自然言語処理とは、日本語や英語などの人間が普段使う言語をコンピューターに処理させることを言い、Google翻訳などの機械翻訳や予測変換、「Amazon Alexa」などの対話システムに活用されています。 このパッケージでは、ニュース記事のカテゴリ分けなどを通して、質問応答システムの実装を目指します。
Grow with Googleの「はじめてのAI」講座では、AI に関わる基本知識だけでなく、事例や具体的に AI がどのような仕組みで動いているかも紹介します。AI の基礎を理解し、AI をどう活用できるかのヒントが つかめるように、本講座で学びます。※こちらの講座はGrow with Googleの講座です。Grow with Google のコンテンツは、すべて Google により無料で公開されているものです。
学習の流れやデータの使い方、精度評価の方法などを学べる機械学習の入門講座です。
機械学習で最も使われるプログラミング言語「Python」の基礎を学びます。文字の出力、変数の概要、条件分岐、ループなど、「Python」の基本的な使い方をマスターしましょう。
データ分析の基礎となる統計学を学べる初学者向けの講座。変数とグラフから相関係数までを取り扱います。
「Python」のベクトルや行列計算を高速に行うためのライブラリ「NumPy（ナンパイ）」の基礎を学びます。「NumPy」を用いることで、効率的な科学技術計算が可能になり、機械学習分野に必須のライブラリです。
「Python」のデータ分析用ライブラリ「Pandas（パンダス）」の基礎を学びます。「Pandas」を用いることで数表や時系列データの計算が楽になり、定量データ解析には必須のライブラリです。
「Matplotlib」というライブラリを用いてデータを可視化する方法を学びます。折れ線グラフ、円グラフ、ヒストグラム等の作成から、3Dグラフを作成する方法まで学びます。
Pythonで機械学習を行う際に必要となる様々な前処理を学びます。CSVやExcel、DBからのデータの取得、欠損値への対応方法など、実務で必須となる前処理をスマートに実装するためのライブラリについてコード例を確認しながら習得します。
「教師あり学習」とは、正解ラベル付きのデータセットを使って、機械学習モデルを作る手法です。その中でも、今回は数値予測を行うための「回帰」モデルの扱い方について学びます。
教師あり学習（分類）では、画像や文章などをカテゴリ分けする 「分類」モデルの手法の紹介やハイパーパラメーターのチューニングなどについて学びます。
「教師なし学習」とは、正解ラベルが付いていないデータセットを使い、機械学習モデルを作る手法です。今回は、クラスタリングや主成分分析といったアルゴリズムの手法について学びます。
深層学習（ディープラーニング）のアルゴリズムの詳細と実装の基礎を学びます。今回はディープラーニングのなかで最も基礎的なアルゴリズムであるDNN（ディープニューラルネットワーク）を用いて手書き文字認識に挑戦します。
データクレンジングとは、機械学習モデルにデータを読み込ませるために、データの欠損値や画像の前処置を行う手法です。CSVデータの扱い方や欠損値の処理、OpenCVを用いた画像加工の方法などを学習します。
webページから必要な情報を自動で抜き出す作業を、スクレイピングと言います。このコンテンツでは主にBeautifulSoupを用いたスクレイピングの手法を紹介します。
自然言語処理の方法について学びます。コンピュータは言語を言語のまま理解することはできず、数値に変換する必要があります。今回は、文章を数値に変換する手法を学び、教師あり学習（分類）を使ってカテゴリ分類に挑戦します。
自然言語処理とネットワーク分析により、日本語テキストからトピック（話題）を抽出し特性を把握する方法を学びましょう。テキストを定量的に解析することは、大量の文書を効率よく正確に把握することに役立ち、ひいては新たな知識の発見や戦略の意思決定に寄与します。
機械翻訳や自動要約など、発展的な自然言語処理において深層学習はとても有力な手法です。ニューラルネットワークモデルを用いた自然言語処理における、前処理、具体的手法を、質問応答システムを作成しながら説明し、実装していきます。
