Art and Science of Machine Learning 日本語版

Por: Coursera . en: , ,

Overview

「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。

Syllabus

はじめに
-コースの概要として、主な目的とモジュールの構成を確認します。最初に、直感、判断力、実験を要する機械学習のさまざまな側面について学習します。このコースでは、これを機械学習の技術と呼びます。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、これら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ます。

機械学習の技術
-このコースでは、機械学習の技術について学習します。機械学習において適切なバランス、完璧になることはないため程良い状態を見極めるための直感、判断力、実験が必要な様々な側面について学びます。

ハイパーパラメータ調整
-このモジュールでは、まずパラメータとハイパーパラメータの違いについて学習します。次に、従来のグリッドサーチ手法の概要と、より高度なアルゴリズムを使用してグリッドサーチの枠を超えた考え方を取り入れる方法を学びます。最後に、ハイパーパラメータの調整に役立つ Cloud Machine Learning Engine の機能について学びます。

理論の導入
-このモジュールでは、機械学習の技術に加え、理論の学習も開始します。最初に、よりシンプルで簡潔なモデルを実現するため、スパース性を高める正則化の方法について学習します。次に、ロジスティック回帰の概要と、パフォーマンスの判定方法を学びます。

ニューラル ネットワークの理論
-このモジュールでは理論についての理解を深め、特にニューラル ネットワークの理論について学びます。

埋め込み
-このモジュールでは、スパースなデータを使用する機械学習モデルの消費メモリ量を抑えてトレーニング時間を短縮するために、埋め込みを使用してスパースなデータを管理する方法を学習します。埋め込みは、次元削減を行い、モデルをよりシンプルにして汎化性能を高める方法としても使用されます。

カスタム エスティメータ
-このモジュールでは、既製のエスティメータを使用するのではなく、カスタムのエスティメータを記述する方法について学習します。カスタム エスティメータを記述すると、モデル関数自体をより細かく制御できます。

まとめ
-「Art and Science of Machine Learning」コースで取り上げた主な内容を確認します。

Plataforma