機械学習は、1959年にArthur Samuelによって、「明示的にプログラムされていなくてもコンピューターが学習できるようにする研究分野」として定義されました。 Pythonを使用したEITC/AI/MLPP機械学習プログラミングプログラムは、Pythonを使用したプログラミングに焦点を当てた機械学習の基礎(理論の基本的な理解を含む)を紹介することを目的としています。 理論を除いて、教師あり、教師なし、深層学習の機械学習アルゴリズムの理論的および実用的な側面とともにアプリケーションをカバーしています。 このプログラムは、線形回帰、K最近傍法、サポートベクターマシン(SVM)、フラットクラスタリング、階層的クラスタリング、およびニューラルネットワークを対象としています。 これには、関係するアルゴリズムとその背後にあるロジックの基本的な概念が含まれています。 また、モジュール(Scikit-Learnなど)とともに実例の実際のデータセットを使用したプログラミングにおけるアルゴリズムのアプリケーションについても説明します。 プログラムはまた、これらのアルゴリズムをコードに実装することにより、各アルゴリズムの詳細をカバーします。これには、アルゴリズムがどのように正確に機能するか、アルゴリズムをどのように変更できるか、および長所と短所を含むそれらのプロパティが何であるかについての洞察を含む関連する数学が含まれます。 機械学習に関連するアルゴリズムは、それらが基づいている数学(線形代数)と同様に、かなり単純です(大きなデータセットのスケーリングの必要性によって条件付けられています)。
カリキュラムリファレンスリソース
Pythonドキュメント
https://www.python.org/doc/
Pythonがダウンロードをリリース
https://www.python.org/downloads/
初心者向けPythonガイド
https://www.python.org/about/gettingstarted/
PythonWikiビギナーズガイド
https://wiki.python.org/moin/BeginnersGuide
W3SchoolsPython機械学習チュートリアル
https://www.w3schools.com/python/python_ml_getting_started.asp
EITC/AI/MLP Machine Learning with Python プログラムの完全なオフライン自己学習準備資料を PDF ファイルでダウンロードします