Summary  
Machine learning is a programming approach in which models learn distinguishing patterns from labeled training data and are then evaluated on separate test data to ensure they generalize to new inputs.  

General domain of usage  
Email spam filtering

このコースのコードを理解するためには、以下のコースを事前に修了しておくと便利です。すでにこれらのトピックに精通している場合は不要です。

**機械学習（ML）**は、コンピュータが明示的な指示を受けるのではなく、データから学習してタスクを解決するプログラミング手法。

例として、**スパム**／**ハム**（スパムでない）分類器が挙げられる。


このようなシステムを従来のプログラミング手法（機械学習なし）で構築するのは困難であり、明示的なルールの記述やスパムワードのリストを手動で作成する必要があります。

機械学習を用いることで、モデルは多数のスパムおよびハムメールの例で訓練され、特徴的なパターンを自動的に学習します。



訓練に使用されるデータは**訓練セット**と呼ばれます。この場合、すでにスパムまたはハムとして**ラベル付け**されたメールで構成されており、モデルが両カテゴリの特徴を把握できるようになっています。

訓練後、モデルは**テストセット**（別のラベル付きメールの集合）を用いて評価されます。このステップで、モデルが新しい**未知のデータ**にどれだけ一般化できるかを確認します。


スパム／ハム分類器において、従来のプログラミング手法と比較した場合の機械学習（ML）モデルの主な利点は何ですか？

機械学習は今やあらゆる場所で利用されています。自分で学びたいと思いませんか？このコースは、機械学習の世界への入門として、基本的な概念の習得、最も人気のあるMLライブラリであるScikit-learnの操作、そして最初の機械学習プロジェクトの構築を学ぶためのものです。
このコースは、Python、Pandas、Numpyの基礎知識を持つ学生を対象としています。

機械学習の概念とMLプロジェクトのワークフローについて学習します。

前処理は、MLプロジェクトにおいて最も重要な段階の一つです。本章では、ほぼすべてのデータセットに必要な前処理手順について解説します。

パイプラインは、すべての前処理ステップとモデルを組み合わせるための便利な方法です。パイプラインを使用することで、モデルの学習や利用がはるかに簡単になります。

モデリングはMLプロジェクトの中で最も楽しい段階です。モデルの構築、チューニング、評価方法を学びましょう。

MLとは何か