以下の類似セミナーへのお申込みをご検討ください。
機械学習の理論的側面のみではなく、コンピューターを用いた
実践演習を通して理解を深めていきます!
≪PC実習付き/PythonをインストールしたノートPCをご持参ください≫
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.演習環境の構築
2-1 Pythonのインストール(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、IPython、pandas、mglearn、scikit-learn)のインストール
2-3 統合開発環境Spyderのインストール
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 なぜいまPythonか?
3-3 Pythonの基本文法
3-4 コーディング方法(統合開発環境Spyderの使い方含む)
3-5 各種ライブラリ(NumPy、SciPy、matplotlib、scikit-learn、mglearnなど)の使い方
3-6 機械学習アルゴリズムの実装方法
3-7 サンプルコードを用いた実践演習
3-8 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 過剰適合と適合不足
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)
6.教師なし学習
6-1 教師なし学習の概要
6-2 データの前処理とスケール変換
6-3 次元削減と特徴量抽出
6-4 各種教師なし学習アルゴリズムの基礎理論と実践演習
6-4-1 主成分分析(次元削減)
6-4-2 k-平均法(クラスタリング)
6-4-3 凝集型クラスタリング
6-4-4 DBSCAN(クラスタリング)
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 実データの読み込み方法
7-3 モデル選択(パラメータの設定方法)
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持参して下さい。
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が、mglearnのみ個別インストールが必要となります。個別インストールは、Windowsでは、Anaconda Promptを開き、pip install mglearnでインストールできます。
4)演習で使用するサンプルコードは、USBメモリで準備しますが、万が一に備えて、ノートパソコンは無線WiFi機能を搭載したものを推奨します。なお、USBメモリや無線WiFi(インターネット)への接続が、社内ルールでNGの方は、事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。
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、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~)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、昼食・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49,500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。
備考欄に「会員登録希望」と希望の案内方法【メールまたは郵送】を記入ください。
(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。)
※ 2019年10月1日以降に開催されるセミナーの受講料は、お申込みいただく時期に関わらず
消費税が10%になります。
※ 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・登録費は一切掛かりません。
※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
55,000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
愛知県
【名古屋市中村区】ウインクあいち
【JR・地下鉄・あおなみ線】名古屋駅 【名鉄】名鉄名古屋駅 【近鉄】近鉄名古屋駅
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
10:00 ~
受講料
55,000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
愛知県
【名古屋市中村区】ウインクあいち
【JR・地下鉄・あおなみ線】名古屋駅 【名鉄】名鉄名古屋駅 【近鉄】近鉄名古屋駅
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... -