Pythonではじめる機械学習入門講座＜PC実習付き＞

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と機械学習系ライブラリ(scikit-learn)を用います．

受講対象・レベル

　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引き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，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の経験や，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．

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(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
　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の実行環境の確認
　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など)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の著作権
　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，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
　　6-3-1 主成分分析(次元削減)
　　6-3-2 k-平均法(クラスタリング)
　　6-3-3 凝集型クラスタリング
　　6-3-4 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(スケール変換など)
　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

◆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準備してください．

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Miniconda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ください．

3）Miniconda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．ただし，統合開発環境Spyder，機械学習ライブラリscikit-learn，および可視化ライブラリseabornは，追加インストールする必要があります．これらのインストール方法は，Windowsの場合，Anaconda Prompt，macOSやLinuxの場合，ターミナルを開き，コマンドラインより下記のコマンドを入力して個別にインストールしてください．

conda install spyder
conda install scikit-learn
conda install seaborn

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）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．

Python,機械学習,基礎,基本,教師あり,教師なし,実装,実習,事例,研修,セミナー

セミナー講師

愛知県立大学　情報科学部　情報科学科　教授　博士（工学）　小林 邦和　氏
　　　
《専門》
　人工知能，知能ロボティクス
《略歴》
　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）．
　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，電気学会，人工知能学会，計測自動制御学会，ロボカップ日本委員会の各会員．
　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)や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＞
　ANNIE1994 Best Paper Award(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 テクニカルチャレンジ第1位(2015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)
　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第3位(2018年)
　人工知能学会賞(2018年)

セミナー受講料

55,000円（税込、資料付）
■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合44,000円、
　 2名同時申込の場合計55,000円（2人目無料：1名あたり27,500円）で受講できます。
（セミナーのお申し込みと同時に会員登録をさせていただきますので、
　  今回の受講料から会員価格を適用いたします。）
※ 会員登録とは
　 ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
　 すべて無料で年会費・更新料・登録費は一切かかりません。
　 メールまたは郵送でのご案内となります。
　 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

受講について

Zoomを使ったWEB配信セミナー受講の手順

1. Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
2. セミナー前日までに必ず動作確認をお願いします。
3. 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

• セミナー資料は開催前日までにお送りいたします。
• 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
• 受講にはWindowsPCを推奨しております。
  タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。