Python を用いた パターン認識・機械学習 超入門 〜基礎からディープラーニングへの利用まで〜 【名古屋開催】

【好評につき名古屋でも開催】
★Pythonで機械学習・パターン認識を行いたい方のはじめの一歩に最適！
★機械学習・Pythonの基礎から、使いこなすためのポイント・モジュール、実際に機械学習が出来るまでの具体的な流れ、今注目のDeep Learningの実装まで。

講師

セミナー開催にあたって

■はじめに：
　本セミナーでは、機械学習とは何かから始め、Pythonによる機械学習ができるまでの実際の流れとポイントを解説します。また，そのために必要なPythonの基礎やモジュール・パッケージについても解説します。最後には、近年注目集めるDeep Learningの実装方法についても解説します。

■受講対象者：
　・Pythonを学んでみたい方
　・機械学習を業務で利用しようとしている方
　・Deep Learningの利用を考えている方
　・本テーマに興味のある方なら，どなたでも受講可能です．

■必要な予備知識：
　・何語でも良いが少しでもプログラミングに関する経験
　・機械学習や深層学習という言葉を聞いたことがある程度の知識

■本セミナーで習得できること（一例）：
　・パターン認識・機械学習とは何かについての知識
　・Pythonプログラミングの基礎知識
　・Pythonでのパターン認識・機械学習の方法
　・Deep Learningの実装方法に関する知識

★前回、本セミナーを受講された方の声（ほんの一例です！）：
　・Pythonによる機械学習をどのように実践・実装すればよいか基礎からフローがわかり、とても有意義でした。資料もわかりやすかったです。
　・まさに知りたいことが網羅されており、内容も整理されていて非常に良いセミナーでした。
　・各識別器を用いたソースコード解説とデモが特に役に立ちそうです。
　・ディープラーニングの実演が特に興味深かったです。
　・質問にも丁寧に回答頂き感謝致します。

などなど、ご好評の声多数のセミナー！

プログラム

１．はじめに
　1.1　パターン認識とは
　1.2　パターン認識と機械学習
　　　　―ニューラルネットワーク、サポートベクトルマシンほか
　1.3　機械学習の枠組み
　1.4　実際の開発事例

２．Pythonの概要
　2.1　Pythonとは
　2.2　Pythonのメリット・使い方のポイント
　2.3　Pythonを使いこなすためのモジュール
　　　　―numpy、scipy、scikit-learnほか
　2.4　Pythonの利用環境
　2.5　Pythonの文法
　2.6　数値計算ライブラリ numpyの詳細

３．Pythonでの機械学習
　3.1　scikit-learnとは
　3.2　scikit-learnを用いた機械学習の枠組み
　3.3　使用するクラス分類器
　3.4　Pythonでの機械学習の実際の流れ
　　　1）特徴量の読み込み
　　　2）識別器の準備
　　　3）識別器の学習
　　　4）テストデータの評価
　　　5）結果の出力
　　　6）学習した識別器の保存、読み込み
　3.5　各種クラス分類手法の切り替え
　3.6　各種クラス分類手法の比較
3.7 パラメータの自動調整法

４．Deep Learningの利用
　4.1　Deep Learningの代表的なパッケージ
　　　　―caffe、Chainer、Kerasなど
　4.2　Kerasを用いたクラス分類器としてのDeep Learning
　4.3　Kerasを用いた特徴抽出を含めたDeep Learning
　　　　―畳み込みニューラルネットワーク
　4.4　学習済みモデルの読み込みと利用

５．開発の参考となるオススメ文献・サイト

６．まとめ・質疑応答

■ご講演中のキーワード：
　Python、パターン認識、機械学習、SVM、Deep Learning、CNN

※実際のPC操作をスクリーンに映し出すデモンストレーションを随時行う予定です。
※本セミナーでは、受講者の方のPC演習はございません。