Pythonではじめる機械学習応用講座＜PC実習付き＞

セミナー趣旨

　本講座は，機械学習の三大学習方式（教師あり学習，教師なし学習，強化学習）の中から教師あり学習の一種の深層学習と強化学習について学んでいきます．さらに，教師あり学習と教師なし学習，及び強化学習と深層学習のそれぞれ2つの学習方式を組み合わせたハイブリッド学習も取り上げて，幅広く学べるように設計されています．同時に，Pythonを用いた演習を通して，実践的に学び，現場で使える技術にできるように工夫されています．
　なお，本セミナーは初級編「Pythonではじめる機械学習入門講座＜PC実習付き＞」の続編であり，Python基礎，教師あり学習と教師なし学習の基礎理論と実践演習について修得していることを前提としています．

受講対象・レベル

　原則，初級編「Pythonではじめる機械学習入門講座＜PC実習付き＞」を受講した方を対象とします．初級編を受講して，さらに高度な機械学習アルゴリズムや流行りの深層学習モデル，さらに複数の機械学習アプローチを組み合わせたハイブリッド学習について学びたいと意欲のある方が最適な受講対象者となります．
　演習を通して学んでいきますので，原則Pythonでコンピュータプログラムをコーディングした経験がある人を対象としています．

習得できる知識

1）Pythonの高度なコーディング方法
2）Pythonの深層学習・強化学習ライブラリの活用方法
3）代表的な強化学習と深層学習の基礎アルゴリズム
4）強化学習ライブラリGymnasiumと深層学習ライブラリTensorflow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．演習環境の確認
　2-1　Pythonの実行環境の確認
　2-2　各種ライブラリ(Gymnasium，Tensorflow)の実行環境の確認
　2-3　統合開発環境Jupyter NotebookまたはGoogle Colaboratoryの実行環境の確認
　2-4　統合開発環境を用いたPythonのプログラムコーディングと実行方法

３．深層学習
　3-1　深層学習の概要
　3-2　ニューロンモデル，階層型ニューラルネットワーク，誤差逆伝播法
　3-3　各種深層学習モデル(畳み込みニューラルネットワーク，Alexネットワーク，LeNet-5など)
　3-4　ライブラリTensorflowの使い方とコーディング方法
　3-5　サンプルコードを用いた深層学習モデルの実践演習
　3-6　参専門書・考書・情報源の紹介

４．強化学習
　4-1　強化学習の概要
　4-2　マルコフ決定過程，方策，探索と活用
　4-3　モデルフリー型強化学習(Q学習法，SARSA法，actor-critic法など)
　4-4　モデルベース型強化学習(UCT法，モンテカルロ木探索など)
　4-5　ライブラリGymnasiumの使い方とコーディング方法
　4-6　サンプルコードを用いた強化学習モデルの実践演習
　4-7　専門書・参考書・情報源の紹介

５．ハイブリッド学習
　5-1　ハイブリッド学習の概要
　5-2　次元削減とクラス分類のハイブリッド学習
　5-3　次元削減と回帰のハイブリッド学習
　5-4　次元削減とクラスタリングのハイブリッド学習
　5-5　半教師あり学習とクラスタリングのハイブリッド学習
　5-6　深層学習と強化学習のハイブリッド学習(深層強化学習)
　5-7　サンプルコードを用いたハイブリッド学習モデルの実践演習
　5-8　専門書・参考書・情報源の紹介

６．ハイパーパラメータ最適化
　6-1　ハイパーパラメータ最適化の概要
　6-2　グリッドサーチ
　6-3　ランダムサーチ
　6-4　ベイズ最適化
　6-5　サンプルコードを用いたハイパーパラメータの最適化アプローチの実践演習
　6-6　専門書・参考書・情報源の紹介

７．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パソコン(デスクトップ型，ノート型いずれも可)をセミナー当日までに準備してください．

プラットフォームは，Windows，Linux，MacOSを問いません．
Notebook形式(拡張子ipynb)のプログラムが実行できる統合開発環境を準備してください．統合開発環境としては，(a)クラウド環境のGoogle Colaboratory，または(b)ローカル環境のJupyterLabのいずれかで準備してください．
クラウド環境
Googleアカウントがあると無料で利用できます．アカウントを作成されていない方は，無料で取得できますので，事前に準備してください．
ローカル環境
Miniconda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．ただし，深層学習ライブラリTensorflow，強化学習ライブラリGymnasium，およびハイパーパラメータ最適化ライブラリOptunaは，追加インストールする必要があります．これらのインストール方法は，ローカル環境では，Windowsの場合，Anaconda Prompt，macOSやLinuxの場合，ターミナルを開き，コマンドラインより下記のコマンドを入力して個別にインストールしてください．

pip install tensorflow
pip install pydot
pip install gymnasium
pip install optuna

演習で使用するサンプルコードは，セミナー開催前に配布いたします．
本セミナーでは，Pythonの統合開発環境として，クラウド環境のGoogle Colaboratory，またはローカル環境のJupyterLabを用いて説明を行います．ただし，Notebook形式のプログラムが実行できる統合開発環境(例えばJupyter Notebookなど)がある方はそちらを使っていただいて構いません．
深層学習，強化学習，ハイブリッド学習，ハイパーパラメータ最適化のいずれ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．

キーワード：
Python,機械学習,教師,なし,あり,強化,ハイブリッド,研修,講座,セミナー

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(IEEE)，アメリカ人工知能学会(AAAI)，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，言語処理学会，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)，電気学会システム技術委員会1号委員(2017～2023年)，あいちロボカップAP2020開催委員会競技専門部会部会員(2019～2020年)，電気学会論文誌特集号編修小委員会委員長(2022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～)，ICAROB国際組織委員会委員(2019年～)，ロボカップ日本委員会理事(2019年～)，FAN2025実行委員長(2025年)などを務める．

セミナー受講料

49,500円（税込、資料付）
■ 会員の方あるいは新規会員登録していただくと、下記の割引が適用されます。
　・1名申込の場合、49,500円（税込）→44,000円（税込）
　・2名同時申込の場合、合計99,000円（税込）→合計49,500円（税込）
　　　※両名の会員登録が必要です。


※ 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・登録費は一切かかりません。
　 メールまたは郵送でのご案内となります。
　 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

受講について

Zoomを使ったWEB配信セミナー受講の手順

1. Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
2. セミナー前日までに必ず動作確認をお願いします。
3. 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

• セミナー資料は開催前日までにPDFにてお送りいたします。
• 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。