deeplearning.ai受講メモ (2/24更新) - naoya_t@hatenablog
【追記】2/19全講座修了しました！ https://www.deeplearning.ai/ Andrew Ng先生のディープラーニング専門講座 deeplearning.ai を受講したメモ。久々のCoursera！ Neural Networks and Deep Learning Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization Structuring Machine Learning Projects Convolutional Neural Networks Sequence Models Courseraの中でもこの講義は Specialization という枠組みで、基本有料（月$49.00；講義ビデオを視聴するだけで課題なしCertificateなし
機械学習からファイナンスまで Courseraの素晴らしい講義に無料でアクセスするコツ - グローバル経営の極北
世界中の名門大学の講義がオンラインで学べるCourseraは本当に素晴らしくて、MBAで世界ランク上位のペンシルベニア大学、ノースウェスタン大学などのファイナンスやマーケティング、スタンフォードやジョンズ・ホプキンス大学のデータ・サイエンスの授業がオンラインで気軽に受講できるのは革命的。 しかも全て無料！というのはさすがに厳しかったのか、最近はマネタイズが進んでいて、Specializationという形で複数の講義がまとめられ、月額$40-80くらいを支払えば受け放題というモデルが中心になっていると思っていた。でも、Certificateを取らずに、講義を受けるだけなら依然として「無料」だということに気づいたのでTips的にご紹介。 例えばこのペンシルベニア大学のBusines and Financial Modeling。ファイナンスのモデリングに関する5講義がまとめられている。 ただ、
Coursera Machine Learning (6): 機械学習のモデル評価（交差検定、Bias & Variance、適合率 & 再現率） - Qiita
Coursera Machine Learning (6): 機械学習のモデル評価（交差検定、Bias & Variance、適合率 & 再現率）機械学習coursera交差検定適合率再現率 機械学習を学ぶのに最も適した教材と言われる、Machine Learning | Coursera を受講しているので、復習も兼ね学んだ内容を簡潔にまとめてみようと思います。 第六弾は、機械学習モデルの検証です。データを手に入れ、いざモデルを作りました。そのモデルはいいモデルなんでしょうか？そもそもいいモデルってなんでしょう？そういう、意外と大切なことを学ぶ回です。 過去の記事 Coursera Machine Learning (1): 機械学習とは？単回帰分析、最急降下法、目的関数 Coursera Machine Learning (2): 重回帰分析、スケーリング、正規方程式 Coursera
coursera の Machine Learning を受講してる
coursera で Andrew Ng 先生の Machine Learning の講座を受講してる。 Machine Learning - Stanford University | coursera 本当は、修了時にブログ記事を書こうと思ったけれども、 勢いで半分終わった今(week5)、記事を書いてしまったので公開。 2 度挫折しました# MOOC の講座は 30 近く受講してきたけれども、 実は MOOC の代表ともいえるこの講座は手が出なかった。 なぜなら、、、難しいから・・・。 2 度挑戦して、2 度挫折しています。 1 度目: 他の mooc(nand2tetris)を受けてて時間がなかったから week3 で挫折。 2 度目: week5 の back propagation の難解さに挫折。 機械学習諦めようと、何度も思った。 でも、世間の風潮は AI まっしぐら。 エ
【機械学習】Stanford University Machine Learning / Week1【学習メモ】
0.何の学習メモ？ ・スタンフォード大学がCourseraをプラットフォームにして提供している機械学習のコース(詳しくはここ)の学習メモ ・学習メモだけあって雑然としてます I.イントロ 機械学習の定義 Tom Mitchell (1998) Well-posed Learning Problem: 良設定学習問題 A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E. そのコンピュータープログラムは、いくつかのタスクTといくつかのパフォーマンス評価Pに関連する経験Eから学ぶ、と言
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
