全人類がわかる機械学習講座 e-ラーニングコース

・プログラミング、AI・データサイエンス初学者
・リスキリングしたい方
・G検定の次段階や、E資格受験の準備として学習したい方

特に必要ありません

「数学」「統計」「情報理論」「Python」「機械学習」の5分野について、修了試験を合格する。
(すべての分野で正解が7割超えたら合格・修了)

・関数(関数とAI、一次関数、二次関数、指数関数、対数関数、三角関数、双曲線関数、多変数関数、関数の合成)
・微分(微分とは、極大と極小、単変数関数の微分、偏微分、合成関数の微分、合成関数の偏微分、勾配法)
・線状代数(機械学習と線形代数、スカラー・ベクトル・行列、ベクトルの演算、行列の演算)
・行列と関数・微分(ベクトル・行列と関数の関係、ベクトル・行列と微分の関係)
・確率と統計(確率論、記述統計と推測統計、期待値と分散、独立と相関、確率分布、母集団の性質と推測)
・情報理論(機械学習と情報理論、情報エントロピー、クロスエントロピー、KLダイバージェンス、JSダイバージェンス)
・Python開発環境構築(開発環境構築手順)
・Python基礎(変数と型・演算、リスト、組み込み関数、入力と出力、エラーメッセージ、if文・for文、関数、csvの読み書
き、データ型と関数)
・Python応用(for文・if文の応用、while文、randomライブラリ、csvデータの解析、再帰関数)
・クラス入門(クラス、インスタンス、インスタンス変数、インスタンスメソッド)
・numpy入門(データセットの構造理解、array、ブロードキャスト、数学とNumpyの関係、線形代数とNumpyの関係)
・データ分析・可視化入門(matplotlib、複数データのプロット、データの保存、棒グラフ・積み上げ棒グラフ、ヒストグラムの作成、グラ
フの描画、plotly)
・機械学習【理論編】(機械学習とは、モデル開発の流れ、アルゴリズム概論)
・機械学習【実装編】(単回帰分析、重回帰分析、分類タスクの前処理、ロジスティック回帰、SVM、kNN、クラスタリングの前処理、
k-means)