機械学習によるデータマイニング入門

機械学習を用いたデータマイニングの概要と
基本事項について解説いたします

セミナー講師

齊藤 史哲 氏 　千葉工業大学　先進工学部　知能メディア工学科 准教授  博士(工学)

セミナー受講料

お1人様受講の場合　46,000円[税別]
1口でお申込の場合　57,000円[税別]／1口（3名まで受講可能）

セミナー趣旨

　本セミナーでは、機械学習を用いたデータマイニングの概要と基本事項について
解説いたします。多くの場合、機械学習の実用においては数理的な背景やプログラ
ミング能力などといった、実用上の高いハードルが存在します。このため、非常に
注目されている技術であるにもかかわらず、適切な運用がなされずに、期待された
成果が得られないケースもあるようです。
　本セミナーでは「機械学習を用いてできること」、「データ解析への応用」の基
礎事項を中心テ一マとして扱い、学習モデルの定性的な意味 を中心に解説いたします。
本セミナーを通じてより高度な機械学習の教材へのステップアップやデータマイニ
ングの実装への一助となればと考えております。
資料にはPythonおよびRの短いコードを掲載し解説する予定です。これにより、実装
する上でのイメージをつかんでいただければと思います。

受講対象・レベル

データマイニング・機械学習を始めたばかりの方。
機械学習によるデータ解析周辺の全体像を把握したい方。
業務に活かすため、機械学習についての知見を得たいと考えている方。
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

セミナーではなるべく数式や数理的な議論は少なめにいたしますが、高校卒業レベルの
　数学の知識は必要です(可能であれば、大学初年度レベルの線形代数・数理統計の知識も
あるとさらに良いと思います)。
プログラミングの初歩的な知識(特に配列、制御構造について)はお持ちの方が望ましいです。
この分野に興味のある方なら、特に上記以外の予備知識は必要ありません。

習得できる知識

機械学習の基礎知識
データマイニングのノウハウ
PythonおよびRによるデ一タ解析



　

　　

セミナープログラム

  1.　はじめに
　　　　1) データマイニングとは
　　　　2) 機械学習の動向
　　　　
　2.　機械学習
　　　　1) 機械学習とは
　　　　2) 教師あり学習
　　　　3) 教師なし学習
　　　　4) 強化学習(このセミナーでは詳細な説明はいたしません)

   3.　教師あり学習
　　　　1) 回帰
　　　　　a) 重回帰分析
　　　　2) 判別
　　　　　a) ニューラルネットワーク(回帰にも適用可能)
　　　　　b) サポートベクターマシン(回帰にも適用可能)
　　　　　c) ランダムフォレスト(回帰にも適用可能)
　　　　3) Pythonによる実演

  4.　教師なし学習
　　　　1) 次元縮約
　　　　　a) 主成分分析
　　　　　b) 非負値行列因子分解
　　　　2) クラスタリング
　　　　　a) K-平均法
　　　　　b) 階層クラスタリング(ウォード法)
　　　　　c) 自己組織化マップ
　　　　3) Pythonによる実演

　5.　発展的な話題(時間に余裕があれば)
　　　　1) 先進的な解析手法(t-SNEなど)
　　　　2) 解析事例の紹介

　 6.　まとめ