タダです。
機械学習の勉強で、 前々から Cousera を使いたいと思って下記の 「Machine Learning Course」を受講します。 www.coursera.org
そこで、今回は本コースの概要と、受講スタイル、料金、本コースの Introduction で学んだことをまとめていきます。
ちなみに受講者の私のステータスは、文系かつ数学は学生時代に挫折していますが、機械学習に興味をもち1から勉強している身です。
受講する準備
Coursera では、アカウントを作成する必要があります。
そのため、 Facebook のアカウントを使って認証か Coursera の独自アカウントを作成しておいてください。
本コースの概要
本コースの講師は、スタンフォード大学の Andrew Ng 先生です。
あの有名なスタンフォード大学の講義を受けられるなんて凄い時代です...
Coursera では、週ごとの学習コンテンツが設けられており、 「Machine Learning Course」では11週間のプログラムになってます。
受講スタイル
受講スタイルは、eラーニングでの受講になります。
中身としては、以下のようなコンテンツ構成となっています。
- 動画による Andrew Ng 先生の講義
- 動画で解説してきたキーワードの解説資料(学習用教材)
- テスト
動画を何本か観たのですが、1本あたり5分~8分ほどで非常にコンパクトで観やすいです。
何より日本語字幕が対応しているのがありがたいです。
受講料金
受講料金は、無料になります。
Introduction を受講して学んだこと
まず、もうすでに私たちは以下のような多くの機会学習アルゴリズムを使っていることが紹介されました。
また、機械学習アルゴリズムは大きく以下のものがあり、本講座では以下のアルゴリズムについて紹介されます。
教師なし学習と教師なし学習
教師あり学習は、正しい答えが与えられて、アルゴリズムに正解を予測させます。
教師あり学習の種類として以下のものがあります。
- 分類：Eメールのスパムメールのように、ラベル(「正解」)をつけて分類する
- 回帰：住宅の価格変動を予測するなど数値を予測する
教師なし学習は、答えはなく、何らかの構造や法則を見出すアルゴリズムです。
例えば、Web上の一連のニュース記事の中身から同様のニュースである、といったグルーピングを自動で行うような処理をさします。
これは、クラスタリングという手法で行なっている処理になります。
以上が、 Introduction で学んだことになります。
次からは教師あり学習の線形回帰の解説に入りますが、次回の記事で学んだことをまとめます。
まとめ
「Machine Learning Course」を学び始める前にコースと Introduction の受講の所感をまとめてみました。
数学や論文を使わず、具体例を交えながら教師あり学習と教師なし学習を解説されているのでイメージがつきやすかったです。
引き続き次回もIntroduction以降の第1週のコンテンツの受講レポートを順次書いていきます！
