TechGardenSchool Online

1-1-1. scikit-learnによる機械学習

1-1-2. 機械学習で使用できるデータ表現

1-1-3. 正規化（標準化）

1-2-1. 学習モデルの評価指標

1-2-2. scikit-learnによる学習モデルの精度評価

1-3. 章末テスト

2-1-1. Watson Natural Language Classifier (NLC)

2-1-2. APIを使って独自の自然言語分類モデルを作る

2-1-3. APIを使って独自の自然言語分類モデルを試す

2-2-1. Azure MLで自然言語処理

2-2-2. 自然言語を数値で表現する

2-2-3. 自然言語処理を行う場合の前処理

2-2-4. 自然言語の分類モデルの完成

2-3-1. Pythonを使ったデータスクレイピング

2-3-2. オープンデータの活用

2-3-3. HTMLデータの取得

2-3-4. PythonでWebスクレイピング

2-4-1. 形態素解析と分かち書き

2-4-2. TF-IDFとBag of Words（BoW）

2-4-3. Word2VecとDoc2Vec

2-5. 章末テスト

3-1-1. 機械学習とニューラルネットワークの学習フェーズ

3-1-2. ニューロン

3-1-3. ニューラルネットワーク

3-1-4. 簡単なニューラルネットワークを作る

3-1-5. フルコネクトのニューラルネットワーク

3-1-6. 活性化関数

3-1-7. 最適化関数、損失関数、評価関数

3-1-8. バッチサイズとエポック

3-2-1. ディープラーニング

3-2-2. ニューラルネットワークとディープラーニング

3-2-3. 畳み込みニューラルネットワーク（CNN）とは

3-2-4. 10種類の手書き数字を分類する

3-2-5. 畳み込み層：Conv2D

3-2-6. プーリング層：MaxPooling2D

3-2-7. 特徴量抽出以降のネットワーク

3-2-8. 過学習とその対策

3-3-1. 再帰型ニューラルネットワーク

3-3-2. 再帰型ニューラルネットワークの考え方

3-3-3. LSTMで予測モデルを作成

3-4. 章末テスト

4-1-1. 学習モデルのデプロイ

4-1-2. Watson MLを使用したWeb API化

5-1-1. Watson Assistant

5-1-2. Watson Assistantの使用準備とWorkspaceの作成

5-1-3. Intentを作る

5-1-4. Dialogを作る：簡単な会話

5-1-5. Entityの作成

5-1-6. Dialogを作る：複雑な会話

5-2-1. Discoveryとは何か

5-2-2. Environmentの確認とCollectionの作成

5-2-3. Configurationの設定とDocumentの追加

5-2-4. Query Builderでの検索

5-2-5. APIを用いた検索

5-3-1. LINEチャットボットの開発

5-3-2. Watson AssistantとDiscoveryの接続

5-3-3. LINEの設定

5-3-4. Node-REDの準備

5-3-5. Node-REDでWebhookを作成

6-1. 応用課題