機械学習によるデータマイニング入門【Web配信】

セミナー趣旨

　本セミナーでは、機械学習を用いたデータマイニングの概要と基本事項について解説いたします。多くの場合、機械学習の実用においては数理的な背景やプログラミング能力などといった、実用上の高いハードルが存在します。このため、非常に注目されている技術であるにもかかわらず、適切な運用がなされずに、期待された成果が得られないケースもあるようです。
　本セミナーでは「機械学習を用いてできること」、「データ解析への応用」の基礎事項を中心テ一マとして扱い、学習モデルの定性的な意味を中心に解説いたします。
　本セミナーを通じてより高度な機械学習の教材へのステップアップやデータマイニングの実装への一助となればと考えております。
資料にはPythonおよびRの短いコードを掲載し解説する予定です。
また、わずかな時間ではありますが、簡単な演習も予定しております。
これらを通じて実装する上でのイメージをつかんでいただければと思います。

受講対象・レベル

• データマイニング・機械学習を始めたばかりの方。
• 機械学習によるデータ解析周辺の全体像を把握したい方。
• 業務に活かすため、機械学習についての知見を得たいと考えている方。
• 本テーマに興味のある方なら、どなたでも受講可能です。

必要な予備知識

• セミナーではなるべく数式や数理的な議論は少なめにいたしますが、高校卒業レベルの数学の知識は必要です(可能であれば、大学初年度レベルの線形代数・数理統計の知識もあるとさらに良いと思います)。
• プログラミングの初歩的な知識(特に配列、制御構造について)はお持ちの方が望ましいです。
• この分野に興味のある方なら、特に上記以外の予備知識は必要ありません。

習得できる知識

• 機械学習の基礎知識
• データマイニングのノウハウ
• PythonおよびRによるデ一タ解析

セミナープログラム

1.　はじめに
　1) データマイニングとは
　　2) 機械学習の動向
　　
2.　機械学習
　　1) 機械学習とは
　　2) 教師あり学習
　　3) 教師なし学習
　　4) 強化学習(このセミナーでは詳細な説明はいたしません)

3.　教師あり学習
　　1) 回帰
　　　a) 重回帰分析
　　2) 判別
　　　a) ニューラルネットワーク(回帰にも適用可能)
　　　b) サポートベクターマシン(回帰にも適用可能)
　　　c) ランダムフォレスト(回帰にも適用可能)
　　3) Pythonによる実演

4.　教師なし学習
　　1) 次元縮約
　　　a) 主成分分析
　　　b) 非負値行列因子分解
　　2) クラスタリング
　　　a) K-平均法
　　　b) 階層クラスタリング(ウォード法)
　　　c) t-SNE
　　3) Pythonによる実演

5.　発展的な話題(時間に余裕があれば)
　　1) 発展的な手法について(isolation forestなど)
　　2) 解析事例の紹介

6.　まとめ

セミナー講師

齊藤　史哲　氏
千葉工業大学　先進工学部　知能メディア工学科
准教授　博士(工学)

■ご略歴:
2009年　東京工業大学大学院総合理工学研究科　知能システム科学専攻博士後期課終了。
　　　　 同大精密工学研究所研究員等を経て、
2011年　青山学院大学理工学部経営システム工学科助手、
2013年　同助教。
2018年　千葉工業大学先進工学部知能メディア工学科准教授、現在に至る。　

人工知能学会、電気学会、電子情報通信学会、日本経営工学会、経営情報学会、知能情報ファジィ学会、IEEE等会員。

■ご専門および得意な分野・研究:
機械学習、ニューラルネットワーク、データマイニング、テキストマイニング、自律エージェント、ビジネスインフォマティクス

セミナー受講料

お1人様受講の場合　50,600円[税込]／1名
1口でお申込の場合　62,700円[税込]／1口（3名まで受講可能）
受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

受講について

• 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
• インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
• 受講中の録音・撮影等は固くお断りいたします。