Pythonでのプログラミングをベースに、
機械学習の背景にある理論や特徴を解説しながら演習!

セミナー講師

フューチャーブリッジパートナーズ(株)
 代表取締役 博士(情報理工学) 長橋 賢吾 先生

慶應義塾大学環境情報学部卒業。同大学院政策・メディア研究科修了、2005年東京大学大学院情報理工学研究科修了。博士(情報理工学)。英国ケンブリッジ大学コンピュータ研究所訪問研究員を経て、2006年日興シティグループ証券(現、シティグループ証券)にてITサービス・ソフトウェア担当の証券アナリストとして従事したのち2009年3月、フューチャーブリッジパートナーズ(株)設立。コンサルティング業務の傍ら、統計やデータ分析、機械学習をテーマにした、RやPythonによる実演習つきセミナー講師を多数務め、毎回好評を博している。著書多数。

セミナー受講料

1名47,300円(税込(消費税10%)、資料付)
 *1社2名以上同時申込の場合、1名につき36,300円
 *学校法人割引;学生、教員のご参加は受講料50%割引。

*先着20名限定とさせて頂きます。
※定員に達し次第、申込を締め切らせて頂きます。お申込はお早めに。

受講について

※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

下記ご確認の上、お申込み下さい

  • PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
  • ご受講にあたり、環境の確認をお願いしております(20Mbbs以上の回線をご用意下さい)。
    各ご利用ツール別の動作確認の上、お申し込み下さい。
  • 開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。

Zoomを使用したオンラインセミナーとなります

  • ご受講にあたり、環境の確認をお願いしております。
    お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
    確認はこちら
    ※Skype/Teams/LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
  • Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です。
    ※一部のブラウザは音声(音声参加ができない)が聞こえない場合があります。
     必ずテストサイトからチェック下さい。
     対応ブラウザーについて(公式) ;
     「コンピューターのオーディオに参加」に対応してないものは音声が聞こえません。

配布資料・講師への質問等について

  • 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
    (開催1週前~前日までには送付致します)。

    ※準備の都合上、開催1営業日前の12:00までにお申し込みお願い致します。
    (土、日、祝日は営業日としてカウント致しません。)
  • 当日、可能な範囲で質疑応答も対応致します。
    (全ての質問にお答えできない可能性もございますので、予めご容赦ください。)
  • 本講座で使用する資料や配信動画は著作物であり、
    無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

セミナー趣旨

現場で機械学習を応用するというケースでもっとも広く利用されているのがPythonです。本セミナーでは、Pythonでのプログラミングをベースとして機械学習の背景にある理論や特徴を解説しながら演習を進めます。

▽過去の同講師セミナー受講者の声(アンケート)
「広く機械学習について学べたので良かった」(生産技術・システム開発)
「この分野の概要をつかむのに適したセミナーだと思った」(AIシステム開発)
「今後の勉強の足掛かりになりました」(人工知能関連サービス開発)

■PC実習(ハンズオン)に関して
・Google Colaboratory を利用します。
・インターネットブラウザ:Google Chromeの最新版を推奨します。
 JavaScriptおよびCookieが利用可能な状態にしておいてください。

受講対象・レベル

・Pythonを実際に動かしてみたい方
・Pythonを用いて、機械学習・ディープラーニングの領域に進もうとお考えの方
 *業種・業界は不問とします。

習得できる知識

・機械学習の基礎、概要
・Python の初歩、基礎知識、特徴
・Python の導入方法、具体的な取扱い方、よくあるトラブルとその対策 など

セミナープログラム

1.今さら聞けない機械学習の初歩
 1.1 機械学習とは?
 1.2 教師あり学習と教師なし学習の違いは?
 1.3 よい教師データと悪い教師データとは?
 1.4 機械学習ができること~機械学習が解ける問題~
   識別問題・値予測・クラスタリング・次元削減
 1.5 教師あり学習とは
   教師あり学習の統計手法
   回帰分析、重回帰分析、ロジスティックス回帰分析
   サポートベクターマシン
   ニューラルネットワーク
   アンサンブル学習とその考え方
   具体的なアンサンブル学習
   ランダムフォレスト
 1.6 教師なし学習とは
   教師なし学習のアプローチ方法
   クラスタリング
 1.7 教師あり学習と教師なし学習の棲み分け~事例を挙げて~
 1.8 機械学習のカバー分野
 1.9 データ分析を実施する際に抑えておくべき10のポイント

2.Pythonの基礎と演習
 2.1 なぜPythonが選ばれているのか、
 2.2 Pythonでどんなことができるのか
 2.3 他のソフトの特長と比較
   Excel
   R
   SPSS
   Apache Mahout

*以下、Google Colaboratoryを使い、実際に操作しながら講義を進めます。
  Google Colaboratoryの特徴
  90分ルールと12時間ルール
  Googleドライブのマウントとファイルの読み込み

 2.4 演習:Pythonの導入
 2.5 演習:Pythonを通じた機械学習環境の実習・ライブラリ活用
 2.6 演習:機械学習手法(SVM、アンサンブル学習)等の演習

3 運用上の留意点、コツ

4 おススメ書籍

<質疑応答・名刺交換・個別質問>