What you'll learn:
- Pythonの基本的なプログラミング
- AI、機械学習の概要
- Kaggleの使い方、コンペの参加方法
- データ分析や機械学習のプログラミング方法
- スキルアップに向けて次に学ぶべき指針
■このコースのゴール
AI機械学習の基本的なプログラミング方法を習得し、さらに目標に向けて自発的に踏み出せるようになる。
■受講後にできるようになることの一例
・Pythonの基本的なプログラミングができる
・AI、機械学習とは何か基礎知識をもとに説明できる
・機械学習による予測モデルの作成フローを理解し、自分で作成できる
・自分に合ったKaggleのコンペを探し、参加できる
・今後の目標を立て、さらなるスキル習得に向けて自発的に踏み出せる
※いくつか無料のプレビュー動画を公開しておりますので、イメージ確認のためぜひご覧ください。
セクション1 はじめに
コース概要と目的
未来に向けてのステップ
ご挨拶
セクション2 コースの全体像と進め方
Kaggleの概要と最初に目指す近い未来
講座の内容と開発環境
コラム
セクション3 （STEP1）Pythonの基本的な書き方を学ぶ
このセクションで学ぶこと
Pythonの開発環境を用意しよう
Python(Anaconda)をインストールしよう
実践の注意点やポイント
Google Colaboratoryを使ってみよう
Python速習①：基礎構文
・変数①
・変数②
・リスト
・タプル
・辞書
・比較演算
・条件分岐演算
・繰り返し演算
・実習①：基礎演算
・関数
Python速習②：ライブラリ
・Numpy
・Pandas
・Matplotlib
・実習②：ライブラリ
学んだことチェック
コラム
セクション4 （STEP2）機械学習の基礎知識を学ぶ
このセクションで学ぶこと
AIとは？
機械学習とは？
機械学習の種類
教師あり学習
強化学習
教師なし学習
データ分析に必要な知識
統計指標（平均）
統計指標（中央値・最頻値）
統計指標（分散・標準偏差）
可視化（基本のグラフ）
可視化（散布図・バブルチャート）
可視化（ヒストグラム・箱ひげ図）
統計指標と可視化の注意
学んだことチェック
コラム
セクション5 （STEP3）Kaggleで実践を交えながら学ぶ
全体像の確認
Kaggleのアカウントを作成しよう
Kaggleの基本操作を確認しよう
モデル作成の流れ
Titanicコンペに挑戦！
Lesson1：データを読み込んでみよう
Lesson1：主要な統計指標を確認しよう
Lesson1：Pandas Profilingを使ってみよう
Lesson1：特徴量と目的変数の関係性を確認しよう
Lesson1：特徴量エンジニアリンクとは
Lesson1：特徴量エンジニアリンクの実践
Lesson1：（補足）One-Hotエンコーディングとは
Lesson1：モデル作成実践①（ランダムフォレストとは）
Lesson1：モデル作成実践②（ランダムフォレストの実装）
Lesson1：モデル作成実践③（予測結果のsubmit）
Lesson1：モデル作成実践④（スコアの確認）
Lesson2：精度向上に向けて取り組むこと
Lesson2：ロジスティック回帰とアルゴリズムチートシート
Lesson2：ロジスティック回帰を実装しよう
Lesson3：新たな特徴量を作ろう
Lesson4：LightGBMと過学習
Lesson4：教師データの分割と検証
Lesson4：LightGBMを実装しよう
Lesson4：予測の実施から精度を確認しよう
Lesson5：パラメータチューニングしてみよう
Lesson6：交差検証とは
Lesson6：交差検証（KFold）を実装しよう
Lesson7：交差検証（StratifiedKFold）を実装しよう
Lesson7：時系列データに関する注意
Lesson8：アンサンブルしてみよう
学んだことチェック
セクション6 （STEP4）今後の方針を学ぶ
コンペで入賞し賞金を得る未来を目指す
データサイエンティストとして働いている未来を目指す
Pythonicなエンジニアになる未来を目指す
アンケートのお願いと今後作成予定の動画について
