Course Summary
Artificial Intelligence (AI) and Machine Learning (ML) are transforming our world. This course teaches the fundamentals of ML, including supervised and unsupervised learning, and neural networks. It also covers real-world applications such as image recognition, natural language processing, and recommendation systems.Key Learning Points
- Learn the fundamentals of Machine Learning and Artificial Intelligence
- Explore supervised and unsupervised learning techniques
- Discover real-world applications of ML, including image recognition and recommendation systems
Related Topics for further study
Learning Outcomes
- Understand the fundamentals of ML and AI
- Apply supervised and unsupervised learning techniques
- Create real-world applications of ML, including image recognition and recommendation systems
Prerequisites or good to have knowledge before taking this course
- Basic programming knowledge in Python
- Familiarity with linear algebra and calculus
Course Difficulty Level
IntermediateCourse Format
- Online
- Self-paced
- Video lectures
Similar Courses
- Data Science Essentials
- Applied Data Science with Python
- Deep Learning
Related Education Paths
Notable People in This Field
- Director of AI Research, Facebook
- Professor, University of Toronto; VP and Engineering Fellow, Google
Related Books
Description
「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。
Outline
- はじめに
- はじめに
- 機械学習の技術
- はじめに
- 正則化
- L1 正則化と L2 正則化
- ラボの概要: 正則化
- ラボ: 正則化
- 学習レートとバッチサイズ
- 最適化
- TensorFlow コードを使った実践練習
- ラボの概要: 機械学習モデルの手動調整
- ラボでのソリューション: 機械学習モデルの手動調整
- 機械学習の技術
- 学習レートとバッチサイズ
- ハイパーパラメータ調整
- はじめに
- パラメータとハイパーパラメータ
- グリッド検索の枠を超えて考える
- ラボの概要: Cloud MLE を使用したハイパーパラメータ調整によってモデルの精度を向上させる
- ラボでのソリューション: Cloud MLE を使用したハイパーパラメータ調整によってモデルの精度を向上させる
- ハイパーパラメータ調整
- 理論の導入
- はじめに
- スパース性を高める正則化
- ラボ: L1 正則化
- ラボでのソリューション: L1 正則化
- ロジスティック回帰
- L1 正則化
- ロジスティック回帰
- ニューラル ネットワークの理論
- はじめに
- ニューラル ネットワーク
- ラボ: ニューラル ネットワーク環境
- ニューラル ネットワークのトレーニング
- ラボ: ニューラル ネットワークを使用した機械学習モデルの作成
- マルチクラス ニューラル ネットワーク
- ニューラル ネットワークのトレーニング
- マルチクラス ニューラル ネットワーク
- 埋め込み
- 埋め込みの概要
- 埋め込みの確認
- 推奨事項
- データ駆動型の埋め込み
- スパース テンソル
- 埋め込みのトレーニング
- 類似度プロパティ
- 埋め込み
- カスタム エスティメータ
- カスタム エスティメータ
- モデル関数
- ラボ: カスタム エスティメータの実装
- Keras モデル
- デモ: Keras モデルと Estimator
- カスタム エスティメータ
- まとめ
- まとめ
- 専門分野認定のまとめ
Summary of User Reviews
Discover the art and science of machine learning with this highly-rated course on Coursera. Users rave about the practical and hands-on approach taken by the instructor, making it easy to learn and apply machine learning concepts.Key Aspect Users Liked About This Course
The hands-on approach of the instructorPros from User Reviews
- Course is highly practical with hands-on examples
- Instructor explains complex concepts in an easy-to-understand way
- Great balance between theory and application
- Community forum provides helpful support and discussion
- Course is well-structured and easy to follow
Cons from User Reviews
- Some videos can be a bit slow-paced
- Not all concepts are covered in depth
- Programming assignments can be challenging for beginners
- Course may not be suitable for those without a background in programming
- Some users report technical issues with the platform
Art and Science of Machine Learning 日本語版
- 0.0
-
![]()
![]()
![]()
![]()
![]()
「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。 はじめに はじめに 機械学習の技術 はじめに 正則化 L1 正則化と L2 正則化...
