１章データに基づいた解析・機械学習とは
- １．１機械学習とは
- １．２機械学習の種類
- １．３機械学習の実装
２章データの標準化・主成分分析
- ２．１標準化
- ２．２データの関係性
- ２．３Ｐｙｔｈｏｎによる計算、データの可視化
- ２．４主成分分析
- ２．５ｓｃｉｋｉｔ‐ｌｅａｒｎによる主成分分析
３章線形回帰
- ３．１回帰とは
- ３．２線形回帰（単回帰）
- ３．３多項式回帰
- ３．４Ｐｙｔｈｏｎによる実装
４章過剰適合
- ４．１過剰適合と交差検証
- ４．２正則化
５章最尤推定法
- ５．１最尤推定法
- ５．２ＭＡＰ推定法
６章カーネル法
- ６．１一般関数の線形和
- ６．２ガウス関数による近似
- ６．３カーネル関数
- ６．４正則化
７章線形判別
- ７．１分類問題
- ７．２線形分離
- ７．３Ｆｉｓｈｅｒの線形判別分析法
８章サポートベクターマシン
- ８．１ハードマージンＳＶＭ
- ８．２ソフトマージンＳＶＭ
- ８．３ｓｃｉｋｉｔ‐ｌｅａｒｎによるＳＶＭの実装
- ８．４カーネルＳＶＭ
９章パーセプトロンとロジスティック回帰
- ９．１パーセプトロン
- ９．２ロジスティック回帰
１０章多層ニューラルネットワーク
- １０．１多層ニューラルネットワーク
- １０．２誤差逆伝播法
- １０．３多層ニューラルネットワークの実装
１１章深層学習
- １１．１勾配消失
- １１．２ＲｅＬＵ関数
- １１．３ｓｃｉｋｉｔ‐ｌｅａｒｎによる多層ニューラルネットワークの実装
１２章畳み込みニューラルネットワーク
- １２．１畳み込みニューラルネットワーク（ＣＮＮ）
- １２．２ＴｅｎｓｏｒＦｌｏｗによる多層ニューラルネットワークの実装
- １２．３ＴｅｎｓｏｒＦｌｏｗによるＣＮＮの実装
ＡＧｏｏｇｌｅＣｏｌａｂｏｒａｔｏｒｙ
- Ａ．１ＧｏｏｇｌｅＣｏｌａｂｏｒａｔｏｒｙ
- Ａ．２ＧｏｏｇｌｅＣｏｌａｂｏｒａｔｏｒｙの始め方
- Ａ．３ＧｏｏｇｌｅＣｏｌａｂｏｒａｔｏｒｙの環境
- Ａ．４ＧｏｏｇｌｅＣｏｌａｂｏｒａｔｏｒｙの制約
ＢＰｙｔｈｏｎ入門
- Ｂ．１条件分岐と繰り返し
- Ｂ．２データ型
- Ｂ．３データ構造
- Ｂ．４ＮｕｍＰｙｎｄａｒｒａｙ