これをクリックすると「StartLearning」に変わってここから講座が開始されるようです。

さて、ビデオが表示される画面が出てきました。

推定時間

• 3分

これをクリックすると字幕が表示されて、これも日本語に翻訳されます。

これは便利だGoogle翻訳。

（Google翻訳は、Chromeを使用した場合、ページ内の好きなところで右クリック▶日本語に翻訳をクリックです）

この動画の講師はPeter Norvigさん、2001年からGoogleで活躍されているとのこと。2001年といえば、今でもどこかで動いているといわれるMicrosoftの傑作「Windows
XP」がでた時代です。草原と青空の壁紙が懐かしいと思う方も多いと思います。

そのときに既に「機械学習」の有用性を感じていたというのだから、世界にはすごい人がいるものです。2001年じゃOfficeにイルカがいた時代ですよ。

さて、本題に戻ります。

ここで学べるのは「機械学習の有用性」。といえばかっこよく聞こえますが、機械学習はこれからの時代にとても便利ですよ。ということみたいです。

機械学習▶機械が学習する▶おー便利！ってことでしょうか？

そのためにはビックデータも必要っぽいですね。

人間は、友だちを友だちとして認識して、言われたことを理解するということを無意識にやっているが、それをプログラミングで何とかしようとすると大変。だけど機械学習を使うとそれまでの学習の積み重ねで「経験」から「結果」を導き出せるようになるみたいです。

この下に、Google翻訳されたビデオの内容を入れておきます。

0:00 Machine Learning Crash Courseへようこそ。
0:03 私の名前はPeter Norvigです。私が2001年にGoogleに加わったとき、
0:07 私のタイトルは "Machine Learningのディレクター"
0:10 なぜなら私はMachine Learningが貴重なツールになることを知っていたからです
0:13 エンジニア、Google、その他のあらゆる場所で、
0:15 彼らのデータを理解する。
0:17 私は、ツールがどのくらい普及するのか、まったく予想していませんでした。
0:21 それらを使用することに熟練しているエンジニアにとってどれくらいの需要があるのか​​を示します。
0:25 このコースはあなたをパスに沿って設定するように設計されています
0:28 当業者に熟練した者になることを意味する。
0:31 ここで学ぶものは、ソフトウェアエンジニアとして、
0:35 3つのことをより良くする。
0:37 まず、プログラミングに費やす時間を短縮するツールを提供します。
0:41 私がスペルミスを修正するプログラムを書こうとしていたとします。
0:45 私は多くの例と経験則を通って自分の道を作ることができました。
0:48 Cの後を除いてEの前のIのように、
0:51 数週間の勤勉さの後、合理的なプログラムが思い付きます。
0:54 あるいは、私は既製の機械学習ツールを使用して、いくつかの例を与えたり、
0:59 時間のごく一部でより信頼性の高いプログラムを得ることができます。
1:03 第二に、それはあなたの製品をカスタマイズすることができます、
1:06 特定のグループの人々にとってより良いものにします。
1:09 手書きでコードを書くことによって私の英語のスペルチェッカーを作ったとしましょう。
1:14 それはとても成功して、私はバージョンを持っていたい
1:17 最も人気のある100の言語で
1:19 私は、各言語ごとにゼロからほとんど始める必要があります。
1:22 それは何年もの努力を要するだろう。
1:24 しかし、機械学習を使ってそれを構築した後、別の言語に移行すると、
1:28 最初の近似までは、単にデータを収集することを意味します
1:31 その言語でそれを正確に同じ機械学習モデルに供給することです。
1:36 第3に、機械学習は、プログラマとしてのあなたの問題を解決することができます。
1:41 手でやる方法がわからない。
1:44 人間として、私は自分の友人のことを認識する能力があります。
1:47 彼らの発言を理解し、理解するが、私はこれをすべて無意識に行う
1:51 あなたが私にそれを行うプログラムを書くように頼んだら、
1:54 私は完全に戸惑うだろう。
1:56 しかし、これらは機械学習アルゴリズムが非常にうまくいくタスクです。
1:59 私は何をすべきかをアルゴリズムに伝える必要はありません。
2:02 アルゴリズムの例がたくさんあり、そこからタスクを解決することができます。
2:07 今、機械学習をマスターするためのこれら3つの実用的な理由に加えて、
2:12 哲学的な理由があります。
2:15 機械学習は、あなたが問題について考える方法を変えます。
2:18 ソフトウェアエンジニアは、論理的かつ数学的に考えるように訓練されています。
2:22 アサーションを使用して、プログラムのプロパティが正しいことを証明します。
2:27 機械学習では、焦点は数学からシフトする
2:31 自然科学へ：私たちは、不確実な世界についての観測を行い、
2:35 実験を実行したり、論理ではなく統計を使用して、
2:39 実験の結果を分析する。
2:42 科学者のように考える能力は、あなたの視野を広げるでしょう
2:46 あなたがそれなしで探索することができなかった新しい領域を開く。
2:50 だから旅を楽しみ、幸せな探検。
（出典：https://developers.google.com/machine-learning/crash-course/ml-intro）

なんとなく面白そうではありますね