機械学習の基礎理論

カリキュラム

• 第1回
  機械学習の概念と歴史的背景
• 第2回
  教師あり学習と教師なし学習の基本原理
• 第3回
  回帰分析と分類アルゴリズムの理論
• 第4回
  決定木とランダムフォレストの仕組み
• 第5回
  サポートベクターマシンと次元削減手法
• 第6回
  ニューラルネットワークの基本構造
• 第7回
  特徴量エンジニアリングの重要性と手法
• 第8回
  モデル評価指標と検証手法
• 第9回
  過学習・過剰適合の対策と正則化
• 第10回
  ビジネス課題と機械学習手法の対応関係