以下の類似セミナーへのお申込みをご検討ください。
Pythonではじめる機械学習入門講座
■AI活用人材育成講座■『機械学習(ディープラーニング)の基礎・活用・実践<全3回>』
■AI活用人材育成講座<第1回>■『Python基礎と機械学習基礎』
第一原理計算と機械学習を用いた材料設計 ~基礎原理から機械学習力場活用の最新動向まで~
機械学習を用いた画像認識技術の基礎とその応用
ベイズ統計から学ぶ統計的機械学習
小規模データに対する機械学習の効果的適用法
機械学習によるデータ分析の基礎知識と勘所
実習セミナー Pythonで学ぶ機械学習入門
開催日 |
10:30 ~ 17:30 締めきりました |
---|---|
主催者 | 株式会社トリケップス |
キーワード | 機械学習・ディープラーニング |
開催エリア | 東京都 |
開催場所 | 連合会館(東京都千代田区神田駿台) |
「Anaconda」 (Python 3.6バージョン)
https://www.continuum.io/downloads
「Chainer」
http://chainer.org
【講師】
福井 健一 氏:大阪大学 産業科学研究所 知能アーキテクチャ研究分野、准教授 博士(情報科学)
【プログラム】
1 機械学習の概要
1.1 ビッグデータ時代
1.2 機械学習とは?
1.3 最近の例
1.4 機械学習の分類
1.5 教師あり学習
1.5.1 識別
1.5.2 回帰
1.6 教師なし学習
1.6.1 モデル推定
1.6.2 パターンマイニング
1.7 半教師あり学習
1.8 深層学習(ディープラーニング)
1.9 強化学習
1.10 機械学習の基本的な手順
1.10.1 前処理
1.10.2 評価基準の設定:クロスバリエーション
1.10.3 簡単な識別器:k-近傍法
1.10.4 評価指標:F値,ROC曲線
1.11 k-近傍法を用いた実習:機械学習の基本的な手順の確認
2 識別(1):線形識別モデル
2.1 識別モデル
2.2 ロジスティック識別概要
2.3 ロジスティック識別の導出
2.4 ロジスティック識別器の学習
2.5 確率的最急勾配法
2.6 正則化
2.7 ロジスティック識別器を用いた実習
3 識別(2):サポートベクトルマシン
3.1 サポートベクトルマシンとは
3.2 マージン最大化のための定式化
3.3 マージン最大化とする識別面の計算
3.4 ソフトマージン
3.5 カーネル関数
3.6 簡単なカーネル関数の例
3.7 入れ子交差検証によるハイパーパラメータ調整
3.8 サポートベクトルマシンを用いた実習
4 識別(3):パーセプトロンから深層学習まで
4.1 単純パーセプトロン
4.2 誤り訂正学習
4.3 最小二乗法による学習
4.4 多層ニューラルネットワーク
4.5 逆誤差伝搬法による学習
4.6 深層学習とは
4.6.1 従来の識別学習との違い
4.6.2 深層学習の分類
4.6.3 最近の応用例
4.7 多階層ニューラルネットワークの学習における問題
4.8 自己符号化器(Auto Encoder)による事前学習
4.9 Drop Out法による過学習の抑制
4.10 自己符号化器を用いた深層学習による実習