大量のデータや多くの変数を含む複雑な問題を解くのに機械学習が最善の方法だとは分かっていても、これまでに機械学習を使用した経験が一度もないとしたらどうでしょう。乱雑で不完全なデータやフォーマットがいくつも混在しているデータをどうすれば上手く処理できるのでしょうか?データに合った適切なモデルを選択するにはどうすればよいのでしょうか?

くじけてしまいそうになりませんか?ですが心配はいりません。体系的なワークフローを知ることでスムーズなスタートを切ることができるようになります。

以下のeBookをダウンロードして、基礎から高度な手法やアルゴリズムに至るまでを段階的に学ぶことができます。

セクション1: 機械学習のご紹介

教師あり学習・教師なし学習、適切なアルゴリズムの選択、実際の事例など、機械学習の基礎を紹介します。

セクション2: はじめての機械学習

健康管理アプリを例に、機械学習のワークフローを段階的に学びます。このセクションでは、データへのアクセスと読み込み、データの前処理、特徴抽出、モデルのトレーニングと調整について説明します。

セクション3: 教師なし学習の適用

ハードクラスタリングとソフトクラスタリングについて説明します。また、モデルのパフォーマンスを向上させるための一般的な次元削減の手法について紹介します。

セクション4: 教師あり学習の適用

分類と回帰のアルゴリズムについて説明し、特徴選択や特徴変換、ハイパーパラメータのチューニングといった、モデルを改善する手法を紹介します。