機械学習 【第1回】機械学習における線形代数と微分積分の基礎
このブログの目的 機械学習はさまざまな分野で活用されており、その基礎となる数学の理解が重要視されています。本シリーズでは、日本の高校生でも理解できる範囲で、機械学習を支える数学の基礎を3回にわたって解説します。 機械学習を理解するための基礎...
プログラミング
機械学習 
機械学習 【第8回】教師なし学習の基本とラベルなきデータの可能性【前編】
前編の目標：データのクラスタリングと分類 データのラベルがない状態でも、クラスタリングによってデータのグループを見つけ、分類する力を養います。K-meansや階層型クラスタリングといった手法を通じて、データをどのように分割・構造化できるかを...
機械学習 【第7回】教師あり学習の基礎と代表的なアルゴリズム（後編）
第7回の目標 第7回後編のブログでは、サポートベクターマシン（SVM）と多層パーセプトロン（MLP）に焦点を当て、これらのアルゴリズムの理論的背景と実装方法を詳しく解説します。 SVMでは、ハードマージンとソフトマージンの概念、カーネル関数...
機械学習 【第7回】教師あり学習の基礎と代表的なアルゴリズム（中編）
第7回の目標 第7回中編のブログでは、決定木とランダムフォレストを深く理解し、実践的に活用することを目指します。ただ単にアルゴリズムの仕組みを知るだけでなく、それぞれの特性や適用場面を意識しながら学習を進めることが重要です。 決定木では、不...
機械学習 【第7回】教師あり学習の基礎と代表的なアルゴリズム（前編）
第7回の目標 機械学習は、大きく分けて教師あり学習と教師なし学習の二つのカテゴリーに分類されます。今回のテーマである教師あり学習は、入力データとそれに対応する正解（ラベル）が与えられた状態でモデルを学習させる手法です。これにより、新たなデー...
機械学習 【第6回】線形回帰とロジスティック回帰の実装と最急降下法の役割
第6回の目標 第6回では、線形回帰とロジスティック回帰の基本的な理論を理解し、これらのモデルを実際に実装する能力を身につけることを目指します。具体的な学習目標は以下の通りです。 線形回帰の理解 線形回帰の定義と数学的表現を理解し、特徴量とタ...
プログラミング 【第5回】モデル評価と最適化（後編）
第5回の目標 第5回の目標は、機械学習モデルの評価と最適化に関する技術を深く理解し、実践的なスキルを身につけることです。具体的には、モデルの性能を正確に評価するための各種モデルの指標（精度、適合率、再現率、F1スコア、AUC-ROC曲線、平...
機械学習 【第5回】モデル評価と最適化（前編）
第5回の目標 第5回の目標は、機械学習モデルの評価と最適化に関する技術を深く理解し、実践的なスキルを身につけることです。具体的には、モデルの性能を正確に評価するための各種モデルの指標（精度、適合率、再現率、F1スコア、AUC-ROC曲線、平...
機械学習 【第3回】データの前処理と可視化
第3回の目標 第３回では、データの前処理と可視化に関する基本的な技術を習得し、データの品質を向上させることで機械学習モデルの性能を最大限に引き出す方法を学びます。本ブログでは、データのクリーニングから特徴量エンジニアリングまでを体系的に理解...
機械学習 【第2回】統計学の基礎
第２回の目標 第2回では、機械学習やデータ解析に欠かせない「統計学の基礎」を学びます。統計学は、データを正確に理解し、データが何を示しているのかを判断するための重要なスキルです。 Kaggleのコンペティションに参加するためには、データ解析...