さて、長いようで短いようで長かった11週が過ぎ、Courseraの機械学習講座を終えました。

最後のビデオに、講座のまとめがされていましたのでそちらを転記します。

画像引用：Machine Learning - Coursera

まとめ：主なトピック

教師あり学習（supervised learning）

  • 線形回帰（linear regression）
  • ロジスティック回帰（logistic regression）
  • ニューラルネットワーク（neural networks）
  • SVM（SVMs）

教師無し学習（unsupervised learning）

  • K-meansクラスタリング（K-means clustering）
  • 次元削減の為の主成分分析（Principal Components Analysis）
  • アノマリー検出のアルゴリズム（Anomaly Detection algorithms）

特別な応用や特別なトピック（special applications or special topics）

  • リコメンダーシステム（Recommender Systems）
  • 大規模機械学習システム（large scale machine learning systems ）

機械学習のシステムを構築するにあたりアドバイス（advice on building a machine learning system）

  • バイアスとバリアンス（bias and variance）
  • 正規化（regularization）
  • 次に何をすべきか：（decide what to work on next:）
  • 学習曲線（learning curves）
  • エラー分析（error analysis）
  • シーリング（天井）分析（ceiling analysis）

そして

振り返りをしてみると、前半のニューラルネットワークに至るまでがなかなか大変だった印象が強いです。

講座を継続して受講するうちに、機械学習のアルゴリズムにもある種の「型」の様なものがあって、それを頭の中で組み立てる事が出来るようになると少し理解が進みやすくなった気がします。

アンドリュー先生も講座の中で繰り返し「直感的理解」を深めて下さい。と言っていました。最初は難解で理解することは到底不可能に思えた数式も段階を踏んで見直してみるとその意味が少し分かるようになりました。

数式からプログラミングに落とし込む事は技量的に難しいので、ライブラリのメソッドやパラメータの意味を理解し、パラメータの調整でどれ位精度が変化するか理解出来るようになりたいと思います。

さて、夏に一度やってみて理解不足で挫折した（クイズが自力では2〜3割しか正解出来なかった）Neural Networks and Deep Learning - Coursera に再度挑戦してみようと思います。では。

参考にさせていただきました

数学の苦手なバイオの学生がCourseraの機械学習コースを修了して気づいたこと - Qiita

Qiitaで11週全週に渡りまとめを公開して下さった @katsu1110 さんの記事を予習、復習に参考にさせて頂きました。