Pythonではじめる機械学習入門講座

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

日時

開催予定

プログラム

機械学習の入門講座 (セミナー) は、巷にたくさんありますが、理論と実践が揃って、はじめて現場で使える技術となります。 　本セミナーでは、機械学習の理論的側面のみではなく、コンピュータを用いた実践演習を通して、理解を深めていきます。同時に、実践演習では、最近様々な分野で、注目を集めているコンピュータ言語Pythonと機械学習系ライブラリ (scikit-learn) を用います。

  1. はじめに
    1. 講師自己紹介
    2. セミナーの狙い
  2. 演習環境の確認
    1. Pythonの実行環境の確認
    2. 各種ライブラリ (NumPy,SciPy,matplotlib,scikit-learn) の実行環境の確認
    3. 統合開発環境Spyderの実行環境の確認
    4. Pythonの実行方法 (インタプリタ,コマンド渡し,統合開発環境)
  3. Python入門講座
    1. Pythonの特徴
    2. Pythonの基本文法
    3. コーディング方法 (統合開発環境Spyderの使い方含む)
    4. 各種ライブラリの使い方
      • NumPy
      • SciPy
      • matplotlib
      • scikit-learnなど
    5. 機械学習アルゴリズムの実装方法
    6. サンプルコードを用いた実践演習
    7. 参考書・情報源の紹介
  4. 機械学習概論
    1. 機械学習の概要
    2. 三大学習法
      • 教師あり学習
      • 教師なし学習
      • 強化学習
    3. 機械学習データセットの紹介
    4. 機械学習におけるデータの著作権
    5. 専門書・参考書の紹介
  5. 教師あり学習
    1. 教師あり学習の概要
    2. クラス分類と回帰
    3. 過剰適合 (過学習) と適合不足 (学習不足)
    4. モデル複雑度と精度
    5. 多クラス分類
    6. 各種教師あり学習アルゴリズムの基礎理論と実践演習
      1. k-最近傍法
        • クラス分類
        • 回帰
      2. 線形モデル
        • 線形回帰
        • Ridge回帰
        • Lasso回帰
        • ロジスティック回帰
      3. サポートベクトルマシン
        • 線形モデル
        • 非線形モデル
      4. 決定木
      5. アンサンブル学習
        • ランダムフォレスト
        • アダブースト
    7. クラス分類の性能指標
  6. 教師なし学習
    1. 教師なし学習の概要
    2. 次元削減と特徴量抽出
    3. 各種教師なし学習アルゴリズムの基礎理論と実践演習
      1. 主成分分析 (次元削減)
      2. k-平均法 (クラスタリング)
      3. 凝集型クラスタリング
      4. DBSCAN (クラスタリング)
    4. クラスタリングの性能指標
  7. 実装上の注意事項
    1. データの前処理 (スケール変換など)
    2. テスト誤差の最小化 (k分割交差検証)
    3. ハイパパラメータの最適化
      • グリッドサーチ
      • ランダムサーチ
    4. 実データの読み込み方法
  8. まとめと質疑応答

受講料

持参品 等

本セミナーでは、演習を行いますので、以下の条件を満たしたノートパソコンを持参して下さい。

案内割引・複数名同時申込割引について

R&D支援センターからの案内登録をご希望の方は、割引特典を受けられます。
案内および割引をご希望される方は、お申込みの際、「案内の希望 (割引適用)」の欄から案内方法をご選択ください。

「案内の希望」をご選択いただいた場合、1名様 40,000円(税別) / 44,000円(税込) で受講いただけます。
複数名で同時に申込いただいた場合、1名様につき 25,000円(税別) / 27,500円(税込) で受講いただけます。