WEBVTT

00:00:02.870 --> 00:00:07.590
>> 開発者へようこそ
データ サイエンスの概要

00:00:07.590 --> 00:00:09.450
おそらくあなたの多くはすでに

00:00:09.450 --> 00:00:12.120
伝統に精通
プログラミング ロジック。

00:00:12.120 --> 00:00:13.740
それでは、理解してみましょう

00:00:13.740 --> 00:00:15.360
活用における機械学習

00:00:15.360 --> 00:00:17.220
伝統プログラミングロジック。

00:00:17.220 --> 00:00:18.640
これはそのイメージです。

00:00:18.640 --> 00:00:20.670
それはあなたに方法の違いを示しています

00:00:20.670 --> 00:00:24.580
伝統プログラミングが作成されます
機械学習モデルと対比します。

00:00:24.580 --> 00:00:28.290
従来のプログラミングの使用
審美的にプログラムロジック

00:00:28.290 --> 00:00:30.405
をクリックして、特定の出力を取得します。

00:00:30.405 --> 00:00:32.780
静的な結果は、次の情報に基づいて生成されます。

00:00:32.780 --> 00:00:35.075
アルゴリズムのプログラムロジック。

00:00:35.075 --> 00:00:37.130
機械学習
具体的には

00:00:37.130 --> 00:00:39.290
教師付き機械学習において、

00:00:39.290 --> 00:00:41.810
あなたは、あなたのデータを持っています

00:00:41.810 --> 00:00:44.090
あなたの機能、そしてあなたが持っている

00:00:44.090 --> 00:00:47.005
あなたのラベルである出力で。

00:00:47.005 --> 00:00:50.720
それは通過します
アルゴリズム計算

00:00:50.720 --> 00:00:52.820
モデルが作成され、

00:00:52.820 --> 00:00:55.460
私たちは基本的に到達することができます
を使用してレベルのユーザー機能

00:00:55.460 --> 00:00:58.580
数学関数
データを使用して作成されます。

00:00:58.580 --> 00:01:02.375
これは、トレーニングと呼ばれています
機械学習モデル。

00:01:02.375 --> 00:01:06.710
機械学習では、そこに
は 2 つの異なるカテゴリです。

00:01:06.710 --> 00:01:09.470
1つは教師付き学習と呼ばれます

00:01:09.470 --> 00:01:12.635
そしてもう一つは
教師なし学習。

00:01:12.635 --> 00:01:14.870
監督とは、私たちが与えていることを意味します

00:01:14.870 --> 00:01:17.165
両方のデータの例

00:01:17.165 --> 00:01:19.280
予測と答えに使用してください。

00:01:19.280 --> 00:01:22.070
例えば、犬や猫です。

00:01:22.070 --> 00:01:25.130
私たちは、与えるだろう
モデルタグ画像

00:01:25.130 --> 00:01:28.605
の機能カテゴリ
犬と猫のために。

00:01:28.605 --> 00:01:32.445
私たちは彼に言うだろう
猫と犬は何ですか。

00:01:32.445 --> 00:01:36.600
その後、モデルは学ぶだろう
提供されたデータにタグを付ける方法。

00:01:36.600 --> 00:01:40.760
教師あり学習は、
タグなしのデータセットを提供する

00:01:40.760 --> 00:01:42.635
それを与えずに学ぶ

00:01:42.635 --> 00:01:45.590
何の答え
私たちはそれを学びたいと思っています。

00:01:45.590 --> 00:01:49.295
ご覧のとおり、
教師付き機械学習、

00:01:49.295 --> 00:01:52.460
次の 2 つの方法があります。
回帰と分類。

00:01:52.460 --> 00:01:55.235
教師なしの下で
機械学習、

00:01:55.235 --> 00:01:57.845
3つの異なるがあります
方法: クラスタリング、

00:01:57.845 --> 00:02:00.905
異常検出、
と推奨事項。

00:02:00.905 --> 00:02:02.810
今、私たちは少し持っています

00:02:02.810 --> 00:02:05.210
何の理解
機械学習は、

00:02:05.210 --> 00:02:08.825
モデルを見てみましょう
高レベルでの建築プロセス。

00:02:08.825 --> 00:02:11.540
ご覧のとおり、
は、4 つの主要なステージです。

00:02:11.540 --> 00:02:14.090
我々は準備があると言った
あなたのデータ、あなたのモデルを訓練し、

00:02:14.090 --> 00:02:17.600
モデルをテストし、
モデルを運用可能にします。

00:02:17.600 --> 00:02:18.875
データを準備し、

00:02:18.875 --> 00:02:21.305
そして、これはあなたが見つける必要があるステージです。

00:02:21.305 --> 00:02:22.985
データを選択して作成し、

00:02:22.985 --> 00:02:27.620
前処理手法の適用
また、データのギャップも埋めます。

00:02:27.620 --> 00:02:33.455
列車のモデルは、それを意味します
モデルを与える必要があります

00:02:33.455 --> 00:02:36.590
特定のデータを使用して、
モデルはそれを学ぶつもりです

00:02:36.590 --> 00:02:40.175
これらのデータから予測
将来の何かのように。

00:02:40.175 --> 00:02:43.010
これは非常に反復的な作業です

00:02:43.010 --> 00:02:45.990
あなたがする必要があるかもしれないので
モデルのデータを変更する

00:02:45.990 --> 00:02:48.560
あなたが持っていると思うまで

00:02:48.560 --> 00:02:52.190
優れた会計データ
生産段階に向けて。

00:02:52.190 --> 00:02:54.020
テストモデル、今すぐ

00:02:54.020 --> 00:02:57.200
あなたが思うモデル
非常に良いパフォーマンスを発揮するつもりです。

00:02:57.200 --> 00:02:59.800
あなたはそれをテストすることができます
新しいデータの重み付けが行われます。

00:02:59.800 --> 00:03:01.980
最後に、モデルを運用します。

00:03:01.980 --> 00:03:05.030
今、運用化する時です
モデルを作成して、モデルを作成する

00:03:05.030 --> 00:03:09.360
からそれを消費することができます
異なるアプリケーション。