パターン認識・機械学習の基礎とＰｙｔｈｏｎによる実装入門

受講料

48,600円 ( S&T会員受講料 46,170円 )
(まだS&T会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)

【2名同時申込みで1名分無料キャンペーン（１名あたり定価半額 の24,300円）】
※2名様ともS&T会員登録をしていただいた場合に限ります。
※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
※3名様以上のお申込みの場合、上記１名あたりの金額で追加受講できます。
※受講券、請求書は、代表者にご郵送いたします。
※請求書および領収書は1名様ごとに発行可能です。
(申込みフォームの通信欄に「請求書１名ごと発行」と記入ください。)
※他の割引は併用できません。

講師

名古屋大学大学院　情報学研究科　助教　博士（情報学）　川西 康友　氏

趣旨

　本セミナーでは、近年様々な分野で注目を集めているパターン認識・機械学習とは何かについて、様々な例をもとに解説を行います。また、機械学習に基づくパターン認識のシステムを簡単に実装するための方法についてPythonの入門も含め説明します。また、最近話題の深層学習（Deep Learning）についても解説を行い、実装例及び、実装の方法を紹介します。

プログラム

１．パターン認識の基礎知識
　1.1 パターン認識とは
　1.2 パターン認識と機械学習
　1.3 機械学習の枠組み
　1.4 パターン認識手法の紹介
　　k近傍法
　　線形識別関数
　　単純パーセプトロン
　　サポートベクトルマシン
　　ランダムフォレスト
　　多層パーセプトロン
　　深層学習
　1.5 実際の開発事例

２．Pythonの概要
　2.1 Pythonとは
　2.2 Pythonのメリット・使い方のポイント
　2.3 Pythonを使いこなすためのモジュール
　　―numpy、scipy、scikit-learnほか
　2.4 Pythonの環境構築法
　2.5 Pythonの実行環境
　2.6 Pythonの文法
　2.7 数値計算ライブラリ numpyの詳細

３．Pythonによる多クラス分類器の実装
　3.1 scikit-learnとは
　3.2 scikit-learnを用いた機械学習の枠組み
　3.3 使用する多クラス分類器
　3.4 Pythonでの多クラス分類の処理の流れ
　　1）特徴量の読み込み
　　2）識別器の準備
　　3）識別器の学習
　　4）テストデータの評価
　　5）結果の出力
　　6）学習した識別器の保存、読み込み
　3.5 各種多クラス分類手法の切り替え
　3.6 各種多クラス分類手法の比較
　3.7  パラメータの自動調整法

４．Deep Learningの利用
　4.1 Deep Learningの代表的なパッケージ
　4.2 Kerasを用いたクラス分類器としてのDeep Learning
　4.3 Kerasを用いた特徴抽出を含めたDeep Learning
　4.4 学習済みモデルの読み込みと利用

５．まとめ

□質疑応答□