機械学習初心者がテレビゲームの売上データセットを使って回帰モデル・分類モデルを作成してみた - Qiita
はじめに 先日、東大の 松尾研究室 が主催している データサイエンティスト育成講座 というものに参加しました。 私が参加したのは企業向けにアレンジされたもので、およそ2週間に1回、合計5日間でデータサイエンスの基礎を学ぶというものです。 カリキュラムとしては、 「東京大学のデータサイエンティスト育成講座」 という書籍をベースにして、講義半分、演習半分という感じで進んでいきました。 機械学習初心者の私が、この講座を受けてどれくらいデータ分析っぽいことができるようになったかを書き留めておこうと思います。 筆者のスペック 機械学習の経験 私自身はITエンジニアとして十数年の経験はありますが、業務でデータ分析っぽいことをやったことはほぼありません。 ただ、この講座を受ける半年ほど前に CourseraのMachine Learning を受けたり、機械学習に関する書籍を読んだりしていたのである程度
ノンコーディングで機械学習 AutoMLサービスまとめ - Qiita
はじめに🤪 ノンコーディングで機械学習モデルが生成可能なツール、サービスをご紹介します。 GUIツールから、pythonライブラリなど、様々な物を探してみました。 そもそもAutoMLって？😅 機械学習にはそもそも以下のようプロセスがあります。 課題定義 データ収集 データ調整 特徴エンジニアリング アルゴリズム選定 パラメータ調整 学習 評価 推論 このうち3~9の部分を自動的に行ってくれるのがAutoMLツールとなります。 どんなサービスがあるか 大きく分けて以下のカテゴリがあります。 * クラウドサービス * オープンソースライブラリ * フリーソフト クラウドサービス🌥 DataRobot https://www.datarobot.com/ サービス内画面 Dataiku https://www.dataiku.com/ サービス内画面 H2O DriverlessAI h
機械学習のための特徴量エンジニアリング
本書は、機械学習モデルの性能を向上させるために、データから良い特徴量を作る特徴量エンジニアリングについて解説します。 前半では初学者に向けて、数値、テキスト、カテゴリ変数の基本的な取り扱い方を説明し、後半では特徴量ハッシング、ビンカウンティング、PCAによるデータの圧縮、さらに非線形特徴量とモデルスタッキング、画像特徴量抽出と深層学習による自動特徴学習などの高度なテーマを扱います。 特徴量エンジニアリングの原理について直感的な理解が得られるように図や例を豊富に使い、またPythonコードによる実行例を数多くあげて解説しており、実際の業務に適用するための具体的な知識が得られます。 特徴量エンジニアリングを使いこなし、機械学習モデルの性能を最大限に引き出したいエンジニア必携の一冊です。Kaggle GrandmasterのKohei Ozaki（@smly）氏による「日本語版に寄せて」を収録し
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
