DataTalksClub/machine-learning-zoomcamp

これは何か

Machine Learning Zoomcampは、機械学習システムの構築、評価、デプロイ方法を学べる無料の実践的なコースです。理論中心のクラスではありません。焦点は、機械学習を実際の問題に適用し、トレーニング済みモデルを他のアプリケーションが利用できるサービスに変えることです。

このコースは、機械学習の問題から本番サービスまでの全体の流れを追います: 問題を明確にする → データを準備する → モデルをトレーニングして評価する → APIを通じて公開する → パッケージ化する → デプロイする。

対象者

機械学習の事前経験は必要ありません。前提条件は以下の通りです:

プログラミング経験が少なくとも1年あること
コマンドラインを快適に使えること
インターネット接続のあるラップトップ

役立つ(ただし必須ではない)スキル: Pythonにある程度慣れていること、Git/GitHubの基本的な経験、ノートブックやスクリプトでデータを扱った経験。必須ではないもの: MLのトレーニング経験、クラウドやKubernetesの知識、GPUを搭載した強力なコンピュータ(ディープラーニングモジュールはクラウドリソースを使用します)。

このコースは、ソフトウェアエンジニア、データアナリスト、データエンジニア、技術系の学生に特に関連性が高いです。プログラミング経験がない方、AIの非技術的な入門を希望する方、高度なML研究トピックを希望する方には適していません。

コースの進め方

全体の流れでは以下を使用します:

Python、NumPy、pandas、scikit-learn — データ処理と古典的なMLモデル用
TensorFlow、PyTorch、Keras — ディープラーニング用
FastAPI、Docker、Kubernetes、AWS Lambda — デプロイとモデル提供用

コースは2つの方法で受講できます:

	ライブコホート	自己ペース
開始	2026年9月14日	いつでも
費用	無料	無料
講義	録画済み	録画済み
宿題	採点あり	利用可能、スコアなし
リーダーボード	あり	なし
ピアレビュー	あり	なし
修了証	対象	不可

「ライブコホート」は、必須のライブクラスがあるという意味ではありません。講義は録画済みです。つまり、共通の締め切り、採点される宿題、リーダーボード参加、ピアレビュー、コミュニティサポート、修了証の取得資格があるということです。

学べること(シラバス)

ML入門 — MLとは何か、いつ使うか、CRISP-DMフレームワークでのプロジェクト構成、教師あり学習の基礎。
回帰 — 車両価格予測モデルを構築: ゼロからとscikit-learnを使った線形回帰、特徴量の作成/選択、正則化、モデル検証。
分類 — ロジスティック回帰による顧客離脱予測システムの構築: カテゴリ変数のエンコーディング、特徴量の重要性、予測の解釈。
評価指標 — 正確度、精度、再現率、F1スコア、混同行列、ROC曲線とAUC、交差検証、不均衡クラスの処理。
MLモデルのデプロイ — トレーニング済みモデルのシリアライズ、FastAPIサービスによる予測の公開、Dockerでのパッケージ化、クラウドプラットフォームへのデプロイ。
決定木とアンサンブル学習 — 決定木、ランダムフォレスト、XGBoostによる勾配ブースティング、ハイパーパラメータチューニング、特徴量の重要性。
中間プロジェクト — モジュール1〜6を、自分で選んだエンドツーエンドの問題に適用。
ニューラルネットワークとディープラーニング — ニューラルネットワークの構成要素、PyTorch/TensorFlow/Keras、畳み込みニューラルネットワーク、転移学習、画像分類。
サーバーレスディープラーニング — AWS LambdaとAPI Gatewayを使用したモデルのデプロイ(scikit-learn、TensorFlow、PyTorchモデルを、永続サーバーを管理せずに)。
KubernetesとTensorFlow Serving — Kubernetesの主要概念、TensorFlow Servingによるモデル提供、モデルサービスのデプロイとスケーリング。
キャップストーンプロジェクト — 2つの大規模なエンドツーエンドプロジェクト(2つ目は任意ですが、修了証の対象となります)。

プロジェクトと修了証

このコースでは、3つのプロジェクトの機会が提供されます:

中間プロジェクト(モジュール6の後)
キャップストーンプロジェクト1(モジュール10の後)
キャップストーンプロジェクト2(任意、最後)

ライブコホート中に修了証の資格を得るには、以下が必要です:

2つのプロジェクトを提出 — 中間+キャップストーン1つ、またはキャップストーン2つのどちらか
コホートの締め切りまでに提出する
他の学習者のプロジェクト3件のピアレビューを完了する

過去の学習者プロジェクトには、がん予測のための血球分類器や廃棄物分類器(DockerパッケージのAPIを通じて提供され、テスト精度93.3%のXceptionベースの画像分類器)があります。

コミュニティ

学習者は、DataTalks.Club Slack(#course-ml-zoomcampチャンネル)、Telegram、YouTubeプレイリストを通じてつながります。このコースは「人前で学ぶこと」を推奨しています。ブログ投稿、ビデオ、ソーシャルメディアで#mlzoomcampを使って進捗を共有することで、ライブコホート中にボーナスポイントを獲得できます。

実用的な注意点

コースは完全に無料でオープンソースです
強力なコンピュータは不要です。クラウドリソースが重いディープラーニング計算を処理します
自己ペースの学習者はすべての教材を無料で使用できますが、修了証はライブコホートを通じてのみ取得できます
コースでの実際のプロジェクトは、GitHub用の具体的なポートフォリオ作品になります