AIとMLをはじめる
中学数学の知識からスタートし、AI・機械学習の基礎を、数学とPythonコードの両方から理解するコースです。
1. 導入
- AIとは何か約15分
- 機械学習とディープラーニングの違い約15分
- AIはどうやって学習し、予測しているのか約15分
- このコースの歩き方約10分
2. Python基礎
- 変数とデータ型約15分
- 条件分岐と繰り返し約15分
- 関数約15分
- リストと辞書約15分
- エラーメッセージとの付き合い方約15分
3. データを扱う基礎
- NumPy基礎約25分
- pandas基礎約20分
- データの可視化約15分
- データの前処理約15分
- 統計の基礎(平均・分散・標準偏差)約20分
4. 数学×コードで回帰モデルを作る
- 数学の関数とグラフ約20分
- ベクトル入門約20分
- 線形回帰を動かしてみる約25分
- 損失関数(誤差を測る)約20分
- 勾配降下法を覗いてみる約20分
- 勾配を自分で計算する(中学数学で分かる勾配降下法)約30分
- まとめ・ミニプロジェクト約25分
5. 分類モデルを作り、正しく評価する
- 分類とは何か(回帰との違い)約15分
- ロジスティック回帰(確率で分類する)約35分
- 決定木(質問を重ねて分類する)約35分
- 訓練データとテストデータ約20分
- 評価指標(正解率だけでは足りない)約30分
- 過学習とまとめ・ミニプロジェクト約30分
6. ニューラルネットワークの仕組み
7. 画像を見分けるニューラルネットワーク(CNN)
- 画像は数の表約25分
- 畳み込み:フィルターを滑らせる約35分
- 縦線・横線を見つけるフィルター約25分
- ReLUとプーリング約25分
- 重みの共有と、重みの数約25分
- ソフトマックスとCNNの学習約35分
- まとめ・ミニプロジェクト:CNNで手書き数字を見分ける約40分
8. モデルを強くする:過学習を防ぎ、学習を安定させる
9. AIを正しく使う:評価の落とし穴・データリーク・再現性・公平性・説明性
- 正解率だけでは分からない:F値と、多クラスの平均約25分
- しきい値とROC曲線・AUC約30分
- データリーク約30分
- 再現性:同じ結果をもう一度出せるか約25分
- 公平性:グループごとに測る約30分
- まとめ:説明性と、モデルを使う前の点検表約30分