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
Este curso faz parte do Programa de cursos integrados Machine Learning with TensorFlow Google Cloud Platform 日本語版
Launching into Machine Learning 日本語版
oferecido por
Informações sobre o curso
Learner Career Outcomes
50%
consegui um benefício significativo de carreira com este curso
50%
recebi um aumento ou promoção
Learner Career Outcomes
50%
consegui um benefício significativo de carreira com este curso
50%
recebi um aumento ou promoção
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível intermediário
Aprox. 11 horas para completar
Sugerido: 15 hours/week
Japonês
Legendas: Francês, Português (Brasil), Alemão, Inglês, Espanhol, Japonês
Instrutores
Google Cloud Training Instrutor principal
Instrutor principal
524,966 aprendizes
186 Cursosoferecido por
Google Cloud
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.
Programa - O que você aprenderá com este curso
4 minutos para concluir
はじめに
このコースでは、機械学習（ML）の基礎知識を習得し、この専門分野で使用されている用語を理解できるようになります。また、Google の ML プラクティショナーから実践面でのヒントや問題を学び、コードや知識を習得して独自の ML モデルに活用することもできます。
4 minutos para concluir
1 vídeo (Total 4 mín.)
1 vídeos
はじめに4min
1 hora para concluir
実践的な機械学習
このモジュールでは、主要なタイプの機械学習（ML）について説明し、最新技術に至るまでの ML の歴史について検証していきながら、ML プラクティショナーとしてのキャリアアップを図ります。
1 hora para concluir
10 vídeos (Total 62 mín.)
10 videos
はじめに1min
教師あり学習5min
回帰と分類11min
機械学習小史: 線形回帰7min
機械学習小史: パーセプトロン5min
機械学習小史: ニューラル ネットワーク7min
機械学習小史: 決定ツリー5min
機械学習小史: カーネル メソッド4min
機械学習小史: ランダム フォレスト4min
機械学習小史: 最新のニューラル ネットワーク8min
1 exercício prático
モジュール理解度チェック6min
1 hora para concluir
最適化
このモジュールでは、機械学習（ML）モデルを最適化する方法について説明します。
1 hora para concluir
13 vídeos (Total 61 mín.)
13 videos
はじめに42s
機械学習モデルの定義4min
出生率データセットの概要6min
損失関数の概要6min
勾配降下法5min
損失曲線のトラブルシューティング2min
機械学習で起こる問題6min
ラボ: TensorFlow Playground の概要6min
ラボ: TensorFlow Playground の詳細3min
ラボ: ニューラル ネットワークの実践6min
損失曲線のトラブルシューティング1min
パフォーマンス指標3min
混同行列5min
1 exercício prático
モジュール理解度チェック6min
3 horas para concluir
一般化とサンプリング
ここからは、少し違った角度から検討していきます。正解率が最も高い機械学習（ML）モデルを選択するのが適さないことがありますが、それはどのような場合でしょうか。前回の最適化に関するモジュールで示唆したように、トレーニング データセットに対するモデルの損失指標が 0 というだけでは、実世界の新しいデータを適切に処理できることにはなりません。
3 horas para concluir
9 vídeos (Total 64 mín.)
9 videos
はじめに1min
一般化と機械学習モデル6min
モデル トレーニングをいつ停止すべきか5min
BigQuery で再現性のあるサンプルを作成する6min
デモ: BigQuery でデータセットを分割する8min
ラボの概要1min
ラボの学習内容からソリューションを作成する手順9min
ラボの概要2min
ラボの学習内容からソリューションを作成する手順23min
1 exercício prático
モジュールの理解度チェック12min
Sobre Programa de cursos integrados Machine Learning with TensorFlow Google Cloud Platform 日本語版
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。
Perguntas Frequentes – FAQ
Posso assistir uma prévia do curso antes de me inscrever?
Sim, você pode assistir uma prévia do primeiro vídeo e ver programa do curso antes de se inscrever. Você precisa comprar o curso para ter acesso ao conteúdo não incluído na prévia.
Quando terei acesso às palestras e às tarefas?
Se decidir se inscrever no curso antes da data de início da sessão, terá acesso a todos os vídeos das palestras e leituras do curso. Também poderá enviar tarefas assim que a sessão começar.
O que recebo ao me inscrever?
Uma vez inscrito, e tão logo sua sessão tenha iniciado, você terá acesso a todos os vídeos e outros recursos, incluindo itens de leitura e fórum de discussão do curso. Você poderá ver e enviar tarefas práticas e concluir tarefas com nota atribuída obrigatórias para obter uma nota e um Certificado de Curso.
Quando receberei meu Certificado de Curso?
Se você concluir o curso com êxito, seu Certificado de Curso eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn.
Por que não posso assistir este curso como ouvinte?
Este curso é um dos poucos oferecidos pela Coursera que está disponível apenas para alunos que tenham pago ou recebido auxílio financeiro, quando disponível.
Qual é a política de reembolso?
Existe algum auxílio financeiro disponível?
Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.
© 2020 Coursera Inc. Todos os direitos reservados.
