MATLAB による機械学習
回帰、分類、およびクラスタリングモデルを作成し、それらのパフォーマンスを向上させる方法を学習します。
必要条件: MATLAB 基礎
このコースは特定のライセンスに含まれております。
自己学習形式のメリット
段階的に着実に進められる
フィードバックが自動化された実践的な演習
Web ブラウザーから MATLAB にアクセス可能
進捗レポートとコース修了証を共有可能
このコースについて
英語でのみ受講可能
1.
はじめに
コースの概要を理解する。データをインポートし、特徴を確認する。分類モデルの学習と評価を行う。
30 分
2.
データのクラスタリング
教師なし学習の手法を使用して、観測値をグループ化し、データセットをクラスタリングする。
120 分
3.
分類モデル
利用可能な分類方法を使用して、データを学習させて分類モデルを作成する。予測を行い、分類モデルの精度を評価する。
135 分
4.
分類モデルの改善
モデルのパフォーマンスを検証する。モデルプロパティを最適化する。データセットの次元を削減し、分類モデルを簡素化する。
90 分
5.
回帰モデル
教師あり学習の手法を使用して、回帰モデルを作成する。
105 分
6.
ニューラル ネットワーク
クラスタリングや分類、回帰のためのニューラル ネットワークを作成して学習させる。ネットワーク アーキテクチャを調整してパフォーマンスを向上させる。
45 分
関連コース
MATLAB 基礎
データ解析、モデル化、プログラミングにおける MATLAB の主な機能について学習します。
機械学習 入門
分類問題のための実用的な機械学習手法の基礎を学びます。
MATLAB によるディープラーニング
実際の画像およびシーケンス データを使用して、ディープ ニューラル ネットワークの理論と実践について学びます
