機械学習の歴史を皮切りに、ニューラル ネットワークがデータ サイエンスのさまざまな問題でうまく機能している理由をご紹介します。次に、教師あり学習の問題を設定し、勾配降下法を使用して適切な解決策を見つける方法について説明します。これには、一般化が可能なデータセットの作成も含まれます。実験に対応するため、繰り返し使用できるデータセットの作成方法について解説します。
このコースについて
受講生の就業成果
50%
50%
受講生の就業成果
50%
50%
提供:

Google Cloud
We help millions of organizations empower their employees, serve their customers, and build what’s next for their businesses with innovative technology created in—and for—the cloud. Our products are engineered for security, reliability, and scalability, running the full stack from infrastructure to applications to devices and hardware. Our teams are dedicated to helping customers apply our technologies to create success.
シラバス - 本コースの学習内容
はじめに
このコースでは、機械学習(ML)の基礎知識を習得し、この専門分野で使用されている用語を理解できるようになります。また、Google の ML プラクティショナーから実践面でのヒントや問題を学び、コードや知識を習得して独自の ML モデルに活用することもできます。
実践的な機械学習
このモジュールでは、主要なタイプの機械学習(ML)について説明し、最新技術に至るまでの ML の歴史について検証していきながら、ML プラクティショナーとしてのキャリアアップを図ります。
最適化
このモジュールでは、機械学習(ML)モデルを最適化する方法について説明します。
一般化とサンプリング
ここからは、少し違った角度から検討していきます。正解率が最も高い機械学習(ML)モデルを選択するのが適さないことがありますが、それはどのような場合でしょうか。前回の最適化に関するモジュールで示唆したように、トレーニング データセットに対するモデルの損失指標が 0 というだけでは、実世界の新しいデータを適切に処理できることにはなりません。
まとめ
レビュー
LAUNCHING INTO MACHINE LEARNING 日本語版 からの人気レビュー
TensorFlow PlaygroundやBigQueryに触れることができたのは有益だった。数式が当然のように出てくるのは少し辛いかもしれない。。。
Machine Learning with TensorFlow Google Cloud Platform 日本語版専門講座について
機械学習とはどのようなもので、どのような問題解決に役立つのでしょうか。候補となるユースケースを機械学習で習得できる形に変換する5段階とは、そしてこれらの段階を省略しないことが重要である理由は何でしょうか。今、なぜニューラル ネットワークに注目が集まっているのでしょうか。

よくある質問
登録前にコースをプレビューできますか?
登録すると何を行うことができるようになりますか?
コースの修了証はいつ取得できますか?
このコースを視聴できないのはなぜですか?
Is financial aid available?
さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。