【中止】実践で学ぶ機械学習の基礎と使い分け方〜Pythonを使った実習付き〜【Live配信セミナー】
開催日 |
10:30 ~ 16:30 締めきりました |
---|---|
主催者 | 株式会社 技術情報協会 |
キーワード | 機械学習・ディープラーニング AI(人工知能) 情報技術 |
開催エリア | 全国 |
開催場所 | Zoomウェビナーを利用したLive配信※会場での講義は行いません |
大量のデータの山から知識を抽出するにはどうすればよい?
機械学習を実践演習を通して学び、
現場で使える技術を身に着ける!
セミナー講師
愛知県立大学 情報科学部 教授 小林 邦和 氏 (兼任)愛知県立大学 次世代ロボット研究所 副所長
セミナー受講料
1名につき55,000円(税込、資料付)
〔1社2名以上同時申込の場合1名につき49,500円(税込)〕
受講について
- 本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。
- 下記リンクから視聴環境を確認の上、お申し込みください。
→ https://zoom.us/test - 開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。 - Zoomクライアントは最新版にアップデートして使用してください。
Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。 - パソコンの他にタブレット、スマートフォンでも視聴できます。
- セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。
お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。 - 当日は講師への質問をすることができます。可能な範囲で個別質問にも対応いたします。
- 本講座で使用される資料や配信動画は著作物であり、
録音・録画・複写・転載・配布・上映・販売等を禁止いたします。 - 本講座はお申し込みいただいた方のみ受講いただけます。
複数端末から同時に視聴することや複数人での視聴は禁止いたします。 - Zoomのグループにパスワードを設定しています。
部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。
万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
■ 本セミナーの事前準備
本セミナーでは、演習を行いますので、以下の条件を満たしたパソコン(デスクトップ型、ノート型いずれも可)を準備して下さい。
- パソコンのプラットフォーム(OS)は、Windows、Linux、MacOSを問いません。
- 演習環境を統一したいので、事前にAnacondaを用いて、Python 3.x(バージョン3系)をインストールしておいて下さい。
なお、Anacondaは、以下のWebサイトより無償でダウンロードできます。 https://www.anaconda.com/products/individual - Anacondaを利用すると、演習で必要な標準・外部ライブラリがほとんど自動インストールされますが、mglearnのみ個別インストールが必要となります。
個別インストールは、Windowsでは、Anaconda Promptを開き、pip install mglearnというコマンドを入力することでインストールできます。 - 演習で使用するサンプルコードは、セミナー開催前に配布いたします。
- 本セミナーでは、Pythonの統合開発環境(IDE)として、Spyderを用いて説明を行います。
事前にSpyderをインストールしておいていただけるとスムーズに演習が行えます。なお、Anacondaを利用した場合は、Spyderは自動インストールされます
※ご不明な点がございましたら、お気軽にお問い合わせください。
セミナー趣旨
機械学習は、理論と実践が揃って、はじめて現場で使える技術となります。本セミナーでは、機械学習の基礎理論のみではなく、コンピュータを用いた実践演習を通して、理解を深めていきます。同時に、実践演習では、最近様々な分野で、注目を集めているコンピュータ言語Pythonと機械学習ライブラリscikit-learnを用います。従って、純粋に最近流行りのPythonを学びたい人から、業務でデータ処理・解析をしたい人まで、幅広い方を対象としています。特に、日々の業務で大量のデータを扱っていて、そのデータの山から知識を抽出したいと思っている方が最適な受講対象者となります。
セミナープログラム
- はじめに
- 講師自己紹介
- セミナーの狙い
- 演習環境の構築
- Pythonのインストール (ディストリビューションAnaconda利用)
- 各種ライブラリ (NumPy、SciPy、matplotlib、pandas、scikit-learn、Pillow、mglearn)のインストール
- 統合開発環境Spyderのインストール
- Pythonの実行方法(インタプリタ、コマンド渡し、統合開発環境)
- Python入門講座
- Pythonの特徴
- どの言語を学ぶか
- Pythonの優位性
- Pythonの基本文法
- コーディング方法(統合開発環境Spyderの使い方含む)
- 各種ライブラリ(NumPy、SciPy、matplotlib、scikit-learn、mglearnなど)の使い方
- 機械学習アルゴリズムの実装方法
- サンプルコードを用いた実践演習
- 参考書・情報源の紹介
- 機械学習概論
- 機械学習の概要
- 三大学習法(教師あり学習、教師なし学習、強化学習)
- 機械学習データセットの紹介
- 機械学習におけるデータの著作権
- 専門書・参考書の紹介
- 教師あり学習
- 教師あり学習の概要
- クラス分類と回帰
- 過剰適合と適合不足
- モデル複雑度と精度
- 多クラス分類
- 各種教師あり学習アルゴリズムの基礎理論と実践演習
- k-最近傍法(クラス分類、回帰)
- 線形モデル(線形回帰、Ridge回帰、Lasso回帰、ロジスティック回帰)
- サポートベクトルマシン(線形モデル、ソフトマージン、非線形モデル)
- 決定木
- アンサンブル学習(ランダムフォレスト、アダブート)
- 教師なし学習
- 教師なし学習の概要
- 次元削減と特徴量抽出
- 各種教師なし学習アルゴリズムの基礎理論と実践演習
- 主成分分析(次元削減)
- k-平均法(クラスタリング)
- 凝集型クラスタリング
- DBSCAN(クラスタリング)
- 実装上の注意事項
- データの前処理(スケール変換など)
- テスト誤差の最小化(交差検証)
- ハイパパラメータの最適化(グリッドサーチ)
- 実データの読み込み方法
- まとめと質疑応答
※注意事項
教師あり学習、教師なし学習とも、「各種教師あり/なし学習アルゴリズムの基礎理論と実践演習」では、当日の進行状況に応じて、すべての手法が取り上げられない可能性があります。