機械学習 【第2回】確率統計と最適化手法による機械学習の深化
前回の振り返り 前回は、機械学習の基礎となる線形代数と微分積分について学びました。これらの数学的概念が、どのようにして機械学習アルゴリズムの設計や解析に活用されるのかを理解することができたと思います。 今回のテーマは「確率統計と最適化手法に...
機械学習
機械学習 
データ分析 【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...
データ分析 【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...
機械学習 【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４回】機械学習の基本概念を理解しよう
第4回の目標 今回は機械学習の歴史を振り返り、3つの主要な学習方法（教師あり学習、教師なし学習、強化学習）についての基本的な理解を深め、それぞれの手法の違いや適用方法を把握します。これにより、Kaggleでの成果に結びつく戦略的な学びを進め...