5.進捗報告_UDEMYでの学習完了
久しぶりの更新となります。
Udemyで3つの教材を学習することにしており、前回までで1つ見終えていました。
残り2つの動画視聴が完了したので、今回はその教材で学んだことや感想を書いていきます。
教材の感想
AIパーフェクトマスター講座 -Google Colaboratoryで隅々まで学ぶ実用的な人工知能/機械学習-
この教材は動画時間が合計12時間とそこそこボリュームがある講座でした。
ディープラーニングの基礎理論を、実際に数式を使って学べるだけでなく、RNNやCNN、強化学習といった機械学習の代表的な手法についても、理論と実装をセットで学ぶことができました。
また、教材の最後では、自分のローカル環境で開発したディープラーニングのモデルをWebアプリに組み込み、そのアプリを無料サーバー上にデプロイすることまでしました。実際にだれでもアクセスし、使うことができます。公開はしませんが😑
これまでローカル上で簡単なWebアプリを作成したことはありますが、サーバーにデプロイする経験はなかったので、とても貴重な経験になりました。教材で紹介されていたサーバーサービスは現在無料枠が廃止されていて有料のみの提供になっていたため、私は代わりに「Render」というサービスを利用しました。デプロイまでの手順は需要があるかもしれないため、時間があれば別途記事を作成したいと思います。
【Python×株価分析】株価データを取得・加工・可視化して時系列分析！最終的にAIモデルで予測をしていこう！
まずは株価データを取得し、それを加工してグラフ化したり、移動平均線を重ねたりといった可視化の基礎から始まります。
そして教材の後半では、LightGBM という機械学習のフレームワークを使って、実際に株価の上下を予測するモデルを作成しました。
他の2つの教材では、自分でニューラルネットワークの層を構築してモデルを作っていましたが、LightGBMはその必要がなく、どちらかというと決定木モデルに分類される仕組みのようです。
比較的簡単にモデルを構築できるという点が魅力的で、これから作成する株価予測システムの予測モデルの候補としても検討しています。
これから
ロードマップ的には、Udemyでの教材学習は終えたので、次から株価予測システムの設計に入っていきます。まずは、どのような特徴量を用いて、何のアルゴリズムを用いるかゆっくり検討していきたいと思います。
※特徴量…分析対象データの中の、予測の手掛かりとなる変数のこと
Discussion