mlnote-noteは、岡崎 直観先生が作成された機械学習帳を40日間、ちょっとずつ毎日学ぶための教材です。

• 1日ごとの学習内容を1枚のスライドで要約して解説しています。
• 確認問題を解くのに集中できるよう、環境構築が不要なAmazon SageMaker Studio Labで確認問題を解いています(※)。
• アウトプットによる学習の定着を促すために、スライドの作成に使ったPowerPointファイルmlnote-slides.pptxをリポジトリに含めています。自分なりに機械学習帳を要約しアウトプットするための素材としてお使いください。

※演習用のNotebookと、回答例を記入したNotebookはそれぞれ「Open Studio Lab」をクリックすると開けます。開くのにStudio Labのアカウントは不要です。動かすのに必要です。使い方は「学習を始める」のセクションを参照してください。

オリジナルの要約を作られた方は、ぜひ40daysmlnoteで呟いていただけると嬉しいです！本リポジトリ内のスライドに誤りがあったりした場合はIssuesにてご連絡ください。

著者が毎日チャレンジした様子はこちらから参照できます。

目次

• 回帰
• 分類
• 教師無し学習
• 学習を始める

回帰

Day	Lecture	Summary
1	1.単回帰 1.1~1.4
2	1.単回帰 1.4~1.7
3	1.単回帰 確認問題	演習用: 回答例:
4	2.重回帰 2.1~2.8
5	2.重回帰 確認問題	演習用: 回答例
6	3.モデル選択と正則化 3.1~3.3
7	3.モデル選択と正則化 確認問題	演習用: 回答例:
8	4.勾配法によるパラメータ推定 4.1~4.4
9	4.勾配法によるパラメータ推定 4.5~4.8
10	4.勾配法によるパラメータ推定 確認問題	演習用: 回答例:

分類

Day	Lecture	Summary
11	5.線形二値分類 5.1~5.4
12	5.線形二値分類 5.5~5.7
13	5.線形二値分類 5.8
14	5.線形二値分類 確認問題	演習用: 回答例:
15	6.線形多クラス分類 6.1~6.6
16	6.線形多クラス分類 6.7~6.8
17	6.線形多クラス分類 6.9
18	6.線形多クラス分類 確認問題	演習用: 回答例:
19	7.ニューラルネットワーク (1) 7.1~7.2
20	7.ニューラルネットワーク (1) 7.3
21	7.ニューラルネットワーク (1) 確認問題	演習用: 回答例:
22	8.ニューラルネットワーク (2) 8.1
23	8.ニューラルネットワーク (2) 8.2~8.3
24	8.ニューラルネットワーク (2) 確認問題(8.4)	演習用: 回答例:
25	8.ニューラルネットワーク (2) 確認問題(8.5)	演習用: 回答例:
26	9.サポートベクトルマシン 9.1~9.2
27	9.サポートベクトルマシン 9.4
28	9.サポートベクトルマシン 9.3,9.5

教師無し学習

Day	Lecture	Summary
29	10.非階層的クラスタリング 10.1~10.2
30	10.非階層的クラスタリング 10.310.4,10.610.8
31	10.非階層的クラスタリング 確認問題	演習用: 回答例:
32	11.階層的クラスタリング 11.1~11.2
33	11.階層的クラスタリング 11.3
34	11.階層的クラスタリング 確認問題	演習用: 回答例:
35	12.主成分分析 (1) 12.1~12.3, 12.5
36	12.主成分分析 (1) 12.4
37	12.主成分分析 (1) 確認問題	演習用: 回答例:
38	13.主成分分析 (2) 13.1~13.2
39	13.主成分分析 (2) 13.3
40	13.主成分分析 (2) 13.5

学習を始める

Studio Labを使う

Studio Labは、ブラウザ上でJupyterLabの環境が利用できるサービスです。メールアドレスのみ、無料で利用が可能です。詳細はAmazon SageMaker Studio Lab の使い方、アカウントのリクエストはRequest Accountよりできます。

ローカル環境を使う

Minicondaをインストールした後、次のコマンドで環境を構築できます。

conda env create --file environment.yml

Windowsの場合はenvironment-windows.ymlを使ってください。