機械学習基礎カリキュラム

機械学習の数学的基礎から実装まで、理論重視で体系的に学ぶカリキュラム。線形回帰からニューラルネットワークまでを数式で理解する20章の教材。

全17章を、Stageごとに順番に学べます。各章のリンクから学習を始めてください。

学習マップ

Stage 1: 導入

1. 機械学習とは何か

Stage 2: 数学・基礎統計

1. 回帰と分類の基本
2. 損失関数と最適化
3. 訓練・検証・テストデータの分割
4. 過学習と汎化

Stage 3: 機械学習コア

1. アンサンブル学習
2. 線形回帰の数理
3. 特徴量選択と次元削減
4. ロジスティック回帰：分類問題への確率的アプローチ
5. クラスタリング
6. 決定木とランダムフォレスト：ルールベース学習からアンサンブルへ
7. 推薦システム
8. 時系列解析と予測

Stage 4: 深層学習と模試復習

1. ニューラルネットワーク基礎
2. 深層学習
3. 自然言語処理
4. コンピュータビジョン