機械学習の教科書を見ると、理論やアルゴリズムが数式によって説明されています。これが理由で機械学習の勉強を挫折される方がたくさんいます。しかし、機械学習の真髄は数学を使わなくても説明可能です。
本セミナーでは、機械学習の理論をできるだけわかり易く説明するため、数式の意味を解説しながら、グラフ等により視覚的な説明を心掛けます。
また、適宜Pythonによるサンプルコードや実際の機械学習を利用したアプリやシステム、サービスなどの事例を示しながら進めていきます。
- 人工知能 (機械学習) とは?
- 人工知能と機械学習
- なぜ人工知能が注目されるのか?
- 機械学習に必要なもの
- ビッグデータ
- 機械学習の基礎
- 機械学習とデータマイニングの違い
- 機械学習の種類
- 教師あり学習
- 教師なし学習
- 中間的手法
- 機械学習に何ができるのか?
- 回帰 : 重回帰分析
- 分類 : パーセプトロン、ニューラルネットワーク
- クラスタリング : k-means
- 次元削減 : 主成分分析
- ルールマイニング : Apriori
- 機械学習手法の性能を評価する
- 機械学習の応用
- 機械学習のワークフロー
- ディープラーニングとは?
- 特徴量とは
- 特徴量抽出の意味する事
- 機械学習システムを作るには
- Pythonと機械学習ライブラリ
- 機械学習を活用する際の注意点
- 機械学習のマーケティング分野への活用
- マーケティング分析に使われる手法
- レコメンダーシステム (推薦システム)
- 顧客の嗜好を分析する
- テキストマイニング
- 自然言語処理
- 言葉のデータ化