機械学習を実践で使えることを第一に考えたセミナーです。前半は、機械学習 (含深層学習) を数式を排して説明します。後半は、実際のデータを用いて、前半で確認した内容を確認していきます。今回は特に下記に重点を置いたセミナーとなります。
- データ分析の未経験者でもわかる
- 数式なしで、文系の方でも大丈夫
- 手法の解説だけではなく、データの収集に関しても解説
- 実証実験の現場で出てきている課題も随所に盛り込みます
「次の日からデータ分析に取り組める」セミナーです。
- 機械学習の基礎と実践
- 機械学習の基本
- データがモデルをつくる
- 学習の種類
- 教師あり学習の基本
- 教師なし学習の基本
- 強化学習の基本
- 結果の分類
- 回帰
- クラス分類
- 事象をサンプリングし数値情報へ変換する
- サンプリング
- 次元とベクトル
- 画像を数値情報へ変換する
- 言語を数値情報へ変換する
- 音を数値情報へ変換する
- 学習って何?
- 何を学習している?
- 統計との関係
- 深層学習の基礎
- 機械学習と深層学習の違いは?
- ディープニューラルネットワークとは
- 把握すべきディープニューラルネットワークの特性
- 現場で発生するデータ
- どのようなデータを収集可能か?
- 想定と実際
- 想定とのギャップを埋められるか?
- データの前処理の必要性
- データ共通の処理
- 回帰問題に対応するためのデータ処理
- 正規化
- ワンホットベクトル
- 画像データに対する処理
- 音データに対する処理
- 事例で確認してみる
- センサーデータからの異常検知
- 画像データでの分類
- 音データでの異常検知
- このセミナーだけで終わらせないために
- twitter/ブログを通じた情報の収集
- より高速な環境を求める場合