機械学習・ディープラーニングの基本と特徴量エンジニアリング

機械学習はデータからパターンを抽出します。その際に重要なことは、以下にデータを加工しパターンを抽出しやすくするか、ということです。どんなにすぐれた機械学習の手法でも、データがそのパターンを<<隠して>>いては、パターンの抽出は非常に難しくなります。データがそのパターンを明示してくれていれば解析は非常に簡単に、早くなります。そのためデータ分析者は、まずデータの加工を学習すべきです。そのための第一歩として、初学者に平易に説明いたします。また、実際にサンプルプログラムで、データ加工の有無による精度の差も確認します。

1. 機械学習とは
   1. 概要
   2. 学習方法の分類
   3. 活用する箇所
2. ディープラーニングとは
   1. 概要
   2. 活用する箇所
3. 機械学習のためのデータ準備
   1. データとは
   2. 画像・言語、音のデータ化
4. 機械学習のプロセスと必要なデータ
   1. 学習の概要
   2. パラメータ調整
   3. データ量
5. データ加工
   1. 前処理と特徴量エンジニアリング
   2. 前処理の概要
   3. 特徴量エンジニアリングの概要
6. プログラムでの確認
   1. 前処理の実際
   2. 特徴量エンジニアリングの例
      1. 画像での特徴量エンジニアリング
      2. 音での特徴量エンジニアリング
      3. 言語での特徴量エンジニアリング
   3. 特徴量エンジニアリングを活用した場合の差