機械学習の体系的理解から、教師あり学習手法とその理論的背景、
ディープラーニングの基本的な考え方、そして実運用まで

PCをご持参いただき、Excelを使った演習を行います!


※ 事前にインストール情報をお送りしますので、PythonをインストールしたノートPC(64bit)とUSBメモリを各自ご持参ください。


講師


大阪大学 産業科学研究所 准教授 博士(情報科学) 福井 健一 氏

<専門>
機械学習・データマイニング
<略歴>
2005年7月~2010年3月 大阪大学 産業科学研究所 新産業創造物質基盤技術研究センター
 特任助手(2007年度より職名改名により特任助教)
2010年4月~2015年6月大阪大学 産業科学研究所 第1研究部門(情報・量子科学系) 助教  2015年7月~現在 同 准教授
<学会活動>
情報処理学会論文誌編集委員 (2011年度~2014年度)
人工知能学会編集委員(2014年度~2017年度)
情報処理学会論文誌:数理モデル化と応用(TOM) 編集委員(2015年度~)
電子情報通信学会人工知能と知識処理研究専門委員会委員 (2017年度~)
電子情報通信学会和文論文誌D 編集委員 (2017年度~),等


受講料


■ R&D会員登録していただいた場合、通常1名様申込で49,980円(税込)から
・1名で申込の場合、47,250円(税込)へ割引になります。
・2名同時申込で両名とも会員登録をしていただいた場合、計49,980円(2人目無料)です。


(まだR&D会員未登録の方は、申込みフォームの通信欄に「会員登録情報希望」と記入してください。詳しい情報を送付します。ご登録いただくと、今回から会員受講料が適用可能です。)


持参物


64bitのノートPC、USBメモリ


受講対象・レベル


・機械学習やディープラーニングに取り組んで間もない方
・Python等のツールを使いたい方、使いこなしたい方(Python初心者も歓迎)


必要な予備知識


・大学初等数学、情報系学部程度のプログラミング知識を持っていることが望ましい。 


習得できる知識


・機械学習の体系的理解(俯瞰的知識)
・いくつかの代表的な教師あり学習手法とその理論的背景、またその実運用(実習を通じて)
・ディープラーニングの基本的な考え方と実運用の指針(実習を通じて) 


趣旨


 昨今のAIブームの火付け役とも言えるディープラーニングは強力な学習手法ですが、万能ではありません。問題の特性をよく理解して適切な機械学習手法を選択し、適切に用いることが重要です。
 本セミナーでは、機械学習の基本的な教師あり学習手法の考え方や理論的背景の説明とともに、Pythonを用いた簡単な実習を交えて機械学習の理解を深めます。これから本格的な勉強を始める前に概要と雰囲気を掴むには最適かと思います。 


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 次元の呪い
    1.10.3 主成分分析による次元圧縮
    1.10.4 バイアスとバリアンス
  1.10.5 評価基準の設定:クロスバリエーション
  1.10.6 簡単な識別器:k-近傍法
  1.10.7 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):ベイズ学習
 2.1 計的機械学習とは
 2.2 学習データの対数尤度
 2.3 1次元2値の場合
 2.4 ナイーブベイズ分類器
 2.5 ベイジアンネットワーク
 2.6 簡単な例
 2.7 ベイジアンネットワークの構成
 2.8 ベイジアンネットワークを用いた識別
 2.9 ナイーブベイズ分類器を用いた実習

3 識別(2):線形識別モデル
 3.1 識別モデル
 3.2 ロジスティック識別概要
 3.3 ロジスティック識別の導出
 3.4 ロジスティック識別器の学習
 3.5 確率的最急勾配法
 3.6 正則化
 3.7 ロジスティック識別器を用いた実習

4 識別(3):サポートベクトルマシン
 4.1 サポートベクトルマシンとは
 4.2 マージン最大化のための定式化
 4.3 マージン最大化とする識別面の計算
 4.4 ソフトマージン
 4.5 カーネル関数
 4.6 簡単なカーネル関数の例
 4.7 入れ子交差検証によるハイパーパラメータ調整
 4.8 サポートベクトルマシンを用いた実習

5 識別(4):パーセプトロンから深層学習まで
 5.1 単純パーセプトロン
 5.2 誤り訂正学習
 5.3 最小二乗法による学習
 5.4 多層ニューラルネットワーク
 5.5 逆誤差伝搬法による学習
 5.6 深層学習とは
  5.6.1 従来の識別学習との違い
  5.6.2 深層学習の分類
  5.6.3 最近の応用例
 5.7 多階層ニューラルネットワークの学習における問題
 5.8 自己符号化器(AutoEncoder)による事前学習
 5.9 DropOut法による過学習の抑制
 5.10 自己符号化器を用いた深層学習による実習
 
 --- 質疑応答・名刺交換 ---

 キーワード Python,パイソン,深層学習,機械学習,ディープラーニング,実習,講座,研修,セミナー


※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


10:00

受講料

49,980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

大阪府

MAP

【大阪市淀川区】滋慶医療科学大学院大学

【JR・地下鉄】新大阪駅

主催者

キーワード

AI(人工知能)   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


10:00

受講料

49,980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

大阪府

MAP

【大阪市淀川区】滋慶医療科学大学院大学

【JR・地下鉄】新大阪駅

主催者

キーワード

AI(人工知能)   機械学習・ディープラーニング

関連記事

もっと見る