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。
問題を設定し、勾配降下を使用して適切な解決策を見つけ、データセットを作成する方法について学びます。また、Tensorflow でスケーラブルな分散型機械学習モデルを作成して、これらのモデルのトレーニングを拡張し、高性能な予測ができるようになります。さらに、機械学習（ML）がデータから重要な特質を学習したり、人間による分析を問題に取り入れるように、生データを変換します。最後に、正確で一般化されたモデルを生成し、特定の ML 問題を解決する理論について、および適切なパラメータの組み合わせ方を学びます。まず ML 集中型の戦略の構築から始め、その後 Google Cloud Platform のハンズオンラボを通じてモデルのトレーニング、最適化、本稼働まで、ML に関する手順全体を実習します。
専門講座のしくみ
コースを受講しましょう。
Coursera（コーセラ）の専門講座は、一連のコース群であり、技術を身に付ける手助けとなります。開始するには、専門講座に直接登録するか、コースを確認して受講したいコースを選択してください。専門講座の一部であるコースにサブスクライブすると、自動的にすべての専門講座にサブスクライブされます。1つのコースを修了するだけでも結構です。いつでも、学習を一時停止したり、サブスクリプションを終了することができます。コースの登録状況や進捗を追跡するには、受講生のダッシュボードにアクセスしてください。
実践型プロジェクト
すべての専門講座には、実践型プロジェクトが含まれています。専門講座を完了して修了証を獲得するには、成功裏にプロジェクトを終了させる必要があります。専門講座に実践型プロジェクトに関する別のコースが含まれている場合、専門講座を開始するには、それら他のコースをそれぞれ終了させる必要があります。
修了証を取得
すべてのコースを終了し、実践型プロジェクトを完了すると、修了証を獲得します。この修了証は、今後採用企業やあなたの職業ネットワークと共有できます。
この専門講座には5コースあります。
コース1
How Google does Machine Learning 日本語版
4.5
11件の評価
機械学習とはどのようなもので、どのような問題の解決に役立つのでしょうか。Google では機械学習について、データだけでなくロジックの面からも独自の視点で考えています。こうした捉え方が、機械学習モデルのパイプライン構築を考えるうえでなぜ有効なのか説明します。次に、候補となるユースケースを機械学習で学習できる形に変換する 5 つの段階について説明し、こうした段階を省略しないことの重要性について論じます。最後に、機械学習が助長する可能性のある偏見の認識と、それを識別する方法について説明します。
コース2
Launching into Machine Learning 日本語版
4.4
8件の評価
機械学習の歴史を皮切りに、ニューラル ネットワークが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、一般化が可能になるデータセットの作成も含まれます。実験に対応するため、データセットを繰り返し作成できる方法について解説します。
コースの目標:
ディープ ラーニングが注目を集めている理由を知る
損失関数とパフォーマンス指標を使用して、モデルを最適化および評価する
機械学習で発生しがちな一般的な問題を軽減する
再現可能なスケーラブル トレーニング用、評価用、テスト用データセットを作成する
コース3
Intro to TensorFlow 日本語版
4.0
5件の評価
低レベルの TensorFlow を導入し、分散型機械学習モデルを作成するために必要なコンセプトと API を開発します。TensorFlow モデルのトレーニングをスケールアウトし、Cloud Machine Learning Engine を使った高性能な予測を提供する方法について説明します。
コースの目的:
TensorFlow で機械学習モデルを作成する
TensorFlow ライブラリを使用して数値の問題を解決する
TensorFlow コードによくある問題のトラブルシューティングとデバッグを行う
tf.estimator を使用して ML モデルを作成、トレーニング、評価する
Cloud ML Engine を使用して ML モデルの大規模なトレーニング、デプロイ、本稼働を行う
コース4
Feature Engineering 日本語版
機械学習モデルの精度を高める方法や、特に有効な特徴を抽出するためのデータ列の見極め方を知りたい人におすすめのコースです。Feature Engineering on Google Cloud Platform では、良い特徴と悪い特徴の要素について、また、機械学習モデルで最適に使用できるように、特徴を前処理して変換する方法についても取り上げます。
このコースでは実践演習として、インタラクティブなラボを使用し、Google Cloud Platform 内で特徴を選択して前処理を行います。インストラクターが解答のコードについて説明します。解答のコードは、今後、皆さんが自身の ML プロジェクトに取り組む際に参照できるよう、一般公開される予定です。
コース5
Art and Science of Machine Learning 日本語版
「Art and Science of Machine Learning」へようこそ。このコースでは、機械学習モデルの微調整と最適化を行って高いパフォーマンスを得るために不可欠な直感と判断力、実験のスキルを習得します。
このコースでは、モデルのトレーニングで調整に使用するさまざまなノブやレバー、すなわち「ハイパーパラメータ」について学びます。最初にこうしたハイパーパラメータを手動で調整してモデルのパフォーマンスに与える影響を観察し、使い方に慣れてきたら、Google Cloud Platform で Cloud Machine Learning Engine を使用して、自動的に調整する方法を学習します。
Google Cloudについて
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.
よくある質問
返金ポリシーについて教えてください。
1つのコースだけに登録することは可能ですか？
はい。まず始めに興味のあるコースカードをクリックして登録します。コースに登録して修了することによって、共有できる修了証を取得するか、無料でコースを聴講してコースの教材を確認することができます。専門講座の一部であるコースにサブスクライブすると、専門講座全体に自動的にサブスクライブされます。進捗を追跡するには、受講生のダッシュボードにアクセスしてください。
学資援助はありますか？
無料でコースを受講できますか？
このコースは100%オンラインで提供されますか？実際に出席する必要のあるクラスはありますか？
このコースは完全にオンラインで提供されているため、実際に教室に出席する必要はありません。Webまたはモバイル機器からいつでもどこからでも講義、学習用教材、課題にアクセスできます。
専門講座を修了することで大学の単位は付与されますか？
この専門講座では大学の単位は付与されませんが、一部の大学では専門講座修了証を単位として承認する場合があります。詳細については、大学にお問い合わせください。
コースの購読を終了するにはどうすればいいですか？
コースを修了後または、途中でコースを終了したい場合は、コースの購読を終了する必要があります。購読を終了しないと、引き続き課金が発生します。
コースの購読を終了するためには、画面右上のメニューから”購入済みコース”を選択し、購読を終了したいコースの”購読を終了（Cancel subscription) ”をクリックしてください。
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。
コーセラは、世界トップクラスの教育を世界中に配信しています。
最高峰の大学や組織とのパートナーシップに基づくオンラインコースが提供されています。
© 2019 Coursera (株)すべての権利予約します。
