数とキーワード引数を使用して関数を定義して呼び出す
forループ、複数の反復子変数を含むforループ（例:for a, b in [(1,2), (3,4)]）文字列の書式設定（例:
'%.2f' % 3.14）変数、代入、基本データ型（
int、float、bool、str）
一部のプログラミング演習では、次の高度な Python コンセプトを使用します。
Bash ターミナルと Cloud コンソール
ローカルマシンまたはクラウド コンソールでプログラミング演習を実行するには、コマンドラインでの作業に慣れている必要があります。