機械学習、ディープラーニングにおけるデータ前処理と予測精度向上のポイント

この講演では、機械学習、ディープラーニングの基本的な考え方から実践までを、2日間のコースで学びます。理論と同時に、実際のデータを活用した演習で理解を深めます。また、データの前処理に焦点をあて、データの工夫により精度を高める方法を学びます。Windows10 (64bit) パソコンをお持ちいただければ、機械学習、ディープラーニングを実践可能な環境の構築から、画像分類、異常検知などを試すことができます。自社の業務に機械学習、ディープラーニングを活用したい方に最適な講座です。

1. 機械学習とは
   1. 定義
   2. 機械学習の種類
   3. ディープラーニングの種類
      1. 教師あり学習の基本
      2. 教師なし学習の基本
      3. 強化学習の基本
   4. 統計との関係
2. データの扱い
   1. データの定義
   2. 現場で起こっていること
   3. データの特性を把握する
      1. 画像を数値情報へ変換する
      2. 言語を数値情報へ変換する
      3. 音を数値情報へ変換する
3. 機械学習の精度を上げる
   1. 必要となる精度
   2. データと手法、どちらを工夫するか?
4. データ前処理
   1. 抜け、異常値への対応
   2. 量を調整する (増やす/減らす)
   3. 次元を削減する
   4. 特徴を強調する
5. 環境構築
   1. 必要なソフトウエア
   2. Pythonの設定 (Windows10端末の例)
6. サンプルデータの説明
   1. デモで使用するサンプルデータの説明
7. 画像
   1. 画像収集方法
   2. 画像に対する前処理
   3. 画像の分類
      1. 前処理による精度の差
      2. 手法 (CNNの有無) により精度の差
   4. CNNとは
8. 音
   1. 音の収集方法
   2. 音に対する前処理
   3. 音の分類
      1. 前処理による精度の差
      2. 手法 (RNNの有無) により精度の差
   4. RNN (LSTM) とは
9. 異常検知 (音、画像)
   1. オートエンコーダーを使用した異常検知
      1. 前処理による精度の差
   2. オートエンコーダーとは
10. まとめ