【AutoML】自動化された機械学習を学ぼう！ 【PyCaret / Google Colab / Kaggle】
AutoML（自動機械学習）は、短いコードで効率的な機械学習の実装を可能にします。ライブラリPyCaretを使用し、データの前処理や機械学習モデルの比較、ハイパーパラメータの最適化などを自動化します。最後はKaggleの課題に取り組みます。
Description
（注: Google ColaboratoryにおけるPythonのバージョンが3.10に上がり、このコースにおける自然言語処理（pycaret.nlp）のコードが動かなくなりました。動作を確認するためには、Visual Studio Codeなどで別の環境を用意する必要があります。動作検証にこだわらない方は、関連レクチャーは動画だけ見て次に進んでください。）
「【AutoML】自動化された機械学習を学ぼう！」は、これまでにない手軽さにより近年大きな注目を集めているAutoML（Automated Machine Learning、自動機械学習）を学ぶコースです。
「AutoML」は、機械学習モデルの設計や構築を自動化すること、またはそのための概念全般のことで、機械学習の専門家でなくても高機能な機械学習の機能を利用可能にします。
本講座では、AutoMLおよび機械学習について包括的に学んだ上で、AutoMLのライブラリPyCaretを使ってデータの前処理や機械学習モデルの比較、ハイパーパラメータの最適化などを自動化します
その上で、最後はKaggle上でAutoMLを実践します。
AutoMLのライブラリを使えば、数百行を超えるようなコードを数行のみのコードに置き換えることさえ可能になります。
手軽なだけではなく実用的な技術であるため、これまで様々な理由で機械学習を敬遠してきた方にもお薦めです。
注: 本コースに先立ちYouTubeでのライブ講義【Live人工知能】がありました。本コースの動画はこのライブ講義をUdemy用に再構成したものになります。
コースの内容は以下の通りです。
Section1. AutoMLの概要
→ AutoMLの概要を把握し、簡単なコードを試します
Section2. 機械学習とAutoML
→ AutoMLと関連付けて、機械学習全般について学びます
Section3. AutoMLの可能性の探求
→ 自然言語処理、異常検知などでAutoMLの可能性を探求します
Section4. AutoMLの実践
→ AutoMLを使い、Kaggle上で現実的な問題に取り組みます
なお、今回の講座でプログラミング言語Pythonの解説は最小限となりますが、Pythonの基礎を解説するノートブックがダウンロード可能です。
本コースはディープラーニング用フレームワークとしてPyTorchを使用します。
また、Pythonの開発環境にはGoogle Colaboratoryを使用します。
What You Will Learn!
- AutoML（自動機械学習）の概要と基礎を学びます。
- ライブラリを使ったAutoMLの実装を学びます。
- 短いコードで効率的に機械学習を行う方法を学びます。
- AutoMLと絡めて機械学習を学びます。
- 機械学習アルゴリズムの比較、ハイパーパラメータのチューニングなどが短いコードで実装できるようになります。
- AutoMLを使ってKaggleの課題に取り組めるようになります。
Who Should Attend!
- AutoMLに興味があるけど、始め方が分からない方。
- 機械学習をツールとして使いこなしたい方。
- 機械学習における定番の処理を自動化したい方。
- 機械学習の長くて複雑なコードに辟易している方。
- AutoMLで何らかの問題を解決したい方。
- AutoMLをライブラリ（PyCaret）を使って実装したい方。
- AutoML全般の知識が欲しい方。
- AutoMLを使ってKaggleに取り組みたい方。