Summary  
Introduces supervised machine learning by training a model on labeled data to learn classification patterns and evaluating its performance on unseen test data.

General domain of usage  
Email spam detection

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。


従来のプログラミング手法（機械学習を使用しない場合）でこのようなシステムを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メールとハムメールの例から学習し、自動的に識別パターンを習得します。



トレーニングに使用されるデータは**トレーニングセット**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、モデルが両方のカテゴリの特徴を把握できるようになります。

トレーニング後、モデルは**テストセット**（別のラベル付きメールのコレクション）を使って評価されます。このステップでは、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