人工知能を支えるパターン認識・機械学習とPythonによる実装入門〜基礎からディープラーニングの利用まで〜

Pythonで機械学習・パターン認識を実装するための
「はじめの一歩」に最適！
機械学習・パターン認識・Pythonの基礎から、
モジュール・パッケージの解説や使いこなすためのポイント、
ディープラーニングの実装方法の流れ、最先端手法などを
わかりやすく解説！

講師

名古屋大学　情報学研究科　助教　川西 康友 先生

講師紹介

■ご略歴
2012年　京都大学大学院　情報学研究科　博士後期課程修了
2012年　京都大学　学術情報メディアセンター　特定研究員
2014年　名古屋大学　未来社会創造機構　特任助教
2015年　名古屋大学　情報科学研究科　助教
2017年　名古屋大学　情報学研究科　助教
                現在に至る。

■ご専門および得意な分野・研究
防犯カメラ・車載カメラ映像を対象とした、人物検出・追跡・検索を含む人物画像処理に関する研究に従事

■本テーマ関連学協会でのご活動
2011年 パターン認識・メディア理解（PRMU）研究会 研究奨励賞受賞

受講料

1名43,000円 + 税、(資料・昼食付) 　
＊1社2名以上同時申込の場合 、1名につき33,000円 + 税 　
※消費税につきましては講習会開催日の税率にて課税致します。 　　　　　
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナー開催にあたって

■はじめに：
　本セミナーでは、近年注目されている人工知能の基礎技術である、
パターン認識・機械学習について解説し、Pythonを用いた実装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：
・人工知能・機械学習を業務で利用しようとしている方
・Pythonを学んでみたい方
・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
・人工知能や機械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

セミナー内容

１はじめに
　1.1　AIとパターン認識
　1.2　パターン認識と機械学習
　1.3　最先端手法と応用例

２機械学習のしくみとパターン認識での利用
　2.1　機械学習の枠組み
　2.2　機械学習に基づくパターン認識手法（ポイントをかいつまんで紹介）
　　1）k近傍法
　　2）線形識別関数
　　　　―単純パーセプトロン、サポートベクトルマシン
　　3）アンサンブル学習
　　　　―ランダムフォレスト
　　4）ニューラルネットワーク
　　　　―多層パーセプロトン、深層学習
　2.3　パターン認識の最先端手法と応用例

３Pythonの概要
　3.1　Pythonとは
　3.2　Pythonを使いこなすためのモジュール
　　　　―numpy、scipy、scikit-learnほか
　3.3　Pythonの利用環境（Windows/Mac/Linuxそれぞれ解説）
　　　　―anacondaのセットアップと利用方法
　3.4　Pythonの文法
　3.5　数値計算ライブラリ numpyの詳細

４Pythonでの機械学習
　4.1　scikit-learnの紹介
　4.2　scikit-learnを用いた機械学習の枠組み
　4.3　使用するクラス分類器
　4.4　Pythonでの機械学習の実際の流れ
　　1）必要なモジュールの読み込み
　　2）特徴量の読み込み
　　3）識別器の初期化・学習
　　4）評価
　　5）結果の集計・出力
　　6）学習した識別器の保存、読み込み
　4.5　各種クラス分類手法の切り替え
　4.6　各種クラス分類手法の比較
　　　―様々な識別器での結果、パラメータチューニング、クロスバリデーション
　4.7 パラメータの自動調整法

５Deep Learningの利用
　5.1　Deep Learningの代表的なパッケージ
　　　　―caffe、Chainer、TensorFlow、Kerasなど
　5.2　Kerasを用いたクラス分類器としてのDeep Learning
　5.3　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
　5.4　学習済みモデルの読み込みと利用

６開発の参考となるオススメ文献・サイト
７まとめ・質疑応答

＜質疑応答・個別質問・講師との名刺交換＞