以下の類似セミナーへのお申込みをご検討ください。
Pythonとライブラリscikit-learnを使った入門セミナー
★ Pythonの基本やコーディング方法から、教師あり・教師なし学習の理論と様々な手法のアルゴリズム、PCでの実践(可能な限り)、scikit-learnによる実装法およびデータ処理・分析・可視化までを詳解!
講師
愛知県立大学 情報科学部 情報科学科 教授 小林 邦和 先生
■ ご略歴:
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の客員研究員を兼任.現在,愛知県立大学次世代ロボット研究所の副所長を兼務.博士(工学).
■ ご専門および得意な分野・研究:
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
■ 本テーマ関連学協会でのご活動:
米国電気電子学会(IEEE),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),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),RoboCup Soccer Standard Platform League組織委員会委員(2015~2017年),ロボカップ2017名古屋世界大会競技専門部会委員(2016~2017年)などを歴任.
現在,Journal of Robotics, Networking and Artificial Life編集委員(2014年~),電気学会システム技術委員会1号委員(2017年~) 愛知県サービスロボット安全評価委員会委員などを務める.
受講料
1名47,520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36,720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
■ 受講者の皆様へ:事前のPC環境設定のお願い
本セミナーでは、【PCをご持参頂き】ハンズオンでの演習を行います。つきまして事前に下記のご準備をお願い致します。
① プラットフォームは,Windows/Linux/MacOS問いません(尚、講師はWindowsで演習を行う予定です)。メモリは8GB以上のPCを推奨致します。
② USBポート使用可/Wi-Fiに接続可のPCをご持参ください。
当日はUSBによるデータの受け渡し、WEB上からデータのダウンロードがある可能性がございます。尚、会場にはFree Wi-fiがございます。
③ Anacondaのダウンロード/インストールのお願い
事前に下記からAnacondaのダウンロードおよびインストールをお願い致します。その際は、Python 3.x(ver.3系)でお願い致します。
https://www.anaconda.com/download/
※上記ページにアクセス、ご自身のOSを選択し「Python 3.7 version」のダウンロードおよびインストールを頂ければ問題ございません。(2019年3月18日現在)
④ mglearnのインストール
③でAnacondaをインストール後、Anacondaのメニューの中からanaconda promptを起動し「pip install mglearn」と入力しmglearnのインストールお願いします。
⑤ 演習で使用するサンプルコードを、セミナー開催の1週間前ごろ送付予定です。その際、動作確認もご案内致しますので、事前にお手元でご確認お願い致します。
⑥ PCご持参が難しい場合は、お申込み時に備考欄に『PC貸出』と記入ください。7,560円(税込)にて貸出致します。PCの貸出は原則、開催1週間前までにお申し出ください。
■ 定員について:
定員25名です。お申込みはお早めに!
■ はじめに:
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と機械学習系ライブラリ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.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.
■ 受講対象者:
・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,
機械学習の理解を深め,実務で使用したい方
・コンピュータ言語Pythonのコーディング方法や
機械学習系ライブラリscikit-learnの活用方法を学びたい方
・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方
■ 必要な予備知識:
・高校卒業レベルの数学の知識
・何らかの他のコンピュータ言語によるプログラミングの経験,
またはコンピュータ(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
(Pythonは初めてという事でも問題ありません。)
■ 本セミナーで習得できること(一例):
・機械学習(教師あり学習,教師なし学習)の基礎理論
・Pythonの基礎文法と基本的なコーディング方法
・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
・機械学習によるデータ処理・分析・可視化方法
セミナー内容
1.はじめに
1)講師自己紹介
2)セミナーの狙い
2.演習環境の構築
1)Pythonのインストール(ディストリビューションAnaconda利用)
2)各種ライブラリ(NumPy,SciPy,matplotlib,pandas,scikit-learn,
Pillow,mglearn)のインストール
3)統合開発環境Spyderのインストール
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
1)Pythonの特徴
2)どの言語を学ぶか
3)Pythonの優位性
4)Pythonの基本文法
5)コーディング方法
6)各種ライブラリ(NumPy,matplotlib,scikit-learn,mglearnなど)の使い方
7)サンプルコードを用いた実践演習
8)データファイルの読み込み方法
9)参考書・情報源の紹介
4.機械学習概論
1)機械学習の概要
2)三大学習法(教師あり学習,教師なし学習,強化学習)
3)機械学習データセットの紹介
4)機械学習と著作権
5)専門書・参考書の紹介
5.教師あり学習
1)教師あり学習の概要
2)クラス分類と回帰
3)過剰適合と適合不足
4)モデル複雑度と精度
5)多クラス分類
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
a)k-最近傍法(クラス分類,回帰)
b)線形モデル(線形回帰,Ridge回帰,Lasso回帰,ロジスティック回帰)
c)サポートベクトルマシン(線形モデル,非線形モデル)
6.教師なし学習
1)教師なし学習の概要
2)データの前処理とスケール変換
3)次元削減と特徴量抽出
4)各種教師なし学習アルゴリズムの基礎理論と実践演習
a)主成分分析(次元削減)
b)k-平均法(クラスタリング)
c)凝集型クラスタリング
d)DBSCAN(クラスタリング)
7.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.
■ ご講演中のキーワード:
機械学習(人工知能),教師あり学習,教師なし学習,Python,scikit-learn,
クラス分類,回帰,次元削減,クラスタリング
※セミナーに申し込むにはものづくりドットコム会員登録が必要です
開催日時
10:30 ~
受講料
47,520円(税込)/人
※本文中に提示された主催者の割引は申込後に適用されます
※銀行振込
開催場所
東京都
【品川区】きゅりあん
【JR・東急・りんかい線】大井町駅
主催者
キーワード
機械学習・ディープラーニング
※セミナーに申し込むにはものづくりドットコム会員登録が必要です
開催日時
10:30 ~
受講料
47,520円(税込)/人
※本文中に提示された主催者の割引は申込後に適用されます
※銀行振込
開催場所
東京都
【品川区】きゅりあん
【JR・東急・りんかい線】大井町駅
主催者
キーワード
機械学習・ディープラーニング関連セミナー
もっと見る関連教材
もっと見る関連記事
もっと見る-
自動化、DX化で注意すべき点、原理原則の理解とは
自動作成ソフトや、DX技術の進化により、業務の効率化や工数削減が進んでいます。しかし全てを自動化し、人の判断や知識を排除することには疑... -
プロダクト・データサイエンス:データ分析講座(その323)3つのDS
企業内のデータサイエンス組織の1つの役割として、データサイエンス技術を、より良い商品の開発やより良いCX(カスタマー・エクスペリエンス... -
【快年童子の豆鉄砲】(その128)定年熟練者の採用体制
【目次】 1. はじめに 中小企業が抱える喫緊の課題の最後は「熟練社員退職で技術知識の喪失」に対する解決手段です。一般的には、定年... -