＜まずRではじめる＞ 機械学習入門

〜 Rでもここまでできる！ 概要の把握に、本格導入前の検証に 〜

【機械学習】をRで体感する！
★ 先着20名限定：ノートPCは弊社にて準備致します。講師の著書進呈！

講師

フューチャーブリッジパートナーズ(株)
代表取締役 博士（情報理工学） 長橋 賢吾 先生

【講師紹介】
　慶應義塾大学環境情報学部卒業。同大学院政策・メディア研究科修了、2005年東京大学大学院情報理工学研究科修了。博士（情報理工学）。
　英国ケンブリッジ大学コンピュータ研究所訪問研究員を経て、2006年日興シティグループ証券（現、シティグループ証券）にてITサービス・ソフトウェア担当の証券アナリストとして従事したのち2009年3月、フューチャーブリッジパートナーズ（株）設立。
　コンサルティング業務の傍ら、統計やデータ分析、機械学習をテーマにした、RやPythonによる実演習つきセミナー講師を多数務め、毎回好評を博している。

受講料

1名54,000円(税込（消費税8％）、資料・昼食付)
＊1社2名以上同時申込の場合 、1名につき43,200円
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナーポイント

※実習用のノートPCは弊社にて準備致します。
※定員20名に達し次第、申込を締め切らせて頂きます。お申込はお早めに。

▽過去の同講師セミナー受講者の声
「機械学習についてのイメージを得るのに最適だと思いました」（研究・開発）
「講師との距離も近く、名刺交換や具体的な質問・ディスカッションができたのがよかった」（データ処理）
「実際に操作できるので、講義だけでは見えにくい部分も分かりました」（マーケティング）
「日ごろ気になっていたことが訊けて大変有意義でした」（材料評価）
「これから自分が何を勉強すればいいのか分かったのが一番の収穫でした。ありがとうございます」（生産管理）

■講師より
　Rは統計解析のためのプログラミング言語・開発環境ですが、機械学習で利用できるライブラリが数多く提供されています。企業の現場では、あるモデルでうまく動作するかを判断するため、Rでプロトタイプを作成し、確認するというケースもあります。
　本セミナーではまず、機械学習の考え方や、その基礎となる統計をわかりやすく説明します。それを踏まえて、代表的な機械学習の理論を押さえながら、Rのさまざまな活用法について、実習を交えて解説します。
  「市販の書籍を購入し独学に取り組んだものの、今一つ理解できない」、「自分のやりたいことができない」、「もっと使いこなしたい」、「PythonやTensorFlowは敷居が高い」というような方の受講も歓迎します。

■受講対象者
・機械学習について学びはじめた方
・まずRを使って機械学習を始めてみたい方
　＊初心者・初学者の方を歓迎します。また業種・業界は不問とします。

■受講して得られる知見、情報
・機械学習を行うために必要な数理・統計の基本知識
・Rの基本的な操作方法やコツ
・機械学習を行うイメージ（実習をふまえて）
・機械学習の習得、学習のための指針
・機械学習環境を構築するためのスキル　など

▼受講特典
『Rではじめる機械学習 データサイズを抑えて軽量な環境で攻略法を探る』（インプレス）
を当日会場にて進呈します。

セミナー内容

1 Rと機械学習の基礎
　1-1　機械学習とは何か？
　1-2　Rとは何か？
　1-3　Rのインストールと利用前の設定
　1-4　Rの基本的な利用方法
　1-5　Rを使った統計量とデータの把握

2 回帰分析で目的変数の値や発生確率を予測
　2-1　単回帰分析
　2-2　重回帰分析
　2-3　ロジスティック回帰分析
　2-4　ポアソン回帰
　2-5　回帰分析の実際のビジネスへの応用

3 クラスタリング分析の3つの手法でデータを分類
　3-1　クラスタリングの3つの手法
　3-2　階層化クラスタリング
　3-3　非階層化クラスタリングとk平均法
　3-4　モデルベースクラスタリング
　3-5　クラスタリングの応用

4 主成分分析・因子分析で属性を削減し因子を特定
　4-1　主成分分析とは？
　4-2　因子分析

5 アソシエーション分析で関連性がある物事を見極める
　5-1　アソシエーション分析に使われるアソシエーション・ルールとは
　5-2　arulesによるアソシエーション分析
　5-3　アソシエーション分析の応用

6 サポートベクターマシンでクラス分類
　6-1　線引きによるクラス分類
　6-2　カーネル法
　6-3　サポートベクターマシンによる機械学習
　6-4　1クラスサポートベクターマシン

7 アンサンブル学習と正則化―モデルの組み合わせと過学習の解決
　7-1　過学習とは？
　7-2　正則化
　7-3　アンサンブル学習
　7-4　ランダムフォレストのひと手間

8 ベイズ推定とMCMC―事後確率や状態確率を求める
　8-1　ベイズ推定と主観確率
　8-2　MCMCの導入
　8-3　Stanを利用したベイズ推定
　8-4　ネットと相性が良いベイズ推定

＜質疑応答・名刺交換・個別相談＞

※主なR演習内容
　・四則演算
　・グラフの描画
　・ファイルの読み込み
　・平均、分散、相関分析
　・天気データに基づく回帰分析
　・ビールの趣向アンケートに基づいた主成分分析の方法
　・アソシエーション分析の演習
　・Groceriesライブラリを用いて、関連商品購入分析
　・arulesパッケージのインストール
　・アソシエーションルールの表示
　・アソシエーションルールの可視化
　・コンビニにみるアソシエーション分析の運用
　・クラスタリング（樹形図）の演習
　・Ｋ平均法の演習
　・カーネルライブラリのインストール
　・SPAM学習データの作成
　・SPAMテストデータの作成
　・サポートベクターマシンによるモデル生成
　・生成したモデルによる判別率判断
　・交差検定
　・ランダムフォレストのパッケージインストール
　・学習データ、テストデータの準備
　・ランダムフォレストモデルの生成
　・生成したモデルによる判別率判断
　・RStanを用いた階層ベイズ演習