このモジュールでは、モデルのパフォーマンス改善に向けてバッチサイズと学習率を調整する方法、モデルを最適化する方法、TensorFlow コードにコンセプトを適用する方法を学習します。

このモジュールでは、パラメータとハイパーパラメータを区別する方法を学習します。その後、従来のグリッド検索のアプローチについて確認し、よりスマートなアルゴリズムを使用することでグリッド検索の枠を超えて考える方法を学習します。最後に、Cloud ML Engine によってハイパーパラメータ調整の自動化が便利になる仕組みを学習します。

このモジュールでは、機械学習の理論と実践について説明します。まず、シンプルで簡潔なモデルを作成できるように、スパース性を実現する正則化の実行方法について説明します。次に、ロジスティック回帰について説明し、パフォーマンスが決まる仕組みを学習します。

このモジュールでは、特にニューラル ネットワークを使用した理論について詳しく説明します。

このモジュールでは、埋め込みを使用して、疎データを管理する方法と、疎データを使用する機械学習モデルのメモリ消費量を減らしてトレーニングを高速化する方法を学習します。埋め込みはディメンション数を削減する方法でもあり、その結果として、モデルをより単純で一般化できるようになります。