機械学習モデルのブラックボックス的な理解から脱却しましょう！

機械学習や統計解析の理論的な背景には「統計モデル」や「確率モデル」と呼ばれる「モデル」という考え方があります。この「モデル」を通した見方を習得することで、様々な手法を俯瞰して眺めることができます。

例えば以下のことが理解できるようになります。

• 分類問題などを扱うニューラルネットワーク（ディープラーニング含む）の「損失関数(loss-function)」になぜクロスエントロピーがよく使われているのか？

• 最尤推定とベイズ推定の違い

• 正則化（Weight-Decay）の意味

本コースは統計モデルに関する基礎的な内容を解説します。内容は基礎的ですが、ニューラルネットワークなどのより複雑なモデルにも適用できる考えなので、上記の疑問に答えることができるようになります。

本コースでは理論面の解説に加えて、Pythonを利用した実際に動くデモを通すことでより深く理論を理解することができます。解説だけではどうしても理解が難しい問題も、実際に動くコードを見ながら自分でも手を動かして確認することができます。そうした経験を積んでいくことで、深い理解が得られるはずです。

是非本コースを通して、機械学習をブラックボックスとして利用する立場から、問題に合わせてモデルを構築する立場にステップアップしていきましょう！

（注：Python実装を掲載していますが、ソースコードの細かな解説はしておりませんので、ご了承ください）