【中止】＜２日間セミナー＞はじめてのPython【演習付】と教師あり学習・教師なし学習

セミナー趣旨

　機械学習の入門講座(セミナー)は、巷にたくさんありますが、理論と実践が揃って、はじめて現場で使える技術とになります。
　本セミナーでは、機械学習の理論的側面のみではなく、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。
　Pythonでコーディングした経験がない人も歓迎しますが、実践演習を通して学んでいきますので、他の言語によるプログラミングや、コンピュータ(アプリケーションソフトウェア)によるデータ処理の経験がある方が望ましいです。

【※注意事項※】
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ノートパソコンをご準備下さい。
PCは１台で結構ですが、セミナー視聴用PCと演習用PCは分けた方が受講しやすいかもしれません。

1) プラットフォームは、Windows、Linux、MacOSを問いません。
2) 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。
3) 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。
4) 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。
5) 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。
6) 教師あり学習、教師なし学習とも、「各種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。

習得できる知識

1) Pythonの基本的なコーディング方法
2) Pythonの各種ライブラリの活用方法
3) 代表的な機械学習法(教師あり学習、教師なし学習)の基礎理論
4) 機械学習ライブラリscikit-learnを活用した機械学習アルゴリズムの実装方法
5) 機械学習によるデータ処理・分析・可視化方法

セミナープログラム

１．はじめに
　1-1 講師自己紹介
　1-2 セミナーの狙い

２．演習環境の確認
　2-1 Pythonの実行環境の確認(ディストリビューションAnaconda利用)
　2-2 各種ライブラリ(NumPy、SciPy、matplotlib、scikit-learn)の実行環境の確認
　2-3 統合開発環境Spyderの確認
　2-4 Pythonの実行方法(インタプリタ、コマンド渡し、統合開発環境)

３．Python入門講座
　3-1 Pythonの特徴
　3-2 Pythonの基本文法
　3-3 コーディング方法(統合開発環境Spyderの使い方含む)
　3-4 各種ライブラリ(NumPy、SciPy、matplotlib、scikit-learn)の使い方
　3-5 機械学習アルゴリズムの実装方法
　3-6 サンプルコードを用いた実践演習
　3-7 参考書・情報源の紹介

４．機械学習概論
　4-1 機械学習の概要
　4-2 三大学習法(教師あり学習、教師なし学習、強化学習)
　4-3 機械学習データセットの紹介
　4-4 機械学習におけるデータと著作権
　4-5 専門書・参考書の紹介

５．教師あり学習
　5-1 教師あり学習の概要
　5-2 クラス分類と回帰
　5-3 過剰適合(過学習)と適合不足(学習不足)
　5-4 モデル複雑度と精度
　5-5 多クラス分類
　5-6 各種教師あり学習アルゴリズムの基礎理論と実践演習
　　5-6-1 k-最近傍法(クラス分類、回帰)
　　5-6-2 線形モデル(線形回帰、Ridge回帰、Lasso回帰、ロジスティック回帰)
　　5-6-3 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)
　　5-6-4 決定木
　　5-6-5 アンサンブル学習(ランダムフォレスト、アダブースト)
　5-7 クラス分類の性能指標

６．教師なし学習
　6-1 教師なし学習の概要
　6-2 次元削減と特徴量抽出
　6-3 各種教師なし学習アルゴリズムの基礎理論と実践演習
　　5-3-1 主成分分析(次元削減)
　　5-3-2 k-平均法(クラスタリング)
　　5-3-3 凝集型クラスタリング
　　5-3-4 DBSCAN(クラスタリング)
　6-4 クラスタリングの性能指標

７．実装上の注意事項 
　7-1 データの前処理(スケール変換)
　7-2 テスト誤差の最小化(k分割交差検証)
　7-3 ハイパパラメータの最適化(グリッドサーチ、ランダムサーチ)
　7-4 実データの読み込み方法

８．まとめと質疑応答

セミナー講師

愛知県立大学 情報科学部 教授　小林 邦和　氏
愛知県立大学 次世代ロボット研究所 副所長（兼任）

【経歴】
山口大学工学部助手、同助教、愛知県立大学情報科学部准教授を経て、2017年4月より現職、この間、ヒューストン大学工学部医用生体工学科客員研究員を兼任．博士（工学）．
【専門】
機械学習（人工知能）、知能ロボティクス、ソフトコンピューティング
【所属学会】
米国電気電子学会(IEEE)、アメリカ人工知能学会(AAAI)、電子情報通信学会(IEICE)、電気学会(IEEJ)、人工知能学会(JSAI)、計測自動制御学会(SICE)、ロボカップ日本委員会(RoboCup Japan)の各会員．
【学会活動】
電気学会技術シーズ創出に向けた機械学習協同研究委員会委員長(2012～2014年)、電気学会学習アルゴリズムの高度化を指向した機械学習技術協同研究委員会委員長(2014～2016年)、ICAROB国際プログラム委員会委員(2014～2019年)などを歴任．
現在、Journal of Robotics, Networking and Artificial Life編集委員(2014年～)、電気学会論文誌特集号編修小委員会委員(2014年～)、電気学会システム技術委員会1号委員(2017年～)、ICAROB国際組織委員会委員(2019年～)、あいちロボカップAP2020開催委員会競技専門部会部会員(2019年～)、ロボカップ日本委員会理事(2019年～)、電気学会論文誌特集号編修小委員会委員長(2022年)などを務める．
【受賞】
ANNIE最優秀論文賞(1994年)、ロボカップジャパンオープン 小型ロボット車輪型優勝(2013年)、ロボカップ研究賞(2014、2015、2022年)、ロボカップ・ジャパンオープンサッカー標準プラットフォームリーグ優勝(2014、2015、2018、2019年)、同準優勝(2016、2017年)、電気学会電子・情報・システム部門大会企画賞(2016年)、ロボカップ世界大会サッカー標準プラットフォームリーグチャレンジシールド部門優勝(2017年)、同第3位(2018年)、人工知能学会賞(2018年)など．

セミナー受講料

定価：82,500円（オンライン受講価格：74,800円）

＜セミナー主催者のメルマガ登録をされる場合＞
特別割引価格：
１名：78,370円（オンライン受講価格：71,060円）
２名：82,500円（１名分無料：１名あたり41,250円）
３名以上のお申込みの場合、１名につき41,250円で追加受講できます。

受講について

Zoom配信の受講方法・接続確認

• 本セミナーはビデオ会議ツール「Zoom」を使ったライブ配信となります。PCやスマホ・タブレッドなどからご視聴・学習することができます。
• 申込み受理の連絡メールに、視聴用URLに関する連絡事項を記載しております。
• 事前に「Zoom」のインストール(または、ブラウザから参加)可能か、接続可能か等をご確認ください。
• 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。
• セミナー中、講師へのご質問が可能です。
• 以下のテストミーティングより接続とマイク/スピーカーの出力・入力を事前にご確認いただいたうえで、お申込みください。
  ≫ テストミーティングはこちら

配布資料

• PDFデータ（印刷可／編集は不可）
• 演習用のサンプルコード
  ※PDFデータとサンプルコードは、セミナー開催日の2日前を目安にマイページからダウンロード可能になります。